論文の概要: Urban context and delivery performance: Modelling service time for cargo bikes and vans across diverse urban environments
- arxiv url: http://arxiv.org/abs/2409.06730v1
- Date: Tue, 27 Aug 2024 13:25:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-15 05:11:34.134450
- Title: Urban context and delivery performance: Modelling service time for cargo bikes and vans across diverse urban environments
- Title（参考訳）: 都市環境と配車性能:多様な都市環境におけるカーゴバイクとバンのサービス時間のモデル化
- Authors: Maxwell Schrader, Navish Kumar, Esben Sørig, Soonmyeong Yoon, Akash Srivastava, Kai Xu, Maria Astefanoaei, Nicolas Collignon,
- Abstract要約: 都市環境に基づいた配送時間の予測を行うためのモデリングフレームワークを提案する。
UberのH3インデックスを使用して、都市を六角形に分割し、各セルにOpenStreetMapタグを集約します。
GeoVexは連続ベクトル空間の点としてマイクロリージョンを表現し、車両のサービス時間を予測するための入力として機能する。
- 参考スコア（独自算出の注目度）: 7.501982397953223
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Light goods vehicles (LGV) used extensively in the last mile of delivery are one of the leading polluters in cities. Cargo-bike logistics and Light Electric Vehicles (LEVs) have been put forward as a high impact candidate for replacing LGVs. Studies have estimated over half of urban van deliveries being replaceable by cargo-bikes, due to their faster speeds, shorter parking times and more efficient routes across cities. However, the logistics sector suffers from a lack of publicly available data, particularly pertaining to cargo-bike deliveries, thus limiting the understanding of their potential benefits. Specifically, service time (which includes cruising for parking, and walking to destination) is a major, but often overlooked component of delivery time modelling. The aim of this study is to establish a framework for measuring the performance of delivery vehicles, with an initial focus on modelling service times of vans and cargo-bikes across diverse urban environments. We introduce two datasets that allow for in-depth analysis and modelling of service times of cargo bikes and use existing datasets to reason about differences in delivery performance across vehicle types. We introduce a modelling framework to predict the service times of deliveries based on urban context. We employ Uber's H3 index to divide cities into hexagonal cells and aggregate OpenStreetMap tags for each cell, providing a detailed assessment of urban context. Leveraging this spatial grid, we use GeoVex to represent micro-regions as points in a continuous vector space, which then serve as input for predicting vehicle service times. We show that geospatial embeddings can effectively capture urban contexts and facilitate generalizations to new contexts and cities. Our methodology addresses the challenge of limited comparative data available for different vehicle types within the same urban settings.
- Abstract（参考訳）: 輸送の最終マイルで広く使用される軽貨物車(LGV)は、都市で主要な汚染物質の一つである。
カーゴバイクのロジスティクスと軽電気自動車(LEV)はLGVの代替候補として提案されている。
都市部のバン配達の半数以上が、より高速で、駐車時間が短く、都市を横断するより効率的なルートのために、貨物自転車で置き換えられると推定されている。
しかし、ロジスティクス部門は、特に貨物自転車の配送に関する公開データの不足に悩まされており、その潜在的な利益に対する理解が制限されている。
具体的には、サービス時間(駐車や目的地への移動を含む)は、配達時間モデリングの主要な要素であるが、しばしば見過ごされがちである。
本研究の目的は,様々な都市環境におけるバンやカーゴバイクの運行時間をモデル化することに着目し,配送車両の性能を計測する枠組みを確立することである。
カーゴバイクのサービス時間の詳細な分析とモデル化を可能にする2つのデータセットを導入し、既存のデータセットを使用して、車種間でのデリバリパフォーマンスの違いを推論する。
都市環境に基づいた配送時間の予測を行うためのモデリングフレームワークを提案する。
UberのH3インデックスを使用して、都市を六角形に分割し、各セルにOpenStreetMapタグを集約します。
この空間格子を利用すると、GeoVexを使って連続ベクトル空間の点としてマイクロリージョンを表現し、車両の運行時間を予測するインプットとして機能する。
地理空間埋め込みは、都市環境を効果的に把握し、新しい文脈や都市への一般化を促進することができることを示す。
提案手法は,同じ都市環境下で異なる車両種別で利用可能な限定比較データの課題に対処する。
関連論文リスト
- Evaluating the effects of Data Sparsity on the Link-level Bicycling Volume Estimation: A Graph Convolutional Neural Network Approach [54.84957282120537]
本稿では,リンクレベルの自転車のボリュームをモデル化するために,グラフ畳み込みネットワークアーキテクチャを利用する最初の研究について述べる。
オーストラリア,メルボルン市全体での年間平均自転車数(AADB)を,Strava Metro の自転車数データを用いて推定した。
以上の結果から,GCNモデルは従来のAADB数予測モデルよりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-10-11T04:53:18Z) - GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [82.19172267487998]
GARLIC: GPT拡張強化学習のフレームワーク。
本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
論文 参考訳（メタデータ） (2024-08-19T08:23:38Z) - From Counting Stations to City-Wide Estimates: Data-Driven Bicycle Volume Extrapolation [0.0]
ストリートレベルの自転車量情報は、都市が自転車を奨励するためのインフラの改善を計画するのに役立つだろう。
現在市や市民が利用できるデータは、わずかに数える駅からしか得られないことが多い。
本論文は,ベルリン全都市における自転車の容積を推定するために,これらの数箇所を超える自転車の容積を推定する。
論文 参考訳（メタデータ） (2024-06-26T16:01:53Z) - Towards a prioritised use of transportation infrastructures: the case of
vehicle-specific dynamic access restrictions to city centres [1.289745982465279]
都市モビリティは通常、モビリティをサポートするすべての要素を含む交通インフラを通じて提供される。
多くの場合、このインフラの要素の容量は実際の需要よりも低い。
輸送インフラ要素の不足は,社会の観点から,より有効性の高い輸送活動に優先的に,動的かつ優先的に割り当てられるべきである,と我々は主張する。
論文 参考訳（メタデータ） (2024-01-22T19:43:54Z) - Rethinking Urban Mobility Prediction: A Super-Multivariate Time Series
Forecasting Approach [71.67506068703314]
長期の都市移動予測は、都市施設やサービスの効果的管理において重要な役割を担っている。
伝統的に、都市移動データはビデオとして構成され、経度と緯度を基本的なピクセルとして扱う。
本研究では,都市におけるモビリティ予測の新たな視点について紹介する。
都市移動データを従来のビデオデータとして単純化するのではなく、複雑な時系列と見なす。
論文 参考訳（メタデータ） (2023-12-04T07:39:05Z) - Modelling the performance of delivery vehicles across urban
micro-regions to accelerate the transition to cargo-bike logistics [9.194377306280757]
都市部のバン配達の半分以上は、より速い速度、短い駐車時間、より効率的なルートのために、貨物用自転車に取って代わることができる。
都市部にまたがる様々な車両の相対的な配送性能をモデル化することで、機械学習は、オペレーターが貨物自転車を船体に加えることのビジネス的および環境的影響を評価するのに役立つ。
論文 参考訳（メタデータ） (2023-01-30T13:47:01Z) - Predicting Citi Bike Demand Evolution Using Dynamic Graphs [81.12174591442479]
ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用した。
本稿では,ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用しようとする。
論文 参考訳（メタデータ） (2022-12-18T21:43:27Z) - Weak Signals in the Mobility Landscape: Car Sharing in Ten European
Cities [0.6875312133832077]
当社は、欧州10都市における車両利用率に関するウェブベースのデジタル記録を、主要なアクティブカーシェアリングオペレーターの1つとして使用しています。
カーシェアリング需要の変動と社会デマトグラフィー・都市活動指標の関連について論じる。
論文 参考訳（メタデータ） (2021-09-20T20:37:25Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - 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) - Extracting Spatiotemporal Demand for Public Transit from Mobility Data [0.0]
都市人口の変化は、交通サービスの効率的な管理にいくつかの課題をもたらす。
都市における公共交通機関の需要を簡易に推定する手法を提案する。
論文 参考訳（メタデータ） (2020-06-05T10:21:31Z)
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。