論文の概要: Urban Bike Lane Planning with Bike Trajectories: Models, Algorithms, and a Real-World Case Study

• arxiv url: http://arxiv.org/abs/2008.09645v1
• Date: Fri, 21 Aug 2020 18:46:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-26 22:23:03.317475
• Title: Urban Bike Lane Planning with Bike Trajectories: Models, Algorithms, and a Real-World Case Study
• Title（参考訳）: 自転車軌道を用いた都市自転車レーン計画:モデル,アルゴリズム,実世界の事例研究
• Authors: Sheng Liu, Zuo-Jun Max Shen, Xiang Ji
• Abstract要約: 本研究では,自転車共有システムのようなスマートシティのインフラで利用可能な細粒度の自転車軌道データに基づいて,都市の自転車レーン計画問題について検討する。 自転車シェアリングシステムが世界中の大都市圏で普及するにつれ、自転車レーンは多くの市町村によって自転車の促進と自転車の保護のために計画され建設されている。 大規模最適化問題の解法として, トラクタブルな定式化と効率的なアルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 13.781010691827072
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study an urban bike lane planning problem based on the fine-grained bike trajectory data, which is made available by smart city infrastructure such as bike-sharing systems. The key decision is where to build bike lanes in the existing road network. As bike-sharing systems become widespread in the metropolitan areas over the world, bike lanes are being planned and constructed by many municipal governments to promote cycling and protect cyclists. Traditional bike lane planning approaches often rely on surveys and heuristics. We develop a general and novel optimization framework to guide the bike lane planning from bike trajectories. We formalize the bike lane planning problem in view of the cyclists' utility functions and derive an integer optimization model to maximize the utility. To capture cyclists' route choices, we develop a bilevel program based on the Multinomial Logit model. We derive structural properties about the base model and prove that the Lagrangian dual of the bike lane planning model is polynomial-time solvable. Furthermore, we reformulate the route choice based planning model as a mixed integer linear program using a linear approximation scheme. We develop tractable formulations and efficient algorithms to solve the large-scale optimization problem. Via a real-world case study with a city government, we demonstrate the efficiency of the proposed algorithms and quantify the trade-off between the coverage of bike trips and continuity of bike lanes. We show how the network topology evolves according to the utility functions and highlight the importance of understanding cyclists' route choices. The proposed framework drives the data-driven urban planning scheme in smart city operations management.
• Abstract（参考訳）: 本研究では,自転車共有システムのようなスマートシティのインフラで利用できる,きめ細かい自転車軌道データに基づく都市自転車レーン計画問題について検討する。 重要な決定は、既存の道路網で自転車レーンを構築する場所だ。 自転車のシェアリングシステムが世界中の大都市で普及するにつれて、自転車レーンは多くの自治体によって計画され建設され、サイクリングを促進し、自転車を保護している。 伝統的な自転車レーン計画アプローチは、しばしば測量とヒューリスティックに頼っている。 我々は,自転車軌道計画の指針となる,汎用的で斬新な最適化フレームワークを開発した。 我々は,自転車レーン計画問題をサイクリストの実用機能の観点から形式化し,有効性を最大化するために整数最適化モデルを導出する。 自転車の経路選択を捉えるために,多項ロジットモデルに基づく二段階プログラムを開発した。 基本モデルに関する構造特性を導出し、自転車レーン計画モデルのラグランジアン双対が多項式時間可解であることを証明する。 さらに,経路選択に基づく計画モデルを線形近似法を用いて混合整数線形プログラムとして再構成する。 大規模最適化問題の解法として, トラクタブルな定式化と効率的なアルゴリズムを開発した。 都市政府による実世界のケーススタディとして,提案アルゴリズムの効率を実証し,自転車走行と自転車レーンの連続性の間のトレードオフを定量化する。 ネットワークトポロジーが実用機能に応じてどのように進化するかを示し,サイクリストの経路選択を理解することの重要性を強調する。 提案手法は,スマートシティ運営におけるデータ駆動型都市計画を推進している。

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)
• Discovering Cyclists' Visual Preferences Through Shared Bike Trajectories and Street View Images Using Inverse Reinforcement Learning [2.678595263943329]
  本稿では,サイクリストの複雑な視覚的嗜好の定量化と解釈を目的とした新しい枠組みを提案する。 我々は,サイクリング報酬関数の効率的な推定にMDDIRLモデルを適用した。 サイクリストはルート決定を行う際に、特定の道路視覚要素に注目する。
  論文  参考訳（メタデータ） (2024-09-05T00:54:48Z)
• 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)
• Mapping suburban bicycle lanes using street scene images and deep learning [0.0]
  本論文は、各道路からサンプルストリートシーン画像を取り出すことにより、測量エリアにおける自転車レーンの地図を作成する方法を提案する。 自転車レーンのシンボルを認識するために訓練された深層学習モデルを適用した。 この手法はメルボルン郊外の測量エリアの地図作成に有効であった。
  論文  参考訳（メタデータ） (2022-04-27T04:56:26Z)
• Bike Sharing Demand Prediction based on Knowledge Sharing across Modes: A Graph-based Deep Learning Approach [8.695763084463055]
  本研究では,自転車共有需要予測(B-MRGNN)のためのグラフに基づくディープラーニング手法を提案する。 マルチリレーショナルグラフニューラルネットワーク(MRGNN)を導入し、モード間の空間単位間の相関を捉える。 実験はニューヨーク市の実際の自転車シェアリング、地下鉄、ライドシェアリングのデータを用いて行われた。
  論文  参考訳（メタデータ） (2022-03-18T06:10:17Z)
• Automated Detection of Missing Links in Bicycle Networks [0.15293427903448023]
  我々は,都市の自転車ネットワークにおいて最も重要なリンクを見つけるためのIPDC手順(Identify, Prioritize, Decluster, Classify)を開発した。 まず、多重化ネットワークアプローチによるすべての可能なギャップを特定し、フローベースのメトリックに従って優先順位付けし、新たなギャップクラスタを分解し、手動でギャップのタイプを分類する。 以上の結果から,最小データ要件によるネットワーク分析が,自転車ネットワーク計画の費用効率向上支援ツールとして有効であることを示す。
  論文  参考訳（メタデータ） (2022-01-10T15:35:14Z)
• 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 Bicycle Dispatching of Dockless Public Bicycle-sharing Systems using Multi-objective Reinforcement Learning [79.61517670541863]
  ドッキングレスPBS(DL-PBS)に欠かせない動的自転車レンタル需要に基づく効率的な自転車配車ソリューションを実現するためのAIの活用 DL-PBSに最適な自転車ディスパッチソリューションを提供するために、マルチオブジェクト強化学習(MORL-BD)に基づく動的自転車ディスパッチアルゴリズムを提案します。
  論文  参考訳（メタデータ） (2021-01-19T03:09:51Z)
• 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)
• Deep Structured Reactive Planning [94.92994828905984]
  自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。 本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
  論文  参考訳（メタデータ） (2021-01-18T01:43:36Z)

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。