論文の概要: Routing and Scheduling Optimization for Urban Air Mobility Fleet Management using Quantum Annealing

• arxiv url: http://arxiv.org/abs/2410.11231v1
• Date: Tue, 15 Oct 2024 03:27:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-16 14:00:33.600483
• Title: Routing and Scheduling Optimization for Urban Air Mobility Fleet Management using Quantum Annealing
• Title（参考訳）: 量子アニーリングを用いた都市空力艦隊管理のためのルーティングとスケジューリング最適化
• Authors: Renichiro Haba, Takuya Mano, Ryosuke Ueda, Genichiro Ebe, Kohei Takeda, Masayoshi Terabe, Masayuki Ohzeki,
• Abstract要約: 都市部における高密度航空交通の効率的な管理は、安全かつ効果的な運用を確保するために重要である。 都市部で運用されている大型UAM車両の需要に対応するためのルーティングとスケジューリングの枠組みを提案する。 本手法はシンガポールの空域に適した交通管理シミュレータを用いて検証した。
• 参考スコア（独自算出の注目度）: 1.2145532233226684
• License:
• Abstract: The growing integration of urban air mobility (UAM) for urban transportation and delivery has accelerated due to increasing traffic congestion and its environmental and economic repercussions. Efficiently managing the anticipated high-density air traffic in cities is critical to ensure safe and effective operations. In this study, we propose a routing and scheduling framework to address the needs of a large fleet of UAM vehicles operating in urban areas. Using mathematical optimization techniques, we plan efficient and deconflicted routes for a fleet of vehicles. Formulating route planning as a maximum weighted independent set problem enables us to utilize various algorithms and specialized optimization hardware, such as quantum annealers, which has seen substantial progress in recent years. Our method is validated using a traffic management simulator tailored for the airspace in Singapore. Our approach enhances airspace utilization by distributing traffic throughout a region. This study broadens the potential applications of optimization techniques in UAM traffic management.
• Abstract（参考訳）: 都市交通・輸送における都市空気移動(UAM)の統合は,交通渋滞の増加と環境・経済への影響により加速している。 都市部における高密度航空交通の効率的な管理は、安全かつ効果的な運用を確保するために重要である。 本研究では,都市部で運用されている大型UAM車両の需要に対応するためのルーティングとスケジューリングの枠組みを提案する。 数理最適化手法を用いて、車両群に対する効率的かつ分解された経路を計画する。 最大重み付き独立集合問題としての定式化経路計画により,近年大きく進歩している量子アニールなど,様々なアルゴリズムと特別な最適化ハードウェアを利用できる。 本手法はシンガポールの空域に適した交通管理シミュレータを用いて検証した。 本手法は,地域全体にトラフィックを分散させることにより,空域利用の促進を図る。 本研究は,UAMトラヒック管理における最適化手法の適用可能性を広げるものである。

関連論文リスト

• A Predictive and Optimization Approach for Enhanced Urban Mobility Using Spatiotemporal Data [0.0]
  本研究では,機械学習アルゴリズムと実交通情報を組み合わせた都市移動性向上手法を提案する。 ニューヨーク市の黄色いタクシー旅行のデータを用いて,旅行時間と渋滞解析の予測モデルを構築した。 本研究は、高度データ駆動方式による都市渋滞の低減と交通効率の向上を目的とした継続的な取り組みに寄与する。
  論文  参考訳（メタデータ） (2024-10-07T16:16:49Z)
• Airport take-off and landing optimization through genetic algorithms [55.2480439325792]
  本研究は, 航空機の運転における汚染問題に対処し, ゲート割り当てと滑走路スケジューリングを同時に最適化することに焦点を当てた。 本研究は,航空機の離陸・着陸時の燃料燃焼による汚染を最小化するための,革新的な遺伝的アルゴリズムに基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-02-29T14:53:55Z)
• 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-based Online Optimization for Autonomous Mobility-on-Demand Fleet Control [8.020856741504794]
  自律移動オンデマンドシステムのためのオンライン制御アルゴリズムについて検討する。 我々は、オンラインディスパッチとリバランスポリシーを学習する、新しいハイブリッド強化機械学習パイプラインを開発した。 提案手法は,最先端の欲求とモデル予測制御のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2023-02-08T09:40:30Z)
• An ASP Framework for Efficient Urban Traffic Optimization [0.0]
  本稿では,数百台の車両による大規模道路網における交通流を効率的にシミュレートし,最適化する枠組みを提案する。 このフレームワークは、Answer Set Programming (ASP)エンコーディングを利用して、ネットワーク内の車両の動きを正式に記述する。 これにより、ネットワーク内の車両の経路を最適化し、関連するメトリクスの幅を減らすことができる。
  論文  参考訳（メタデータ） (2022-08-05T10:50:38Z)
• Traffic Management of Autonomous Vehicles using Policy Based Deep Reinforcement Learning and Intelligent Routing [0.26249027950824505]
  本稿では,交差点の混雑状況に応じて交通信号を調整するDRLに基づく信号制御システムを提案する。 交差点の後方の道路での渋滞に対処するため,道路ネットワーク上で車両のバランスをとるために再ルート手法を用いた。
  論文  参考訳（メタデータ） (2022-06-28T02:46:20Z)
• AI-aided Traffic Control Scheme for M2M Communications in the Internet of Vehicles [61.21359293642559]
  交通のダイナミクスと異なるIoVアプリケーションの異種要求は、既存のほとんどの研究では考慮されていない。 本稿では,ハイブリッド交通制御方式とPPO法を併用して検討する。
  論文  参考訳（メタデータ） (2022-03-05T10:54:05Z)
• Route Optimization via Environment-Aware Deep Network and Reinforcement Learning [7.063811319445716]
  車両サービス提供者(タクシー運転手など)の収益性を最大化するモバイルシーケンシャルレコメンデーションシステムを開発する。 顧客ピックアップポイント監視のための自己チェック機構とディープニューラルネットワークを統合することにより,この問題に対処するための強化学習フレームワークを提案する。 新型コロナウイルスの感染拡大前後のニューヨーク市における黄色いタクシーデータをもとに,本手法の有効性を評価するための総合的な実験を行った。
  論文  参考訳（メタデータ） (2021-11-16T02:19:13Z)
• Smart Urban Mobility: When Mobility Systems Meet Smart Data [55.456196356335745]
  都市人口は都市部で約25億人に達し、道路交通量は2050年までに12億台を超えた。 輸送部門の経済貢献は欧州のGDPの5%を占め、アメリカでは平均482.05億ドルの費用がかかる。
  論文  参考訳（メタデータ） (2020-05-09T13:53:01Z)
• Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
  複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。 建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
  論文  参考訳（メタデータ） (2020-04-25T22:54:35Z)
• Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep Reinforcement Learning Approach [88.45509934702913]
  我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。 我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。 提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
  論文  参考訳（メタデータ） (2020-02-21T07:29:15Z)

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。