新數學模型最佳化模組化車隊路線
紐約大學坦敦工程學院研發出新算法
紐約大學坦敦工程學院的 C2SMART 中心的研究人員已經開發出一種算法，用於計劃模組化車隊（MV）最高效的路線，這些特別設計的車輛在移動人們在城市中移動時可以存取和分離，從而消除了使這種交通系統成為現實的重大障礙。
在《交通研究第 C 部分：新興技術》發表的一篇論文中，研究人員使用了一種名為 MILP（混合整數線性規劃）的數學模型來最佳化 MV 系統中的乘客服務時間和車輛旅行成本。該模型考慮到乘客上車和交付、途中轉移和 MV 的可變容量，以確保最佳的路線和時間表以及車輛的存取和分離。
解決傳統交通系統問題
傳統的大眾運輸和需求響應型交通系統可能面臨應對旅行者需求波動的挑戰，導致旅行時間長、能源效率低下、交通擁堵和財務浪費。例如，小型車輛在高峰時段可能速度較慢且擁擠。大型車輛在需求低的時候可能大部分空著。像是適應需求的小客運服務，往往一次僅運載一名乘客，這使得運營成本高昂。
MV 提供了一種靈活而高效的替代方案。MV 車隊中的獨立車輛可以在行駛中存取，形成一個車隊，直到車輛分離。根據研究負責人 Joseph Chow 的說法，他是土木與城市工程系的副教授兼 C2SMART 中心副主任，MV 可以更快地運輸人們，並且消耗更少的能源和運營開支，比很多傳統系統更具優勢。
"在某些情況下，MV 提供了一個有前景的替代方案，以更高效地運輸人們，" Joseph Chow 表示"例如，想像一下同一家公司的員工，這些個別的車輛可以接載住在相似聚居區的人們，並結合在一起送整個小組到工作場所。MV 也有顯著的潛力改善為有需要的人們提供的從門到門的需求響應型交通服務，包括殘障人士。"
現實世界中的應用和挑戰
當前還沒有城市在使用 MV 系統，盡管 Next Transportation Systems 正在迪拜進行 MV 測試。根據 Chow 的說法，無法追蹤和規劃 MV 車隊一直是潛在實際應用的一大障礙。
為了建立其路由模型，C2SMART 團隊使用了 Anaheim 網路，這是一個對加利福尼亞州 Anaheim 市進行交通模擬的系統。
總結
紐約大學坦敦工程學院的研究人員開發出一個新的算法，該算法可以最佳化模組化車隊的路線，此類車輛可以在移動時存取和分離。這種模組化車隊能夠更高效地運輸人們，減少能源消耗和運營成本，並改善需求響應型交通服務。然而實際應用中仍然存在一些挑戰，如追蹤和規劃車隊的問題。
這項研究為未來城市交通系統的創新提供了一個有前途的方向，可以讓我們思考如何更好地運輸人們，減少能源消耗和交通擁堵。然而我們還需要進一步研究和實驗，以確保新的模式的可行性以及對環境和社會的長期影響。
最後政府和相關利益相關方應該鼓勵和支援這類創新研究，並以規劃和建設相應的基礎設施，確保這種新型交通系統能夠為城市居民帶來更好的生活品質。
延伸閱讀
- 0G Labs 以驚人的 3,500 萬美元預種子輪啟動，致力於打造模組化人工智慧區塊鏈
- 英偉達推出一系列微服務，最佳化推論應用
- 超高效率、模組化窯爐將顛覆水泥行業
- 最佳化 iPhone 相簿！MacPaw 新應用助你輕鬆清理多餘照片
- 逆可逆神經網路工具助力最佳化機翼設計
- AI 基於資料中心最佳化初創 MangoBoost 籌集 5500 萬美元 A 輪融資
- YouTube 全面最佳化新聞介面，加固推廣「可靠」訊息來源
- 融合移動生活和居家備用，Goal Zero 推出模組化 Yeti Pro 4000
- DeepMind 發現 AI 大型語言模型能夠最佳化自身提示
- 最佳化手勢識別系統設計，以更高精準度解讀動作
