論文の概要: Agent-based Simulation Model and Deep Learning Techniques to Evaluate and Predict Transportation Trends around COVID-19

• arxiv url: http://arxiv.org/abs/2010.09648v1
• Date: Wed, 23 Sep 2020 05:37:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-10-15 17:05:01.600343
• Title: Agent-based Simulation Model and Deep Learning Techniques to Evaluate and Predict Transportation Trends around COVID-19
• Title（参考訳）: エージェント・ベース・シミュレーションモデルと深層学習によるCOVID-19周辺の交通動向の評価・予測
• Abstract要約: 新型コロナウイルスの感染拡大は旅行行動や交通システムに影響を及ぼしている。 また、街路カメラによる社会的距離を測定するリアルタイムビデオ処理手法も導入している。
• 参考スコア（独自算出の注目度）: 6.662885233205859
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The COVID-19 pandemic has affected travel behaviors and transportation system operations, and cities are grappling with what policies can be effective for a phased reopening shaped by social distancing. This edition of the white paper updates travel trends and highlights an agent-based simulation model's results to predict the impact of proposed phased reopening strategies. It also introduces a real-time video processing method to measure social distancing through cameras on city streets.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)のパンデミックは旅行行動や交通システム操作に影響を与えており、都市はソーシャルディスタンシングによって形成された段階的な再開にどのような政策が有効かに取り組んでいます。 このホワイトペーパーは、旅行傾向を更新し、エージェントベースのシミュレーションモデルの結果を強調し、提案したフェーズド再開戦略の影響を予測する。 また、街中のカメラを通してソーシャルディスタンシングを測定するリアルタイムビデオ処理方法も導入している。

関連論文リスト

• From Urban Mobility to Epidemic Dynamics: A Mixture-of-Experts Framework with Preference Alignment for Policy Scenario Simulation [6.129250254081938]
  非薬物的介入は行動的再配置を通じて伝染病のリスクを変化させる。 実時間と代替のNPIカレンダーを日時軌道にマッピングするデータ駆動フレームワークであるUrbanShare-MoE-PAを紹介する。 シンガポールで2020年3月から8月にかけて観察された911人のエージェントのデータを用いて、現実の復元、代替のロックダウンカレンダー4つ、疫病活動トレードオフを評価した。
  論文  参考訳（メタデータ） (2026-08-20T19:14:54Z)
• Learning to Drive in New Cities Without Human Demonstrations [66.37858021482741]
  自己学習型マルチエージェント強化学習は,地図とメタ情報のみを用いて,運転方針をほぼ異なる目標都市に適応させることができることを示す。 本研究では,NOデータマップをベースとした自律運転用セルフプレイ(NOMAD)を導入し,目標都市マップに基づいて構築されたシミュレータにおけるポリシー適応を実現する。
  論文  参考訳（メタデータ） (2026-02-09T00:31:20Z)
• Evaluating Impacts of Traffic Regulations in Complex Mobility Systems Using Scenario-Based Simulations [0.3867363075280543]
  都市交通規制政策は、都市における渋滞、排出、アクセシビリティに対処するためにますます使われている。 データ可用性と計算能力の最近の進歩は、交通政策設計のためのモデル駆動型、シミュレーションベースの決定支援の新しい形態を可能にする。 本稿では,輸送関連効果と経済的アクセシビリティにまたがる直接的影響と間接的影響の両方について,前者評価のための新しいシミュレーションパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-01-12T17:12:22Z)
• Opening the Sim-to-Real Door for Humanoid Pixel-to-Action Policy Transfer [59.02729900344616]
  GPUを加速したフォトリアリスティックなシミュレーションは、ロボット学習のためのスケーラブルなデータ生成パスを開いた。 視覚に基づくヒューマノイドロコ操作のための教師-学生-ブートストラップ学習フレームワークを開発した。 これは、純粋なRGB知覚を用いた多様な調音ロコ操作が可能な初めてのヒューマノイド・シム・トゥ・リアル政策である。
  論文  参考訳（メタデータ） (2025-11-30T20:07:13Z)
• SPACeR: Self-Play Anchoring with Centralized Reference Models [50.55045557371374]
  Simエージェントポリシーは、現実的で、人間らしく、高速で、マルチエージェント設定でスケーラブルである。 大規模な拡散モデルやトークン化モデルを用いた模倣学習の最近の進歩は、人間の運転データから直接行動を把握することができることを示している。 本研究では,事前訓練されたトークン化自己回帰運動モデルを利用したSPACeRを提案する。
  論文  参考訳（メタデータ） (2025-10-20T19:53:02Z)
• Graph RAG as Human Choice Model: Building a Data-Driven Mobility Agent with Preference Chain [4.675541221895496]
  LLM(Large Language Models)を利用した生成エージェントの最近の進歩は、広範囲なデータセットに頼ることなく、人間の振る舞いをシミュレートする可能性を示している。 本稿では,LLMとグラフ検索・拡張生成(RAG)を統合し,交通システムにおける人間行動の文脈認識シミュレーションを強化する新しい手法であるPreference Chainを紹介する。
  論文  参考訳（メタデータ） (2025-08-22T07:50:57Z)
• MobileCity: An Efficient Framework for Large-Scale Urban Behavior Simulation [22.340422693575547]
  我々は,高計算効率で現実的な都市移動をモデル化する軽量なシミュレーションプラットフォームMobileCityを提案する。 本稿では,複数の輸送モードを有する総合交通システムを導入し,回答者のアンケートデータを収集してエージェントプロファイルを構築する。 スケーラブルなシミュレーションを実現するため、エージェントは事前に生成されたアクション空間内でアクション選択を行い、ローカルモデルを使用してエージェントメモリの効率的な生成を行う。
  論文  参考訳（メタデータ） (2025-04-18T07:01:05Z)
• Dream to Drive with Predictive Individual World Model [12.05377034777257]
  本稿では,自律運転のための予測的個別世界モデル(PIWM)を用いたモデルベース強化学習(MBRL)手法を提案する。 PIWMは、運転環境を個人レベルで記述し、車両の対話的関係と意図を捉える。 PIWMの想像力で訓練され、意図を意識した潜伏状態を活用する都市運転シーンで効果的にナビゲートする。
  論文  参考訳（メタデータ） (2025-01-28T06:18:29Z)
• An Efficient Occupancy World Model via Decoupled Dynamic Flow and Image-assisted Training [50.71892161377806]
  DFIT-OccWorldは、分離されたダイナミックフローとイメージアシストトレーニング戦略を活用する、効率的な3D占有世界モデルである。 提案モデルでは, 静止ボクセルはポーズ変換により容易に得られるのに対し, 既存のボクセルフローを用いて既存の観測を歪曲することで, 将来のダイナミックボクセルを予測できる。
  論文  参考訳（メタデータ） (2024-12-18T12:10:33Z)
• A Predictive and Optimization Approach for Enhanced Urban Mobility Using Spatiotemporal Data [0.0]
  本研究では,機械学習アルゴリズムと実交通情報を組み合わせた都市移動性向上手法を提案する。 ニューヨーク市の黄色いタクシー旅行のデータを用いて,旅行時間と渋滞解析の予測モデルを構築した。 本研究は、高度データ駆動方式による都市渋滞の低減と交通効率の向上を目的とした継続的な取り組みに寄与する。
  論文  参考訳（メタデータ） (2024-10-07T16:16:49Z)
• Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
  運動プランナー(MP)は複雑な都市環境における安全なナビゲーションに不可欠である。 最近リリースされたMPベンチマークであるnuPlanは、クローズドループシミュレーションロジックで現実世界の駆動ログを拡張することで、この制限に対処している。 本稿では,モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverを提案する。
  論文  参考訳（メタデータ） (2024-06-15T18:53:45Z)
• Urban traffic congestion control: a DeePC change [3.0023888160895473]
  本稿では,動的な交通信号を用いた都市交通制御において,DeePCアルゴリズムを利用する。 予備的な結果は、DeePCが旅行時間やCO$排出など、さまざまな主要な指標で既存のアプローチよりも優れていることを示している。
  論文  参考訳（メタデータ） (2023-11-16T12:26:55Z)
• TrafficBots: Towards World Models for Autonomous Driving Simulation and Motion Prediction [149.5716746789134]
  我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。 動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。 オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
  論文  参考訳（メタデータ） (2023-03-07T18:28:41Z)
• Learning to Learn Transferable Attack [77.67399621530052]
  転送逆行攻撃は非自明なブラックボックス逆行攻撃であり、サロゲートモデル上で敵の摂動を発生させ、そのような摂動を被害者モデルに適用することを目的としている。 本研究では,データとモデル拡張の両方から学習することで,敵の摂動をより一般化する学習可能な攻撃学習法(LLTA)を提案する。 提案手法の有効性を実証し, 現状の手法と比較して, 12.85%のトランスファー攻撃の成功率で検証した。
  論文  参考訳（メタデータ） (2021-12-10T07:24:21Z)
• Evaluating the Robustness of Semantic Segmentation for Autonomous Driving against Real-World Adversarial Patch Attacks [62.87459235819762]
  自動運転車のような現実のシナリオでは、現実の敵例(RWAE)にもっと注意を払わなければならない。 本稿では,デジタルおよび実世界の敵対パッチの効果を検証し,一般的なSSモデルのロバスト性を詳細に評価する。
  論文  参考訳（メタデータ） (2021-08-13T11:49:09Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)
• Adaptive Reinforcement Learning Model for Simulation of Urban Mobility during Crises [2.5876546798940616]
  本研究では,通常の状況下で人間の移動パターンを学習できる適応型強化学習モデルを提案し,検証する。 提案したモデルの適用例は,ヒューストンの状況と,2017年8月にハリケーン・ハーベイによって引き起こされた洪水シナリオに示されている。
  論文  参考訳（メタデータ） (2020-09-02T21:47:18Z)
• What-If Motion Prediction for Autonomous Driving [58.338520347197765]
  生存可能なソリューションは、道路レーンのような静的な幾何学的文脈と、複数のアクターから生じる動的な社会的相互作用の両方を考慮しなければならない。 本稿では,解釈可能な幾何学的(アクター・レーン)と社会的(アクター・アクター)の関係を持つグラフに基づく注意的アプローチを提案する。 提案モデルでは,道路レーンやマルチアクターの相互作用を仮定的に,あるいは「何」かで予測できる。
  論文  参考訳（メタデータ） (2020-08-24T17:49:30Z)
• Using VERA to explain the impact of social distancing on the spread of COVID-19 [7.4842212802498755]
  我々は、対話型AIツールVERAを紹介し、新型コロナウイルスの拡散に対するソーシャルディスタンシングの影響の概念モデルを特定する。 新型コロナウイルス感染拡大のためのSIRモデルの開発と、その医療能力との関係について、VERAを用いて説明する。
  論文  参考訳（メタデータ） (2020-03-30T19:22:07Z)
• Path Planning in Dynamic Environments using Generative RNNs and Monte Carlo Tree Search [11.412720572948086]
  群衆や交通などの動的環境におけるロボット経路計画のための最先端の手法は、エージェントのための手作りのモーションモデルに依存している。 本稿では,モンテカルロ木探索(MCTS)における生成的リカレントニューラルネットワークを用いた統合経路計画フレームワークを提案する。 提案手法は,対話時の動作予測精度を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2020-01-30T22:46:37Z)

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。