論文の概要: Open Data and Quantitative Techniques for Anthropology of Road Traffic
- arxiv url: http://arxiv.org/abs/2111.15661v2
- Date: Fri, 17 Dec 2021 12:35:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-06 06:50:45.754912
- Title: Open Data and Quantitative Techniques for Anthropology of Road Traffic
- Title（参考訳）: 道路交通人類学におけるオープンデータと定量的手法
- Authors: Ajda Pretnar \v{Z}agar, Toma\v{z} Ho\v{c}evar, Toma\v{z} Curk
- Abstract要約: 我々は、スロベニアの道路交通カウンタの公開データセットを分析し、これらの質問に答えた。
データは、国家の運転方法、観光への旅行方法、どの場所を好むか、週や週末に何をするか、そしてその習慣が年によってどのように変わるか、といった興味深い情報を明らかにしている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: What kind of questions about human mobility can computational analysis help
answer? How to translate the findings into anthropology? We analyzed a publicly
available data set of road traffic counters in Slovenia to answer these
questions. The data reveals interesting information on how a nation drives, how
it travels for tourism, which locations it prefers, what it does during the
week and the weekend, and how its habits change during the year. We conducted
the empirical analysis in two parts. First, we defined interesting traffic
spots and designed computational methods to find them in a large data set. As
shown in the paper, traffic counters hint at potential causes and effects in
driving practices that we can interpret anthropologically. Second, we used
clustering to find groups of similar traffic counters as described by their
daily profiles. Clustering revealed the main features of road traffic in
Slovenia. Using the two quantitative approaches, we outline the general
properties of road traffic in the country and identify and explain interesting
outliers. We show that quantitative data analysis only partially answers
anthropological questions, but it can be a valuable tool for preliminary
research. We conclude that open data are a useful component in an
anthropological analysis and that quantitative discovery of small local events
can help us pinpoint future fieldwork sites.
- Abstract（参考訳）: ヒューマンモビリティに関して、計算分析はどんな質問に答えられるのか?
この発見を人類学にどう翻訳するか?
スロベニアの道路交通カウンタの公開データセットを分析し,これらの質問に答えた。
データは、国家の運転方法、観光への旅行方法、どの場所を好むか、週や週末に何をするか、そしてその習慣が年によってどのように変わるか、といった興味深い情報を明らかにしている。
我々は2つの部分で経験分析を行った。
まず、興味あるトラフィックスポットを定義し、大きなデータセットでそれらを見つけるための計算手法を設計した。
論文に示すように、交通カウンタは、人類学的に解釈できる運転行為の潜在的な原因と影響を示唆している。
第2に、クラスタリングを使用して、同じトラフィックカウンタのグループを見つけました。
クラスタリングはスロベニアの道路交通の主な特徴を明らかにした。
この2つの定量的アプローチを用いて,全国の道路交通の一般特性を概説し,興味深い異常点の同定と説明を行う。
定量的なデータ分析は人類学的疑問に部分的に答えるだけでなく,予備的研究に有用であることを示す。
オープンデータは人類学的分析において有用な要素であり,局所的な事象の定量的発見は今後のフィールドワークサイトを特定できると結論づけた。
関連論文リスト
- XTraffic: A Dataset Where Traffic Meets Incidents with Explainability and More [38.092415845567345]
トラヒックとインシデントという2つの非常に相関の深いトラックで研究が行われている。
XTrafficデータセットには、トラフィック、すなわち、トラフィックフロー、車線占有率、平均車両速度の時系列インデックスが含まれている。
各ノードは、レーンの詳細な物理ポリシーレベルのメタ属性を含む。
論文 参考訳（メタデータ） (2024-07-16T08:16:01Z) - Semantic Map Learning of Traffic Light to Lane Assignment based on
Motion Data [12.853720506838043]
自動運転車は通常、車線への信号の割り当てに関する情報を含むHigh Definition (HD)マップに依存している。
これらの問題を解決するために,交通信号の状態と対応する車両交通の動作パターンから課題を導出する。
Lyft Level 5データセット用の公開APIによって、研究者は独自のアプローチを開発し、評価することができます。
論文 参考訳（メタデータ） (2023-09-26T09:42:21Z) - Understanding human mobility patterns in Chicago: an analysis of taxi
data using clustering techniques [0.0]
シカゴ市をケーススタディとして、2016年にタクシーの乗車データを調べ、近所がどのように相互接続されているかを理解することを目標にしている。
この分析は、近隣住民がタクシーを使って旅行している感覚を与え、新しい公共交通機関の開発に焦点をあてることを提案する。
論文 参考訳（メタデータ） (2023-06-21T08:14:52Z) - Graph-based Topology Reasoning for Driving Scenes [102.35885039110057]
TopoNetは、従来の知覚タスクを超えてトラフィック知識を抽象化できる最初のエンドツーエンドフレームワークである。
TopoNetを,難解なシーン理解ベンチマークOpenLane-V2で評価した。
論文 参考訳（メタデータ） (2023-04-11T15:23:29Z) - A Bayesian Framework for Information-Theoretic Probing [51.98576673620385]
我々は、探索は相互情報を近似するものとみなすべきであると論じる。
これは、表現が元の文とターゲットタスクに関する全く同じ情報をエンコードしているというかなり直感的な結論を導いた。
本稿では,ベイズ的相互情報(Bayesian mutual information)と呼ぶものを測定するための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-09-08T18:08:36Z) - 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) - What Makes a Good Summary? Reconsidering the Focus of Automatic
Summarization [49.600619575148706]
フィールドの現在の焦点は、参加者の希望と完全に一致していないことがわかります。
以上の結果から,自動要約のより広い視点を取り入れることが重要であると論じる。
論文 参考訳（メタデータ） (2020-12-14T15:12:35Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z) - Leveraging the Self-Transition Probability of Ordinal Pattern Transition
Graph for Transportation Mode Classification [0.0]
本稿では,交通モード分類における自己遷移の確率という,通常のパターン遷移グラフから保持される特徴の利用を提案する。
提案手法は,これらを組み合わせた場合であっても,置換エントロピーや統計的複雑度よりも精度がよい。
論文 参考訳（メタデータ） (2020-07-16T23:25:09Z) - Road Network Metric Learning for Estimated Time of Arrival [93.0759529610483]
本稿では,ATA(Estimated Time of Arrival)のための道路ネットワークメトリックラーニングフレームワークを提案する。
本研究は,(1)走行時間を予測する主回帰タスク,(2)リンク埋め込みベクトルの品質向上のための補助的計量学習タスクの2つの構成要素から構成される。
提案手法は最先端モデルよりも優れており,その促進は少ないデータでコールドリンクに集中していることを示す。
論文 参考訳（メタデータ） (2020-06-24T04:45:14Z) - Deep Learning on Traffic Prediction: Methods, Analysis and Future
Directions [32.25707921285397]
本稿では,複数の観点からの交通予測における深層学習に基づくアプローチに関する包括的調査を行う。
まず,既存の交通予測手法を要約し,分類について述べる。
第2に、異なるトラフィック予測アプリケーションにおける最先端のアプローチをリストアップする。
論文 参考訳（メタデータ） (2020-04-18T08:28:10Z)
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。