論文の概要: UniTE -- The Best of Both Worlds: Unifying Function-Fitting and Aggregation-Based Approaches to Travel Time and Travel Speed Estimation

• arxiv url: http://arxiv.org/abs/2104.13321v1
• Date: Tue, 27 Apr 2021 16:55:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-28 13:18:28.971946
• Title: UniTE -- The Best of Both Worlds: Unifying Function-Fitting and Aggregation-Based Approaches to Travel Time and Travel Speed Estimation
• Title（参考訳）: UniTE -- 両方の世界のベスト - 機能フィッティングとアグリゲーションに基づく旅行時間と旅行速度推定アプローチの統一
• Authors: Tobias Skovgaard Jepsen and Christian S. Jensen and Thomas Dyhre Nielsen
• Abstract要約: 旅行時間と速度推定に対する統一的アプローチを提案する。 関数フィッティングとアグリゲーションベースのアプローチを統一フレームワークに統合する。 経験的研究では、UniTEのインスタンスがそれぞれ40-64%$と3-23%$の旅行速度分布と旅行時間推定の精度を向上させることができることが判明しました。
• 参考スコア（独自算出の注目度）: 18.8579989956537
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Travel time or speed estimation are part of many intelligent transportation applications. Existing estimation approaches rely on either function fitting or aggregation and represent different trade-offs between generalizability and accuracy. Function-fitting approaches learn functions that map feature vectors of, e.g., routes, to travel time or speed estimates, which enables generalization to unseen routes. However, mapping functions are imperfect and offer poor accuracy in practice. Aggregation-based approaches instead form estimates by aggregating historical data, e.g., traversal data for routes. This enables very high accuracy given sufficient data. However, they rely on simplistic heuristics when insufficient data is available, yielding poor generalizability. We present a Unifying approach to Travel time and speed Estimation (UniTE) that combines function-fitting and aggregation-based approaches into a unified framework that aims to achieve the generalizability of function-fitting approaches and the accuracy of aggregation-based approaches. An empirical study finds that an instance of UniTE can improve the accuracies of travel speed distribution and travel time estimation by $40-64\%$ and $3-23\%$, respectively, compared to using function fitting or aggregation alone
• Abstract（参考訳）: 旅行時間や速度推定は多くのインテリジェント輸送アプリケーションの一部である。 既存の推定手法は関数のフィッティングまたはアグリゲーションに依存し、一般化可能性と精度の異なるトレードオフを表す。 関数適合アプローチは、例えば経路の特徴ベクトルを走行時間や速度推定にマッピングする関数を学習する。 しかし、写像関数は不完全であり、実際は精度が低い。 アグリゲーションベースのアプローチは、ルートのトラバーサルデータなどの履歴データを集約することで、見積もりを形成する。 これにより十分なデータから非常に高い精度が得られる。 しかし、不十分なデータが利用できる場合、単純なヒューリスティックに頼り、一般化性に乏しい。 本稿では,機能適合型アプローチとアグリゲーションに基づくアプローチを組み合わせて,機能適合型アプローチの一般化性とアグリゲーションに基づくアプローチの正確性を実現する統一フレームワークに,旅行時間と速度推定(UniTE)の統一的アプローチを提案する。 実証実験により、UniTEのインスタンスは、関数フィッティングやアグリゲーションのみを使用する場合と比較して、旅行速度分布の精度と旅行時間推定の精度を40-64\%$と3-23\%$で改善できることがわかった。

関連論文リスト

• Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
  モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。 本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。 本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-17T11:47:56Z)
• Local All-Pair Correspondence for Point Tracking [59.76186266230608]
  ビデオシーケンス間の任意の点(TAP)を追跡するタスクのために設計された,高精度かつ効率的なモデルであるLocoTrackを紹介する。 LocoTrackは、すべてのTAP-Vidベンチマークで未整合の精度を実現し、現在の最先端の約6倍の速度で動作している。
  論文  参考訳（メタデータ） (2024-07-22T06:49:56Z)
• Link Representation Learning for Probabilistic Travel Time Estimation [21.092166159353702]
  本稿では,ガウス階層モデルを用いた旅行レベルのリンク旅行時間をモデル化する。 その結果、最先端の決定論的および確率論的ベースラインと比較して優れた性能を示した。 学習したリンク表現はネットワークの物理幾何学とよく一致し、他のアプリケーションに対する入力として適していることがわかった。
  論文  参考訳（メタデータ） (2024-07-08T13:01:53Z)
• Generalized Differentiable RANSAC [95.95627475224231]
  $nabla$-RANSACは、ランダム化された堅牢な推定パイプライン全体を学ぶことができる、微分可能なRANSACである。 $nabla$-RANSACは、精度という点では最先端のシステムよりも優れているが、精度は低い。
  論文  参考訳（メタデータ） (2022-12-26T15:13:13Z)
• HyperImpute: Generalized Iterative Imputation with Automatic Model Selection [77.86861638371926]
  カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。 既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
  論文  参考訳（メタデータ） (2022-06-15T19:10:35Z)
• VSAC: Efficient and Accurate Estimator for H and F [68.65610177368617]
  VSACはRANSAC型頑健な推定器であり、多くの新奇性がある。 従来のすべてのプロセッサよりも大幅に高速で、CPU上では平均1-2msで動作する。 現在最も正確な2次元幾何学推定器である MAGSAC++ と同等の精度で2桁高速である。
  論文  参考訳（メタデータ） (2021-06-18T17:04:57Z)
• Wyner-Ziv Estimators: Efficient Distributed Mean Estimation with Side Information [36.49502352300087]
  本研究では,サーバがサイド情報にアクセス可能な分散平均推定問題について検討する。 本稿では,コミュニケーションと計算効率のよいemphWyner-Ziv推定器を提案する。 異なる方向から、相関サンプリングを用いたWyner-Ziv推定器を提案する。
  論文  参考訳（メタデータ） (2020-11-24T15:19:55Z)
• Noise-Contrastive Estimation for Multivariate Point Processes [28.23193933174945]
  本稿では,低コストな目的のノイズコントラスト推定手法を提案する。 モデルが保持データ上で同じレベルのログ化を実現するためには,機能評価が大幅に少なく,壁面時間も少なくする必要がある。
  論文  参考訳（メタデータ） (2020-11-02T04:09:33Z)
• Boosting Algorithms for Delivery Time Prediction in Transportation Logistics [2.147325264113341]
  旅行時間の予測は郵便サービスの遅延を軽減できることを示す。 光勾配ブースティングやカソーストなどのブースティングアルゴリズムは、精度と実行効率の点で高い性能を持つ。
  論文  参考訳（メタデータ） (2020-09-24T11:01:22Z)
• Road Network Metric Learning for Estimated Time of Arrival [93.0759529610483]
  本稿では,ATA(Estimated Time of Arrival)のための道路ネットワークメトリックラーニングフレームワークを提案する。 本研究は,(1)走行時間を予測する主回帰タスク,(2)リンク埋め込みベクトルの品質向上のための補助的計量学習タスクの2つの構成要素から構成される。 提案手法は最先端モデルよりも優れており,その促進は少ないデータでコールドリンクに集中していることを示す。
  論文  参考訳（メタデータ） (2020-06-24T04:45:14Z)
• Monotonic Cardinality Estimation of Similarity Selection: A Deep Learning Approach [22.958342743597044]
  類似度選択の基数推定にディープラーニングを活用する可能性について検討する。 本稿では,任意のデータ型や距離関数に適用可能な,新規で汎用的な手法を提案する。
  論文  参考訳（メタデータ） (2020-02-15T20:22:51Z)

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。