論文の概要: Can we learn where people come from? Retracing of origins in merging situations

• arxiv url: http://arxiv.org/abs/2012.11527v1
• Date: Mon, 21 Dec 2020 17:42:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-04-27 10:07:20.812071
• Title: Can we learn where people come from? Retracing of origins in merging situations
• Title（参考訳）: 人々がどこから来るのか 学べますか? 融合状況における起源の再現
• Authors: Marion G\"odel and Luca Spataro and Gerta K\"oster
• Abstract要約: センサデータから得られる密度ヒートマップをランダムな森林レセプタの入力として利用し,原産地分布の予測を行う。 シミュレーションデータセット、実験データ、および実験データとシミュレーションデータの両方を備えたハイブリッドアプローチの3つの異なるデータセットを研究します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: One crucial information for a pedestrian crowd simulation is the number of agents moving from an origin to a certain target. While this setup has a large impact on the simulation, it is in most setups challenging to find the number of agents that should be spawned at a source in the simulation. Often, number are chosen based on surveys and experience of modelers and event organizers. These approaches are important and useful but reach their limits when we want to perform real-time predictions. In this case, a static information about the inflow is not sufficient. Instead, we need a dynamic information that can be retrieved each time the prediction is started. Nowadays, sensor data such as video footage or GPS tracks of a crowd are often available. If we can estimate the number of pedestrians who stem from a certain origin from this sensor data, we can dynamically initialize the simulation. In this study, we use density heatmaps that can be derived from sensor data as input for a random forest regressor to predict the origin distributions. We study three different datasets: A simulated dataset, experimental data, and a hybrid approach with both experimental and simulated data. In the hybrid setup, the model is trained with simulated data and then tested on experimental data. The results demonstrate that the random forest model is able to predict the origin distribution based on a single density heatmap for all three configurations. This is especially promising for applying the approach on real data since there is often only a limited amount of data available.
• Abstract（参考訳）: 歩行者の群衆シミュレーションにとって重要な情報のひとつは、起源から特定のターゲットへ移動するエージェントの数である。 このセットアップはシミュレーションに大きな影響を与えるが、ほとんどのセットアップでは、シミュレーションのソースで発生すべきエージェントの数を見つけることは困難である。 多くの場合、数字はモデラーやイベント主催者の調査や経験に基づいて選ばれる。 これらのアプローチは重要で有用なものですが、リアルタイムの予測を行う場合には限界に達します。 この場合、インフローに関する静的情報だけでは不十分である。 その代わり、予測が開始されるたびに検索できる動的な情報が必要です。 今日では、ビデオ映像や群衆のGPSトラックなどのセンサーデータもしばしば利用できる。 このセンサデータから特定起源の歩行者数を推定できれば,シミュレーションを動的に初期化することができる。 本研究では,センサデータから導出可能な密度熱マップを,ランダムな森林回帰器の入力として使用し,原点分布を予測する。 シミュレーションデータセット、実験データ、実験データとシミュレーションデータの両方を用いたハイブリッドアプローチの3つの異なるデータセットについて検討する。 ハイブリッドセットアップでは、モデルはシミュレーションデータでトレーニングされ、実験データでテストされる。 その結果,ランダムフォレストモデルは3つの構成すべてについて,単一の密度ヒートマップに基づいて原産地分布を予測できることがわかった。 これは、利用可能なデータ量が限られていることが多いため、実データにアプローチを適用する上で特に有望である。

関連論文リスト

• Compositional simulation-based inference for time series [21.9975782468709]
  シミュレーションデータに基づいてニューラルネットワークをトレーニングし、ベイズ推論を実行する方法。 シミュレータは、時間とともに何千もの単一状態遷移を通して現実世界のダイナミクスをエミュレートする。 本研究では,個々の状態遷移に整合したパラメータを局所的に同定することで,マルコフシミュレータを活用できるSBI手法を提案する。
  論文  参考訳（メタデータ） (2024-11-05T01:55:07Z)
• Personalized Federated Learning via Active Sampling [50.456464838807115]
  本稿では,類似した(あるいは関連する)データジェネレータを逐次同定する手法を提案する。 本手法は,局所的なデータセットを用いて勾配ステップの効果を評価することにより,データ生成の関連性を評価する。 データ生成器が提供する局所的データセットを用いて仮説を更新するために、勾配ステップの適切な一般化により、この手法を非パラメトリックモデルに拡張する。
  論文  参考訳（メタデータ） (2024-09-03T17:12:21Z)
• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)
• Diffusion Dataset Generation: Towards Closing the Sim2Real Gap for Pedestrian Detection [0.11470070927586014]
  本稿では,歩行者検出作業において,シミュリアルなギャップを埋めるための新しい合成データ生成法を提案する。 提案手法は拡散型アーキテクチャを用いて実世界の分布を学習し,一度学習するとデータセットを生成する。 本研究では,実世界データにおける歩行者検出モデルにおいて,生成データとシミュレーションデータの組み合わせによるトレーニングにより,平均精度が27.3%向上することを示す。
  論文  参考訳（メタデータ） (2023-05-16T12:33:51Z)
• Development of a Realistic Crowd Simulation Environment for Fine-grained Validation of People Tracking Methods [0.7223361655030193]
  この研究は、群衆シミュレーションの拡張(CrowdSim2)を開発し、人追跡アルゴリズムの適用性を証明する。 シミュレータは非常に人気のあるUnity 3Dエンジンを使用して開発されており、特に環境におけるリアリズムの側面に焦点を当てている。 IOU-Tracker、Deep-Sort、Deep-TAMAという3つのトラッキング手法が生成されたデータセットの検証に使用された。
  論文  参考訳（メタデータ） (2023-04-26T09:29:58Z)
• Grounding Graph Network Simulators using Physical Sensor Observations [12.017054986629846]
  実世界観測において,センサ情報を地上グラフネットワークシミュレータに統合する。 点クラウドデータを用いて変形可能なオブジェクトのメッシュ状態を予測する。
  論文  参考訳（メタデータ） (2023-02-23T09:06:42Z)
• Learning from aggregated data with a maximum entropy model [73.63512438583375]
  我々は,観測されていない特徴分布を最大エントロピー仮説で近似することにより,ロジスティック回帰と類似した新しいモデルが,集約データからのみ学習されることを示す。 我々は、この方法で学習したモデルが、完全な非凝集データでトレーニングされたロジスティックモデルに匹敵するパフォーマンスを達成することができるという、いくつかの公開データセットに関する実証的な証拠を提示する。
  論文  参考訳（メタデータ） (2022-10-05T09:17:27Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• Towards Optimal Strategies for Training Self-Driving Perception Models in Simulation [98.51313127382937]
  合成ドメインのみにおけるラベルの使用に焦点を当てる。 提案手法では,ニューラル不変表現の学習方法と,シミュレータからデータをサンプリングする方法に関する理論的にインスピレーションを得た視点を導入する。 マルチセンサーデータを用いた鳥眼視車両分割作業におけるアプローチについて紹介する。
  論文  参考訳（メタデータ） (2021-11-15T18:37:43Z)
• Feature Shift Detection: Localizing Which Features Have Shifted via Conditional Distribution Tests [12.468665026043382]
  軍用センサーネットワークでは、ユーザーがセンサーの1つ以上の障害を検知する。 まず、この問題の形式化を複数の条件分布仮説テストとして定義する。 効率性と柔軟性の両面から,密度モデルスコア関数に基づくテスト統計法を提案する。
  論文  参考訳（メタデータ） (2021-07-14T18:23:24Z)
• Transfer learning suppresses simulation bias in predictive models built from sparse, multi-modal data [15.587831925516957]
  科学、工学、ビジネスにおける多くの問題は、ごくわずかな観察に基づく予測を必要とする。 堅牢な予測モデルを構築するには、特に設計空間が多次元である場合、これらのスパースデータをシミュレーションデータで拡張する必要がある。 ディープラーニングの最近の開発を組み合わせて、マルチモーダルデータからより堅牢な予測モデルを構築します。
  論文  参考訳（メタデータ） (2021-04-19T23:28:32Z)
• Testing the Safety of Self-driving Vehicles by Simulating Perception and Prediction [88.0416857308144]
  センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。 我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
  論文  参考訳（メタデータ） (2020-08-13T17:20:02Z)

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。