論文の概要: Evaluating Impacts of Traffic Regulations in Complex Mobility Systems Using Scenario-Based Simulations

• arxiv url: http://arxiv.org/abs/2601.07735v1
• Date: Mon, 12 Jan 2026 17:12:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.685773
• Title: Evaluating Impacts of Traffic Regulations in Complex Mobility Systems Using Scenario-Based Simulations
• Title（参考訳）: シナリオベースシミュレーションによる複雑なモビリティシステムにおける交通規制の影響評価
• Authors: Arianna Burzacchi, Marco Pistore,
• Abstract要約: 都市交通規制政策は、都市における渋滞、排出、アクセシビリティに対処するためにますます使われている。 データ可用性と計算能力の最近の進歩は、交通政策設計のためのモデル駆動型、シミュレーションベースの決定支援の新しい形態を可能にする。 本稿では、輸送関連効果、社会的公平性、経済的アクセシビリティにまたがる直接的影響と間接的影響の両方を評価するための新しいシミュレーションパラダイムを提案する。
• 参考スコア（独自算出の注目度）: 0.3867363075280543
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Urban traffic regulation policies are increasingly used to address congestion, emissions, and accessibility in cities, yet their impacts are difficult to assess due to the socio-technical complexity of urban mobility systems. Recent advances in data availability and computational power enable new forms of model-driven, simulation-based decision support for transportation policy design. This paper proposes a novel simulation paradigm for the ex-ante evaluation of both direct impacts (e.g., traffic conditions, modal shift, emissions) and indirect impacts spanning transportation-related effects, social equity, and economic accessibility. The approach integrates a multi-layer urban mobility model combining a physical layer of networks, flows, and emissions with a social layer capturing behavioral responses and adaptation to policy changes. Real-world data are used to instantiate the current "as-is" scenario, while policy alternatives and behavioral assumptions are encoded as model parameters to generate multiple "what-if" scenarios. The framework supports systematic comparison across scenarios by analyzing variations in simulated outcomes induced by policy interventions. The proposed approach is illustrated through a case study aims to assess the impacts of the introduction of broad urban traffic restriction schemes. Results demonstrate the framework's ability to explore alternative regulatory designs and user responses, supporting informed and anticipatory evaluation of urban traffic policies.
• Abstract（参考訳）: 都市交通規制政策は、都市における混雑、排出、アクセシビリティに対処するためにますます使われているが、都市移動システムの社会技術的複雑さのために、その影響を評価することは困難である。 データ可用性と計算能力の最近の進歩は、交通政策設計のためのモデル駆動型、シミュレーションベースの決定支援の新しい形態を可能にする。 本稿では,交通条件,モーダルシフト,排出などの直接的な影響と,交通関連効果,社会的公平性,経済的アクセシビリティにまたがる間接的影響の両方について,前者評価のための新しいシミュレーションパラダイムを提案する。 このアプローチは、ネットワーク、フロー、エミッションの物理層と、行動応答を捉え、政策変更に適応する社会層を組み合わせた多層都市モビリティモデルである。 実際のデータは現在の"as-is"シナリオのインスタンス化に使用され、ポリシーの代替と振る舞いの仮定はモデルパラメータとしてエンコードされ、複数の"what-if"シナリオを生成する。 このフレームワークは、政策介入によって誘導されるシミュレーション結果のバリエーションを分析することによって、シナリオ間の体系的な比較を支援する。 提案手法は,広域都市交通規制方式の導入による影響評価を目的としたケーススタディを通じて実証された。 結果は,都市交通政策のインフォメーションと予測評価を支援するために,代替の規制設計とユーザ対応を探求するフレームワークの能力を示す。

関連論文リスト

• Model-Based Policy Adaptation for Closed-Loop End-to-End Autonomous Driving [54.46325690390831]
  本稿では,事前学習したE2E運転エージェントのロバスト性と安全性を高めるための汎用フレームワークとして,モデルベースポリシー適応(MPA)を提案する。 MPAは、ジオメトリ一貫性のあるシミュレーションエンジンを用いて、まず様々な対物軌道を生成する。 MPAは拡散ベースのポリシーアダプタを訓練し、基本方針の予測を洗練させ、Q値モデルを多段階に分けて長期的な結果を評価する。
  論文  参考訳（メタデータ） (2025-11-26T17:01:41Z)
• Reimagining Urban Science: Scaling Causal Inference with Large Language Models [39.231736674554995]
  都市因果研究は、都市を形成する複雑なダイナミックなプロセスを理解するために不可欠である。 現在の慣行は、しばしば非効率で偏りのある仮説の定式化によって制約される。 本研究では,仮説生成,データエンジニアリング,実験設計と実行,政策洞察による結果解釈の4つの異なるモジュールエージェントからなる概念的枠組みであるUrbanCIAを提案する。
  論文  参考訳（メタデータ） (2025-04-15T16:58:11Z)
• The Urban Impact of AI: Modeling Feedback Loops in Next-Venue Recommendation [1.4467930374568725]
  次世代のレコメンデータシステムは、ロケーションベースのサービスにますます組み込まれている。 我々は,次世代の勧告を支える人間とAIのフィードバックループをモデル化するためのシミュレーションフレームワークを提案する。 当社のフレームワークは,次回の勧告でフィードバックループを運用し,AI支援モビリティの社会的影響を評価するための新たなレンズを提供する。
  論文  参考訳（メタデータ） (2025-04-10T17:15:50Z)
• AI-Driven Scenarios for Urban Mobility: Quantifying the Role of ODE Models and Scenario Planning in Reducing Traffic Congestion [0.0]
  本稿では,人工知能(AI)駆動技術が交通渋滞動態に与える影響について検討する。 我々は,自動運転車やインテリジェント交通管理といったAIイノベーションが,さまざまな規制枠組みの下での混雑緩和に果たす役割を評価する。
  論文  参考訳（メタデータ） (2024-10-25T18:09:02Z)
• Large-Scale Evaluation of Mobility, Technology and Demand Scenarios in the Chicago Region Using POLARIS [0.631976908971572]
  車両の接続性、自動化と電化、新しい共有および代替モビリティのモード、高度な輸送システム需要と供給管理戦略は、主要なパフォーマンスと株価指標に対する潜在的な影響について多くの疑問と研究を動機付けている。 これらの開発領域のいくつかは、渋滞の減少や旅行時間といった全体的な利益に対して相乗効果があるかもしれないし、そうでないかもしれない。 さまざまなメトリクスの優先順位によって、全体の移動時間を7%に削減し、システムの効率を最大53%向上できる戦略の組み合わせを見つけました。
  論文  参考訳（メタデータ） (2024-03-04T21:37:29Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• Urban traffic congestion control: a DeePC change [3.0023888160895473]
  本稿では,動的な交通信号を用いた都市交通制御において,DeePCアルゴリズムを利用する。 予備的な結果は、DeePCが旅行時間やCO$排出など、さまざまな主要な指標で既存のアプローチよりも優れていることを示している。
  論文  参考訳（メタデータ） (2023-11-16T12:26:55Z)
• Building a Foundation for Data-Driven, Interpretable, and Robust Policy Design using the AI Economist [67.08543240320756]
  AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。 RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2021-08-06T01:30:41Z)
• MetaVIM: Meta Variationally Intrinsic Motivated Reinforcement Learning for Decentralized Traffic Signal Control [54.162449208797334]
  交通信号制御は、交差点を横断する交通信号を調整し、地域や都市の交通効率を向上させることを目的としている。 近年,交通信号制御に深部強化学習(RL)を適用し,各信号がエージェントとみなされる有望な性能を示した。 本稿では,近隣情報を考慮した各交差点の分散化政策を潜時的に学習するメタ変動固有モチベーション(MetaVIM)RL法を提案する。
  論文  参考訳（メタデータ） (2021-01-04T03:06:08Z)

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。