論文の概要: Bike3S: A Tool for Bike Sharing Systems Simulation

• arxiv url: http://arxiv.org/abs/2402.16871v1
• Date: Wed, 24 Jan 2024 17:33:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-18 07:09:00.279307
• Title: Bike3S: A Tool for Bike Sharing Systems Simulation
• Title（参考訳）: Bike3S: 自転車共有システムのシミュレーションツール
• Authors: Alberto Fernández, Holger Billhardt, Sascha Ossowski, Óscar Sánchez,
• Abstract要約: Bike3Sは、ステーションベースの自転車共有システムのシミュレータである。 自転車共有システムの動作を半現実的にシミュレーションする。
• 参考スコア（独自算出の注目度）: 2.1778360174438047
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vehicle sharing systems are becoming increasingly popular. The effectiveness of such systems depends, among other factors, on different strategic and operational management decisions and policies, like the dimension of the fleet or the distribution of vehicles. It is of foremost importance to be able to anticipate and evaluate the potential effects of such strategies before they can be successfully deployed. In this paper we present Bike3S, a simulator for a station-based bike sharing system. The simulator performs semi-realistic simulations of the operation of a bike sharing system and allows for evaluating and testing different management decisions and strategies. In particular, the simulator has been designed to test different station capacities, station distributions, and balancing strategies. The simulator carries out microscopic agent-based simulations, where users of different types can be defined that act according to their individual goals and objectives which influences the overall dynamics of the whole system.
• Abstract（参考訳）: 自動車シェアリングシステムはますます人気が高まっている。 このようなシステムの有効性は、艦隊の寸法や車両の分布など、異なる戦略的および運用的管理上の決定と政策に依存する。 これらの戦略がうまく展開される前に、そのような戦略の潜在的な効果を予測し、評価できることが最も重要です。 本稿では,駅型自転車共有システムのシミュレータであるBike3Sについて述べる。 シミュレータは、自転車共有システムの動作に関する半現実的なシミュレーションを行い、異なる管理決定と戦略を評価し、テストすることができる。 特にシミュレータは、異なるステーション容量、ステーション分布、バランスの取れた戦略をテストするように設計されている。 シミュレーターは顕微鏡エージェントベースのシミュレーションを行い、異なるタイプのユーザーがそれぞれの目標やシステム全体のダイナミクスに影響を与える目的に応じて行動するように定義する。

関連論文リスト

• Bench4Merge: A Comprehensive Benchmark for Merging in Realistic Dense Traffic with Micro-Interactive Vehicles [20.832829903505296]
  我々は,統合シナリオにおける動作計画能力を評価するためのベンチマークを開発する。 我々のアプローチには、微小な行動特性を持つ大規模データセットで訓練された他の車両が含まれる。 大規模な実験は、この評価ベンチマークの高度な性質を実証した。
  論文  参考訳（メタデータ） (2024-10-21T11:35:33Z)
• TrafficBots: Towards World Models for Autonomous Driving Simulation and Motion Prediction [149.5716746789134]
  我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。 動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。 オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
  論文  参考訳（メタデータ） (2023-03-07T18:28:41Z)
• Generative AI-empowered Simulation for Autonomous Driving in Vehicular Mixed Reality Metaverses [130.15554653948897]
  車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。 現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。 生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-16T16:54:10Z)
• Unified Automatic Control of Vehicular Systems with Reinforcement Learning [64.63619662693068]
  本稿では,車載マイクロシミュレーションの合理化手法について述べる。 最小限の手動設計で高性能な制御戦略を発見する。 この研究は、波動緩和、交通信号、ランプ計測に類似した多くの創発的挙動を明らかにしている。
  論文  参考訳（メタデータ） (2022-07-30T16:23:45Z)
• A Hierarchical Pedestrian Behavior Model to Generate Realistic Human Behavior in Traffic Simulation [11.525073205608681]
  本稿では,行動木を用いた階層的歩行者行動モデルを提案する。 私たちの作業の完全な実装は、シナリオ定義と実行エンジンであるGeoScenario Serverに統合されます。 提案モデルでは,実際の歩行者の軌跡を高精度に再現し,意思決定精度を98%以上とした。
  論文  参考訳（メタデータ） (2022-06-01T02:04:38Z)
• Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
  本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。 本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
  論文  参考訳（メタデータ） (2022-04-28T07:37:21Z)
• Simulation study on the fleet performance of shared autonomous bicycles [2.8511319162856674]
  自律的な自転車シェアリングシステムは、自動車シェアリング、電気化、自律化、マイクロモビリティを組み合わせたものだ。 自律性がフリートのパフォーマンスとユーザエクスペリエンスに与える影響を定量化する必要がある。 本稿では,自律型自転車共有システムのフリート挙動を詳細に把握したアドホックエージェントベースシミュレータを提案する。
  論文  参考訳（メタデータ） (2021-06-17T17:47:08Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)
• CARLA Real Traffic Scenarios -- novel training ground and benchmark for autonomous driving [8.287331387095545]
  本研究では,実世界のトラフィックに基づくCARLAシミュレータにおけるインタラクティブな交通シナリオについて紹介する。 我々は数秒間続く戦術的タスクに集中しており、これは現在の制御方法では特に困難である。 CARLA Real Traffic Scenarios(CRTS)は、自動運転システムのトレーニングとテストの場になることを意図しています。
  論文  参考訳（メタデータ） (2020-12-16T13:20:39Z)
• From Simulation to Real World Maneuver Execution using Deep Reinforcement Learning [69.23334811890919]
  深層強化学習(Deep Reinforcement Learning)は、さまざまな分野における多くの制御タスクを解決できることが証明されている。 これは主に、シミュレーションデータと実世界のデータ間のドメイン適応の欠如と、トレインデータセットとテストデータセットの区別の欠如による。 本稿では,エージェントが同時に訓練される複数の環境に基づくシステムを提案する。
  論文  参考訳（メタデータ） (2020-05-13T14:22:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。