論文の概要: Multimodal urban mobility and multilayer transport networks
- arxiv url: http://arxiv.org/abs/2111.02152v1
- Date: Wed, 3 Nov 2021 11:40:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-09 06:58:29.974418
- Title: Multimodal urban mobility and multilayer transport networks
- Title（参考訳）: 多層都市移動と多層輸送ネットワーク
- Authors: Luis Guillermo Natera Orozco, Laura Alessandretti, Meead Saberi,
Michael Szell, Federico Battiston
- Abstract要約: 自転車道からバスや鉄道まで、交通網が都市移動のバックボーンとなっている。
マルチモーダルトランスポートシステムは、異なるトランスポートモードに関連するネットワークを独立して考慮しないマルチレイヤネットワークとして記述することができる。
現代都市におけるマルチモダリティの重要性にもかかわらず、このトピックの統一された見解は現在欠落している。
- 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: Transportation networks, from bicycle paths to buses and railways, are the
backbone of urban mobility. In large metropolitan areas, the integration of
different transport modes has become crucial to guarantee the fast and
sustainable flow of people. Using a network science approach, multimodal
transport systems can be described as multilayer networks, where the networks
associated to different transport modes are not considered in isolation, but as
a set of interconnected layers. Despite the importance of multimodality in
modern cities, a unified view of the topic is currently missing. Here, we
provide a comprehensive overview of the emerging research areas of multilayer
transport networks and multimodal urban mobility, focusing on contributions
from the interdisciplinary fields of complex systems, urban data science, and
science of cities. First, we present an introduction to the mathematical
framework of multilayer networks. We apply it to survey models of multimodal
infrastructures, as well as measures used for quantifying multimodality, and
related empirical findings. We review modelling approaches and observational
evidence in multimodal mobility and public transport system dynamics, focusing
on integrated real-world mobility patterns, where individuals navigate urban
systems using different transport modes. We then provide a survey of freely
available datasets on multimodal infrastructure and mobility, and a list of
open source tools for their analyses. Finally, we conclude with an outlook on
open research questions and promising directions for future research.
- Abstract（参考訳）: 自転車道からバスや鉄道まで、交通網が都市移動のバックボーンとなっている。
大都市では、高速で持続可能な人々の流れを保証するために異なる交通手段の統合が重要になっている。
ネットワークサイエンスのアプローチを用いて、マルチモーダルトランスポートシステムは、異なるトランスポートモードに関連するネットワークを独立して考えるのではなく、相互接続されたレイヤの集合として記述することができる。
現代都市におけるマルチモダリティの重要性にもかかわらず、このトピックの統一された見解は現在欠落している。
本稿では,多層輸送ネットワークとマルチモーダル都市モビリティの新たな研究分野を総合的に概観し,複雑系,都市データ科学,都市科学の学際的な分野からの貢献に焦点を当てた。
まず,多層ネットワークの数学的枠組みについて紹介する。
マルチモーダルインフラストラクチャのモデルや,マルチモーダル性や関連する経験的知見を定量化するための尺度に応用する。
本研究は,様々な交通手段を用いて都市システムを走行する実世界の移動パターンに着目し,マルチモーダルモビリティと公共交通システムの動態のモデル化手法と観察的証拠を概観する。
次に、マルチモーダルインフラストラクチャとモビリティに関する自由に利用可能なデータセットのサーベイと、分析のためのオープンソースツールのリストを提供する。
最後に,オープンリサーチの課題と今後の研究の方向性について概観する。
関連論文リスト
- FusionTransNet for Smart Urban Mobility: Spatiotemporal Traffic Forecasting Through Multimodal Network Integration [11.77238206600775]
FusionTransNetは、Origin-Destination(OD)フロー予測とスマート都市交通システムのために設計されたフレームワークである。
このフレームワークには、モーダル内学習モジュール、モーダル間学習モジュール、予測デコーダの3つのコアコンポーネントが含まれている。
論文 参考訳（メタデータ） (2024-05-09T14:09:36Z) - Delving into Multi-modal Multi-task Foundation Models for Road Scene Understanding: From Learning Paradigm Perspectives [56.2139730920855]
本稿では,道路シーンに特化して設計されたMM-VUFMの系統解析について述べる。
本研究の目的は,タスク特化モデル,統合マルチモーダルモデル,統合マルチタスクモデル,基礎モデル推進技術など,共通プラクティスの包括的概要を提供することである。
我々は、クローズドループ駆動システム、解釈可能性、エンボディドドライブエージェント、世界モデルなど、重要な課題と今後のトレンドに関する洞察を提供する。
論文 参考訳（メタデータ） (2024-02-05T12:47:09Z) - Urban Mobility [0.0]
車両に搭載されたセンサから、携帯電話の記録、位置情報ベースのソーシャルネットワークトレース、GPSトラジェクトリなど、このアプローチを可能にするデータセットの概要を示す。
次に、個人移動の生成モデルと予測モデル、および予測可能性の本質的な限界による制限について説明する。
我々は、ライドシェアリング、マルチモダリティ、持続可能な輸送といったシステム全体の課題を含む、システムの観点から都市交通について議論する。
論文 参考訳（メタデータ） (2022-11-01T09:58:49Z) - Multi-scale Cooperative Multimodal Transformers for Multimodal Sentiment
Analysis in Videos [58.93586436289648]
マルチモーダル感情分析のためのマルチスケール協調型マルチモーダルトランス (MCMulT) アーキテクチャを提案する。
本モデルは,非整合型マルチモーダル列に対する既存手法よりも優れ,整合型マルチモーダル列に対する強い性能を有する。
論文 参考訳（メタデータ） (2022-06-16T07:47:57Z) - Short-term passenger flow prediction for multi-traffic modes: A residual
network and Transformer based multi-task learning method [21.13073816634534]
Res-Transformerは、複数交通モードの短期的乗客フロー予測のための学習モデルである。
モデルは北京の2つの大規模な実世界のデータセットで評価される。
本稿では,複数交通モードにおける短時間の乗客フロー予測について,重要な洞察を与えることができる。
論文 参考訳（メタデータ） (2022-02-27T01:09:19Z) - 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) - MultiBench: Multiscale Benchmarks for Multimodal Representation Learning [87.23266008930045]
MultiBenchは15のデータセット、10のモダリティ、20の予測タスク、6の研究領域にまたがる、体系的で統一されたベンチマークである。
データローディング、実験的なセットアップ、モデル評価を簡素化し、標準化する、エンドツーエンドの自動機械学習パイプラインを提供する。
大規模なマルチモーダルデータセットに対するロバストネスや、現実的な不完全性に対するロバストネスなど、将来の研究に対する影響の高い課題が紹介されている。
論文 参考訳（メタデータ） (2021-07-15T17:54:36Z) - Optimal transport in multilayer networks [68.8204255655161]
本稿では,各層上の最適フローが,コストの最小化に寄与するモデルを提案する。
アプリケーションとして,各層が異なる輸送システムに関連付けられている交通ネットワークを考察する。
この結果の例をボルドー市とバスと路面電車の2層ネットワークで示し、ある状況下では路面電車網の存在が道路網の交通を著しく覆い隠している。
論文 参考訳（メタデータ） (2021-06-14T07:33:09Z) - Flatland Competition 2020: MAPF and MARL for Efficient Train
Coordination on a Grid World [49.80905654161763]
車両再スケジュール問題(vrsp)の解法開発を目的としたフラットランドコンペティション
VRSPは、交通ネットワークにおける旅行のスケジュールと、故障が発生した場合の車両の再スケジュールに関するものである。
現代の鉄道網の複雑化は、交通の動的リアルタイムスケジューリングを事実上不可能にします。
論文 参考訳（メタデータ） (2021-03-30T17:13:29Z) - Selective Survey: Most Efficient Models and Solvers for Integrative
Multimodal Transport [0.0]
主な目的は、マルチモーダル輸送研究の分野における既存の研究、方法および情報の受益的な選択を探索することです。
選択的な調査は、コスト、時間、ネットワークトポロジーの観点から、マルチモーダルトランスポート設計と最適化をカバーしている。
理論と実世界の応用のギャップは、グローバルなマルチモーダル輸送システムの最適化のためにさらに解決すべきである。
論文 参考訳（メタデータ） (2021-03-16T08:31:44Z)
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。