論文の概要: Automated Detection of Missing Links in Bicycle Networks

• arxiv url: http://arxiv.org/abs/2201.03402v2
• Date: Mon, 28 Mar 2022 08:29:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-01 19:45:10.254004
• Title: Automated Detection of Missing Links in Bicycle Networks
• Title（参考訳）: 自転車ネットワークにおける欠落リンクの自動検出
• Authors: Anastassia Vybornova, Tiago Cunha, Astrid G\"uhnemann and Michael Szell
• Abstract要約: 我々は,都市の自転車ネットワークにおいて最も重要なリンクを見つけるためのIPDC手順(Identify, Prioritize, Decluster, Classify)を開発した。 まず、多重化ネットワークアプローチによるすべての可能なギャップを特定し、フローベースのメトリックに従って優先順位付けし、新たなギャップクラスタを分解し、手動でギャップのタイプを分類する。 以上の結果から,最小データ要件によるネットワーク分析が,自転車ネットワーク計画の費用効率向上支援ツールとして有効であることを示す。
• 参考スコア（独自算出の注目度）: 0.15293427903448023
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cycling is an effective solution for making urban transport more sustainable. However, bicycle networks are typically developed in a slow, piecewise process that leaves open a large number of gaps, even in well developed cycling cities like Copenhagen. Here, we develop the IPDC procedure (Identify, Prioritize, Decluster, Classify) for finding the most important missing links in urban bicycle networks, using data from OpenStreetMap. In this procedure we first identify all possible gaps following a multiplex network approach, prioritize them according to a flow-based metric, decluster emerging gap clusters, and manually classify the types of gaps. We apply the IPDC procedure to Copenhagen and report the 105 top priority gaps. For evaluation, we compare these gaps with the city's most recent Cycle Path Prioritization Plan and find considerable overlaps. Our results show how network analysis with minimal data requirements can serve as a cost-efficient support tool for bicycle network planning. By taking into account the whole city network for consolidating urban bicycle infrastructure, our data-driven framework can complement localized, manual planning processes for more effective, city-wide decision-making.
• Abstract（参考訳）: サイクリングは都市交通をより持続可能なものにするための効果的なソリューションである。 しかし、自転車ネットワークは通常、コペンハーゲンのようなよく発達したサイクリング都市でさえ、多くのギャップを開いている、遅くて断片的なプロセスで開発されている。 本稿では,openstreetmapのデータを用いて,都市自転車ネットワークにおける欠落リンクを見つけるためのipdc手順(identify, priority, decluster, classification)を開発した。 この方法では、まず多重化ネットワークアプローチによるすべての可能なギャップを特定し、フローベースのメトリックに従ってそれらを優先順位付けし、出現するギャップクラスタを分解し、手動でギャップのタイプを分類する。 我々はipdc手続きをコペンハーゲンに適用し、105の優先度ギャップを報告する。 評価のために、これらのギャップを市の最新のサイクルパス優先計画と比較し、かなりの重複を見出した。 以上の結果から,最小データ要件によるネットワーク分析が,自転車ネットワーク計画の費用効率向上支援ツールとして有効であることを示す。 都市部の自転車インフラを集約する都市ネットワーク全体を考慮し、我々のデータ駆動型フレームワークは、より効果的で都市全体の意思決定のために、局所的で手動の計画プロセスを補完することができる。

関連論文リスト

• Classifying Bicycle Infrastructure Using On-Bike Street-Level Images [0.0]
  多くの潜在的なサイクリストは、適切な安全なインフラが欠如しているため、サイクリングを控えている。 自転車用スマートフォンカメラデータから利用可能なサイクリングインフラを分類できるシステムを提案する。 この研究は、自転車に搭載された携帯電話カメラから収集されたストリートレベルの画像のみを使用して、サイクリングインフラを分類した最初のものである。
  論文  参考訳（メタデータ） (2024-10-24T22:58:31Z)
• 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)
• BikeDNA: A Tool for Bicycle Infrastructure Data & Network Assessment [0.0]
  BikeDNAは、自転車のインフラデータの再現可能な品質評価のためのオープンソースツールである。 BikeDNAは、幅広いアプリケーションのための自転車インフラデータの品質評価をサポートする。
  論文  参考訳（メタデータ） (2023-03-02T13:06:59Z)
• Predicting Citi Bike Demand Evolution Using Dynamic Graphs [81.12174591442479]
  ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用した。 本稿では,ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用しようとする。
  論文  参考訳（メタデータ） (2022-12-18T21:43:27Z)
• 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)
• A Cluster-Based Trip Prediction Graph Neural Network Model for Bike Sharing Systems [2.1423963702744597]
  自転車シェアリングシステム(BSS)は革新的な交通サービスとして発展しつつある。 これらのシステムが現在のグローバルな懸念の多くを根絶することにコミットしていることを考えると、BSSの適切な機能を確保することが不可欠である。 ユーザの移行パターンに関する優れた知識は、サービスの品質と運用性に対する決定的な貢献である。
  論文  参考訳（メタデータ） (2022-01-03T15:47:40Z)
• Growing Urban Bicycle Networks [0.755972004983746]
  都市の街路網上を走行する任意の点群間の合成自転車ネットワークの成長のバリエーションについて検討した。 当初、投資のリターンは重要なしきい値まで減少し、持続的な都市計画に根本的な結果をもたらすことが判明した。 また、既存の自転車ネットワークが発達している都市では、人工的に成長したネットワークの重複が顕著に見られ、われわれのモデルが現実を反映していることが示される。
  論文  参考訳（メタデータ） (2021-07-05T18:00:04Z)
• 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)
• Dynamic Bicycle Dispatching of Dockless Public Bicycle-sharing Systems using Multi-objective Reinforcement Learning [79.61517670541863]
  ドッキングレスPBS(DL-PBS)に欠かせない動的自転車レンタル需要に基づく効率的な自転車配車ソリューションを実現するためのAIの活用 DL-PBSに最適な自転車ディスパッチソリューションを提供するために、マルチオブジェクト強化学習(MORL-BD)に基づく動的自転車ディスパッチアルゴリズムを提案します。
  論文  参考訳（メタデータ） (2021-01-19T03:09:51Z)
• Dynamic Planning of Bicycle Stations in Dockless Public Bicycle-sharing System Using Gated Graph Neural Network [79.61517670541863]
  Dockless Public Bicycle-share (DL-PBS)ネットワークは多くの国でますます人気が高まっています。 冗長で低電力の駅は、DL-PBSベンダーの公共都市空間とメンテナンスコストを無駄にします。 DL-PBSネットワークに最適な自転車ステーションレイアウトを動的に提供できるよう、BSDP(自転車ステーションダイナミックプランニング)システムを提案します。
  論文  参考訳（メタデータ） (2021-01-19T02:51:12Z)
• Multi-Agent Routing Value Iteration Network [88.38796921838203]
  疎結合グラフの学習値に基づいてマルチエージェントルーティングを行うことができるグラフニューラルネットワークに基づくモデルを提案する。 最大25ノードのグラフ上で2つのエージェントでトレーニングしたモデルでは,より多くのエージェントやノードを持つ状況に容易に一般化できることが示されている。
  論文  参考訳（メタデータ） (2020-07-09T22:16:45Z)

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。