AI Powered Urban Mobility Optimizer With Carbon Footprint Reduction And Smart Carpooling Integration

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Researchers interested in passenger-oriented carbon optimization and AI for sustainable mobility will find the AUMO framework a novel contribution.

🏢実務担当者:Urban mobility planners and ride-sharing companies can leverage the proposed system for fleet optimization and carbon reduction strategies.

🏛政策担当者:Policymakers can consider supporting smart carpooling infrastructure and integrating carbon-aware routing into urban transport policies.

都市モビリティシステムは、交通渋滞、燃料消費の増加、そして環境問題の高まりにより、増大する圧力に直面している。運輸部門だけでも世界の温室効果ガス排出量のかなりの割合を占めており、持続可能なモビリティソリューションは重要な要件となっている[1]。過去10年間にわたり、研究者らは、Pollution Routing Problem (PRP) [5]、燃料消費を考慮した車両ルーティング手法[4]、排出量に敏感なルーティングフレームワーク[3]など、いくつかの最適化ベースのルーティングモデルを提案してきた。しかしながら、これらの取り組みの大半は、旅客輸送ではなく、主に貨物および物流業務に焦点を当ててきた。時間依存型ルーティングモデル[10]および環境に配慮した車両ルーティングの定式化[6]、[7]における進歩により、物流ネットワークにおける運用効率と排出制御が改善された。それにもかかわらず、スマートカープールやライドシェアリングなどの旅客向けソリューションは、都市環境における車両使用を大幅に削減する可能性があるにもかかわらず、炭素最適化の観点からは比較的未開拓のままである。このギャップに対処するため、本論文では、旅客モビリティのために炭素を意識したルーティングとスマートカープールを統合するように設計された、AIを活用した都市モビリティオプティマイザーであるAUMOを提案する。提案フレームワークは、貨物輸送[3]、[6]から確立された低炭素ルーティング原則を適応させ、それを都市部の旅客旅行シナリオに適用する。微視的交通環境を用いたシミュレーションベースの評価により、提案システムが車両占有率と全体的な旅行効率を改善しながら、CO₂排出量と車両台数の顕著な削減を達成することが実証された。これらの結果は、持続可能な都市モビリティのためのインテリジェントなカープールシステムの可能性を浮き彫りにしている。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Urban mobility systems are facing increasing pressure due to traffic congestion, rising fuel consumption, and growing environmental concerns. The transportation sector alone contributes a significant share of global greenhouse gas emissions, making sustainable mobility solutions a critical requirement [1]. Over the past decade, researchers have proposed several optimization-based routing models, including the Pollution Routing Problem (PRP) [5], fuel-consumption-aware vehicle routing approaches [4], and emission-sensitive routing frameworks [3]. However, the majority of these efforts have focused primarily on freight and logistics operations rather than passenger transportation. Advances in time-dependent routing models [10] and environmentally conscious vehicle routing formulations [6], [7] have improved operational efficiency and emission control in logistics networks. Nevertheless, passenger-oriented solutions such as smart carpooling and ridesharing remain relatively underexplored from a carbon-optimization perspective, despite their potential to significantly reduce vehicle usage in urban environments. To address this gap, this paper proposes AUMO, an AI-powered Urban Mobility Optimizer designed to integrate carbon-aware routing with smart carpooling for passenger mobility. The proposed framework adapts established low-carbon routing principles from freight transportation [3], [6] and applies them to urban passenger travel scenarios. A simulation-based evaluation using a microscopic traffic environment demonstrates that the proposed system achieves notable reductions in CO₂ emissions and fleet size while improving vehicle occupancy and overall travel efficiency. These results highlight the potential of intelligent carpooling systems for sustainable urban mobility.

• openalex https://doi.org/10.5281/zenodo.20728799first seen 2026-06-23 05:43:20 · last seen 2026-06-23 05:43:34