論文の概要: The ubiquitous efficiency of going further: how street networks affect
travel speed
- arxiv url: http://arxiv.org/abs/2111.07801v1
- Date: Mon, 15 Nov 2021 14:38:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-08 02:26:53.132468
- Title: The ubiquitous efficiency of going further: how street networks affect
travel speed
- Title（参考訳）: ユビキタスな旅の効率性: ストリートネットワークが旅行速度にどう影響するか
- Authors: Gabriel L. Maia, Caio Ponte, Carlos Caminha, Lara Furtado, Hygor P. M.
Melo, Vasco Furtado
- Abstract要約: 道路交通標識による道路の減速点のパターンが自動車から発生する軌跡に与える影響を理解するため,世界中の200以上の都市を対象に調査を行った。
都市内における最適軌跡の時間と距離の間には, ユビキタスな非線形関係があることを実証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As cities struggle to adapt to more ``people-centered'' urbanism,
transportation planning and engineering must innovate to expand the street
network strategically in order to ensure efficiency but also to deter sprawl.
Here, we conducted a study of over 200 cities around the world to understand
the impact that the patterns of deceleration points in streets due to traffic
signs has in trajectories done from motorized vehicles. We demonstrate that
there is a ubiquitous nonlinear relationship between time and distance in the
optimal trajectories within each city. More precisely, given a specific period
of time $\tau$, without any traffic, one can move on average up to the distance
$\left \langle D \right \rangle \sim\tau^\beta$. We found a super-linear
relationship for almost all cities in which $\beta>1.0$. This points to an
efficiency of scale when traveling large distances, meaning the average speed
will be higher for longer trips when compared to shorter trips. We demonstrate
that this efficiency is a consequence of the spatial distribution of large
segments of streets without deceleration points, favoring access to routes in
which a vehicle can cross large distances without stops. These findings show
that cities must consider how their street morphology can affect travel speed.
- Abstract（参考訳）: 都市がより「人中心」の都市主義に適応するのに苦慮しているため、交通計画とエンジニアリングは、効率性を確保するだけでなく、スプロールを抑えるために、戦略的に街路網を拡大するために革新する必要がある。
本稿では,道路交通標識による道路の減速点のパターンが自動車から発生する軌跡に与える影響を理解するため,世界中の200以上の都市を対象に調査を行った。
都市内における最適軌跡の時間と距離の間には, ユビキタスな非線形関係が存在することを示す。
より正確には、特定の時間帯$\tau$のトラフィックがなければ、平均で$\left \langle D \right \rangle \sim\tau^\beta$まで移動することができる。
ほぼすべての都市で$\beta>1.0$という超線形関係が見つかった。
これは、大きな距離を移動する場合のスケール効率を示す。つまり、短い旅行に比べて、長い旅行で平均速度が高くなることを意味する。
この効率性は、減速点のない大区間の空間分布の結果であり、車両が停留所なしに大距離を横断できる経路へのアクセスを好んでいることを実証する。
これらの結果は、都市が交通速度にどのように影響するかを考慮しなければならないことを示している。
関連論文リスト
- Trip Planning for Autonomous Vehicles with Wireless Data Transfer Needs
Using Reinforcement Learning [7.23389716633927]
車両データ転送要求を満たすために,高帯域道路を優先する新しい強化学習ソリューションを提案する。
我々は、この手法をトラフィックを意識しないベースラインや帯域幅を意識しないベースラインと比較し、不均一なトラフィック下での処理性能を示す。
論文 参考訳（メタデータ） (2023-09-21T23:19:16Z) - Automatic Extraction of Relevant Road Infrastructure using Connected
vehicle data and Deep Learning Model [4.235459779667272]
本稿では,コネクテッドカーデータと最先端のディープラーニング技術を活用した新しいアプローチを提案する。
道路区間にジオハッシングを施し,道路区間の画像表現を生成することにより,道路区間と交差点の正確な分類にYOLOv5アルゴリズムを用いる。
実験の結果,97%のF1スコア,90%のF1スコアに到達した。
論文 参考訳（メタデータ） (2023-08-10T15:57:47Z) - 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) - Deep Reinforcement Learning to Maximize Arterial Usage during Extreme
Congestion [4.934817254755007]
本稿では,過度の混雑中における多車線高速道路の交通渋滞を軽減するための深層強化学習(DRL)手法を提案する。
エージェントは、渋滞した高速道路交通に対する適応的な抑止戦略を学ぶために訓練される。
エージェントは、急激な混雑時の非作用と比較して平均交通速度を21%向上させることができる。
論文 参考訳（メタデータ） (2023-05-16T16:53:27Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - Converting One-Way Streets to Two-Way Streets to Improve Transportation
Network Efficiency and Reduce Vehicle Distance Traveled [0.0]
カリフォルニア州サンフランシスコのコンバージョンをシミュレートする。
現在の街路網の平均都市内旅行は、全2方向の通りよりも約1.7%長いことが判明している。
論文 参考訳（メタデータ） (2022-04-22T22:04:27Z) - Predicting the impact of urban change in pedestrian and road safety [0.0]
近年の研究では、畳み込みニューラルネットワークがストリートビューの画像を利用した事故発生率を正確に予測できることが示されている。
事故発生に対する都市介入の影響(増加または減少)を自動的に予測する方法を詳述する。
交通ネットワークの基盤(サイドウォークとロードネットワーク)とその需要を考えると,これらの結果を複雑なネットワークフレームワークに統合する。
論文 参考訳（メタデータ） (2022-02-03T10:37:51Z) - 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) - Smart Urban Mobility: When Mobility Systems Meet Smart Data [55.456196356335745]
都市人口は都市部で約25億人に達し、道路交通量は2050年までに12億台を超えた。
輸送部門の経済貢献は欧州のGDPの5%を占め、アメリカでは平均482.05億ドルの費用がかかる。
論文 参考訳（メタデータ） (2020-05-09T13:53:01Z) - Constructing Geographic and Long-term Temporal Graph for Traffic
Forecasting [88.5550074808201]
交通予測のための地理・長期時間グラフ畳み込み型ニューラルネットワーク(GLT-GCRNN)を提案する。
本研究では,地理的・長期的時間的パターンを共有する道路間のリッチな相互作用を学習する交通予測のための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-04-23T03:50:46Z)
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。