交通システム

Увійти

ідея - 交通システム

渋滞課金は、電気自動車の普及に伴う燃料税収の減少を補填し、同時に交通システムの効率性を高めることができる。

拡散モデルは、自律走行、交通シミュレーション、交通予測、交通安全などの交通システムの様々な課題に対して強力なツールとなっている。

渋滞課金制度は交通渋滞を緩和し、環境への影響を改善するが、低所得層への過度の負担が懸念される。本研究では、総旅行時間の最小化と異なる所得層間の旅行コスト格差の最小化を両立する新しい渋滞課金制度を提案する。

グラフニューラルネットワークは、複雑な交通ネットワークの問題に対して高い有効性を示しており、交通予測、自動車制御システム、信号制御、交通安全、需要予測、駐車管理などの分野で優れた性能を発揮している。

自動運転車と人間の運転者が共存する交通システムにおいて、自動運転車の戦略によって人間の運転者が恩恵を受ける場合と不利益を被る場合があり、システム全体の効率性と公平性にも影響を及ぼす。

本論文は、信号機付き横断歩道における歩行者の動きを正確にシミュレートする新しい手法を提案している。このシミュレーターは、歩行者の待ち時間や横断時間を正確に推定することができ、信号制御システムの最適化に活用できる。

提案モデルSTLLM-DFは、拡散モデルと大規模言語モデルを組み合わせることで、欠損データの回復と複雑な空間時間依存関係の学習を実現し、交通予測の精度と頑健性を大幅に向上させる。

大規模言語モデルは交通システムの移動性予測において有効な手段となる。これらのモデルは複雑なデータパターンを理解し、高精度な予測を行うことができる。

ラウンドアバウトにおける交通流と効率を向上させるため、自動化された車両や非自動化された接続車両の速度を先行車両や待機列の交通状況を考慮して最適化する。

ABMを用いて、開発途上国の都市部における交通利用者の交通モード選択行動を分析し、無料公共交通政策の導入が交通システムに及ぼす影響を明らかにした。

Про нас

Продукти | Ресурси

Ідеї