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
- HoloVIC: Large-scale Dataset and Benchmark for Multi-Sensor Holographic
Intersection and Vehicle-Infrastructure Cooperative [24.169122390668083]
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) - RadOcc: Learning Cross-Modality Occupancy Knowledge through Rendering
Assisted Distillation [50.35403070279804]
マルチビュー画像を用いた3次元シーンの占有状況とセマンティクスを推定することを目的とした,新たな課題である3D占有予測手法を提案する。
本稿では,RandOccを提案する。Rendering Assisted distillation paradigm for 3D Occupancy prediction。
論文 参考訳(メタデータ) (2023-12-19T03:39:56Z) - Scoring Cycling Environments Perceived Safety using Pairwise Image
Comparisons [0.9299655616863538]
本研究では,自転車の安全に対する認識を解析し,理解するための新しいアプローチを提案する。
繰り返し、回答者に2つの道路環境を示し、サイクリングにとってより安全なものを選ぶよう依頼する。
我々は,自転車の環境をペア比較から評価し,安全あるいは安全でないと認識された自転車の環境を分類する手法をいくつか比較した。
論文 参考訳(メタデータ) (2023-07-25T10:31:45Z) - SSCBench: Monocular 3D Semantic Scene Completion Benchmark in Street
Views [89.8436375840446]
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) - SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point
Clouds [52.624157840253204]
センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。
データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
論文 参考訳(メタデータ) (2022-01-12T14:48:11Z) - Exploring the weather impact on bike sharing usage through a clustering
analysis [7.541020519717183]
本研究の目的は、ワシントンD.C.の自転車利用にどの程度の天気がどんな影響を及ぼすかを調査することである。
ワシントンD.C.では,自転車の利用データと天気データを収集し,k平均クラスタリングアルゴリズムを用いて分析する。
論文 参考訳(メタデータ) (2020-08-17T12:24:37Z)
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。