論文の概要: Demand-Driven Vertiport Siting and Discrete-Event Fleet Simulation for On-Demand Urban Air Mobility Network Design

• arxiv url: http://arxiv.org/abs/2608.14974v1
• Date: Sat, 15 Aug 2026 01:57:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.139764
• Title: Demand-Driven Vertiport Siting and Discrete-Event Fleet Simulation for On-Demand Urban Air Mobility Network Design
• Title（参考訳）: オンデマンド都市空調ネットワーク設計のための需要駆動型垂直座と離散イベントフリートシミュレーション
• Abstract要約: 本稿ではオンデマンドのUrban Air Mobilityネットワーク設計のための需要駆動型フレームワークを提案する。 バーティポート・シット、艦隊シミュレーション、ドア・ツー・ドア・トラベル・アビリティーを結びつけている。
• 参考スコア（独自算出の注目度）: 0.6139206410963906
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a demand-driven framework for on-demand Urban Air Mobility (UAM) network design that links vertiport siting, fleet simulation, and door-to-door travel-time feasibility. Demand is estimated from commuter and passenger activity data, converted into spatial trip-end points, and clustered using K-means to generate candidate vertiport locations. Candidate networks are screened using range and minimum station-spacing constraints, then evaluated with a discrete-event simulation that models multi-vehicle dispatch, deadhead relocation, battery swaps, and service regularity. Flight time and energy consumption are computed using a point-mass eVTOL performance model. In a Greater Los Angeles case study, the preferred design expands from four stations and four eVTOLs at low demand to sixteen stations and twelve eVTOLs at the highest tested demand level. Results show that larger fleets improve completion time and vehicle-arrival regularity but do not eliminate deadhead flights, indicating that spatial demand imbalance remains an operational burden. The travel-time savings analysis further suggests that UAM is most defensible for longer or congestion-heavy trips where sufficient non-flight time remains after accounting for flight time.
• Abstract（参考訳）: 本稿では,オンデマンドのUAM(Urban Air Mobility)ネットワーク設計のための需要駆動型フレームワークを提案する。 需要は、通勤者および乗客の行動データから推定され、空間的なトリップエンドポイントに変換され、K平均を用いてクラスタ化され、候補となるバーチポートの場所を生成する。 候補ネットワークは、範囲と最小限のステーションスペース制約を用いてスクリーニングされ、マルチサイクルディスパッチ、デッドヘッドリロケーション、バッテリスワップ、サービス正規性をモデル化した離散イベントシミュレーションで評価される。 飛行時間とエネルギー消費は、点質量eVTOL性能モデルを用いて計算される。 ロサンゼルスのケーススタディでは、4つのステーションと4つのeVTOLが低需要で16のステーションと12のeVTOLが最高需要レベルで拡張されている。 以上の結果から,大型艦隊は完成時間と車列の規則性を向上するが,致命的な飛行を排除せず,空間的需要の不均衡が運用上の負担であることが示唆された。 旅行時の貯蓄分析により、UAMは飛行時間を考慮した後十分な飛行時間を維持した長旅や渋滞の多い旅行において最も防御性が高いことが示唆された。

関連論文リスト

• Synthetic Aircraft Trajectory Generation Using Time-Based VQ-VAE [0.18416014644193066]
  時間に基づくベクトル量子変分オートエンコーダ(TimeVQVAE)を適用したトラジェクトリ合成の新しい手法を提案する。 提案手法を応用したTimeVQVAEの評価には,品質,統計,分布測定,およびオープンソースの航空交通シミュレータを用いたフライアセスメントを応用した。 その結果、TimeVQVAEは時間的畳み込みVAalEベースラインよりも優れており、精度、時間的一貫性、統計特性の点で実際の飛行データを反映する合成軌道を生成することが示唆された。
  論文  参考訳（メタデータ） (2025-04-12T06:46:51Z)
• Learning Traffic Anomalies from Generative Models on Real-Time Observations [49.1574468325115]
  トラフィックデータの複雑な空間的および時間的依存関係をキャプチャするために,時空間生成適応ネットワーク(STGAN)フレームワークを用いる。 スウェーデンのヨーテボリで2020年に収集された42台の交通カメラから、STGANをリアルタイムで分単位でリアルタイムで観測する。 その結果, 精度が高く, 偽陽性率の低い交通異常を効果的に検出できることが示唆された。
  論文  参考訳（メタデータ） (2025-02-03T14:23:23Z)
• Improving Traffic Flow Predictions with SGCN-LSTM: A Hybrid Model for Spatial and Temporal Dependencies [55.2480439325792]
  本稿ではSGCN-LSTM(Signal-Enhanced Graph Convolutional Network Long Short Term Memory)モデルを提案する。 PEMS-BAYロードネットワークトラフィックデータセットの実験は、SGCN-LSTMモデルの有効性を示す。
  論文  参考訳（メタデータ） (2024-11-01T00:37:00Z)
• Graph Learning-based Fleet Scheduling for Urban Air Mobility under Operational Constraints, Varying Demand & Uncertainties [5.248564173595024]
  本稿では,電気航空機のスケジュールと目的地のオンライン計画におけるグラフ強化学習手法を提案する。 それは、時間的な需要、垂直離着陸能力、航空機の容量および空域安全ガイドラインに関する制約、離陸遅延、天候によるルート閉鎖、予想外の航空機のダウンタイムに関する不確実性を考える。
  論文  参考訳（メタデータ） (2024-01-09T23:46:22Z)
• Rethinking Urban Mobility Prediction: A Super-Multivariate Time Series Forecasting Approach [71.67506068703314]
  長期の都市移動予測は、都市施設やサービスの効果的管理において重要な役割を担っている。 伝統的に、都市移動データはビデオとして構成され、経度と緯度を基本的なピクセルとして扱う。 本研究では,都市におけるモビリティ予測の新たな視点について紹介する。 都市移動データを従来のビデオデータとして単純化するのではなく、複雑な時系列と見なす。
  論文  参考訳（メタデータ） (2023-12-04T07:39:05Z)
• Fast Decision Support for Air Traffic Management at Urban Air Mobility Vertiports using Graph Learning [7.2547164017692625]
  アーバン・エアモビリティ(UAM)航空機は、バーティポートと呼ばれる小さな空港から運用される。 このスケジュールをリアルタイムで管理することは、従来の航空交通管制官にとって難しいが、代わりに自動化されたソリューションを求めている。 本稿では,UAM-VSM(Urban Air Mobility - Vertiport Schedule Management)問題に対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-08-17T16:05:44Z)
• Wireless-Enabled Asynchronous Federated Fourier Neural Network for Turbulence Prediction in Urban Air Mobility (UAM) [101.80862265018033]
  垂直離着陸機(VTOL)が配車サービスに使用される都市空力(UAM)が提案されている。 UAMでは、航空機はエアロドロムを繋ぐ廊下として知られる指定空域で運用することができる。 GBSと航空機間の信頼性の高い通信網により、UAMは適切に空域を利用することができる。
  論文  参考訳（メタデータ） (2021-12-26T14:41:52Z)
• Flight Time Prediction for Fuel Loading Decisions with a Deep Learning Approach [3.285168337194676]
  航空は常に新しい技術を模索し、燃料消費を減らすために飛行を最適化している。 過剰な燃料は、燃料消費の不確実性を扱うために、派遣者や(または)パイロットによってロードされる。 我々は,より優れた飛行時間予測を実現するために,空間重み付きリカレントニューラルネットワークモデルを開発した。
  論文  参考訳（メタデータ） (2020-05-12T11:05:42Z)
• Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
  無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。 本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T14:04:01Z)
• Spatial-Temporal Transformer Networks for Traffic Flow Forecasting [74.76852538940746]
  本稿では,長期交通予測の精度を向上させるため,時空間変圧器ネットワーク(STTN)の新たなパラダイムを提案する。 具体的には、有向空間依存を動的にモデル化することにより、空間変換器と呼ばれる新しいグラフニューラルネットワークを提案する。 提案モデルにより,長期間にわたる空間的依存関係に対する高速かつスケーラブルなトレーニングが可能になる。
  論文  参考訳（メタデータ） (2020-01-09T10:21:04Z)
• Proposing a Model for Predicting Passenger Origin-Destination in Online Taxi-Hailing Systems [0.0]
  本研究では,特定の時間帯内における旅行の起源と目的地を予測するためのモデルを提案する。 我々は,K平均クラスタリングを,始点領域と宛先領域の最大クラスタサイズ制約付き4次元空間で採用する。 既存モデルとの比較により,提案モデルでは1時間窓の平均絶対パーセンテージ誤差(MAPE)が5-7%,30分窓のMAPEが14%低かった。
  論文  参考訳（メタデータ） (2019-10-17T20:19:23Z)

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。