Advancements in multi-objective eco-routing solutions using connectivity
Notice bibliographique
Résumé
Due to the significant adverse impact of transportation systems on the environment, topics related to alleviating greenhouse gas (GHG) emissions are gaining more attention. As potential solutions to mitigate GHG emissions, several approaches have been proposed to better control traffic and manage transportation systems. The employment of Intelligent Transportation System (ITS), which adopts the advancements in Information and Communication Technology (ICT), has been proposed as the most favourable approach to alleviate the undesirable impact of transportation systems on the environment. ITS can control several aspects of a network, such as speed, traffic signals, and route guidance. For the purpose of routing, this research aims to exploit the advancements in ICT by including connected and automated vehicles (CAVs) and sensing technology in an urban congested network. Anticipatory multi-objective eco-routing in a distributed routing framework was proposed and compared to myopic routing with a large case study on a congested network. The End-to-End Connected Autonomous Vehicles (E2ECAV) dynamic distributed routing framework was examined, and encouraging results were found based on the traffic and environmental perspectives. The impact of different market penetration rates (MPRs) of CAVs was examined for various traffic conditions. E2ECAV was adopted for both the myopic and anticipatory routing strategies in this dissertation. The best GHG costing approach was defined and was among the elements tackled in this research. For a robust anticipatory routing application, predictive models were developed based on Long-Short Term Memory (LSTM), a deep learning approach, while considering a high level of spatial (link level) and temporal (one minute) resolution. With regards to the LSTM predictive models, the impact was illustrated of using a deeper LSTM network and systematically tuning its hyper-parameters. The anticipatory routing strategy significantly outperformed the myopic routing strategy based on the the traffic and environmental perspectives. This research shows that ITS can help significantly reduce GHG emissions produced by transportation systems. The developed predictive models can be used while real-time data are collected from sensors within an urban network. Furthermore, the proposed anticipatory routing framework can be applied in a real-time situation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».