論文の概要: A QUBO-Inspired Computational Framework for Airport Landside Bottleneck Diagnosis and Dynamic Dispatch Optimization

• arxiv url: http://arxiv.org/abs/2608.08632v1
• Date: Sun, 09 Aug 2026 10:38:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.900504
• Title: A QUBO-Inspired Computational Framework for Airport Landside Bottleneck Diagnosis and Dynamic Dispatch Optimization
• Title（参考訳）: QUBOにインスパイアされた空港下流域の診断と動的ディスパッチ最適化のための計算フレームワーク
• Abstract要約: 本研究では、ボトルネック診断と動的ディスパッチのためのQUBOにインスパイアされた計算フレームワークを提案する。 ケース空港は上海府東国際空港と杭州西山国際空港である。 2つのディスパッチスキームを一貫した需要入力でテストする。
• 参考スコア（独自算出の注目度）: 2.3200138841668907
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Airport landside traffic centers connect terminal arrivals with taxis, ride-hailing vehicles, private cars, buses, metro services, parking facilities, and terminal-area roadways. Peak arrivals can create coupled congestion across passenger queues, vehicle queues, pickup berths, storage areas, and access roads. This study proposes a QUBO-inspired computational framework for bottleneck diagnosis and dynamic dispatch in this setting. Shanghai Pudong International Airport and Hangzhou Xiaoshan International Airport serve as case airports. A five-minute state model links passenger arrivals, vehicle supply, pickup berth service, vehicle storage, and road capacity. Bottleneck diagnosis uses service intensity, road demand saturation, bottleneck frequency, queue severity, shadow-price leverage, and a composite congestion severity index. Two dispatch schemes are tested under consistent demand inputs: finite-action model predictive control and quadratic-unconstrained-binary-optimization-inspired simulated annealing. In the strong-peak baseline scenario, the QUBO-inspired method reduces the final passenger queue from 3445 to 2477 passengers at Shanghai Pudong and from 2053 to 1482 passengers at Hangzhou Xiaoshan. Case results indicate different dominant bottlenecks. Shanghai Pudong is more affected by road saturation, whereas Hangzhou Xiaoshan is more affected by pickup berth service. Robustness tests under demand, supply, service, road-capacity, modal-share, and random-noise perturbations show retained queue-reduction benefits under the tested uncertainty levels.
• Abstract（参考訳）: 空港の地上交通センターは、タクシー、乗り合い車、私用車、バス、地下鉄、駐車場、ターミナルエリアの道路とターミナルの到着を繋いでいる。 ピーク到着は、乗客の待ち行列、車両の待ち行列、ピックアップバース、ストレージエリア、アクセス道路をまたいだ混雑を引き起こすことができる。 本研究では,この環境下でのボトルネック診断と動的ディスパッチのためのQUBOにインスパイアされた計算フレームワークを提案する。 上海府東国際空港と杭州西山国際空港がケース空港となっている。 5分間の州モデルでは、乗客の到着、車両の供給、ピックアップ・バース・サービス、車両の保管、道路の容量を繋いでいる。 Bottleneckの診断には、サービス強度、道路需要飽和度、ボトルネック周波数、待ち行列重大度、シャドウ-プライスレバレッジ、複合渋滞重大度指数が使用されている。 2つのディスパッチスキームは、有限作用モデル予測制御と2次非拘束二項最適化にインスパイアされたシミュレートアニールという、一貫した需要入力の下で試験される。 強硬なベースラインのシナリオでは、QUBOにインスパイアされた方法では、上海の3445人から2477人、杭州西山では2053人から1482人まで最終旅客待ち時間を削減する。 ケースの結果は、主要なボトルネックが異なることを示している。 上海浦東は道路飽和の影響を受けやすいのに対し、杭州西山はピックアップ・バース・サービスの影響を受けやすい。 需要、供給、サービス、道路容量、モーダルシェア、ランダムノイズの摂動によるロバストネステストは、テストされた不確実性レベル下での待ち行列の削減効果を示す。

関連論文リスト

• FlowATC: Aircraft Trajectory Prediction via Flow Matching [39.046509366232065]
  本稿では,航路ラベルやチャート管理を伴わない,歴史的航空機軌道に特化して訓練されたフローマッチングアーキテクチャを提案する。 我々のモデルは、ネイティブで不規則なADS-Bサンプリング間隔で直接訓練される。 予測地平線により誤差は良好に低下し, 時間的劣化フィードで再トレーニングした場合, アーキテクチャが有効であることを示す。
  論文  参考訳（メタデータ） (2026-09-15T02:21:06Z)
• SkyDrive: Learning to Drive in a New City from Aerial Traffic Monitoring [69.91458772455071]
  emphSkyDriveは、ドローンベースのトラフィック監視を使用して、新しい環境における自律運転エージェントの効率的な監視を提供するフレームワークである。 以上の結果から,航空交通監視は,新都市における自律走行システムに適応するための,効率的かつスケーラブルなデータソースであることが示唆された。
  論文  参考訳（メタデータ） (2026-08-25T20:47:09Z)
• Scalable Transit Delay Prediction at City Scale: A Systematic Approach with Multi-Resolution Feature Engineering and Deep Learning [1.065661841579261]
  既存の遅延予測システムは、手作りの機能に依存し、再利用可能なアーキテクチャを設計する方法についてはほとんどガイダンスを提供していない。 本稿では,マルチレゾリューション機能工学,次元減少,深層学習を組み合わせた都市規模の予測パイプラインを提案する。 クラスタ認識機能を備えたグローバルLSTMは、精度と効率の最良のトレードオフを実現し、トランスフォーマーモデルを1852%から52%向上させる。
  論文  参考訳（メタデータ） (2026-01-26T14:30:50Z)
• 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)
• Optimizing Ride-Pooling Operations with Extended Pickup and Drop-Off Flexibility [16.399294770099615]
  ライドプールマッチング問題(RMP)はオンデマンド配車サービスの中心である。 既存のRMPソリューションの多くは、乗客が元の場所で拾い上げられ降ろされることを想定している。 本稿では,乗客の着脱範囲を拡大する新しいマッチング手法を提案する。
  論文  参考訳（メタデータ） (2025-03-11T14:17:30Z)
• Integrated Scheduling Model for Arrivals and Departures in Metroplex Terminal Area [9.441961093110868]
  本稿ではまず,複数の空港を併設したメトロプレックスにおける到着便と出発便の協調飛行シークエンシングのための二段階最適化モデルを提案する。 モデルは様々な交通シナリオに適応する。 その結果、モデルでは到着遅延を51.52%、出発遅延を18.05%、出発時の滑走路占有時間を23.83%削減できることが示された。
  論文  参考訳（メタデータ） (2025-02-15T15:04:54Z)
• GARLIC: GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [81.82487256783674]
  GARLIC: GPT拡張強化学習のフレームワーク。 本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
  論文  参考訳（メタデータ） (2024-08-19T08:23:38Z)
• MSight: An Edge-Cloud Infrastructure-based Perception System for Connected Automated Vehicles [58.461077944514564]
  本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。 MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。 評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
  論文  参考訳（メタデータ） (2023-10-08T21:32:30Z)
• METEOR: A Massive Dense & Heterogeneous Behavior Dataset for Autonomous Driving [42.69638782267657]
  本稿では、インドにおける非構造化シナリオにおけるトラフィックパターンをキャプチャする、新しい複雑なトラフィックデータセットMETEORを提案する。 METEORは1000分以上のビデオクリップと、エゴ車軌道を持つ200万以上の注釈付きフレームと、周囲の車両や交通機関のための1300万以上のバウンディングボックスで構成されている。 我々は,オブジェクト検出と行動予測アルゴリズムの性能を評価するために,新しいデータセットを用いた。
  論文  参考訳（メタデータ） (2021-09-16T01:01:55Z)
• Deep Reinforcement Learning based Dynamic Optimization of Bus Timetable [4.337939117851783]
  深層強化学習に基づくバス時刻動的最適化法(DRL-TO)を提案する。 DQN(Deep Q-Network)は、サービス期間中にバスサービスをディスパッチするかどうかを決定する決定モデルとして使用される。 DRL-TOは、リアルタイムの乗客フローに基づいて出発間隔を動的に決定し、車両の8$%を節約し、乗客の待ち時間の平均17$%を削減できる。
  論文  参考訳（メタデータ） (2021-07-15T01:22:49Z)
• Understanding the Dynamics of Drivers' Locations for Passengers Pickup Performance: A Case Study [2.9478082283896065]
  予約要求時のドライバーと乗客の位置を、ドライバーのピックアップパフォーマンスの文脈で分析する。 また,すべてのトラジェクトリデータを用いることなく,予約要求のタイムリーピックアップを予測する可能性についても検討する。
  論文  参考訳（メタデータ） (2020-09-09T05:07:03Z)

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。