Urban Air Mobility for Last-Mile Transportation: A Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Urban air mobility (UAM) is a revolutionary approach to transportation in densely populated cities. UAM involves using small, highly automated aircraft to transport passengers and goods at lower altitudes within urban and suburban areas, aiming to transform how people and parcels move within these environments. On average, UAM can reduce travel times by 30% to 40% for point-to-point journeys, with even greater reductions of 40% to 50% in major cities in the United States and China, compared to land transport. UAM includes advanced airborne transportation options like electric vertical takeoff and landing (eVTOL) aircraft and unmanned aerial vehicles (UAVs or drones). These technologies offer the potential to ease traffic congestion, decrease greenhouse gas emissions, and substantially cut travel times in urban areas. Studying the applications of eVTOLs and UAVs in parcel delivery and passenger transportation poses intricate challenges when examined through the lens of operations research (OR). By OR approaches, we mean mathematical programming, models, and solution methods addressing eVTOL- and UAV-aided parcel/people transportation problems. Despite the academic and practical importance, there is no review paper on eVTOL- and UAV-based optimization problems in the UAM sector. The present paper, applying a systematic literature review, develops a classification scheme for these problems, dividing them into routing and scheduling of eVTOLs and UAVs, infrastructure planning, safety and security, and the trade-off between efficiency and sustainability. The OR methodologies and the characteristics of the solution methods proposed for each problem are discussed. Finally, the study gaps and future research directions are presented alongside the concluding remarks.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle