論文の概要: The Maximum Coverage Model and Recommendation System for UAV Vertiports Location Planning

• arxiv url: http://arxiv.org/abs/2508.12651v1
• Date: Mon, 18 Aug 2025 06:31:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:11.039129
• Title: The Maximum Coverage Model and Recommendation System for UAV Vertiports Location Planning
• Title（参考訳）: UAV垂直配置計画のための最大被覆モデルと勧告システム
• Authors: Chunliang Hua, Xiao Hu, Jiayang Sun, Zeyuan Yang,
• Abstract要約: 深センのような都市は、大規模なバーチポートネットワーク(例:2026年までに1,200以上の施設)を計画している。 既存の計画フレームワークは、データの粒度の歴史的制限と実世界の適用性のために、この複雑さに対して不適切なままである。 本稿では,都市規模の時空間需要,異種ユーザ行動,インフラ容量制約を同時にモデル化する新しい最適化フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.682861958273189
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As urban aerial mobility (UAM) infrastructure development accelerates globally, cities like Shenzhen are planning large-scale vertiport networks (e.g., 1,200+ facilities by 2026). Existing planning frameworks remain inadequate for this complexity due to historical limitations in data granularity and real-world applicability. This paper addresses these gaps by first proposing the Capacitated Dynamic Maximum Covering Location Problem (CDMCLP), a novel optimization framework that simultaneously models urban-scale spatial-temporal demand, heterogeneous user behaviors, and infrastructure capacity constraints. Building on this foundation, we introduce an Integrated Planning Recommendation System that combines CDMCLP with socio-economic factors and dynamic clustering initialization. This system leverages adaptive parameter tuning based on empirical user behavior to generate practical planning solutions. Validation in a Chinese center city demonstrates the effectiveness of the new optimization framework and recommendation system. Under the evaluation and optimization of CDMCLP, the quantitative performance of traditional location methods are exposed and can be improved by 38\%--52\%, while the recommendation system shows user-friendliness and the effective integration of complex elements. By integrating mathematical rigor with practical implementation considerations, this hybrid approach bridges the gap between theoretical location modeling and real-world UAM infrastructure planning, offering municipalities a pragmatic tool for vertiport network design.
• Abstract（参考訳）: 都市空力(UAM)のインフラ開発が世界規模で加速するにつれ、深センのような都市は2026年までに大規模なバーチポートネットワーク(例えば1200以上の施設)を計画している。 既存の計画フレームワークは、データの粒度の歴史的制限と実世界の適用性のために、この複雑さに対して不適切なままである。 本稿では,都市規模の時空間需要,異種ユーザ行動,インフラストラクチャ容量制約を同時にモデル化する新しい最適化フレームワークであるCapacitated Dynamic Maximum Covering Location Problem (CDMCLP)を提案する。 本稿では,CDMCLPと社会経済的要因を組み合わせた統合的計画推薦システムと,動的クラスタリングの初期化を提案する。 本システムは,経験的ユーザ行動に基づく適応パラメータチューニングを利用して,実用的な計画手法を生成する。 中国中心都市における検証は、新しい最適化フレームワークとレコメンデーションシステムの有効性を実証する。 CDMCLPの評価と最適化では、従来の位置法を定量的に評価し、38\%--52\%改善でき、レコメンデーションシステムは、ユーザフレンドリさと複雑な要素の効果的な統合を示す。 このハイブリッドアプローチは数学的厳密さと実践的な実装の考慮を組み込むことで、理論的位置モデリングと実世界のUAMインフラ計画のギャップを埋め、自治体に頂点ネットワーク設計の実用的なツールを提供する。

関連論文リスト

• PLAN-TUNING: Post-Training Language Models to Learn Step-by-Step Planning for Complex Problem Solving [66.42260489147617]
  大規模言語モデルから合成タスク分解を蒸留するフレームワークであるPLAN-TUNINGを紹介する。 複雑な推論を改善するために、教師付きおよび強化学習の目的を通したプランチューン細管モデル。 本分析は,計画軌道が複雑な推論能力をいかに改善するかを示す。
  論文  参考訳（メタデータ） (2025-07-10T07:30:44Z)
• UrbanMind: Towards Urban General Intelligence via Tool-Enhanced Retrieval-Augmented Generation and Multilevel Optimization [7.478830207921698]
  アーバン・ジェネラル・インテリジェンス(UGI)とは、ダイナミックで複雑な都市環境の中で自律的に知覚、理性、行動を行うAIシステムの能力を指す。 本稿では,UrbanMindについて紹介する。UrbanMindは,UGIを促進するためのツール強化検索拡張生成(RAG)フレームワークである。
  論文  参考訳（メタデータ） (2025-07-07T06:57:34Z)
• Decomposability-Guaranteed Cooperative Coevolution for Large-Scale Itinerary Planning [6.565536870180592]
  大規模反復計画は、旅行セールスマン問題の変種である。 本稿では,大規模反復計画の分解可能性について分析する。 本稿では,大規模反復計画のための新しい多目的協調進化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-06-06T14:31:57Z)
• Incorporating LLMs for Large-Scale Urban Complex Mobility Simulation [0.04517077427559345]
  本研究では,大規模言語モデル(LLM)とエージェントベースモデリング(ABM)を統合した都市モビリティシミュレーションの革新的アプローチを提案する。 従来のルールベースのABMとは異なり、提案フレームワークはLSMを利用してエージェントの多様性とリアリズムを高める。 実世界のデータを用いて,台北市の個人行動と大規模移動パターンをモデル化した。
  論文  参考訳（メタデータ） (2025-05-28T01:54:28Z)
• Benchmarking PtO and PnO Methods in the Predictive Combinatorial Optimization Regime [59.27851754647913]
  予測最適化(英: Predictive optimization)は、エネルギーコストを意識したスケジューリングや広告予算配分など、多くの現実世界のアプリケーションの正確なモデリングである。 我々は,広告のための新しい産業データセットを含む8つの問題に対して,既存のPtO/PnOメソッド11をベンチマークするモジュラーフレームワークを開発した。 本研究は,8ベンチマーク中7ベンチマークにおいて,PnOアプローチがPtOよりも優れていることを示すが,PnOの設計選択に銀の弾丸は見つからない。
  論文  参考訳（メタデータ） (2023-11-13T13:19:34Z)
• Model-based Causal Bayesian Optimization [74.78486244786083]
  乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。 グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。 我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
  論文  参考訳（メタデータ） (2023-07-31T13:02:36Z)
• Accelerated Federated Learning with Decoupled Adaptive Optimization [53.230515878096426]
  フェデレートドラーニング(FL)フレームワークは、クライアント上のトレーニングデータのプライバシを維持しながら、共有モデルを協調的に学習することを可能にする。 近年,SGDM,Adam,AdaGradなどの集中型適応最適化手法をフェデレートした設定に一般化するためのイテレーションが多数実施されている。 本研究は、常微分方程式(ODE)のダイナミクスの観点から、FLの新しい適応最適化手法を開発することを目的としている。
  論文  参考訳（メタデータ） (2022-07-14T22:46:43Z)
• Deployment Optimization for Shared e-Mobility Systems with Multi-agent Deep Neural Search [15.657420177295624]
  共有e-mobilityサービスは世界中の都市で広くテストされ、試験運用されている。 本稿では,持続的な収益性を維持しつつ,ユーザに対してユビキタスなサービスを実現するための,空間的・時間的インフラストラクチャの展開と管理方法について検討する。 我々は,共有電子移動システムの主要動作詳細を粒度で抽象化した高忠実度シミュレーション環境を設計することで,この問題に対処する。
  論文  参考訳（メタデータ） (2021-11-03T11:37:11Z)
• Decentralized MCTS via Learned Teammate Models [89.24858306636816]
  本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。 深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T13:10:20Z)

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。