روش‌های داده محور برای کمینه کردن انتشار گازها در مسیرها برای مناطق شهری

نگرانی‌ها در مورد کیفیت هوا و گرم شدن جهانی هوای کره زمین، منجر به ابتکارهای متعددی برای کاهش انتشار گازها شده‌است. به طور کلی، انتشار گازها با مقدار سوخت مصرف‌شده، و مقدار سوخت مصرف‌شده تابعی از سرعت، فاصله، شتاب و وزن خودرو است. در مناطق شهری، وسایل نقلیه اغلب باید به سرعت ترافیک سفر کنند و تراکم می‌تواند این سرعت را به ویژه در زمان‌های معینی از روز تحت‌تاثیر قرار دهد. علاوه بر این، برای هر زمان معینی از روز، مشاهدات سرعت روی کمان می‌تواند تغییرات قابل‌توجهی را نشان دهد. به دلیل غیر خطی بودن منحنی انتشار، بهینه‌سازی انتشار گازها در یک منطقه شهری نیاز به ملاحظه صریح تغییرپذیری در سرعت ترافیک بر روی قوس‌های درون شبکه دارد. ما یک الگوریتم کوتاه‌ترین مسیر را معرفی می‌کنیم که به هر دو دلیل تغییرپذیری در سرعت‌های سفر و تخمین توزیع زمان رسیدن در گره‌ها در یک مسیر را شامل می‌شود. ما همچنین روشی را برای تبدیل داده سرعت به مقادیر انتشار وابسته به زمان پیشنهاد می‌کنیم در نتیجه مساله را به یک مساله وابسته به زمان تبدیل می‌کنیم، اما مساله قطعی کوتاه‌ترین مسیر است. نتایج ما کارایی روش‌های پیشنهادی

Concerns about air quality and global warming have led to numerous initiatives to reduce emissions. In general, emissions are proportional to the amount of fuel consumed, and the amount of fuel consumed is a function of speed, distance, acceleration, and weight of the vehicle. In urban areas, vehicles must often travel at the speed of traffic, and congestion can impact this speed particularly at certain times of day. Further, for any given time of day, the observations of speeds on an arc can exhibit significant variability. Because of the nonlinearity of emissions curves, optimizing emissions in an urban area requires explicit consideration of the variability in the speed of traffic on arcs in the network. We introduce a shortest path algorithm that incorporates sampling to both account for variability in travel speeds and to estimate arrival time distributions at nodes on a path. We also suggest a method for transforming speed data into time-dependent emissions values thus convertin