論文の概要: Altruistic Ride Sharing: A Community-Driven Approach to Short-Distance Mobility

• arxiv url: http://arxiv.org/abs/2510.13227v1
• Date: Wed, 15 Oct 2025 07:24:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.542499
• Title: Altruistic Ride Sharing: A Community-Driven Approach to Short-Distance Mobility
• Title（参考訳）: Altruistic Ride Sharing: 短距離モビリティに対するコミュニティ主導のアプローチ
• Authors: Divyanshu Singh, Ashman Mehra, Snehanshu Saha, Santonu Sarkar,
• Abstract要約: アルトゥルティック・ライドシェアリング(Altruistic Ride-Sharing、ARS)は、金融インセンティブではなく、利他主義に基づくドライバーとライダーの役割を交互に行う、分散的でピアツーピアのモビリティ・フレームワークである。 ARSは、旅行距離と排出を減らし、車両の利用量を増やし、非共有と最適化ベースラインの両方と比較して公平な参加を促進する。 結果は、ARSを従来のライドシェアリングに代わるスケーラブルでコミュニティ主導の代替として確立し、個人の行動と都市全体の持続可能性の目標を一致させる。
• 参考スコア（独自算出の注目度）: 3.936187569159195
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Urban mobility faces persistent challenges of congestion and fuel consumption, specifically when people choose a private, point-to-point commute option. Profit-driven ride-sharing platforms prioritize revenue over fairness and sustainability. This paper introduces Altruistic Ride-Sharing (ARS), a decentralized, peer-to-peer mobility framework where participants alternate between driver and rider roles based on altruism points rather than monetary incentives. The system integrates multi-agent reinforcement learning (MADDPG) for dynamic ride-matching, game-theoretic equilibrium guarantees for fairness, and a population model to sustain long-term balance. Using real-world New York City taxi data, we demonstrate that ARS reduces travel distance and emissions, increases vehicle utilization, and promotes equitable participation compared to both no-sharing and optimization-based baselines. These results establish ARS as a scalable, community-driven alternative to conventional ride-sharing, aligning individual behavior with collective urban sustainability goals.
• Abstract（参考訳）: 都市移動は、渋滞と燃料消費という永続的な課題に直面している。 利益主導型ライドシェアリングプラットフォームは、公正性と持続可能性よりも収益を優先する。 本稿では,金融インセンティブではなく利他的ポイントに基づいて,ドライバーとライダーの役割を交互に行う分散型ピアツーピアモビリティフレームワークであるAltruistic Ride-Sharing(ARS)を紹介する。 本システムは,マルチエージェント強化学習(MADDPG)と動的ライドマッチング,公正性のゲーム理論均衡保証,長期的バランスを維持するための人口モデルを統合する。 実世界のニューヨーク市のタクシーデータを用いて、ARSは走行距離と排気量を削減し、車両の利用率を向上し、非共有ベースラインと最適化ベースラインの両方と比較して公平な参加を促進することを示した。 これらの結果は、ARSを従来のライドシェアリングに代わるスケーラブルでコミュニティ主導の代替として確立し、個人の行動と都市全体の持続可能性の目標を一致させる。

関連論文リスト

• Transit for All: Mapping Equitable Bike2Subway Connection using Region Representation Learning [4.403122905236942]
  自転車シェアリングシステム(BSS)は、手頃なファーストマイルとラストマイルの接続を提供することで、株式ギャップを埋めることができる。 本稿では,BSSの等間隔展開を導くための空間コンピューティングフレームワークであるTransit for All(TFA)を紹介する。 ニューヨーク市をケーススタディとして、低所得層や少数民族社会に不均衡に影響を及ぼす交通アクセシビリティのギャップを同定する。
  論文  参考訳（メタデータ） (2025-06-18T03:31:07Z)
• Studying the Impact of Semi-Cooperative Drivers on Overall Highway Flow [76.38515853201116]
  半協調行動は、人間ドライバーの本質的な性質であり、自律運転には考慮すべきである。 新たな自律型プランナーは、社会的に準拠した軌道を生成するために、人間のドライバーの社会的価値指向(SVO)を考慮することができる。 エージェントが反復的最適応答のゲーム理論バージョンをデプロイする暗黙的な半協調運転について検討する。
  論文  参考訳（メタデータ） (2023-04-23T16:01:36Z)
• HumanLight: Incentivizing Ridesharing via Human-centric Deep Reinforcement Learning in Traffic Signal Control [3.402002554852499]
  本稿では,新しい分散適応型信号制御アルゴリズムHumanLightを提案する。 提案する制御器は,人体レベルでの輸送にインスパイアされた圧力の概念を組み込んだ報酬関数を組み込んだ強化学習に基づいて構築されている。 HOVの通勤者に1回の乗車で旅行時間節約を施すことで、HumanLightはグリーンタイムの均等な割り当てを実現している。
  論文  参考訳（メタデータ） (2023-04-05T17:42:30Z)
• Play&Go Corporate: An End-to-End Solution for Facilitating Urban Cyclability [9.61441029601318]
  自治体は交通渋滞、道路安全、エネルギー依存、大気汚染といった問題に直面している。 都会のサイクリングと具体的利用を両立させ, ホーム・ツー・ワーク・サステナブル・モビリティ・キャンペーンの実現に向けたエンド・ツー・エンドのソリューションであるプレイ&ゴー・コーポレート(Play&Go Corporate)を提案する。
  論文  参考訳（メタデータ） (2022-09-06T18:21:06Z)
• Efficiency, Fairness, and Stability in Non-Commercial Peer-to-Peer Ridesharing [84.47891614815325]
  本稿は、P2Pライドシェアリングにおける中核的な問題である、ライダーとドライバーのマッチングに焦点を当てる。 P2Pライドシェアリングにおける公平性と安定性の新たな概念を紹介する。 結果は、妥当な計算時間で、公平で安定した解が得られることを示唆している。
  論文  参考訳（メタデータ） (2021-10-04T02:14:49Z)
• 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)
• Value Function is All You Need: A Unified Learning Framework for Ride Hailing Platforms [57.21078336887961]
  DiDi、Uber、Lyftなどの大型配車プラットフォームは、都市内の数万台の車両を1日中数百万の乗車要求に接続している。 両課題に対処するための統合価値に基づく動的学習フレームワーク(V1D3)を提案する。
  論文  参考訳（メタデータ） (2021-05-18T19:22:24Z)

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。