論文の概要: Urban Space Insights Extraction using Acoustic Histogram Information

• arxiv url: http://arxiv.org/abs/2012.05488v2
• Date: Mon, 14 Dec 2020 06:02:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-15 22:04:37.823075
• Title: Urban Space Insights Extraction using Acoustic Histogram Information
• Title（参考訳）: 音響ヒストグラム情報を用いた都市空間インサイト抽出
• Authors: Nipun Wijerathne, Billy Pik Lik Lau, Benny Kai Kiat Ng, Chau Yuen
• Abstract要約: 都市部における屋外活動の検知と降雨期間推定のための低コストアナログ音響センサの実装について検討した。 アナログ音響センサはヒストグラム形式で5分ごとにクラウドに送信され、100ms(10Hz)毎にサンプリングされる音データからなる。
• 参考スコア（独自算出の注目度）: 13.808053718325628
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Urban data mining can be identified as a highly potential area that can enhance the smart city services towards better sustainable development especially in the urban residential activity tracking. While existing human activity tracking systems have demonstrated the capability to unveil the hidden aspects of citizens' behavior, they often come with a high implementation cost and require a large communication bandwidth. In this paper, we study the implementation of low-cost analogue sound sensors to detect outdoor activities and estimate the raining period in an urban residential area. The analogue sound sensors are transmitted to the cloud every 5 minutes in histogram format, which consists of sound data sampled every 100ms (10Hz). We then use wavelet transformation (WT) and principal component analysis (PCA) to generate a more robust and consistent feature set from the histogram. After that, we performed unsupervised clustering and attempt to understand the individual characteristics of each cluster to identify outdoor residential activities. In addition, on-site validation has been conducted to show the effectiveness of our approach.
• Abstract（参考訳）: 都市データマイニングは、特に都市住宅活動の追跡において、スマートシティサービスを強化する非常に潜在的な地域として特定することができる。 既存の人間の行動追跡システムは市民の行動の隠れた側面を明らかにする能力を示しているが、それらはしばしば高い実装コストと大きな通信帯域を必要とする。 本稿では,都市部における屋外活動の検知と降雨期間推定のための低コストアナログ音響センサの実装について検討する。 アナログ音響センサはヒストグラム形式で5分ごとにクラウドに送信され、100ms (10Hz) ごとにサンプリングされる音データで構成されている。 次に、ウェーブレット変換(WT)と主成分分析(PCA)を用いて、ヒストグラムからより堅牢で一貫した特徴セットを生成する。 その後,非教師なしのクラスタリングを行い,各クラスタの個性を理解して屋外の住宅活動の同定を試みた。 また,本手法の有効性を示すため,現場検証を行った。

関連論文リスト

• Scaling Wearable Foundation Models [54.93979158708164]
  センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。 最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。 この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
  論文  参考訳（メタデータ） (2024-10-17T15:08:21Z)
• Identifying every building's function in large-scale urban areas with multi-modality remote-sensing data [5.18540804614798]
  本研究は,大規模都市部における建物機能同定のための半教師付き枠組みを提案する。 光画像、建築高さ、夜間光データを収集し、建物の形態特性を記述する。 結果は、政府による2万の検証ポイントと統計調査によって評価される。
  論文  参考訳（メタデータ） (2024-05-08T15:32:20Z)
• ActiveRIR: Active Audio-Visual Exploration for Acoustic Environment Modeling [57.1025908604556]
  環境音響モデルは、室内環境の物理的特性によって音がどのように変換されるかを表す。 本研究では,非マップ環境の環境音響モデルを効率的に構築する新しい課題であるアクティブ音響サンプリングを提案する。 我々は,音声・視覚センサストリームからの情報を利用してエージェントナビゲーションを誘導し,最適な音響データサンプリング位置を決定する強化学習ポリシーであるActiveRIRを紹介する。
  論文  参考訳（メタデータ） (2024-04-24T21:30:01Z)
• Unified Data Management and Comprehensive Performance Evaluation for Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
  この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。 都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。 多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
  論文  参考訳（メタデータ） (2023-08-24T16:20:00Z)
• Urban Rhapsody: Large-scale exploration of urban soundscapes [12.997538969557649]
  騒音は都市環境の主要な品質問題の一つである。 環境騒音レベルを高時間分解能で監視するために、低コストのセンサーを配置することができる。 それらが生成するデータの量とデータの複雑さは、重要な分析上の課題を生じさせる。 本稿では,最先端の音声表現,機械学習,視覚分析を組み合わせたフレームワークであるUrban Rhapsodyを提案する。
  論文  参考訳（メタデータ） (2022-05-25T22:02:36Z)
• Benchmarking high-fidelity pedestrian tracking systems for research, real-time monitoring and crowd control [55.41644538483948]
  実生活環境における高忠実な歩行者追跡は,群集動態研究において重要なツールである。 この技術が進歩するにつれて、社会においても益々有用になってきている。 歩行者追跡技術の研究と技術に成功させるためには、正確さの検証とベンチマークが不可欠である。 我々は、プライバシーに配慮した歩行者追跡技術のためのベンチマークスイートをコミュニティのオープンスタンダードに向けて提示し、議論する。
  論文  参考訳（メタデータ） (2021-08-26T11:45:26Z)
• Spatio-temporal-spectral-angular observation model that integrates observations from UAV and mobile mapping vehicle for better urban mapping [10.670246699899023]
  複雑な都市のシーンでは、単一のセンサーからの観測は観測の空白を招き、都市オブジェクトを包括的に記述することができない。 本研究では,UAVと移動体マッピング車両の観測を統合化して,地上と地上の両方からの共同観測を実現するための,ソース・スペクトル角観測モデルを提案する。
  論文  参考訳（メタデータ） (2021-08-24T02:58:12Z)
• Detection, Tracking, and Counting Meets Drones in Crowds: A Benchmark [97.07865343576361]
  DroneCrowdという新しいドローンキャプチャ型大規模データセットによるベンチマークを構築した。 私たちは4800万人の頭といくつかのビデオレベルの属性を持つ20,800人のトラジェクタに注釈を付けます。 我々は、密集した群衆の物体の検出、追跡、数え上げを行うための強力なベースラインとして、Space-Time Neighbor-Aware Network (STNNet)を設計する。
  論文  参考訳（メタデータ） (2021-05-06T04:46:14Z)
• Energy Aware Deep Reinforcement Learning Scheduling for Sensors Correlated in Time and Space [62.39318039798564]
  相関情報を利用するスケジューリング機構を提案する。 提案したメカニズムは、センサが更新を送信する頻度を決定することができる。 我々は,センサの寿命を大幅に延長できることを示した。
  論文  参考訳（メタデータ） (2020-11-19T09:53:27Z)
• Deep Learning for Surface Wave Identification in Distributed Acoustic Sensing Data [1.7237878022600697]
  実データ,複雑なDASデータを処理するための,高度にスケーラブルで効率的なアプローチを提案する。 深い教師付き学習は、人類活動によって生じる「有用な」コヒーレントな表面波を特定するために用いられる。 本手法は,地中活動と埋設センサとの相互作用を記述した解釈パターンを提供する。
  論文  参考訳（メタデータ） (2020-10-15T15:53:03Z)
• Understanding Crowd Behaviors in a Social Event by Passive WiFi Sensing and Data Mining [21.343209622186606]
  本研究では,大規模社会イベントにおける群集行動に関連する3種類のパターンを抽出する包括的データ分析フレームワークを提案する。 まず,移動体の軌跡を探索要求から抽出し,群衆の動きの空間的パターンを明らかにする。 次に、k-meansとk-shapeクラスタリングアルゴリズムを適用し、群衆を訪れる時間パターンを日と場所によって抽出する。
  論文  参考訳（メタデータ） (2020-02-05T03:36:00Z)

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。