CityLab 城市研究雷达城市研究雷达
城市社会与人口
期刊论文

人工智能驱动的混合交通系统能源优化:提升城市出行的可持续性与成本效益

AI-Driven Energy Optimization for Mixed Transport Systems: Enhancing Sustainability and Cost Efficiency in Urban Mobility

发表于 2026年11月6日 · 收录于雷达 2026年11月17日

中文摘要

针对城市交通需求增长及多种交通方式能源优化研究不足,文章提出混合交通能源优化器(MTEO)人工智能与物联网框架,整合多智能体强化学习、图神经网络、长短期记忆网络、物联网感知和边缘计算,实时优化公交与按需出行的路线、调度和能源管理。基于孟买交通网络开展仿真及初步走廊试点验证。

结构化研究记录 PRO

研究问题 · 主要发现 · 方法 · 数据 · 空间尺度

专业版 · 每条研究的研究问题、主要发现、方法与数据
登录 了解专业版

阅读原文 ↗ DOI ↗