Fugu-MT 論文翻訳(概要): SimRa: Using Crowdsourcing to Identify Near Miss Hotspots in Bicycle Traffic

論文の概要: SimRa: Using Crowdsourcing to Identify Near Miss Hotspots in Bicycle Traffic

arxiv url: http://arxiv.org/abs/2006.08481v2
Date: Wed, 1 Jul 2020 07:46:40 GMT
ステータス: 処理完了
システム内更新日: 2023-05-13 20:17:10.704477
Title: SimRa: Using Crowdsourcing to Identify Near Miss Hotspots in Bicycle Traffic
Title（参考訳）: simra: 自転車交通のミスホットスポット付近をクラウドソーシングで識別する
Authors: Ahmet-Serdar Karakaya, Jonathan Hasenburg and David Bermbach
Abstract要約: SimRaは,スマートフォンによるクラウドソーシングを利用して,自転車のルートや事故現場のデータを収集するプラットフォームである。また、収集したデータに基づいて、危険に近いホットスポットを識別し、スコアリングモデルを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: An increased modal share of bicycle traffic is a key mechanism to reduce emissions and solve traffic-related problems. However, a lack of (perceived) safety keeps people from using their bikes more frequently. To improve safety in bicycle traffic, city planners need an overview of accidents, near miss incidents, and bike routes. Such information, however, is currently not available. In this paper, we describe SimRa, a platform for collecting data on bicycle routes and near miss incidents using smartphone-based crowdsourcing. We also describe how we identify dangerous near miss hotspots based on the collected data and propose a scoring model.
Abstract（参考訳）: 自転車の交通量の増加は排出削減と交通問題解決の鍵となるメカニズムである。しかし、安全性が欠如しているため、より頻繁に自転車を使うことができない。自転車交通の安全性を高めるために、都市計画者は事故の概要、事故に近い事故、自転車道の概観が必要である。しかし、この情報は今のところ入手できない。本稿では,スマートフォンによるクラウドソーシングを用いて,自転車のルートや事故現場のデータを収集するプラットフォームであるSimRaについて述べる。また、収集したデータに基づいて、危険に近いホットスポットを識別し、スコアリングモデルを提案する。

関連論文リスト

Pedestrian Environment Model for Automated Driving [54.16257759472116]
歩行者の位置とポーズ情報を含む環境モデルを提案する。画像から人間のポーズ推定器を用いて骨格情報を抽出する。位置の3D情報を得るために,車両の位置と合わせて連続するフレームからデータを集約する。
論文参考訳（メタデータ） (2023-08-17T16:10:58Z)
Bent & Broken Bicycles: Leveraging synthetic data for damaged object re-identification [59.80753896200009]
変形や欠落による視覚的外観の変化と微妙なクラス内変化を区別することを目的とした,損傷対象の再識別の新たな課題を提案する。我々は、コンピュータ生成画像のパワーを活用して、半自動で、損傷前後に同じ自転車の高品質な合成画像を作成する。このタスクのベースラインとして,マルチタスクでトランスフォーマーをベースとしたディープネットワークであるTransReI3Dを提案する。
論文参考訳（メタデータ） (2023-04-16T20:23:58Z)
ROCO: A Roundabout Traffic Conflict Dataset [65.55451440776098]
実世界のトラフィック競合データセットであるROCOを導入し分析する。データはミシガン州アンアーバーのセント・セントとW・エルズワースの交差点にある2車線のラウンドアラウンドで収集される。 2021年8月から2021年10月までの合計557回の交通事故と17回の交通事故が収集された。
論文参考訳（メタデータ） (2023-03-01T15:09:45Z)
Predicting Citi Bike Demand Evolution Using Dynamic Graphs [81.12174591442479]
ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用した。本稿では,ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用しようとする。
論文参考訳（メタデータ） (2022-12-18T21:43:27Z)
CycleSense: Detecting Near Miss Incidents in Bicycle Traffic from Mobile Motion Sensors [3.5127092215732176]
世界中の都市では、自動車は健康と交通の問題を引き起こし、自転車のモルタルシェアの増加によって部分的に緩和される可能性がある。しかし、多くの人々は、認識された安全性の欠如のためにサイクリングを避けます。都市計画者にとって、サイクリストが安全な場所やそうでない場所についての洞察が欠けているため、この問題に対処することは難しい。
論文参考訳（メタデータ） (2022-04-21T21:43:23Z)
Detecting, Tracking and Counting Motorcycle Rider Traffic Violations on Unconstrained Roads [27.351236436457445]
制限のない道路交通条件の多くのアジア諸国では、ヘルメットやトリプルライディングなどの運転違反がオートバイの死亡原因となっている。車両に搭載されたダッシュボードカメラから撮影したビデオにおいて、オートバイの乗馬違反を検出し、追跡し、カウントする手法を提案する。
論文参考訳（メタデータ） (2022-04-18T15:17:40Z)
An Experimental Urban Case Study with Various Data Sources and a Model for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文参考訳（メタデータ） (2021-08-02T08:13:57Z)
Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
論文参考訳（メタデータ） (2021-06-22T15:40:21Z)
Classifying Cycling Hazards in Egocentric Data [3.1925030748447747]
この提案は、危険を伴うサイクリング状況のエゴセントリックなビデオデータセットの作成とアノテーションである。得られたデータセットは、サイクリストの安全と経験を改善するプロジェクトを促進する。
論文参考訳（メタデータ） (2021-03-15T02:37:04Z)
CyclingNet: Detecting cycling near misses from video streams in complex urban scenes with deep learning [1.462434043267217]
CyclingNetは、自己注意型双方向長短メモリ(LSTM)ブロックに埋め込まれた畳み込み構造に基づく深層コンピュータビジョンモデルである。 1つのGPUで42時間トレーニングした後、モデルはトレーニング、テスト、バリデーションセットに対して高い精度を示す。このモデルは、都市のサイクリング行動に関する重要な結論を導く情報を生成するために使用されることを意図している。
論文参考訳（メタデータ） (2021-01-31T23:59:28Z)
Where are the Dangerous Intersections for Pedestrians and Cyclists: A Colocation-Based Approach [3.8355893560092893]
歩行者やサイクリストは、他の道路利用者よりも事故で死亡するリスクが高い。問題のある街路環境を最小化する方法を見つけることが重要である。
論文参考訳（メタデータ） (2020-05-30T13:54:43Z)

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。