論文の概要: From Data to Actions in Intelligent Transportation Systems: a
Prescription of Functional Requirements for Model Actionability
- arxiv url: http://arxiv.org/abs/2002.02210v3
- Date: Mon, 8 Feb 2021 15:17:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 09:36:27.061162
- Title: From Data to Actions in Intelligent Transportation Systems: a
Prescription of Functional Requirements for Model Actionability
- Title（参考訳）: インテリジェントトランスポーテーションシステムにおけるデータからアクションへ:モデル行動可能性に関する機能要件の定式化
- Authors: Ibai Lana, Javier J. Sanchez-Medina, Eleni I. Vlahogianni, Javier Del
Ser
- Abstract要約: この研究は、多種多様なソースから得られたデータが、その資産やシステム、プロセスの効率的な運用のために、データ駆動モデルを学び、適応するためにどのように使用できるかを説明することを目的としている。
ITSのデータモデリングパイプラインでは、データ融合、適応学習、モデル評価という3つの複合ステージに対して、特性、エンジニアリング要件、本質的な課題を定義します。
- 参考スコア（独自算出の注目度）: 10.27718355111707
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Advances in Data Science permeate every field of Transportation Science and
Engineering, resulting in developments in the transportation sector that {are}
data-driven. Nowadays, Intelligent Transportation Systems (ITS) could be
arguably approached as a ``story'' intensively producing and consuming large
amounts of data. A~diversity of sensing devices densely spread over the
infrastructure, vehicles or the travelers' personal devices act as sources of
data flows that are eventually fed {into} software running on automatic
devices, actuators or control systems producing, in~turn, complex information
flows {among} users, traffic managers, data analysts, traffic modeling
scientists, etc. These~information flows provide enormous opportunities to
improve model development and decision-making. This work aims to describe how
data, coming from diverse ITS sources, can be used to learn and adapt
data-driven models for efficiently operating ITS assets, systems and processes;
in~other words, for data-based models to fully become \emph{actionable}.
Grounded in this described data modeling pipeline for ITS, we~define the
characteristics, engineering requisites and challenges intrinsic to its three
compounding stages, namely, data fusion, adaptive learning and model
evaluation. We~deliberately generalize model learning to be adaptive, since,
in~the core of our paper is the firm conviction that most learners will have to
adapt to the ever-changing phenomenon scenario underlying the majority of ITS
applications. Finally, we~provide a prospect of current research lines within
Data Science that can bring notable advances to data-based ITS modeling, which
will eventually bridge the gap towards the practicality and actionability of
such models.
- Abstract（参考訳）: データサイエンスの進歩は、交通科学と工学のあらゆる分野に浸透し、その結果、データ駆動の交通分野の発展をもたらした。
今日では、インテリジェントトランスポーテーションシステム(ITS)は、大量のデータを集中的に生成し消費する'ストーリー'として、間違いなくアプローチすることができる。
インフラ、車両、旅行者の個人デバイスに密に広がるセンサー装置の多様性は、最終的には自動装置、アクチュエーターまたは制御システムで動く {into} ソフトウェアに供給されるデータフローのソースとして機能し、--turn、複雑な情報フロー {among} ユーザ、トラフィックマネージャ、データアナリスト、トラフィックモデリング科学者などである。
これらの情報フローは、モデル開発と意思決定を改善する巨大な機会を提供します。
本研究の目的は,多種多様なソースから得られたデータを用いて,企業資産,システム,プロセスの効率的な運用にデータ駆動モデルを学習し,適応させることである。
このデータモデリングパイプラインを基礎として、データ融合、適応学習、モデル評価という3つの複合化段階に固有の特性、エンジニアリング要件、課題を定義します。
我々の論文の中核は、ほとんどの学習者は、ほとんどのITSアプリケーションに根ざした、絶え間なく変化する現象のシナリオに適応しなければならない、という確固たる信念である。
最後に、我々は、データベースのITSモデリングに顕著な進歩をもたらすことのできる、データサイエンスにおける現在の研究ラインの見通しを示します。
関連論文リスト
- Forewarned is Forearmed: Leveraging LLMs for Data Synthesis through Failure-Inducing Exploration [90.41908331897639]
大規模言語モデル(LLM)は、多種多様な高品質なタスク特化データのトレーニングの恩恵を受けている。
本稿では,効果的なトレーニングサンプルを自動生成する新しい手法であるReverseGenを提案する。
論文 参考訳（メタデータ） (2024-10-22T06:43:28Z) - SubjectDrive: Scaling Generative Data in Autonomous Driving via Subject Control [59.20038082523832]
我々は、自動走行アプリケーションの改善を継続的に行う方法で、生成データ生産を拡大することが証明された最初のモデルであるSubjectDriveを提案する。
本研究では, 多様なデータを生成するために, 多様な外部データソースを活用可能な, 主観制御機構を備えた新しいモデルを開発する。
論文 参考訳（メタデータ） (2024-03-28T14:07:13Z) - Forging Vision Foundation Models for Autonomous Driving: Challenges,
Methodologies, and Opportunities [59.02391344178202]
ビジョンファウンデーションモデル(VFM)は、幅広いAIアプリケーションのための強力なビルディングブロックとして機能する。
総合的なトレーニングデータの不足、マルチセンサー統合の必要性、多様なタスク固有のアーキテクチャは、VFMの開発に重大な障害をもたらす。
本稿では、自動運転に特化したVFMを鍛造する上で重要な課題について述べるとともに、今後の方向性を概説する。
論文 参考訳（メタデータ） (2024-01-16T01:57:24Z) - Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。
高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。
また、解決を保障する科学的、技術的課題も検討している。
論文 参考訳（メタデータ） (2023-12-06T10:46:53Z) - Progressive reduced order modeling: empowering data-driven modeling with
selective knowledge transfer [0.0]
本稿では,データ・ラーメンの最小化とデータ・ドリブン・モデリングの実践性の向上を図った,段階的縮小順序モデリングフレームワークを提案する。
提案手法は,未使用情報を無視しながら,人間が有意義な知識を選択的に活用する方法と同様,事前訓練されたモデルからの知識をゲートを通じて選択的に伝達する。
我々は、多孔質媒体の輸送、重力駆動流れ、超弾性材料における有限変形など、いくつかのケースで我々の枠組みを検証した。
論文 参考訳（メタデータ） (2023-10-04T23:50:14Z) - A spectrum of physics-informed Gaussian processes for regression in
engineering [0.0]
センサとデータ全般の可用性は向上していますが、純粋なデータ駆動アプローチから多くのサービス内エンジニアリングシステムや構造を完全に特徴づけることはできません。
本稿では、限られたデータで予測モデルを作成する能力を高めるために、機械学習技術と物理に基づく推論の組み合わせを追求する。
論文 参考訳（メタデータ） (2023-09-19T14:39:03Z) - Scalable Modular Synthetic Data Generation for Advancing Aerial Autonomy [2.9005223064604078]
本稿では,自律飛行に適したスケーラブルなAerial Synthetic Data Augmentation (ASDA) フレームワークを提案する。
ASDAは、シーンとデータ拡張を自動的に実行する2つのスクリプト可能なパイプラインを備えた中央データ収集エンジンを拡張している。
多様なデータセットを自動生成する手法の有効性を実証する。
論文 参考訳（メタデータ） (2022-11-10T04:37:41Z) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳（メタデータ） (2022-08-16T20:46:08Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳（メタデータ） (2021-12-22T14:45:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。