論文の概要: Welfare, sustainability, and equity evaluation of the New York City Interborough Express using spatially heterogeneous mode choice models
- arxiv url: http://arxiv.org/abs/2408.01562v1
- Date: Fri, 2 Aug 2024 20:27:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-06 19:30:18.841868
- Title: Welfare, sustainability, and equity evaluation of the New York City Interborough Express using spatially heterogeneous mode choice models
- Title（参考訳）: 空間的均質モード選択モデルを用いたニューヨーク市インターボロー・エクスプレスの福祉・持続可能性・株式評価
- Authors: Hai Yang, Hongying Wu, Lauren Whang, Xiyuan Ren, Joseph Y. J. Chow,
- Abstract要約: IBXは28.1分を市内の潜在的な乗客に節約することができた。
IBXは完成後、毎日224万人以上の乗客を抱えると予想されている。
このサービスは、消費者の余剰が人口平均の10%を下回る旅行者の割合を著しく減少させていないように見える。
- 参考スコア（独自算出の注目度）: 3.708290165095679
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The Metropolitan Transit Authority (MTA) proposed building a new light rail route called the Interborough Express (IBX) to provide a direct, fast transit linkage between Queens and Brooklyn. An open-access synthetic citywide trip agenda dataset and a block-group-level mode choice model are used to assess the potential impact IBX could bring to New York City (NYC). IBX could save 28.1 minutes to potential riders across the city. For travelers either going to or departing from areas close to IBX, the average time saving is projected to be 29.7 minutes. IBX is projected to have more than 254 thousand daily ridership after its completion (69% higher than reported in the official IBX proposal). Among those riders, more than 78 thousand people (30.8%) would come from low-income households while 165 thousand people (64.7%) would start or end along the IBX corridor. The addition of IBX would attract more than 50 thousand additional daily trips to transit mode, among which more than 16 thousand would be switched from using private vehicles, reducing potential greenhouse gas (GHG) emissions by 29.28 metric tons per day. IBX can also bring significant consumer surplus benefits to the communities, which are estimated to be $1.25 USD per trip, or as high as $1.64 per trip made by a low-income traveler. While benefits are proportionately higher for lower-income users, the service does not appear to significantly reduce the proportion of travelers whose consumer surpluses fall below 10% of the population average (already quite low).
- Abstract（参考訳）: メトロポリタン・トランジット・オーソリティ(MTA)はクイーンズとブルックリンの間を高速で直通するインターボロー・エクスプレス(IBX)と呼ばれる新しいライトレールの建設を提案した。
IBXがニューヨーク(NYC)にもたらす潜在的影響を評価するために、オープンアクセスの都市全体の旅行アジェンダデータセットとブロックグループレベルのモード選択モデルが使用される。
IBXは28.1分を市内の潜在的な乗客に節約することができた。
IBXに近い地域に行くか出発する旅行者にとって、平均的な節約時間は29.7分と見積もられている。
IBXは完成後、毎日2万4千人(公式のIBX提案より69%高い)の乗車を予定している。
その内、7万人以上(30.8%)が低所得世帯から、また165万人(64.7%)がIBX回廊で出発または終了する。
IBXの追加は、トランジットモードへの毎日5万回以上の旅行を惹きつけることとなり、そのうち16万回以上は民間車両の使用から切り替えられ、温室効果ガス(GHG)の排出量は1日あたり29.28トン削減された。
IBXは1回の旅行で1.25米ドル、低所得の旅行者が1回の旅行で最大1.64米ドルと見積もられている。
低所得者にとって利益は比例的に高いが、消費者の余剰が人口平均の10%以下(すでにかなり低い)の旅行者の割合を著しく減らしているようには見えない。
関連論文リスト
- Fair collaborative vehicle routing: A deep multi-agent reinforcement
learning approach [49.00137468773683]
協力的な車両ルーティングは、キャリアがそれぞれの輸送要求を共有し、互いに代表して輸送要求を実行することで協力するときに発生する。
従来のゲーム理論解の概念は、特性関数がエージェントの数とともに指数関数的にスケールするので、計算に費用がかかる。
我々は,この問題を,深層マルチエージェント強化学習を用いて解決した連立交渉ゲームとしてモデル化することを提案する。
論文 参考訳（メタデータ） (2023-10-26T15:42:29Z) - Coalitional Bargaining via Reinforcement Learning: An Application to
Collaborative Vehicle Routing [49.00137468773683]
コラボレーティブ・ビークル・ルーティング(Collaborative Vehicle Routing)とは、デリバリ情報を共有し、互いに代理してデリバリ要求を実行することで、デリバリ企業が協力する場所である。
これによりスケールの経済が達成され、コスト、温室効果ガスの排出、道路渋滞が減少する。
しかし、どの会社が誰とパートナーし、それぞれの会社がどれだけの報酬を支払うべきか?
シャプリー値(英語版)やヌクレオルス(英語版)のような伝統的なゲーム理論解の概念は、協調車両ルーティング(英語版)の現実問題に対して計算することが困難である。
論文 参考訳（メタデータ） (2023-10-26T15:04:23Z) - The Growth of E-Bike Use: A Machine Learning Approach [57.506876852412034]
アメリカでのEバイクの使用は2022年に15,737.82キログラムのCO2排出量を削減した。
同年、電動自転車利用者は活動を通じて約716,630.727キロカロリーを燃やした。
論文 参考訳（メタデータ） (2023-07-15T03:34:10Z) - No Transfers Required: Integrating Last Mile with Public Transit Using
Opti-Mile [3.073046540587735]
我々は、ラストマイルサービスと公共交通機関を組み合わせた新しい旅行計画手法「オプティマイル」を提案し、転送は不要である。
従来の最短経路に比べて18%の値上げで、オプティマイル走行が10%距離移動の減少につながることが実証された。
論文 参考訳（メタデータ） (2023-06-28T06:05:14Z) - iPLAN: Intent-Aware Planning in Heterogeneous Traffic via Distributed
Multi-Agent Reinforcement Learning [57.24340061741223]
本稿では,高密度および不均一な交通シナリオにおける軌跡や意図を予測できる分散マルチエージェント強化学習(MARL)アルゴリズムを提案する。
インテント対応プランニングのアプローチであるiPLANにより、エージェントは近くのドライバーの意図をローカルな観察からのみ推測できる。
論文 参考訳（メタデータ） (2023-06-09T20:12:02Z) - Efficiency, Fairness, and Stability in Non-Commercial Peer-to-Peer
Ridesharing [84.47891614815325]
本稿は、P2Pライドシェアリングにおける中核的な問題である、ライダーとドライバーのマッチングに焦点を当てる。
P2Pライドシェアリングにおける公平性と安定性の新たな概念を紹介する。
結果は、妥当な計算時間で、公平で安定した解が得られることを示唆している。
論文 参考訳（メタデータ） (2021-10-04T02:14:49Z) - Transportation Density Reduction Caused by City Lockdowns Across the
World during the COVID-19 Epidemic: From the View of High-resolution Remote
Sensing Imagery [48.52477000522933]
新型コロナウイルス(COVID-19)の流行は、2020年前半に悪化し始めた。
厳しい封鎖政策が世界中の多くの都市で実行され、人間の感染を制御し、拡散を緩和した。
中心市街地6都市におけるロックダウン前後の交通密度の低減について定量的に検討した。
論文 参考訳（メタデータ） (2021-03-02T13:45:16Z) - The Benefits of Autonomous Vehicles for Community-Based Trip Sharing [20.51380943801894]
この研究はHasanらによって提案されたコミュニティベースの旅行共有の概念を再考する。
自動運転車のメリットを、コミュニティベースの旅行共有に定量化することを目的としている。
最適化の結果は、自動運転車を利用して1日あたりの車両使用量を92%削減し、元の通勤トリップシェアリング問題の結果を34%改善し、また1日あたりの走行距離を約30%削減できることを示している。
論文 参考訳（メタデータ） (2020-08-28T18:12:13Z) - Impact of COVID-19 on Public Transit Accessibility and Ridership [5.433386839193515]
我々は、公共交通機関の運行に影響を及ぼす新型コロナウイルスのデータ駆動分析を行い、乗客の変化の時間的変動を特定する。
ナッシュビルとTNでは、2019年のベースラインから66.9%減、65.1%減った。
ナッシュビルの最も所得の高い地域と最も所得の低い地域の間には、乗客数の減少が顕著に見られた。
論文 参考訳（メタデータ） (2020-08-06T01:11:24Z) - A validated multi-agent simulation test bed to evaluate congestion
pricing policies on population segments by time-of-day in New York City [7.5800592082103035]
我々は,MATSim-NYCと呼ばれる,ニューヨーク市における初のオープンソースマルチエージェントシミュレーションモデルを検証する。
このモデルは、地域計画協会が提案する混雑価格計画を評価するために使用される。
論文 参考訳（メタデータ） (2020-07-31T16:07:34Z) - Minimizing Energy Use of Mixed-Fleet Public Transit for Fixed-Route
Service [7.2775693810940565]
本稿では,最適な割り当てとスケジューリングのための整数プログラムを提案し,大規模ネットワークのためのメタヒューリスティックアルゴリズムを提案する。
チャタヌーガにとって、提案されたアルゴリズムはエネルギーコストが145,635ドル、年間576.7トンの二酸化炭素排出量を削減できる。
論文 参考訳（メタデータ） (2020-04-10T17:45:14Z)
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。