香港交通における炭素排出削減のためのA*探索ベースのグラフ最適化

日本語

本研究は、香港の物流・交通ネットワークにおける温室効果ガス排出削減のための最適化フレームワークを提案する。18の行政区を動的トポロジカルグラフとしてモデル化し、A*探索アルゴリズムにリアルタイム交通情報、地形要因、排出密度を統合する。局所的な排出スパイクに対応する環境ストレス指数を導入し、適応的経路変更を実現する。都市規模のカーボンニュートラル目標に向けた実践的ツールを提供する。

English

This study proposes an optimization framework to reduce greenhouse gas emissions in Hong Kong's logistics and transport network. It models 18 administrative districts as a dynamic topological graph and integrates real-time traffic, terrain, and emission densities into an A* search algorithm. An Environmental Stress Index triggers adaptive rerouting to handle local emission spikes. It offers a practical tool for city-scale carbon neutrality goals.

日本のGX文脈において

日本の都市物流や交通計画において、AIを用いた排出削減経路最適化は、カーボンニュートラル都市政策やScope 3排出削減に貢献し得る。自治体や物流企業にとって、実装可能な手法として参考になる。

In the global GX context

This work contributes to global urban logistics decarbonization by applying AI to emission-aware routing. It aligns with TCFD/ISSB climate risk disclosure and transition finance, offering a data-driven approach for cities to meet carbon neutrality targets.