摘要 - 航空出租车延误对全球机场和航空公司造成不利影响,导致航空拥堵,空中交通管制员/飞行员工作量,错过的乘客连接以及由于过多的油耗而导致的不利环境影响。有效解决出租车延误需要随机和不确定的空中运营,涵盖飞机的推力,滑行道运动和跑道起飞。随着混合模式跑道运营的实施(同一跑道上的到达)以适应预计的交通增长,预计Airside操作的复杂性将大大增加。在增加的交通需求增加,发展有效的倒退控制(也称为出发计量)(DM)的情况下,政策是一个具有挑战性的问题。dm是一个空中拥塞管理程序,它控制着出发的回压时间,旨在通过将出租车等待时间转移到大门来减少出租车延误。在混合模式跑道操作下,DM还必须保持足够的跑道压力(跑道附近的出发队列进行起飞),以利用即将到来的飞机蒸汽内的可用出发插槽。虽然高压率可能会导致出发队列的延长,但导致出租车延迟的增加,但低压率可能导致到达到达的流之间空的空位,从而导致跑道吞吐量减少。这项研究介绍了基于混合模式跑道操作的基于深的增强学习(DRL)的DM方法。我们在马尔可夫决策过程框架中提出了DM问题,并使用新加坡樟宜机场表面运动数据模拟Airside操作并评估不同的DM策略。使用时空事件图鉴定出预测性空中热点,并作为对DRL代理的观察。我们的基于DRL的DM方法利用推回率作为代理的行动和奖励成型,以动态调节推力率,以改善跑道利用率和不确定性下的出租车延迟管理。基于对其他基线的基于DRL的DM策略进行基准测试,证明了我们方法的出色性能,尤其是在高流量密度方案中。在新加坡樟宜机场的典型一天中,总部位于DRL的DM平均减少了1-3分钟的峰值出租车时间,节省了26.6%的燃油消耗,并有助于更环保和可持续的Airside行动。
(1) 加拿大运输安全委员会 (TSB) 建议 A09-02 (2009) 部分内容指出:“多年来,CRM 培训已发展成为一种有效的工具。现代、精心设计的 CRM 培训现在包括威胁和错误管理等概念。鉴于最近缺乏针对空中出租车和通勤机组人员的 CRM 培训所带来的风险,委员会建议:交通部要求商业航空运营商为加拿大航空法规 (CARs) 第 703 部分空中出租车运营和 CARs 第 704 部分通勤运营提供现代机组资源管理 (CRM)。
2000 年,SMRT Corporation Ltd (SMRT) 成立并在新加坡交易所(当时的新加坡证券交易所)上市。2001 年,SMRT 收购了主要的出租车和巴士运营商 TIBS Holdings。如今,SMRT 是新加坡首屈一指的多式联运运营商。我们仍然是新加坡铁路网络的主导者,我们的巴士和出租车在新加坡充满活力的交通领域占有重要地位。展望未来,我们将在工作的各个方面突破界限,为乘客提供卓越的旅行体验,并赢得利益相关者的信任。
典型的零工工人(即拼车公司的合同司机)报告了出租车和豪华轿车服务行业的自雇收入。该行业自雇司机数量的增长远远超过了其它任何行业的单独自雇司机数量的增长。我们使用丰富的行政税务数据来探索这些工人是谁、他们的数量随着时间的推移发生了怎样的变化以及新司机如何将自雇与工薪工作结合起来。Uber 进入当地劳动力市场后,其司机数量在接下来的几年里显著增长。除了纽约市(拼车司机需要满足相对严格的驾照要求)以外,在法规限制出租车数量的司法管辖区,Uber 进入后司机数量的增幅更大。对于经历过工作流失的人来说,Uber 进入对成为自雇司机的可能性的影响更大。 Uber 的进入增加了现任出租车司机的退出率,并降低了留下来的司机的驾驶收入,尽管这对现任司机总收入的负面影响明显小于对其驾驶收入的影响。
加拿大运输安全委员会 (TSB) 向交通部提出建议,要求商用水上飞机配备快速出口。本小组希望响应 TSB 的建议,认识到快速出口设计将提高水上飞行机组人员和乘客的安全性。维京航空有限公司是 DHC-2 海狸型飞机的型号合格证持有者,该公司开发了紧急弹出式窗户和新的门闩设计,旨在方便紧急出口。小组希望认可维京航空的安全举措;然而,认识到这些改装套件仅适用于一种水上飞机,即海狸型飞机,小组希望鼓励其他飞机制造商为他们的飞机探索类似的解决方案。
Bauder当前在航空旅行边界内记录商务旅行。CO2使用Google航班记录。 有关Google如何估计二氧化碳排放的更多信息 - https://support.google.com/ travel/anders/anders/11116147。 我们正在与内部费用团队合作,以获取其他商务旅行方法(例如铁路/出租车/巴士/酒店)的所需数据,以供将来报告。CO2使用Google航班记录。有关Google如何估计二氧化碳排放的更多信息 - https://support.google.com/ travel/anders/anders/11116147。我们正在与内部费用团队合作,以获取其他商务旅行方法(例如铁路/出租车/巴士/酒店)的所需数据,以供将来报告。
图 1-1。NVIDIA AI Enterprise 软件套件......................................................................6 图 1-2。数据科学工作流程示例 ......................................................................................6 图 3-1。NVIDIA AI Enterprise 试用 - Ubuntu 桌面版 ........................................... 10 图 4-1。BERT 问题/答案 ............................................................................................. 11 图 4-2。BERT 模型示例段落 ...................................................................................... 12 图 4-3。BERT 演示提供的问题 ...................................................................................... 12 图 4-4。BERT 演示自定义输入 ...................................................................................... 13 图 4-5。出租车费演示概述 ............................................................................................. 13 图 4-6。出租车费用数据示例 ................................................................................................ 14 图 4-7。训练和实际时间 ................................................................................................ 14 图 4-8。出租车费用预测与实际数据的比较 ........................................................................ 15