Fugu-MT 論文翻訳(概要): Micromobility in Smart Cities: A Closer Look at Shared Dockless E-Scooters via Big Social Data

論文の概要: Micromobility in Smart Cities: A Closer Look at Shared Dockless E-Scooters via Big Social Data

arxiv url: http://arxiv.org/abs/2010.15203v1
Date: Wed, 28 Oct 2020 19:59:45 GMT
ステータス: 処理完了
システム内更新日: 2023-04-27 06:16:24.752814
Title: Micromobility in Smart Cities: A Closer Look at Shared Dockless E-Scooters via Big Social Data
Title（参考訳）: スマートシティのマイクロモビリティ:ビッグデータによる共有ドックレスE-Scootersのクローズアップ
Authors: Yunhe Feng, Dong Zhong, Peng Sun, Weijian Zheng, Qinglei Cao, Xi Luo, Zheng Lu
Abstract要約: ドックレス電動スクーター(電動スクーター)は、大都市での短距離通勤の代替手段として毎日登場している。エスクーターは交通規制、公共安全、駐車場規制、責任問題など、市の管理における課題を生んでいる。本稿では,ビッグデータを用いた共有e-scooterに関する大規模研究としては,これが初めてである。
参考スコア（独自算出の注目度）: 6.001713653976455
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The micromobility is shaping first- and last-mile travels in urban areas. Recently, shared dockless electric scooters (e-scooters) have emerged as a daily alternative to driving for short-distance commuters in large cities due to the affordability, easy accessibility via an app, and zero emissions. Meanwhile, e-scooters come with challenges in city management, such as traffic rules, public safety, parking regulations, and liability issues. In this paper, we collected and investigated 5.8 million scooter-tagged tweets and 144,197 images, generated by 2.7 million users from October 2018 to March 2020, to take a closer look at shared e-scooters via crowdsourcing data analytics. We profiled e-scooter usages from spatial-temporal perspectives, explored different business roles (i.e., riders, gig workers, and ridesharing companies), examined operation patterns (e.g., injury types, and parking behaviors), and conducted sentiment analysis. To our best knowledge, this paper is the first large-scale systematic study on shared e-scooters using big social data.
Abstract（参考訳）: マイクロモビリティは、都市部でのファーストマイルとラストマイルの旅行を形作っている。近年、共用ドックレス電動スクーター(eスクーター)は、手頃な価格、アプリ経由のアクセシビリティ、排出ゼロといった理由から、大都市の短距離通勤者のための運転代替手段として日々登場している。一方、E-Scootersは交通規制、公共安全、駐車場規制、責任問題といった都市管理の課題を抱えている。本稿では,2018年10月から2020年3月までに270万人が生成した,スクータータグ付きツイート580万と144,197件の画像を収集・調査し,クラウドソーシングデータ分析による共有型電子スクーターについて検討した。本研究では,空間的時間的視点から e-Scooter の使用状況を調査し,異なるビジネス役割 (ライダー,ギグワーカー,ライドシェアリング会社) を探求し,運転パターン(傷害タイプ,駐車行動など)を調査し,感情分析を行った。本論文は,ソーシャル・データを用いた共有型電子スクーターに関する最初の大規模体系的研究である。

関連論文リスト

MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
論文参考訳（メタデータ） (2024-07-11T17:56:49Z)
Bench2Drive: Towards Multi-Ability Benchmarking of Closed-Loop End-To-End Autonomous Driving [59.705635382104454]
本稿では,E2E-ADシステムのマルチ能力をクローズドループで評価するための最初のベンチマークであるBench2Driveを紹介する。我々は最先端のE2E-ADモデルを実装し、Bench2Driveで評価し、現状と今後の方向性について洞察を提供する。
論文参考訳（メタデータ） (2024-06-06T09:12:30Z)
Are footpaths encroached by shared e-scooters? Spatio-temporal Analysis of Micro-mobility Services [19.15684785810306]
我々は,e-scooterトリップに関連する空間的特徴と時間的特徴を解析する手法の組み合わせを用いる。人口密度は最も重要な特徴であり、e-scooterの使用に肯定的に関連している。その結果, 降水量よりも湿度の影響が重要であることがわかった。
論文参考訳（メタデータ） (2023-04-18T04:27:56Z)
A Wearable Data Collection System for Studying Micro-Level E-Scooter Behavior in Naturalistic Road Environment [3.5466525046297264]
本稿では,自然道路環境におけるマイクロレベルのe-Scooter動作を調査するためのウェアラブルデータ収集システムを提案する。ロボットオペレーティングシステム(ROS)を用いたLiDAR、カメラ、GPSの統合により、e-Scooterベースのデータ取得システムを開発した。
論文参考訳（メタデータ） (2022-12-22T18:58:54Z)
Detection of E-scooter Riders in Naturalistic Scenes [2.1270496914042987]
本稿では,e-scooter ライダーと一般歩行者を区別する新しい視覚ベースシステムを提案する。データセット上でMobileNetV2を微調整し、E-Scooterライダーと歩行者を分類するためにモデルをトレーニングします。 YOLOv3上でトレーニングされたMobileNetV2の分類精度は91%以上で、精度は0.9以上である。
論文参考訳（メタデータ） (2021-11-28T05:59:36Z)
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)
Do e-scooters fill mobility gaps and promote equity before and during COVID-19? A spatiotemporal analysis using open big data [7.0445529434309515]
Eスクーターは、トランジットと自転車シェアリングサービスに競合的かつ補完的な効果がある。新型コロナウイルス(COVID-19)のパンデミックの間、価格のプレミアムは高いが、関連する旅行時間の節約は小さい。電動スクーターは、未整備の地区にサービスを提供することで、自転車シェアリングとトランジットを補完する。
論文参考訳（メタデータ） (2021-03-11T03:29:21Z)
A Comparative Analysis of E-Scooter and E-Bike Usage Patterns: Findings from the City of Austin, TX [5.107549049636038]
本研究では,平日と日時によって平均走行速度がどう変化するかを検討する。ユーザーは、通勤目的で乗車する時と比べて、レクリエーション目的で平均速度が遅いeバイクやeスクーターに乗る傾向にある。
論文参考訳（メタデータ） (2020-06-07T03:27:44Z)
Smart Urban Mobility: When Mobility Systems Meet Smart Data [55.456196356335745]
都市人口は都市部で約25億人に達し、道路交通量は2050年までに12億台を超えた。輸送部門の経済貢献は欧州のGDPの5%を占め、アメリカでは平均482.05億ドルの費用がかかる。
論文参考訳（メタデータ） (2020-05-09T13:53:01Z)
On the Data Fight Between Cities and Mobility Providers [64.10012625591345]
ロサンゼルス交通省は、スクーター会社からスクーターの使用に関する詳細なデータを要求する仕様を策定した。我々は、L.A.が新しい仕様を使うためのデータ要求は保証されていないと論じる。本研究では,駐車中のスクーターデータを公開する際に,正式なプライバシとユーティリティの保証を可能にするアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-04-20T06:01:44Z)
Learning by Cheating [72.9701333689606]
この難解な学習問題を2段階に分解することで単純化できることを示す。提案手法を用いて、視覚に基づく自律運転システムの訓練を行い、芸術の状況を大幅に上回っている。提案手法は,従来のCARLAベンチマークのすべてのタスクにおける100%の成功率を初めて達成し,NoCrashベンチマークに新しい記録を樹立し,従来の技術と比較すると,屈折率を桁違いに低減する。
論文参考訳（メタデータ） (2019-12-27T18:59:04Z)

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。