論文の概要: Assessing bikeability with street view imagery and computer vision

• arxiv url: http://arxiv.org/abs/2105.08499v1
• Date: Thu, 13 May 2021 14:08:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-19 17:01:48.847106
• Title: Assessing bikeability with street view imagery and computer vision
• Title（参考訳）: ストリートビュー画像とコンピュータビジョンによる自転車の乗り心地の評価
• Authors: Koichi Ito, Filip Biljecki
• Abstract要約: 我々は34の指標からなる自転車の耐久性指数を開発した。 彼らはSVI以外のものよりも広いマージンで優れており、SVI指標は都市部の自転車性を評価する上でも優れていた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Studies evaluating bikeability usually compute spatial indicators shaping cycling conditions and conflate them in a quantitative index. Much research involves site visits or conventional geospatial approaches, and few studies have leveraged street view imagery (SVI) for conducting virtual audits. These have assessed a limited range of aspects, and not all have been automated using computer vision (CV). Furthermore, studies have not yet zeroed in on gauging the usability of these technologies thoroughly. We investigate, with experiments at a fine spatial scale and across multiple geographies (Singapore and Tokyo), whether we can use SVI and CV to assess bikeability comprehensively. Extending related work, we develop an exhaustive index of bikeability composed of 34 indicators. The results suggest that SVI and CV are adequate to evaluate bikeability in cities comprehensively. As they outperformed non-SVI counterparts by a wide margin, SVI indicators are also found to be superior in assessing urban bikeability, and potentially can be used independently, replacing traditional techniques. However, the paper exposes some limitations, suggesting that the best way forward is combining both SVI and non-SVI approaches. The new bikeability index presents a contribution in transportation and urban analytics, and it is scalable to assess cycling appeal widely.
• Abstract（参考訳）: サイクリング性を評価する研究は通常、サイクリング条件を形作る空間指標を計算し、定量指標にまとめる。 多くの研究は、サイト訪問や従来の地理空間的アプローチに関係しており、仮想監査を行うためにストリートビューイメージ(SVI)を活用する研究はほとんどない。 これらは限られた範囲で評価されており、すべてがコンピュータビジョン(CV)を使用して自動化されているわけではない。 さらに、これらの技術のユーザビリティを徹底的に調査する研究はまだ行われていない。 本研究は,sviとcvを用いて自転車の乗り心地を総合的に評価できるかどうかを,空間スケールで実験し,複数の地形(シンガポール,東京)にまたがって検討した。 関連する作業を拡張し,34の指標からなる自転車の耐久性指数を開発した。 その結果,SVIとCVは総合的に自転車の運転性を評価するのに十分であることが示唆された。 彼らはSVI以外のものよりも広いマージンで優れており、SVIインジケータは都市部の自転車性の評価に優れており、従来の技術に取って代わって、独立して使用できる可能性がある。 しかし、この論文はいくつかの制限を明らかにし、SVIと非SVIの両方のアプローチを組み合わせるのが最善であることを示している。 新しい自転車性指標は交通と都市分析に寄与しており、サイクリングの魅力を広く評価することはスケーラブルである。

関連論文リスト

• Evaluating the effects of Data Sparsity on the Link-level Bicycling Volume Estimation: A Graph Convolutional Neural Network Approach [54.84957282120537]
  本稿では,リンクレベルの自転車のボリュームをモデル化するために,グラフ畳み込みネットワークアーキテクチャを利用する最初の研究について述べる。 オーストラリア,メルボルン市全体での年間平均自転車数(AADB)を,Strava Metro の自転車数データを用いて推定した。 以上の結果から,GCNモデルは従来のAADB数予測モデルよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-10-11T04:53:18Z)
• Coverage and Bias of Street View Imagery in Mapping the Urban Environment [0.0]
  ストリートビュー画像(SVI)は、都市研究において貴重なデータ形式として出現し、都市環境を地図化し、知覚する新しい方法を可能にしている。 本研究では,都市環境におけるSVIの特徴レベルを推定するための新しいワークフローを提案する。 ロンドンをケーススタディとして、SVIが都市の特徴をカバーし表現する能力の潜在的なバイアスを特定するために、3つの実験が実施された。
  論文  参考訳（メタデータ） (2024-09-22T02:58:43Z)
• RoadBEV: Road Surface Reconstruction in Bird's Eye View [55.0558717607946]
  道路表面の状態、特に幾何学的プロファイルは、自動運転車の走行性能に大きな影響を与え、視覚に基づくオンライン道路再建は、事前に道路情報を確実に捉えている。 Bird's-Eye-View (BEV) の認識は、より信頼性が高く正確な再構築の可能性を秘めている。 本稿では,BEVにおける道路高架化モデルとして,RoadBEV-monoとRoadBEV-stereoの2つのモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-09T20:24:29Z)
• HoloVIC: Large-scale Dataset and Benchmark for Multi-Sensor Holographic Intersection and Vehicle-Infrastructure Cooperative [23.293162454592544]
  複数レイアウトのホログラフィック交差点を構築し,HoloVICと呼ばれる大規模多センサのホログラフィック車両・赤外線協調データセットを構築した。 私たちのデータセットには3種類のセンサー(Camera, Lidar, Fisheye)が含まれています。
  論文  参考訳（メタデータ） (2024-03-05T04:08:19Z)
• Open-source data pipeline for street-view images: a case study on community mobility during COVID-19 pandemic [0.9423257767158634]
  ストリートビュー画像(SVI)は研究者にとって貴重なデータ源である。 Googleストリートビューの画像は頻繁に収集されるため、時間的分析は困難である。 本研究では,現在利用可能なSVIデータを超える研究目的のために,SVIの収集と利用の実現可能性と価値を実証する。
  論文  参考訳（メタデータ） (2024-01-23T20:56:16Z)
• SSCBench: A Large-Scale 3D Semantic Scene Completion Benchmark for Autonomous Driving [87.8761593366609]
  SSCBenchは、広く使用されている自動車データセットのシーンを統合するベンチマークである。 我々は、単眼、三眼、クラウド入力を用いて、性能ギャップを評価するモデルをベンチマークする。 クロスドメインの一般化テストを簡単にするために、さまざまなデータセットにまたがったセマンティックラベルを統一しています。
  論文  参考訳（メタデータ） (2023-06-15T09:56:33Z)
• OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
  交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。 OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。 様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
  論文  参考訳（メタデータ） (2023-04-20T16:31:22Z)
• Street-View Image Generation from a Bird's-Eye View Layout [95.36869800896335]
  近年,Bird's-Eye View (BEV) の知覚が注目されている。 自動運転のためのデータ駆動シミュレーションは、最近の研究の焦点となっている。 本稿では,現実的かつ空間的に一貫した周辺画像を合成する条件生成モデルであるBEVGenを提案する。
  論文  参考訳（メタデータ） (2023-01-11T18:39:34Z)
• 4Seasons: Benchmarking Visual SLAM and Long-Term Localization for Autonomous Driving in Challenging Conditions [54.59279160621111]
  大規模4Seasonsデータセットに基づく課題条件下での自律運転のための新しい視覚的SLAMと長期局所化ベンチマークを提案する。 提案したベンチマークでは,季節変化や天候,照明条件の変動による劇的な外見の変化が報告されている。 本稿では,視覚計測,大域的位置認識,および地図に基づく視覚的位置決め性能を共同評価するための統合ベンチマークを提案する。
  論文  参考訳（メタデータ） (2022-12-31T13:52:36Z)

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。