論文の概要: Optimal Design and Implementation of an Open-source Emulation Platform
for User-Centric Shared E-mobility Services
- arxiv url: http://arxiv.org/abs/2403.07964v1
- Date: Tue, 12 Mar 2024 11:51:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-14 16:55:02.881504
- Title: Optimal Design and Implementation of an Open-source Emulation Platform
for User-Centric Shared E-mobility Services
- Title(参考訳): オープンソースエミュレーションプラットフォームの最適設計と実装
ユーザ中心共有型E-mobilityサービス
- Authors: Maqsood Hussain Shah, Yue Ding, Shaoshu Zhu, Yingqi Gu and Mingming
Liu
- Abstract要約: e-mobilityリサーチコミュニティに利益をもたらすような、統合されたオープンソースフレームワークはありません。
本稿では,共有e-mobilityの先駆的なオープンソースフレームワークを提供することで,このギャップを埋めることを目的とする。
提案するフレームワークは、エージェント・イン・ザ・ループのアプローチとモジュラーアーキテクチャを持ち、多様なユーザの好みに合わせてカスタマイズされ、拡張されたカスタマイズを提供する。
- 参考スコア(独自算出の注目度): 3.372047745995659
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In response to the escalating global challenge of increasing emissions and
pollution in transportation, shared electric mobility services, encompassing
e-cars, e-bikes, and e-scooters, have emerged as a popular strategy. However,
existingshared electric mobility services exhibit critical design deficiencies,
including insufficient service integration, imprecise energy consumption
forecasting, limited scalability and geographical coverage, and a notable
absence of a user-centric perspective, particularly in the context of
multi-modal transportation. More importantly, there is no consolidated
open-source framework which could benefit the e-mobility research community.
This paper aims to bridge this gap by providing a pioneering open-source
framework for shared e-mobility. The proposed framework, with an
agent-in-the-loop approach and modular architecture, is tailored to diverse
user preferences and offers enhanced customization. We demonstrate the
viability of this framework by solving an integrated multi-modal
route-optimization problem using the modified Ant Colony Optimization (ACO)
algorithm. The primary contribution of this work is to provide a collaborative
and transparent framework to tackle the dynamic challenges in the field of
e-mobility research using a consolidated approach.
- Abstract(参考訳): 輸送における排出と汚染の増大という世界的な課題に応えて、e-car、e-bikes、e-scootersを含む電動モビリティサービスの共有がポピュラーな戦略として浮上した。
しかし、既存の電動モビリティサービスは、サービス統合の不足、不正確なエネルギー消費予測、拡張性や地理的範囲の制限、特にマルチモーダル輸送の文脈におけるユーザ中心の視点の欠如など、重要な設計上の欠陥を示す。
さらに重要なのは、e-mobility研究コミュニティに利益をもたらすような統合されたオープンソースフレームワークが存在しないことです。
本稿では,共有e-mobilityの先駆的なオープンソースフレームワークを提供することで,このギャップを埋めることを目的とする。
提案するフレームワークは、エージェント・イン・ザ・ループのアプローチとモジュラーアーキテクチャを持ち、多様なユーザの好みに合わせてカスタマイズされ、拡張されたカスタマイズを提供する。
改良型Ant Colony Optimization (ACO) アルゴリズムを用いて, マルチモーダル経路最適化問題を解くことで, このフレームワークの実現可能性を示す。
この研究の主な貢献は、統合されたアプローチを用いたe-mobility研究の分野における動的な課題に取り組むための、協調的で透明なフレームワークを提供することである。
関連論文リスト
- Open Energy Services -- Forecasting and Optimization as a Service for
Energy Management Applications at Scale [0.6495316960934344]
我々は、エネルギー管理システムが採用する複雑な最適化アルゴリズムを標準化されたコンポーネントに分割するアプローチを推進している。
本研究は,これらの予測および最適化サービスの効率的な実装と運用を支援するフレームワークの体系的設計を中心にしている。
emphEnergy Service Genericsをフリーかつオープンソースリポジトリとしてリリースしたデザインコンセプトの実装について説明する。
論文 参考訳(メタデータ) (2024-02-23T09:46:49Z) - Exploring sustainable alternatives for the deployment of microservices
architectures in the cloud [1.3812010983144802]
本稿では,アプリケーション性能,デプロイメントコスト,消費電力の最適組み合わせを目標として,アーキテクチャのクラウド展開を支援する新しいアプローチを提案する。
この結果は,Train Ticketケーススタディの総合的な評価を通じて,我々のアプローチの可能性を示すものである。
論文 参考訳(メタデータ) (2024-02-17T10:06:26Z) - Safe Model-Based Multi-Agent Mean-Field Reinforcement Learning [48.667697255912614]
平均場強化学習は、同一エージェントの無限集団と相互作用する代表エージェントのポリシーに対処する。
モデルベースの平均場強化学習アルゴリズムであるSafe-M$3$-UCRLを提案する。
本アルゴリズムは,低需要領域におけるサービスアクセシビリティを確保しつつ,重要な領域における需要を効果的に満たす。
論文 参考訳(メタデータ) (2023-06-29T15:57:07Z) - Modeling routing problems in QUBO with application to ride-hailing [0.0]
このようなルーティング問題のひとつ,RPP(Ride Pooling Problem)に注力しています。
このタスクは、小規模な柔軟なバスルートに似た、限られた車両セットを使用して顧客の要求を最適にプールすることである。
論文 参考訳(メタデータ) (2022-12-09T14:55:34Z) - Transit facility allocation: Hybrid quantum-classical optimization [0.0]
交通施設の整備は、サービスの質を向上させるための費用対効果の高い方法である。
本稿では、GIS、意思決定分析、量子技術を統合する最適化フレームワークを開発する。
同一のサービスアクセシビリティを維持しながら、施設数を40%削減することで、我々のフレームワークの有効性を実証する。
論文 参考訳(メタデータ) (2022-10-22T21:53:00Z) - Slimmable Domain Adaptation [112.19652651687402]
重み付けモデルバンクを用いて、ドメイン間の一般化を改善するためのシンプルなフレームワーク、Slimmable Domain Adaptationを導入する。
私たちのフレームワークは、他の競合するアプローチを、複数のベンチマークにおいて非常に大きなマージンで上回ります。
論文 参考訳(メタデータ) (2022-06-14T06:28:04Z) - ACE: Towards Application-Centric Edge-Cloud Collaborative Intelligence [14.379967483688834]
機械学習に基づくインテリジェントなアプリケーションは、私たちの生活の多くの部分に影響を与えています。
クラウドで実行されている現在の実装は、これらの制約をすべて満たすことができない。
エッジクラウドコラボレーションインテリジェンス(Edge-Cloud Collaborative Intelligence)パラダイムは、このような問題に対処するための一般的なアプローチとなっている。
論文 参考訳(メタデータ) (2022-03-24T13:12:33Z) - Energy-Efficient Multi-Orchestrator Mobile Edge Learning [54.28419430315478]
Mobile Edge Learning(MEL)は、エッジデバイス上で機械学習(ML)モデルの分散トレーニングを特徴とする、協調学習パラダイムである。
MELでは、異なるデータセットで複数の学習タスクが共存する可能性がある。
本稿では, エネルギー消費, 精度, 解複雑性のトレードオフを容易にする軽量なアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-09-02T07:37:10Z) - Optimal Power Allocation for Rate Splitting Communications with Deep
Reinforcement Learning [61.91604046990993]
このレターでは、レート分割多重アクセスネットワークにおいて、ユーザの電力割り当てを最適化するための新しいフレームワークを紹介します。
ネットワークでは、ユーザのために意図されたメッセージは、単一の共通部分と個々のプライベート部分に分割される。
論文 参考訳(メタデータ) (2021-07-01T06:32:49Z) - Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with
Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。
再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。
具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文 参考訳(メタデータ) (2020-12-25T07:08:50Z) - National Access Points for Intelligent Transport Systems Data: From
Conceptualization to Benefits Recognition and Exploitation [55.41644538483948]
欧州連合は各加盟国による国家アクセスポイント(NAP)の開発を提案した。
本稿では,ITS エコシステムにおける NAP の役割を確認し,そのようなプラットフォームの設計手法を検討することを目的としており,拡張されたユースケースの起草を通じて NAP の運用プロセスを紹介し,そのメリットを特定のステップに関連付けることを目的とする。
論文 参考訳(メタデータ) (2020-10-14T17:13:00Z)
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。