Fugu-MT 論文翻訳(概要): Optimizing Train Driving to Minimize the Electricity Cost of an Entire Railway Traffic Mesh using Evolutionary Algorithms

論文の概要: Optimizing Train Driving to Minimize the Electricity Cost of an Entire Railway Traffic Mesh using Evolutionary Algorithms

arxiv url: http://arxiv.org/abs/2609.05493v1
Date: Wed, 26 Aug 2026 14:48:50 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-22 20:34:32.984222
Title: Optimizing Train Driving to Minimize the Electricity Cost of an Entire Railway Traffic Mesh using Evolutionary Algorithms
Title（参考訳）: 進化的アルゴリズムを用いた鉄道交通網の電力コスト最小化のための列車運転の最適化
Abstract要約: 本稿では、許容速度や走行時間といった運用上の制約を満たすことに加え、列車の運転方法の最適化手法を提案する。この手順はマドリードからバルセロナ(スペイン)までの高速線の450kmの区間に適用される。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents a procedure to optimize the way trains are driven, which pursues, in addition to fulfilling operational constraints such as admissible speeds or journey durations, the minimization of the cost related to supplying electrical energy to the trains, including the cost of the energy consumption and the cost of the power capacity utilization. This procedure combines: (i) a traffic model that merges the energy and power footprint of each rail service part of the traffic mesh, and (ii) an evolutionary computation framework that enables searching for the optimal way to drive the trains to achieve an optimal traffic mesh. This procedure is applied to a 450 km long section of the high-speed line from Madrid to Barcelona (Spain).
Abstract（参考訳）: 本稿では,列車の運転方法の最適化手法を提案するとともに,許容速度や走行時間といった運用上の制約を満たすとともに,省エネや電力容量利用のコストなど,列車への電力供給に関するコストを最小化する。この手順は次の2つを組み合わせます。一交通メッシュの各鉄道サービス部のエネルギー・電力フットプリントをマージする交通モデル (II) 列車を最適に運転し、最適な交通網を実現するための最適な方法を探すことができる進化的計算フレームワーク。この手順はマドリードからバルセロナ(スペイン)までの高速線の450kmの区間に適用される。

関連論文リスト

Grid-Aware Charging and Operational Optimization for Mixed-Fleet Public Transit [11.618218411493478]
電気とディーゼルの両方からなる混成輸送車両は、重要な運用上の課題である。本稿では,これらの課題に対処する包括的混合整数線形プログラミング(MILP)モデルを提案する。提案手法は, 混合輸送船の運用コストを大幅に削減できることを示す。
論文参考訳（メタデータ） (2026-01-13T17:30:25Z)
Green vehicle routing problem that jointly optimizes delivery speed and routing based on the characteristics of electric vehicles [0.0]
本稿では,実車を用いたエネルギー消費モデルを構築した。エネルギー消費モデルはまた、車両のスタート/ストップ、速度、距離、および負荷がエネルギー消費に与える影響も含んでいる。改良された適応遺伝的アルゴリズムは、最もエネルギー効率のよい経路を解くために用いられる。
論文参考訳（メタデータ） (2024-10-04T08:08:15Z)
Improving Operational Efficiency In EV Ridepooling Fleets By Predictive Exploitation of Idle Times [0.0]
Idle Time Exploitation (ITX) と呼ばれる1つのオペレーターによる配車サービスのリアルタイム予測充電方式を提案する。 ITXは、車両がアイドル状態にある期間を予測し、これらの期間を利用してエネルギーを収穫する。グラフ畳み込みネットワーク(Graph Convolutional Networks)と線形代入アルゴリズムを用いて、車両と充電ステーションの最適なペアを考案する。
論文参考訳（メタデータ） (2022-08-30T08:41:40Z)
Optimal transport in multilayer networks [68.8204255655161]
本稿では,各層上の最適フローが,コストの最小化に寄与するモデルを提案する。アプリケーションとして,各層が異なる輸送システムに関連付けられている交通ネットワークを考察する。この結果の例をボルドー市とバスと路面電車の2層ネットワークで示し、ある状況下では路面電車網の存在が道路網の交通を著しく覆い隠している。
論文参考訳（メタデータ） (2021-06-14T07:33:09Z)
PassGoodPool: Joint Passengers and Goods Fleet Management with Reinforcement Learning aided Pricing, Matching, and Route Planning [29.73314892749729]
本稿では,商品と旅客輸送を組み合わせた需要対応型艦隊管理フレームワークを提案する。提案手法は,分散システムの成長に伴う計算コストを最小限に抑えるため,各車両内で独立して展開可能である。
論文参考訳（メタデータ） (2020-11-17T23:15:03Z)
An Introduction to Electrocatalyst Design using Machine Learning for Renewable Energy Storage [36.556154866045894]
再生可能エネルギーの水素やメタンへの変換は、国家規模のグリッドにスケールすることができる。広く採用するには、このプロセスは電気化学反応の実行に対してコスト効率のよい解を必要とする。オープンな課題は、これらの反応を高速に駆動する低コストの電気触媒を見つけることである。機械学習の使用は、これらの計算を効率的に近似する方法を提供するかもしれない。
論文参考訳（メタデータ） (2020-10-14T19:34:17Z)
A Distributed Model-Free Ride-Sharing Approach for Joint Matching, Pricing, and Dispatching using Deep Reinforcement Learning [32.0512015286512]
我々は、動的で需要に敏感で、価格に基づく車両通行者マッチングとルート計画フレームワークを提案する。我々の枠組みはニューヨーク市税のデータセットを用いて検証されている。実験の結果,実時間および大規模設定におけるアプローチの有効性が示された。
論文参考訳（メタデータ） (2020-10-05T03:13:47Z)
Efficient algorithms for electric vehicles' min-max routing problem [4.640835690336652]
輸送部門から排出される温室効果ガスの増加は、企業や政府が電気自動車(EV)の増産と支援を図っている。近年の都市化と電子商取引の進展により、輸送会社は従来の車両をEVに置き換え、持続的で環境に優しい運転の取り組みを強化している。 EV車両の展開は、限られた範囲を緩和し、バッテリー劣化率を軽減するために、効率的なルーティングと充電戦略を要求する。
論文参考訳（メタデータ） (2020-08-07T18:45:26Z)
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)
Polestar: An Intelligent, Efficient and National-Wide Public Transportation Routing Engine [43.09401975244128]
Polestarは、インテリジェントで効率的な公共交通機関ルーティングのためのデータ駆動型エンジンである。具体的には,交通費の異なる公共交通機関をモデル化するための新しい公共交通グラフ(PTG)を提案する。次に、効率的な経路候補生成のための効率的な局結合法と組み合わせた一般経路探索アルゴリズムを提案する。 2つの実世界のデータセットの実験は、効率性と有効性の両方の観点からPoestarの利点を実証している。
論文参考訳（メタデータ） (2020-07-11T05:14:52Z)
Minimizing Energy Use of Mixed-Fleet Public Transit for Fixed-Route Service [7.2775693810940565]
本稿では,最適な割り当てとスケジューリングのための整数プログラムを提案し,大規模ネットワークのためのメタヒューリスティックアルゴリズムを提案する。チャタヌーガにとって、提案されたアルゴリズムはエネルギーコストが145,635ドル、年間576.7トンの二酸化炭素排出量を削減できる。
論文参考訳（メタデータ） (2020-04-10T17:45:14Z)

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。