論文の概要: Crowd-sensing Enhanced Parking Patrol using Sharing Bikes' Trajectories
- arxiv url: http://arxiv.org/abs/2110.15557v1
- Date: Fri, 29 Oct 2021 05:48:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-01 15:33:29.093240
- Title: Crowd-sensing Enhanced Parking Patrol using Sharing Bikes' Trajectories
- Title（参考訳）: 共有自転車軌道を用いた群集センシング型パーキングパトロール
- Authors: Tianfu He, Jie Bao, Yexin Li, Hui He and Yu Zheng
- Abstract要約: 違法な自動車駐車は、大気汚染や交通事故につながる交通渋滞を引き起こすため、世界中の主要都市が直面する一般的な都市問題である。
Mobikeの巨大で高品質なシェアリングバイクは、ユビキタスで違法な駐車検知アプローチを設計するユニークな機会を提供する。
検出結果は、パトロールスケジュール、すなわち、違法な駐車リスクの高い地域へパトロール警官を派遣し、パトロール効率をさらに向上させることができる。
- 参考スコア（独自算出の注目度）: 20.705097835958245
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Illegal vehicle parking is a common urban problem faced by major cities in
the world, as it incurs traffic jams, which lead to air pollution and traffic
accidents. The government highly relies on active human efforts to detect
illegal parking events. However, such an approach is extremely ineffective to
cover a large city since the police have to patrol over the entire city roads.
The massive and high-quality sharing bike trajectories from Mobike offer us a
unique opportunity to design a ubiquitous illegal parking detection approach,
as most of the illegal parking events happen at curbsides and have significant
impact on the bike users. The detection result can guide the patrol schedule,
i.e. send the patrol policemen to the region with higher illegal parking risks,
and further improve the patrol efficiency. Inspired by this idea, three main
components are employed in the proposed framework: 1)~{\em trajectory
pre-processing}, which filters outlier GPS points, performs map-matching, and
builds trajectory indexes; 2)~{\em illegal parking detection}, which models the
normal trajectories, extracts features from the evaluation trajectories, and
utilizes a distribution test-based method to discover the illegal parking
events; and 3)~{\em patrol scheduling}, which leverages the detection result as
reference context, and models the scheduling task as a multi-agent
reinforcement learning problem to guide the patrol police. Finally, extensive
experiments are presented to validate the effectiveness of illegal parking
detection, as well as the improvement of patrol efficiency.
- Abstract（参考訳）: 違法な自動車駐車は、大気汚染や交通事故につながる交通渋滞を引き起こすため、世界中の主要都市が直面する一般的な都市問題である。
政府は違法な駐車イベントを検出するために、アクティブな人間の努力に強く依存している。
しかし、警察は市内の道路全体をパトロールしなければならないため、大都市をカバーするには極めて効果がない。
Mobikeの大規模かつ高品質な共有自転車軌道は、違法な駐車検知アプローチをユビキタスに設計するユニークな機会を与えてくれる。
検出結果は、パトロールスケジュール、すなわち、違法な駐車リスクの高い地域へパトロール警官を派遣し、パトロール効率をさらに向上させることができる。
Inspired by this idea, three main components are employed in the proposed framework: 1)~{\em trajectory pre-processing}, which filters outlier GPS points, performs map-matching, and builds trajectory indexes; 2)~{\em illegal parking detection}, which models the normal trajectories, extracts features from the evaluation trajectories, and utilizes a distribution test-based method to discover the illegal parking events; and 3)~{\em patrol scheduling}, which leverages the detection result as reference context, and models the scheduling task as a multi-agent reinforcement learning problem to guide the patrol police.
最後に,違法駐車検知の有効性とパトロール効率の向上を検証するため,広範囲にわたる実験を行った。
関連論文リスト
- GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [82.19172267487998]
GARLIC: GPT拡張強化学習のフレームワーク。
本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
論文 参考訳（メタデータ） (2024-08-19T08:23:38Z) - Smart Camera Parking System With Auto Parking Spot Detection [1.0512475026060208]
PakStaと呼ばれる新しい手法で駐車場の状態を自動識別する。
本手法はPakLocのオブジェクト検出器を用いて,ビデオフレーム内の駐車場の占有状況を同時に判定する。
提案手法がPKLotデータセットに与える影響は, 人的労働力の94.25%を大幅に削減する結果となった。
論文 参考訳（メタデータ） (2024-07-07T19:00:11Z) - Your Car Tells Me Where You Drove: A Novel Path Inference Attack via CAN Bus and OBD-II Data [57.22545280370174]
On Path Diagnostic - Intrusion & Inference (OPD-II) は物理カーモデルとマップマッチングアルゴリズムを利用した新しい経路推論攻撃である。
我々は4台の異なる車両と41トラックの道路および交通シナリオに対する攻撃を実行した。
論文 参考訳（メタデータ） (2024-06-30T04:21:46Z) - Truck Parking Usage Prediction with Decomposed Graph Neural Networks [15.291200515217513]
貨物回廊のトラックの駐車は、不十分な駐車場の大きな課題に直面している。
正確な駐車場利用予測を提供することは、安全でない駐車慣行を減らすためのコスト効率の高いソリューションであることが示されている。
本稿では地域時間グラフニューラルネットワーク(RegT-CN)を提案する。
論文 参考訳（メタデータ） (2024-01-23T17:14:01Z) - Spatial-Aware Deep Reinforcement Learning for the Traveling Officer
Problem [2.8781483086625537]
トラベルオフィサー問題(TOP)は、困難な最適化課題である。
TOPの最大の課題は駐車違反の動的な性質であり、しばらくするとランダムに現れて消えていく。
本稿では,TOPのための空間認識型深層強化学習手法SATOPを提案する。
論文 参考訳（メタデータ） (2024-01-11T15:16:20Z) - Drone navigation and license place detection for vehicle location in
indoor spaces [55.66423065924684]
この研究は、駐車中の車両の列を行き来し、ナンバープレートを検出するナノドローンに基づくソリューションを作成することを目的としている。
すべての計算はドローン上でリアルタイムで行われ、2Dマップの作成を可能にする位置と検出された画像が送信される。
論文 参考訳（メタデータ） (2023-07-19T17:46:55Z) - DenseLight: Efficient Control for Large-scale Traffic Signals with Dense
Feedback [109.84667902348498]
交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。
従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。
DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
論文 参考訳（メタデータ） (2023-06-13T05:58:57Z) - Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object
Detection [55.12894776039135]
ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。
対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。
5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
論文 参考訳（メタデータ） (2021-03-26T01:18:11Z) - Multi-officer Routing for Patrolling High Risk Areas Jointly Learned
from Check-ins, Crime and Incident Response Data [6.295207672539996]
我々は、チェックイン、犯罪、インシデント対応データ、およびPOI情報を用いて、複数の警察官に対する動的犯罪パトロール計画問題を定式化する。
本稿では,可能解の表現のための共同学習法と非ランダム最適化法を提案する。
提案手法の性能検証と実世界のデータセットを用いたいくつかの最先端手法との比較を行った。
論文 参考訳（メタデータ） (2020-07-31T23:33:14Z) - iTV: Inferring Traffic Violation-Prone Locations with Vehicle
Trajectories and Road Environment Data [12.715237421592624]
本研究では,大規模車両軌跡データと環境データに基づいて,都市部における交通違反発生箇所を推定する枠組みを提案する。
提案手法の有効性を評価するため,中国2都市から収集した大規模・現実世界の車両軌道について広範な研究を行った。
論文 参考訳（メタデータ） (2020-05-09T08:52:43Z) - Training-free Monocular 3D Event Detection System for Traffic
Surveillance [93.65240041833319]
既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。
現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。
本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
論文 参考訳（メタデータ） (2020-02-01T04:42:57Z)
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。