論文の概要: A Simulation-Based Framework for Leveraging Shared Autonomous Vehicles to Enhance Disaster Evacuations in Rural Regions with a Focus on Vulnerable Populations
- arxiv url: http://arxiv.org/abs/2502.07787v2
- Date: Fri, 14 Feb 2025 15:34:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-17 18:05:37.280644
- Title: A Simulation-Based Framework for Leveraging Shared Autonomous Vehicles to Enhance Disaster Evacuations in Rural Regions with a Focus on Vulnerable Populations
- Title(参考訳): 人口変動に着目した共用自動運転車による農村域の災害避難促進のためのシミュレーション・ベース・フレームワーク
- Authors: Alican Sevim, Qian-wen Guo, Eren Erman Ozguven,
- Abstract要約: 本研究は,農村部における災害前・災害後避難にSAVを配備する枠組みを提案する。
この枠組みは、障害者、英語能力の制限、高齢者を含む脆弱なグループのニーズを優先している。
- 参考スコア(独自算出の注目度): 0.210674772139335
- License:
- Abstract: Rapid advancements in autonomous vehicles (AVs) are poised to revolutionize transportation and communities, including disaster evacuations, particularly through the deployment of Shared Autonomous Vehicles (SAVs). Despite the potential, the use of SAVs in rural disaster evacuations remains an underexplored area. To address this gap, this study proposes a simulation-based framework that integrates both mathematical programming and SUMO traffic simulation to deploy SAVs in pre- and post-disaster evacuations in rural areas. The framework prioritizes the needs of vulnerable groups, including individuals with disabilities, limited English proficiency, and elderly residents. Sumter County, Florida, serves as the case study due to its unique characteristics: a high concentration of vulnerable individuals and limited access to public transportation, making it one of the most transportation-insecure counties in the state. These conditions present significant challenges for evacuation planning in the region. To explore potential solutions, we conducted mass evacuation simulations by incorporating SAVs across seven scenarios. These scenarios represented varying SAV penetration levels, ranging from 20% to 100% of the vulnerable population, and were compared to a baseline scenario using only passenger cars. Additionally, we examined both pre-disaster and post-disaster conditions, accounting for infrastructure failures and road closures. According to the simulation results, higher SAV integration significantly improves traffic distribution and reduces congestion. Scenarios featuring more SAVs exhibited lower congestion peaks and more stable traffic flow. Conversely, mixed traffic environments demonstrate reduced average speeds attributable to interactions between SAVs and passenger cars, while exclusive use of SAVs results in higher speeds and more stable travel patterns.
- Abstract(参考訳): 自動運転車(AV)の急速な進歩は、特に共有自動運転車(SAV)の配備を通じて、災害避難を含む交通や地域社会に革命をもたらす可能性がある。
この可能性にもかかわらず、農村部での災害避難におけるSAVの使用は未調査地域である。
このギャップに対処するため,本研究では,数理プログラミングとSUMOトラフィックシミュレーションを統合したシミュレーションベースのフレームワークを提案する。
この枠組みは、障害者、英語能力の制限、高齢者を含む脆弱なグループのニーズを優先している。
フロリダ州サムター郡は、脆弱な個体の集中度が高く、公共交通機関へのアクセスが限られており、州内でも最も交通が安全でない郡の1つである。
これらの状況は地域の避難計画に重大な課題をもたらす。
そこで本研究では,SAVを7つのシナリオに組み込んだ大規模避難シミュレーションを行った。
これらのシナリオは、脆弱な人口の20%から100%まで様々なSAV侵入レベルを示し、旅客車のみを使用したベースラインシナリオと比較された。
さらに,インフラ故障や道路閉鎖を考慮し,災害前条件と災害後条件について検討した。
シミュレーションの結果,SAVの高度化はトラフィックの分散を著しく改善し,混雑を低減させることがわかった。
より多くのSAVを特徴とするシナリオでは、混雑ピークが低く、トラフィックフローも安定していた。
逆に、混合交通環境は、SAVと旅客車間の相互作用に起因する平均速度を減少させる一方、SAVの排他的使用はより高速でより安定した走行パターンをもたらす。
関連論文リスト
- Strategizing Equitable Transit Evacuations: A Data-Driven Reinforcement Learning Approach [5.962540020947193]
本稿では,バスによる避難を最適化するデータ駆動型強化学習フレームワークを提案する。
我々は、避難問題を強化学習によって解決されたマルコフ決定過程としてモデル化する。
提案手法は,避難効率とサービス分散の両面で,大幅な改善を実現していることを示す。
論文 参考訳(メタデータ) (2024-12-08T02:17:38Z) - CAV-AHDV-CAV: Mitigating Traffic Oscillations for CAVs through a Novel Car-Following Structure and Reinforcement Learning [8.63981338420553]
Connected and Automated Vehicles (CAVs)は、CAVとHuman-Driven Vehicles (HDVs)の混合交通の課題に対して、有望な解決策を提供する。
HDVは限られた情報に依存しているが、CAVは意思決定を改善するために他のCAVのデータを利用することができる。
本稿では2つのCAV間のHDVのシーケンスを1つのエンティティとして扱う「CAV-AHDV-CAV」カーフォローフレームワークを提案する。
論文 参考訳(メタデータ) (2024-06-23T15:38:29Z) - Improving Autonomous Separation Assurance through Distributed
Reinforcement Learning with Attention Networks [0.0]
本稿では,AAM廊下内で自律的な自己分離機能を実現するための強化学習フレームワークを提案する。
この問題はマルコフ決定プロセス(Markov Decision Process)として定式化され、サンプル効率の良いオフポリティ・ソフトアクター・クリティック(SAC)アルゴリズムへの新たな拡張を開発することで解決される。
包括的数値計算により,提案手法は高密度・動的環境下で航空機の安全かつ効率的な分離を保証できることが示唆された。
論文 参考訳(メタデータ) (2023-08-09T13:44:35Z) - Reinforcement Learning based Cyberattack Model for Adaptive Traffic
Signal Controller in Connected Transportation Systems [61.39400591328625]
接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。
この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。
そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。
RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
論文 参考訳(メタデータ) (2022-10-31T20:12:17Z) - Visual-based Safe Landing for UAVs in Populated Areas: Real-time
Validation in Virtual Environments [0.0]
本稿では,実環境における視覚に基づく自律着陸の安全性と徹底的な評価のためのフレームワークを提案する。
本研究では,UnrealグラフィックスエンジンとAirSimプラグインを併用したドローンシミュレーションを提案する。
ベスト」SLZを選択するための2つの異なる基準について検討し、異なるシナリオで仮想ドローンの自律着陸時に評価する。
論文 参考訳(メタデータ) (2022-03-25T17:22:24Z) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳(メタデータ) (2021-09-03T13:33:33Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳(メタデータ) (2021-07-19T12:54:04Z) - 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) - Impacts of shared autonomous vehicles: Tradeoff between parking demand
reduction and congestion increase [0.0]
共有自動運転車(SAV)は、民間車両を置き換えることで、輸送システムと土地利用に大きな影響を与える可能性がある。
本研究では,SAVの局所的な影響をシミュレーションにより推定する。
論文 参考訳(メタデータ) (2021-04-30T14:16:47Z) - 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) - Federated Learning in the Sky: Joint Power Allocation and Scheduling
with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。
本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2020-02-19T14:04:01Z)
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。