Assessing the Potential of the Strategic Formation of Urban Platoons for Shared Automated Vehicle Fleets
Notice bibliographique
Résumé
This paper addresses the problem of studying the impacts of the strategic formation of platoons in automated mobility-on-demand (AMoD) systems in future cities. Forming platoons has the potential to improve traffic efficiency, resulting in reduced travel times and energy consumption. However, in the platoon formation phase, coordinating the vehicles at formation locations for forming a platoon may delay travelers. In order to assess these effects, an agent-based model has been developed to simulate an urban AMoD system in which vehicles travel between service points transporting passengers either forming or not forming platoons. A simulation study was performed on the road network of the city of The Hague, Netherlands, to assess the impact on traveling and energy usage by the strategic formation of platoons. Results show that forming platoons could save up to 9.6% of the system-wide energy consumption for the most efficient car model. However, this effect can vary significantly with the vehicle types and strategies used to form platoons. Findings suggest that, on average, forming platoons reduces the travel times for travelers even if they experience delays while waiting for a platoon to be formed. However, delays lead to longer travel times for the travelers with the platoon leaders, similar to what people experience while traveling in highly congested networks when platoon formation does not happen. Moreover, the platoon delay increases as the volume of AMoD requests decreases; in the case of an AMoD system serving only 20% of the commuter trips (by private cars in the case-study city), the average platoon delays experienced by these trips increase by 25%. We conclude that it is beneficial to form platoons to achieve energy and travel efficiency goals when the volume of AMoD requests is high.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».