論文の概要: Modeling the Travel Time-Pollution Exposure Trade-off in Urban Route Choice
- arxiv url: http://arxiv.org/abs/2611.15950v1
- Date: Wed, 11 Nov 2026 19:42:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.263752
- Title: Modeling the Travel Time-Pollution Exposure Trade-off in Urban Route Choice
- Title(参考訳): 都市路選択における時間-公害トレードオフのモデル化
- Abstract要約: AERMODをベースとしたPM2.5分散曲面と最短パスアルゴリズムを結合した双方向ルーティングフレームワークを開発した。
この枠組みをニューヨーク市の道路網で790,000対の原産地・目的地に応用し、1日あたりの通勤者数は148万人である。
露光対応経路は, 平均走行時間の28%増加時に, 累積露光量を約38%減少させた。
- 参考スコア(独自算出の注目度): 0.6254251081017876
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traffic-related air pollution is a major contributor to respiratory and cardiovascular disease, and travel time disproportionately drives daily exposure. Conventional routing algorithms minimize time or distance, ignoring street-level pollutant variability and leaving travelers exposed to avoidable risk. We develop a bi-objective routing framework that couples a high-resolution AERMOD-based PM2.5 dispersion surface with a shortest-path algorithm. The algorithm uses a deterministic, gradient-based weight-update scheme to enumerate Pareto-optimal paths along the time-exposure frontier. We apply the framework to 790,000 origin-destination pairs on New York City's road network, covering 1.48 million daily commuters. Link-level concentrations differed by a factor of two or more between adjacent parallel streets. Exposure-aware routes reduced cumulative exposure by about 38% at a median travel time increase of about 28%. The algorithm ran in 30 milliseconds per query and recovered more frontier paths than uniform weight sampling (4.5 vs. 2.4). These results show that exposure-aware routing is computationally practical at metropolitan scale and suitable for real-time navigation and infrastructure planning.
- Abstract(参考訳): 交通関連の大気汚染は、呼吸器や心血管疾患の主要な原因であり、旅行時間が日々の暴露を不均等に促す。
従来のルーティングアルゴリズムは時間や距離を最小化し、街路レベルの汚染物質変動を無視し、旅行者は避けられるリスクに晒される。
AERMODをベースとしたPM2.5分散曲面と最短パスアルゴリズムを結合した双方向ルーティングフレームワークを開発した。
このアルゴリズムは、時間露光フロンティアに沿ったパレート最適経路を列挙するために、決定論的で勾配に基づく重み更新スキームを使用する。
この枠組みをニューヨーク市の道路網で790,000対の原産地・目的地に応用し、1日あたりの通勤者数は148万人である。
リンクレベル濃度は、隣接する平行道路間で2つ以上の要因で異なる。
露光対応経路は, 平均走行時間の28%増加時に, 累積露光量を約38%減少させた。
アルゴリズムはクエリ毎に30ミリ秒で動作し、一様重量サンプリング(4.5対2.4)よりもフロンティアパスを回復した。
これらの結果から,大都市圏における露光認識型ルーティングは,リアルタイムナビゲーションやインフラ計画に適した計算方法であることが示唆された。
関連論文リスト
- Lightweight Path-Aware Frontier Re-ranking for LiDAR-Based UAV Exploration [1.4941013982958211]
本稿では,LiDARを用いたUAV探査のための軽量経路認識フロンティア再評価手法を提案する。
3つの倉庫型環境における実験により,提案手法は従来のフロンティアベースラインよりも短い探査軌道を連続的に生成することが示された。
論文 参考訳(メタデータ) (2026-11-06T15:03:12Z) - ROAM: Retrieval-Augmented Optimization for Feasible Multi-Day Itinerary Planning [0.0]
大規模言語モデル(LLM)は、もっともらしい旅行イテナリーを起草することができるが、それらが生み出す計画はしばしば実現不可能である。
ROAMは,複数日連続計画のための検索拡張エージェントフレームワークである。
論文 参考訳(メタデータ) (2026-11-06T12:42:23Z) - Balancing Mobility Efficiency and Environmental Exposure During Mega Events: A Multi-agent Routing Framework [3.02159123610409]
既存の交通管理戦略は、露出リスクに限定して、旅行効率に重点を置いている。
本研究は,短時間の高需要シナリオとしてメガイベント旅行に着目し,露光対応マルチエージェントルーティングフレームワークを開発する。
その結果、高い需要下では、SARSAベースのフレームワークは車の走行時間を34.59%削減し、累積環境曝露を58.65%削減している。
論文 参考訳(メタデータ) (2026-10-26T09:00:12Z) - NEXICA: Discovering Road Traffic Causality (Extended arXiv Version) [1.788784870849724]
NEXICAはハイウェイシステムのどの部分がハイウェイの他の部分の減速の原因となるかを検出するアルゴリズムである。
他のアルゴリズムが不十分な場合、我々は新しいアプローチを3つの方法で開発する。
ロサンゼルス地区の195の高速道路速度センサによる6ヶ月の道路速度データに対するアプローチを検証した。
論文 参考訳(メタデータ) (2025-08-13T02:59:09Z) - iPLAN: Intent-Aware Planning in Heterogeneous Traffic via Distributed
Multi-Agent Reinforcement Learning [57.24340061741223]
本稿では,高密度および不均一な交通シナリオにおける軌跡や意図を予測できる分散マルチエージェント強化学習(MARL)アルゴリズムを提案する。
インテント対応プランニングのアプローチであるiPLANにより、エージェントは近くのドライバーの意図をローカルな観察からのみ推測できる。
論文 参考訳(メタデータ) (2023-06-09T20:12:02Z) - Dynamic Conditional Imitation Learning for Autonomous Driving [0.966840768820136]
条件模倣学習(CIL)は、ディープニューラルネットワークをエンドツーエンドで訓練し、人間の運転を模倣する。
このアプローチは、道路をたどったり、障害物を避けたり、交差点で特定の曲がり角をたどって目的地にたどり着く際に、適切な車両制御を示す。
しかし、目に見えない環境に展開すると性能が劇的に低下し、様々な気象条件に不整合である。
本稿では,これらの欠陥に対する解決策を提案する。まず,レーザスキャナと通常のカメラストリームを特徴レベルで融合させて,一般化と一貫性の課題を克服する。
論文 参考訳(メタデータ) (2022-11-17T01:52:12Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳(メタデータ) (2022-10-21T07:25:57Z) - Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。
本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。
提案手法は,高品質なトラフィックフローマップを作成できる。
論文 参考訳(メタデータ) (2021-09-29T07:51:49Z)
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。