論文の概要: Mitigating Metropolitan Carbon Emissions with Dynamic Eco-driving at Scale
- arxiv url: http://arxiv.org/abs/2408.05609v1
- Date: Sat, 10 Aug 2024 18:23:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-13 18:12:00.932753
- Title: Mitigating Metropolitan Carbon Emissions with Dynamic Eco-driving at Scale
- Title（参考訳）: ダイナミックエコドライブによる大都市圏の二酸化炭素排出量の削減
- Authors: Vindula Jayawardana, Baptiste Freydt, Ao Qu, Cameron Hickert, Edgar Sanchez, Catherine Tang, Mark Taylor, Blaine Leonard, Cathy Wu,
- Abstract要約: 我々は、二酸化炭素排出量を減らす新たな機会として、半自律車の採用の増加を考えています。
交通シナリオと車両排出の複雑さにより、包括的影響分析は手に入らなかった。
我々は,米国三大都市を横断する信号化交差点6,011箇所で,ダイナミックエコドライブの詳細な影響評価を行う。
- 参考スコア（独自算出の注目度）: 3.5052652317043846
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The sheer scale and diversity of transportation make it a formidable sector to decarbonize. Here, we consider an emerging opportunity to reduce carbon emissions: the growing adoption of semi-autonomous vehicles, which can be programmed to mitigate stop-and-go traffic through intelligent speed commands and, thus, reduce emissions. But would such dynamic eco-driving move the needle on climate change? A comprehensive impact analysis has been out of reach due to the vast array of traffic scenarios and the complexity of vehicle emissions. We address this challenge with large-scale scenario modeling efforts and by using multi-task deep reinforcement learning with a carefully designed network decomposition strategy. We perform an in-depth prospective impact assessment of dynamic eco-driving at 6,011 signalized intersections across three major US metropolitan cities, simulating a million traffic scenarios. Overall, we find that vehicle trajectories optimized for emissions can cut city-wide intersection carbon emissions by 11-22%, without harming throughput or safety, and with reasonable assumptions, equivalent to the national emissions of Israel and Nigeria, respectively. We find that 10% eco-driving adoption yields 25%-50% of the total reduction, and nearly 70% of the benefits come from 20% of intersections, suggesting near-term implementation pathways. However, the composition of this high-impact subset of intersections varies considerably across different adoption levels, with minimal overlap, calling for careful strategic planning for eco-driving deployments. Moreover, the impact of eco-driving, when considered jointly with projections of vehicle electrification and hybrid vehicle adoption remains significant. More broadly, this work paves the way for large-scale analysis of traffic externalities, such as time, safety, and air quality, and the potential impact of solution strategies.
- Abstract（参考訳）: 輸送の規模と多様さにより、炭素化が困難な分野となっている。
ここでは、二酸化炭素排出量を減らすための新たな機会として、インテリジェントなスピードコマンドを通じて停止と移動のトラフィックを軽減し、その結果、排出を減らすようプログラムできる半自律車の採用の増加を検討します。
しかし、このようなダイナミックなエコドライブは気候変動の針を動かすのだろうか?
交通シナリオと車両排出の複雑さにより、包括的影響分析は手に入らなかった。
この課題は,大規模シナリオモデリングと,ネットワーク分解戦略を慎重に設計したマルチタスク深層強化学習を用いて解決する。
我々は、米国三大都市を横断する6,011の信号化交差点で、ダイナミックなエコドライブの詳細な影響評価を行い、100万の交通シナリオをシミュレートした。
全体として、排出に最適化された車両軌道は、スループットや安全性を損なうことなく、都市全体の二酸化炭素排出量を11～22%削減し、それぞれイスラエルとナイジェリアの国産排出量に匹敵する合理的な仮定で予測できる。
10%のエコドライブの採用で全体の25%から50%が削減され、70%近くの利益が交差点の20%から得られており、短期的な実施経路が示唆されている。
しかしながら、このハイインパクトなサブセットの構成は、採用レベルによって大きく異なり、重複を最小限に抑え、エコドライブデプロイメントのための慎重な戦略的計画を要求している。
さらに、自動車の電気化とハイブリッド車の導入の予測と共同で考えると、エコドライブの影響は大きいままである。
より広範に、この研究は、時間、安全性、空気質などの交通の外部性を大規模に分析する方法と、ソリューション戦略の潜在的影響を舗装する。
関連論文リスト
- The RoboDrive Challenge: Drive Anytime Anywhere in Any Condition [136.32656319458158]
2024年のRoboDrive Challengeは、駆動認識技術の発展を促進するために作られた。
今年の挑戦は5つの異なるトラックで構成され、11カ国の93の機関から140の登録チームが集まった。
競争は15の最高パフォーマンスのソリューションで頂点に達した。
論文 参考訳（メタデータ） (2024-05-14T17:59:57Z) - Analyzing Emissions and Energy Efficiency at Unsignalized Real-world
Intersections Under Mixed Traffic Control [27.838827756692243]
アメリカの交通機関は米国の排出量の28%を排出している。
近年の研究では、信号交差点における混在交通制御エコ自動運転戦略が開発され、排出量の削減が図られている。
我々は、複雑な実世界のトポロジと交通需要を伴う無署名の交差点に関するエミッション分析を提供する。
論文 参考訳（メタデータ） (2023-11-20T16:02:33Z) - Deep Reinforcement Learning-based Intelligent Traffic Signal Controls
with Optimized CO2 emissions [6.851243292023835]
交通ネットワークは、人間の健康や環境に悪影響を及ぼし、交通渋滞に寄与する準最適制御政策の課題に直面している。
文献における適応的な信号制御装置はいくつかあるが、それらの比較性能について限定的な研究がなされている。
EcoLightは,CO2排出量を削減するだけでなく,旅行時間などの指標で競合する結果が得られる強化学習アルゴリズムの報酬形成手法である。
論文 参考訳（メタデータ） (2023-10-19T19:54:47Z) - Exploring sustainable pathways for urban traffic decarbonization in downtown Toronto [4.378407481656902]
本研究は,トロント市中心部の都市交通におけるマイクロシミュレートによる脱炭戦略について検討する。
変圧器を用いた予測モデルを用いて, 温室効果ガス (GHG) と窒素酸化物 (NOx) の排出を予測した。
キーとなる発見は、100%のバッテリ電気自動車(BEV)がGHG排出量を75%削減していることを示しているが、コストとインフラに関する課題に直面している。
論文 参考訳（メタデータ） (2023-08-28T22:17:36Z) - DenseLight: Efficient Control for Large-scale Traffic Signals with Dense
Feedback [109.84667902348498]
交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。
従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。
DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
論文 参考訳（メタデータ） (2023-06-13T05:58:57Z) - 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) - Learning Eco-Driving Strategies at Signalized Intersections [1.7682859739940435]
本研究では,効率的なエコドライブ制御戦略を学習するための強化学習手法を提案する。
我々は,学習戦略が燃料消費,CO2排出,旅行時間に与える影響について分析した。
その結果、25%のCAV侵入でも、全燃料および排出削減効果の少なくとも50%を得られることが示唆された。
論文 参考訳（メタデータ） (2022-04-26T19:45:11Z) - Modelling the transition to a low-carbon energy supply [91.3755431537592]
気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。
二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。
排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
論文 参考訳（メタデータ） (2021-09-25T12:37:05Z) - Simulating the Effects of Eco-Friendly Transportation Selections for Air
Pollution Reduction [1.9968351444772683]
地図検索ログを用いて,エコフレンドリーな輸送モード選択の有効性をシミュレートし,大気汚染を低減する手法を提案する。
CO2排出量の総量は9.23%削減できるが、実際の平均走行時間は9.96%削減できる。
論文 参考訳（メタデータ） (2021-09-10T12:30:32Z) - Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。
本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。
我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
論文 参考訳（メタデータ） (2021-06-22T15:40:21Z) - Deep Structured Reactive Planning [94.92994828905984]
自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。
本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
論文 参考訳（メタデータ） (2021-01-18T01:43:36Z)
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。