論文の概要: Distance-based subsidy rate design to incentivize ride-hail access to advanced air mobility hubs

• arxiv url: http://arxiv.org/abs/2606.21390v1
• Date: Fri, 19 Jun 2026 12:54:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 13:48:27.980678
• Title: Distance-based subsidy rate design to incentivize ride-hail access to advanced air mobility hubs
• Title（参考訳）: 高度空調ハブへの乗り合い促進のための距離ベース助成率設計
• Authors: Zhenglei Ji, Hai Yang, Joseph Y. J. Chow,
• Abstract要約: 本研究では,AAMハブへのライドヘイルアクセスを動機付けるために,高度空力(AAM)オペレーターのための距離ベース補助率設計を提案する。 ニューヨーク市(NYC)空港アクセスをケーススタディとして、ニューヨーク市のタクシーゾーンから高ボリュームの空飛ぶ車(HVFHV)データを統合した。 その結果、エアタクシーの運行コストが1miあたり12ドルを超える場合、AAM事業者は、バーチポートアクセストリップで配車事業者に補助金を支払う必要があることが示唆された。
• 参考スコア（独自算出の注目度）: 3.413565933896758
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The success of advanced air mobility (AAM) operations is largely contingent on its effective integration with other ground transport modes. Under many use cases, AAM operators have to work with ride-hailing operators to create a seamless air taxi travel experience with adequate first and last-mile access. In investigating this multimodal coalition, this study proposes a distance-based subsidy rate design for AAM operators to incentivize ride-hail access to AAM hubs, incorporating air mobility operators' profitability considerations and travelers' route choices jointly. Using New York City (NYC) airport access as a case study, this study integrates high-volume for-hire vehicle (HVFHV) data from NYC taxi zones to consider real-world spatial demand distributions while considering passenger groups with different values of time (VOT) to derive insights on distinctive customer bases. Overall, the results show that AAM operators would need to subsidize the ride-hailing operators on vertiport access trips when air taxi operating costs exceed $12/mi. The analysis of ridership at AAM hubs indicates that ridership and profit contributions differ across different candidate vertiports in Manhattan, reflecting spatial demand heterogeneity. Additionally, having the airport access system in place, the taxi zones that generate the highest passenger demand to all three major NYC airports are identified under lower air taxi fare scenarios. These findings highlight how a distance-based subsidy rate design is beneficial in facilitating better access to vertiports and to foster high air taxi ridership with optimal AAM fare levels.
• Abstract（参考訳）: AAM(Advanced Air Mobility)の運用の成功は、他の地上輸送モードとの効果的な統合に大きく影響している。 多くのユースケースにおいて、AAMオペレーターは配車業者と協力し、適切なファーストマイルとラストマイルアクセスを備えたシームレスなエアタクシー旅行体験を作成する必要がある。 本研究は,AAM事業者がAAMハブへのライドシェアリングをインセンティブ化するための距離ベース助成率設計を提案し,エアモービル事業者の収益性の検討と旅行者の経路選択を併用した。 ニューヨーク市(NYC)空港アクセスを事例として,ニューヨーク市のタクシーエリアから高ボリュームの空飛ぶ車(HVFHV)データを統合し,時間的価値の異なる乗客グループを考慮しつつ,現実の空間需要分布を考察した。 全体として、エアタクシーの運行コストが1miあたり12ドルを超える場合、AAM事業者は、バーチポートアクセストリップで配車事業者に補助金を支払う必要があることが示されている。 AAMハブでのライダーシップの分析は、乗客シップと利益コントリビューションがマンハッタンの様々な候補バーティポートで異なり、空間的需要の不均一性を反映していることを示している。 また、空港アクセスシステムが設定されているため、ニューヨークの主要3空港全てに最も高い旅客需要をもたらすタクシーゾーンは、低空運賃のシナリオの下で識別される。 これらの知見は, バーチポートへのより良いアクセスと, AAM運賃を最適に設定した高空タクシー乗務員の育成に, 距離ベース助成率設計が有用であることを示す。

関連論文リスト

• Scalable Ride-Sourcing Vehicle Rebalancing with Service Accessibility Guarantee: A Constrained Mean-Field Reinforcement Learning Approach [42.070187224580344]
  連続状態平均場制御(MFC)と平均場強化学習(MFRL)モデルを導入する。 MFCとMFRLは、個々の車両ではなく、車両分布との相互作用を通じて各車両の挙動をモデル化することで、スケーラブルなソリューションを提供する。 我々のアプローチは数万台の車両にスケールし、トレーニング時間は1つの線形プログラミングリバランスの決定時間に匹敵する。
  論文  参考訳（メタデータ） (2025-03-31T15:00:11Z)
• Towards Engineering Fair and Equitable Software Systems for Managing Low-Altitude Airspace Authorizations [40.00051324311249]
  小型無人航空機システム (SUAS) は様々な用途に広く採用されている。 FAA(連邦航空局)は、そのミッションを安全に完了させるSUASの予測能力に基づいて、空域へのアクセスを制御するUAS Traffic Management(UTM)システムを開発している。 本稿では,自動システムにおいて考慮すべき要因について,利害関係者の視点を考察する。
  論文  参考訳（メタデータ） (2024-01-14T19:40:32Z)
• Mutual Information as Intrinsic Reward of Reinforcement Learning Agents for On-demand Ride Pooling [19.247162142334076]
  オンデマンドの車両プールサービスにより、各車両は一度に複数の乗客にサービスを提供することができる。 既存のアルゴリズムでは、収益のみを考慮する場合が多いため、異常な配信要求を抱える場合、乗車が困難になる。 本稿では,都市を個別の配車に分割した配車作業のための配車フレームワークを提案し,これらの地域での配車に強化学習(RL)アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2023-12-23T08:34:52Z)
• Simulating the Integration of Urban Air Mobility into Existing Transportation Systems: A Survey [37.20137308650717]
  都市空気移動(UAM)は、大都市圏の交通に革命をもたらす可能性がある。 都市交通におけるUAM研究の現状をシミュレーション手法を用いて調査する。
  論文  参考訳（メタデータ） (2023-01-25T16:43:28Z)
• Multi-Agent Deep Reinforcement Learning for Efficient Passenger Delivery in Urban Air Mobility [16.081324675010084]
  都市空力(UAM)は将来の輸送において重要な役割を果たす。 本稿では,UAMネットワークにおける信頼性と効率的な乗客輸送のための新しい協調型MADRLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-11-13T12:30:48Z)
• Air taxi service for urban mobility: A critical review of recent developments, future challenges, and opportunities [9.594432031144716]
  エアタクシー(英: Air taxi service、ATS)は、1人の乗客または少数の乗客のための航空オンデマンド輸送サービスである。 電動垂直離着陸の概念(eVTOL)を採用することで、ビルの屋上に設置されたスカイポートからエアタクシーを運用できるようになった。
  論文  参考訳（メタデータ） (2021-02-24T22:48:03Z)
• FlexPool: A Distributed Model-Free Deep Reinforcement Learning Algorithm for Joint Passengers & Goods Transportation [36.989179280016586]
  本稿では,乗用車と貨物輸送を組み合わせることで,車両による輸送を改善することを検討する。 我々はFlexPoolを提案する。FlexPoolは分散モデルなしの深層強化学習アルゴリズムで、乗客や商品のワークロードを共同で処理する。 また,FlexPoolはフリート利用率を30%向上し,燃料効率を35%向上することを示した。
  論文  参考訳（メタデータ） (2020-07-27T17:25:58Z)
• Recommendations for Emerging Air Taxi Network Operations based on Online Review Analysis of Helicopter Services [6.85316573653194]
  UAM(Urban Air Mobility)サービスであるエアタクシーは、Airbus、Uber、Kitty Hawkなどの国際輸送企業によって運営される予定である。 本研究は、オンライン顧客レビューを分析し、ヘリコプター運用の内部評価を行うことにより、これらのサービスに対する管理的洞察を提案する。
  論文  参考訳（メタデータ） (2020-06-18T23:44:49Z)

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。