論文の概要: Understanding Cycling Mobility: Bologna Case Study

• arxiv url: http://arxiv.org/abs/2109.04243v1
• Date: Thu, 9 Sep 2021 13:11:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-15 18:26:14.309769
• Title: Understanding Cycling Mobility: Bologna Case Study
• Title（参考訳）: サイクリングモビリティを理解する - Bologna ケーススタディ
• Authors: Taron Davtian, Flavio Bertini and Rajesh Sharma
• Abstract要約: この研究の主な目的は、イタリアのボローニャ市におけるサイクリングモビリティの研究である。 320,118回のセルフレポートされた自転車旅行からなる6ヶ月のデータセットを使用しました。 本研究の主な結果は, 自転車の利用が気温, 降水量と相関し, 風速や汚染と相関しないことを示している。
• 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: Understanding human mobility in urban environments is of the utmost importance to manage traffic and for deploying new resources and services. In recent years, the problem is exacerbated due to rapid urbanization and climate changes. In an urban context, human mobility has many facets, and cycling represents one of the most eco-friendly and efficient/effective ways to move in touristic and historical cities. The main objective of this work is to study the cycling mobility within the city of Bologna, Italy. We used six months dataset that consists of 320,118 self-reported bike trips. In particular, we performed several descriptive analysis to understand spatial and temporal patterns of bike users for understanding popular roads, and most favorite points within the city. This analysis involved several other public datasets in order to explore variables that can possibly affect the cycling activity, such as weather, pollution, and events. The main results of this study indicate that bike usage is more correlated to temperature, and precipitation and has no correlation to wind speed and pollution. In addition, we also exploited various machine learning and deep learning approaches for predicting short-term trips in the near future (that is for the following 30, and 60 minutes), that could help local governmental agencies for urban planning. Our best model achieved an R square of 0.91, a Mean Absolute Error of 5.38 and a Root Mean Squared Error of 8.12 for the 30-minutes time interval.
• Abstract（参考訳）: 都市環境における人間の移動性を理解することは、交通を管理し、新しい資源やサービスを展開する上で最も重要である。 近年は、急速な都市化と気候変動によって問題が悪化している。 都市の状況では、人間の移動には多くの面があり、自転車は観光や歴史的な都市を移動する最もエコフレンドリーで効率的な方法の1つである。 この研究の主な目的は、イタリアのボローニャ市におけるサイクリングモビリティの研究である。 320,118回の自己報告自転車旅行のデータセットを6ヶ月使用しました。 特に,自転車利用者の道路の空間的・時間的パターンを理解するための記述的分析を行い,市内の最も好まれる点について検討した。 この分析には、天気、汚染、イベントなどのサイクリング活動に影響を与える可能性のある変数を探索するために、他のいくつかの公開データセットが含まれていた。 本研究の主な結果は, 自転車の利用が気温, 降水量と相関し, 風速や汚染と相関しないことを示している。 さらに,様々な機械学習や深層学習の手法を活用し,近い将来の短期旅行(30分から60分)を予測し,地方自治体の都市計画支援に役立てている。 我々の最良のモデルは、R2乗の0.91、平均絶対誤差の5.38、根平均正方誤差の8.12を30分間隔で達成した。

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)
• Mining individual daily commuting patterns of dockless bike-sharing users: a two-layer framework integrating spatiotemporal flow clustering and rule-based decision trees [3.3988622291971247]
  本論文は、ドックレス自転車共有旅行データから、個人自転車の日々の通勤パターンをユーザIDで抽出する枠組みを提案する。 このフレームワークの有効性と適用性は、深センでの2億回以上の自転車共有旅行記録によって実証されている。 多くの自転車共有通勤者が都市村や古い町の近くに住んでおり、特に中心部では生活費が低い。
  論文  参考訳（メタデータ） (2024-07-13T09:30:51Z)
• From Counting Stations to City-Wide Estimates: Data-Driven Bicycle Volume Extrapolation [0.0]
  ストリートレベルの自転車量情報は、都市が自転車を奨励するためのインフラの改善を計画するのに役立つだろう。 現在市や市民が利用できるデータは、わずかに数える駅からしか得られないことが多い。 本論文は,ベルリン全都市における自転車の容積を推定するために,これらの数箇所を超える自転車の容積を推定する。
  論文  参考訳（メタデータ） (2024-06-26T16:01:53Z)
• Using machine learning to understand causal relationships between urban form and travel CO2 emissions across continents [9.204800002382044]
  都会形態が過去の研究で無視されていた旅行エミッションや施設間効果に有意な因果関係が認められた。 より単心的な都市では,主中心へのアクセスの増加よりも,サブセンター指向の開発がより重要となる空間回廊を同定する。 我々の研究は、エビデンスベースの都市気候ソリューションをスケールするための因果関係、一般化可能性、文脈的特異性の必要性に対処する新しい研究を可能にする機械学習の応用を実証する。
  論文  参考訳（メタデータ） (2023-08-31T09:57:52Z)
• Improving short-term bike sharing demand forecast through an irregular convolutional neural network [16.688608586485316]
  本研究は,自転車の短期共有需要予測を改善するために,不規則な畳み込み長短記憶モデル(IrConv+LSTM)を提案する。 提案モデルは,シンガポールのドックレス自転車シェアリングシステムと,シカゴ,ワシントンD.C.,ニューヨーク,ロンドンにある4つのステーションベースシステムを含む,5つの調査サイトでベンチマークモデルを用いて評価された。 このモデルはまた、自転車使用量やピーク期間の異なる地域での優れたパフォーマンスも達成している。
  論文  参考訳（メタデータ） (2022-02-09T10:21:45Z)
• METEOR: A Massive Dense & Heterogeneous Behavior Dataset for Autonomous Driving [42.69638782267657]
  本稿では、インドにおける非構造化シナリオにおけるトラフィックパターンをキャプチャする、新しい複雑なトラフィックデータセットMETEORを提案する。 METEORは1000分以上のビデオクリップと、エゴ車軌道を持つ200万以上の注釈付きフレームと、周囲の車両や交通機関のための1300万以上のバウンディングボックスで構成されている。 我々は,オブジェクト検出と行動予測アルゴリズムの性能を評価するために,新しいデータセットを用いた。
  論文  参考訳（メタデータ） (2021-09-16T01:01:55Z)
• An Experimental Urban Case Study with Various Data Sources and a Model for Traffic Estimation [65.28133251370055]
  我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。 我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。 本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
  論文  参考訳（メタデータ） (2021-08-02T08:13:57Z)
• Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
  歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。 本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。 我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
  論文  参考訳（メタデータ） (2021-06-22T15:40:21Z)
• 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)
• Directional Primitives for Uncertainty-Aware Motion Estimation in Urban Environments [46.080970595942645]
  本稿では,道路網の先行情報を表す指向性プリミティブの概念を紹介する。 カルラシミュレーターにおけるハイウェイ、交差点、ラウンドアバウトの実験は、実際の都市運転データセットと同様に、プリミティブがより不確実性を考慮した運動推定に繋がることを示している。
  論文  参考訳（メタデータ） (2020-07-01T00:22:31Z)
• Measuring Spatial Subdivisions in Urban Mobility with Mobile Phone Data [58.720142291102135]
  2050年までに世界の人口の3分の2が都市部に住んでいる。 この成長は、都市が持続可能性を測定し計画する能力よりも速く、より複雑である。 都市がなぜ包括的になるのかを理解するために,空間分割を識別し特徴付ける手法を定義する。
  論文  参考訳（メタデータ） (2020-02-20T14:37:46Z)

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。