論文の概要: Shared lightweight autonomous vehicles for urban food deliveries: A simulation study

• arxiv url: http://arxiv.org/abs/2402.19233v1
• Date: Thu, 29 Feb 2024 15:06:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-01 14:23:14.465924
• Title: Shared lightweight autonomous vehicles for urban food deliveries: A simulation study
• Title（参考訳）: 都市部フードデリバリーのための共有軽量自動運転車:シミュレーション研究
• Authors: Ainhoa Genua Cervi\~no, Naroa Coretti Sanchez, Elaine Liu Wang, Arnaud Grignard, Kent Larson
• Abstract要約: 我々は,軽量自律型フードデリバリー車両の艦隊性能を評価するエージェントベースモデルと環境影響研究を開発した。 結果は、従来の自動車による配送を、共有された軽量自動運転車に置き換える上で、環境的な利点があることを示している。
• 参考スコア（独自算出の注目度）: 1.5990479272083913
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, the rapid growth of on-demand deliveries, especially in food deliveries, has spurred the exploration of innovative mobility solutions. In this context, lightweight autonomous vehicles have emerged as a potential alternative. However, their fleet-level behavior remains largely unexplored. To address this gap, we have developed an agent-based model and an environmental impact study assessing the fleet performance of lightweight autonomous food delivery vehicles. This model explores critical factors such as fleet sizing, service level, operational strategies, and environmental impacts. We have applied this model to a case study in Cambridge, MA, USA, where results indicate that there could be environmental benefits in replacing traditional car-based deliveries with shared lightweight autonomous vehicle fleets. Lastly, we introduce an interactive platform that offers a user-friendly means of comprehending the model's performance and potential trade-offs, which can help inform decision-makers in the evolving landscape of food delivery innovation.
• Abstract（参考訳）: 近年、特に食品配達におけるオンデマンド配送の急速な成長は、革新的なモビリティソリューションの探求を促している。 この文脈では、軽量の自動運転車が潜在的な代替手段として登場した。 しかし、その艦隊レベルの行動はほとんど未調査のままである。 このギャップに対処するため,我々は,エージェントベースのモデルと,軽量自律食品配送車両の艦隊性能を評価する環境影響研究を開発した。 このモデルは、艦隊の規模、サービスレベル、運用戦略、環境への影響といった重要な要因を探求する。 我々はこのモデルを、米国マサチューセッツ州ケンブリッジのケーススタディに適用した。その結果、従来の自動車ベースの配送を、共有軽量の自動運転車車両群に置き換える上で、環境的なメリットがあることが示唆された。 最後に,モデルの性能と潜在的なトレードオフを理解するためのユーザフレンドリーな手段を提供するインタラクティブなプラットフォームを提案する。

関連論文リスト

• Probing Multimodal LLMs as World Models for Driving [72.18727651074563]
  自律運転におけるMLLM(Multimodal Large Language Models)の適用について検討する。 GPT-4oのようなモデルの開発は進んでいるが、複雑な運転環境における性能は未解明のままである。
  論文  参考訳（メタデータ） (2024-05-09T17:52:42Z)
• Parameterized Decision-making with Multi-modal Perception for Autonomous Driving [12.21578713219778]
  AUTOと呼ばれる深層強化学習に基づくマルチモーダル認識を用いたパラメータ化意思決定フレームワークを提案する。 ハイブリッド報酬関数は、安全、交通効率、乗客の快適性、および最適な行動を生成するためのフレームワークを導く影響を考慮に入れている。
  論文  参考訳（メタデータ） (2023-12-19T08:27:02Z)
• Vehicle-to-grid for car sharing -- A simulation study for 2030 [4.142286700293885]
  カーシェアリングシステムは、車両間グリッド(V2G)技術による補助サービスの提供を通じてグリッド安定性を高める上で重要な役割を果たす。 本研究では、スイスにおける全国規模のサービスのための将来のシナリオを設計し、カーシェアリングにおけるV2Gの可能性を分析する。 本研究は意思決定者に対してガイドラインを提供し,カーシェアリングの領域内での電力取引に関する規制強化の必要性を強調した。
  論文  参考訳（メタデータ） (2023-11-13T14:08:39Z)
• Studying the Impact of Semi-Cooperative Drivers on Overall Highway Flow [76.38515853201116]
  半協調行動は、人間ドライバーの本質的な性質であり、自律運転には考慮すべきである。 新たな自律型プランナーは、社会的に準拠した軌道を生成するために、人間のドライバーの社会的価値指向(SVO)を考慮することができる。 エージェントが反復的最適応答のゲーム理論バージョンをデプロイする暗黙的な半協調運転について検討する。
  論文  参考訳（メタデータ） (2023-04-23T16:01:36Z)
• Model-Based Reinforcement Learning with Isolated Imaginations [61.67183143982074]
  モデルに基づく強化学習手法であるIso-Dream++を提案する。 我々は、切り離された潜在的想像力に基づいて政策最適化を行う。 これにより、野生の混合力学源を孤立させることで、長い水平振動子制御タスクの恩恵を受けることができる。
  論文  参考訳（メタデータ） (2023-03-27T02:55:56Z)
• Graph Attention Multi-Agent Fleet Autonomy for Advanced Air Mobility [7.533471021886634]
  本研究では,航空車両群を協調させるために,部分的に観測可能な高度空力ゲームの概念を導入する。 本稿では,新しいグラフアテンションデコーダ(HetGAT Enc-Dec)ネットワークニューラルベースポリシーを提案する。 学習方針は,様々な艦隊構成,需要パターン,観測トポロジに一般化されていることを示す。
  論文  参考訳（メタデータ） (2023-02-14T20:48:00Z)
• Towards More Efficient Shared Autonomous Mobility: A Learning-Based Fleet Repositioning Approach [0.0]
  本稿では,SAMSフリートをマルコフ決定プロセスとして定式化し,ISR(Integrated System-Adnt Repositioning)と呼ばれる強化学習型再配置(RLR)アプローチを提案する。 ISRは、需要予測を明示せずに、需要パターンの進化に対応することを学び、最適化に基づく乗客と車両の割り当てに協力する。 その結果, RLR アプローチは JO アプローチと比較して, 乗客待ち時間を大幅に削減し, 50% 以上を達成できた。
  論文  参考訳（メタデータ） (2022-10-16T23:30:46Z)
• Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
  本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。 擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
  論文  参考訳（メタデータ） (2022-06-28T17:08:31Z)
• COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
  本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。 われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
  論文  参考訳（メタデータ） (2022-05-04T17:55:12Z)
• An Energy Consumption Model for Electrical Vehicle Networks via Extended Federated-learning [50.85048976506701]
  本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。 バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
  論文  参考訳（メタデータ） (2021-11-13T15:03:44Z)
• FlexPool: A Distributed Model-Free Deep Reinforcement Learning Algorithm for Joint Passengers & Goods Transportation [36.989179280016586]
  本稿では,乗用車と貨物輸送を組み合わせることで,車両による輸送を改善することを検討する。 我々はFlexPoolを提案する。FlexPoolは分散モデルなしの深層強化学習アルゴリズムで、乗客や商品のワークロードを共同で処理する。 また,FlexPoolはフリート利用率を30%向上し,燃料効率を35%向上することを示した。
  論文  参考訳（メタデータ） (2020-07-27T17:25:58Z)

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。