論文の概要: User-Friendly Game-Theoretic Modeling and Analysis of Multi-Modal Transportation Systems
- arxiv url: http://arxiv.org/abs/2502.04155v1
- Date: Thu, 06 Feb 2025 15:40:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-07 14:33:11.071462
- Title: User-Friendly Game-Theoretic Modeling and Analysis of Multi-Modal Transportation Systems
- Title（参考訳）: マルチモーダルトランスポートシステムのユーザフレンドリーなゲーム理論モデリングと解析
- Authors: Margarita Zambrano, Xinling Li, Riccardo Fiorista, Gioele Zardini,
- Abstract要約: マルチモーダルモビリティシステムをモデル化するためのゲーム理論フレームワークを提案する。
このフレームワークにより、ステークホルダーは、完全なモビリティシステムに対するローカルな決定の影響を評価することができる。
このプロジェクトは高校生のSTEMへの関心を高めることを目的としている。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: The evolution of existing transportation systems, mainly driven by urbanization and increased availability of mobility options, such as private, profit-maximizing ride-hailing companies, calls for tools to reason about their design and regulation. To study this complex socio-technical problem, one needs to account for the strategic interactions of the stakeholders involved in the mobility ecosystem. In this paper, we present a game-theoretic framework to model multi-modal mobility systems, focusing on municipalities, service providers, and travelers. Through a user-friendly, Graphical User Interface, one can visualize system dynamics and compute equilibria for various scenarios. The framework enables stakeholders to assess the impact of local decisions (e.g., fleet size for services or taxes for private companies) on the full mobility system. Furthermore, this project aims to foster STEM interest among high school students (e.g., in the context of prior activities in Switzerland, and planned activities with the MIT museum). This initiative combines theoretical advancements, practical applications, and educational outreach to improve mobility system design.
- Abstract（参考訳）: 既存の交通システムの進化は、主に都市化と、民間で利益を最大化するライドシェアリング会社のような移動手段の可用性の向上によってもたらされ、その設計と規制を判断するためのツールが求められている。
この複雑な社会技術的問題を研究するには、モビリティエコシステムに関わる利害関係者の戦略的相互作用を考慮する必要がある。
本稿では,自治体,サービス提供者,旅行者を中心に,マルチモーダルモビリティシステムをモデル化するためのゲーム理論フレームワークを提案する。
ユーザフレンドリなグラフィカルユーザインタフェースを通じて、システムのダイナミクスを視覚化し、さまざまなシナリオの平衡を計算することができる。
このフレームワークにより、ステークホルダーは、完全なモビリティシステムに対するローカルな決定(例えば、サービスのための艦隊規模や民間企業の税金)の影響を評価することができる。
本研究は,高校生のSTEMへの関心を高めることを目的としている(例えば,スイスの先行活動やMIT博物館との計画活動など)。
このイニシアチブは、理論的な進歩、実践的応用、そしてモビリティシステム設計を改善するための教育的アウトリーチを組み合わせたものである。
関連論文リスト
- CoDriveVLM: VLM-Enhanced Urban Cooperative Dispatching and Motion Planning for Future Autonomous Mobility on Demand Systems [17.765742276150565]
CoDriveVLMは、将来の自律型モビリティ・オン・デマンド(AMoD)システムのために、高忠実な同時ディスパッチと協調動作計画を統合する新しいフレームワークである。
提案手法は,視覚言語モデル(VLM)を用いて多モード情報処理を強化し,包括的ディスパッチと衝突リスク評価を可能にする。
論文 参考訳（メタデータ） (2025-01-10T17:44:57Z) - GenAI-powered Multi-Agent Paradigm for Smart Urban Mobility: Opportunities and Challenges for Integrating Large Language Models (LLMs) and Retrieval-Augmented Generation (RAG) with Intelligent Transportation Systems [10.310791311301962]
本稿では,大規模言語モデル (LLM) と新生検索・拡張生成技術 (RAG) の変換可能性について検討する。
本稿では,スマートモビリティサービスをインテリジェントかつ対話的に提供可能なマルチエージェントシステムの開発を目的とした概念的フレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-31T16:14:42Z) - A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。
本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。
移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
論文 参考訳（メタデータ） (2024-08-11T14:57:57Z) - MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。
公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。
本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
論文 参考訳（メタデータ） (2024-07-11T17:56:49Z) - Potential Based Diffusion Motion Planning [73.593988351275]
本稿では,潜在的行動計画の学習に向けた新しいアプローチを提案する。
我々はニューラルネットワークを訓練し、運動計画軌跡よりも容易に最適化可能なポテンシャルを捕捉し、学習する。
我々は、その固有の構成可能性を示し、様々な動きの制約に一般化することができる。
論文 参考訳（メタデータ） (2024-07-08T17:48:39Z) - Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。
本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。
モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。
私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
論文 参考訳（メタデータ） (2024-05-03T00:29:20Z) - Synthetic Participatory Planning of Shard Automated Electric Mobility Systems [0.0]
本稿では,大規模言語モデル(LLM)を批判的に活用してデジタルアバターを作成する,新しい合成参加手法を提案する。
これらの調整可能なエージェントは、目標を共同で識別し、SAEMS代替案を構想し、評価し、リスクと制約の下で実施をストラテジズする。
論文 参考訳（メタデータ） (2024-04-18T16:51:23Z) - Fleet Rebalancing for Expanding Shared e-Mobility Systems: A Multi-agent
Deep Reinforcement Learning Approach [17.193480676611358]
共有e-mobilityシステムの運用における重要な課題は、フリートリバランシングである。
まず,実世界のe-mobilityシステムから収集したリッチなデータ集合を1年間調査する。
学習した知識により、EV共有の重要な操作詳細を抽象化できる高忠実度シミュレータを設計する。
次に, マルチエージェント強化学習(MARL)問題として, 連続的拡張下での共有e-mobilityシステムの再バランスタスクをモデル化する。
論文 参考訳（メタデータ） (2022-11-11T11:25:30Z) - Data as Infrastructure for Smart Cities: Linking Data Platforms to
Business Strategies [0.0]
クロスドメインの都市データは、これらの影響を緩和する新たな機会を提供する。
現在のスマートシティのイニシアチブは、主に技術の観点からデータ管理の問題に対処しています。
本稿では,大規模かつ高度に相互接続されたデータ基盤の設計を導くための,系統的なビジネスモデル駆動型フレームワークを提案する。
論文 参考訳（メタデータ） (2020-05-22T22:53:05Z) - 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) - Learning to Move with Affordance Maps [57.198806691838364]
物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。
従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。
学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
論文 参考訳（メタデータ） (2020-01-08T04:05:11Z)
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。