論文の概要: Exploring the weather impact on bike sharing usage through a clustering analysis

• arxiv url: http://arxiv.org/abs/2008.07249v1
• Date: Mon, 17 Aug 2020 12:24:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-28 02:57:42.070201
• Title: Exploring the weather impact on bike sharing usage through a clustering analysis
• Title（参考訳）: クラスタ分析による自転車シェアリング利用における気象影響の検討
• Authors: Jessica Quach, Reza Malekian
• Abstract要約: 本研究の目的は、ワシントンD.C.の自転車利用にどの程度の天気がどんな影響を及ぼすかを調査することである。 ワシントンD.C.では,自転車の利用データと天気データを収集し,k平均クラスタリングアルゴリズムを用いて分析する。
• 参考スコア（独自算出の注目度）: 7.541020519717183
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bike sharing systems (BSS) have been a popular traveling service for years and are used worldwide. It is attractive for cities and users who wants to promote healthier lifestyles; to reduce air pollution and greenhouse gas emission as well as improve traffic. One major challenge to docked bike sharing system is redistributing bikes and balancing dock stations. Some studies propose models that can help forecasting bike usage; strategies for rebalancing bike distribution; establish patterns or how to identify patterns. Other studies propose to extend the approach by including weather data. This study aims to extend upon these proposals and opportunities to explore how and in what magnitude weather impacts bike usage. Bike usage data and weather data are gathered for the city of Washington D.C. and are analyzed using k-means clustering algorithm. K-means managed to identify three clusters that correspond to bike usage depending on weather conditions. The results show that the weather impact on bike usage was noticeable between clusters. It showed that temperature followed by precipitation weighted the most, out of five weather variables.
• Abstract（参考訳）: 自転車シェアリングシステム (BSS) は長年にわたって人気があり、世界中で利用されている。 健康的なライフスタイルを推進したい都市やユーザーにとって、大気汚染や温室効果ガスの排出を減らし、交通量を改善することは魅力的である。 ドッキング自転車シェアリングシステムに対する大きな課題のひとつは、自転車の再分配とドックステーションのバランスです。 いくつかの研究は、自転車の利用予測に役立つモデル、自転車の流通を再バランスするための戦略、パターンの確立やパターンの特定方法を提案する。 他の研究では、気象データを含めることでアプローチを拡張することを提案する。 本研究は,これらの提案と,天候が自転車の利用に与える影響を調査する機会の拡大を目的とする。 ワシントンd.c.で自転車の利用データと気象データを収集し、k-meansクラスタリングアルゴリズムを用いて分析する。 k-meansは、天候に応じて自転車の使用量に対応する3つのクラスタを特定した。 その結果,自転車利用における天候の影響は,クラスタ間で顕著であった。 その結果,5つの気象変数のうち,降水量が最も多かった。

関連論文リスト

• Evaluating the effects of Data Sparsity on the Link-level Bicycling Volume Estimation: A Graph Convolutional Neural Network Approach [54.84957282120537]
  本稿では,リンクレベルの自転車のボリュームをモデル化するために,グラフ畳み込みネットワークアーキテクチャを利用する最初の研究について述べる。 オーストラリア,メルボルン市全体での年間平均自転車数(AADB)を,Strava Metro の自転車数データを用いて推定した。 以上の結果から,GCNモデルは従来のAADB数予測モデルよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-10-11T04:53:18Z)
• From Counting Stations to City-Wide Estimates: Data-Driven Bicycle Volume Extrapolation [0.0]
  ストリートレベルの自転車量情報は、都市が自転車を奨励するためのインフラの改善を計画するのに役立つだろう。 現在市や市民が利用できるデータは、わずかに数える駅からしか得られないことが多い。 本論文は,ベルリン全都市における自転車の容積を推定するために,これらの数箇所を超える自転車の容積を推定する。
  論文  参考訳（メタデータ） (2024-06-26T16:01:53Z)
• The Growth of E-Bike Use: A Machine Learning Approach [57.506876852412034]
  アメリカでのEバイクの使用は2022年に15,737.82キログラムのCO2排出量を削減した。 同年、電動自転車利用者は活動を通じて約716,630.727キロカロリーを燃やした。
  論文  参考訳（メタデータ） (2023-07-15T03:34:10Z)
• 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)
• Estimating city-wide hourly bicycle flow using a hybrid LSTM MDN [0.0]
  自転車のモードシェアを増やそうとする試みには、自転車の安全性の向上など、多くの手段が伴う。 サイクリングの安全性に関する有意義な分析は、一般的にセグメントレベルで利用できない、あるいは使用できない正確な自転車のフローデータを必要とする。 本稿では,コペンハーゲンにおける自転車の時流,天候,時間,道路条件を推定するディープラーニングに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-04-20T17:00:29Z)
• Improving short-term bike sharing demand forecast through an irregular convolutional neural network [16.688608586485316]
  本研究は,自転車の短期共有需要予測を改善するために,不規則な畳み込み長短記憶モデル(IrConv+LSTM)を提案する。 提案モデルは,シンガポールのドックレス自転車シェアリングシステムと,シカゴ,ワシントンD.C.,ニューヨーク,ロンドンにある4つのステーションベースシステムを含む,5つの調査サイトでベンチマークモデルを用いて評価された。 このモデルはまた、自転車使用量やピーク期間の異なる地域での優れたパフォーマンスも達成している。
  論文  参考訳（メタデータ） (2022-02-09T10:21:45Z)
• Understanding Cycling Mobility: Bologna Case Study [0.0]
  この研究の主な目的は、イタリアのボローニャ市におけるサイクリングモビリティの研究である。 320,118回のセルフレポートされた自転車旅行からなる6ヶ月のデータセットを使用しました。 本研究の主な結果は, 自転車の利用が気温, 降水量と相関し, 風速や汚染と相関しないことを示している。
  論文  参考訳（メタデータ） (2021-09-09T13:11:35Z)
• 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)
• Dynamic Planning of Bicycle Stations in Dockless Public Bicycle-sharing System Using Gated Graph Neural Network [79.61517670541863]
  Dockless Public Bicycle-share (DL-PBS)ネットワークは多くの国でますます人気が高まっています。 冗長で低電力の駅は、DL-PBSベンダーの公共都市空間とメンテナンスコストを無駄にします。 DL-PBSネットワークに最適な自転車ステーションレイアウトを動的に提供できるよう、BSDP(自転車ステーションダイナミックプランニング)システムを提案します。
  論文  参考訳（メタデータ） (2021-01-19T02:51:12Z)
• 4Seasons: A Cross-Season Dataset for Multi-Weather SLAM in Autonomous Driving [48.588254700810474]
  本稿では,自律運転における季節的・挑戦的な知覚条件をカバーする新しいデータセットを提案する。 その中には、視覚計測、グローバルな位置認識、マップベースの再位置追跡などが含まれる。
  論文  参考訳（メタデータ） (2020-09-14T12:31:20Z)
• Modeling bike counts in a bike-sharing system considering the effect of weather conditions [13.537141566893126]
  サンフランシスコベイエリア自転車共有システムにおいて,天気条件が自転車の駅数予測に与える影響を定量的に評価する手法を開発した。
  論文  参考訳（メタデータ） (2020-06-13T05:32:32Z)

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。