Fugu-MT 論文翻訳(概要): Patterns of near-crash events in a naturalistic driving dataset: applying rules mining

論文の概要: Patterns of near-crash events in a naturalistic driving dataset: applying rules mining

arxiv url: http://arxiv.org/abs/2201.06523v1
Date: Mon, 17 Jan 2022 16:57:53 GMT
ステータス: 処理完了
システム内更新日: 2022-01-19 14:45:50.108130
Title: Patterns of near-crash events in a naturalistic driving dataset: applying rules mining
Title（参考訳）: 自然主義駆動データセットにおける近接クラッシュ事象のパターン--ルールマイニングの適用
Authors: Xiaoqiang Konga, Subasish Das, Hongmin Zhou, Yunlong Zhang
Abstract要約: 本研究の目的は,自然主義的運転データセットとそれに対応する道路在庫データセットを関連ルールマイニング法を用いて調査することにより,道路形状と道路形状の関連性を検討することである。
参考スコア（独自算出の注目度）: 2.270118204418066
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This study aims to explore the associations between near-crash events and road geometry and trip features by investigating a naturalistic driving dataset and a corresponding roadway inventory dataset using an association rule mining method.
Abstract（参考訳）: 本研究の目的は,自然主義的運転データセットとそれに対応する道路在庫データセットを関連ルールマイニング法を用いて調査することにより,道路形状と道路形状の関連性を検討することである。

関連論文リスト

Association rule mining with earthquake data collected from Turkiye region [0.0]
この研究は、過去5年間にテュルクアイ地方で記録された地震に関する最も顕著な関連ルールを提示する。その結果,様々な距離の地域から記録された事象に対する統計的推測が得られた。
論文参考訳（メタデータ） (2023-12-26T18:36:01Z)
Evaluating geospatial context information for travel mode detection [2.4004628912753234]
本研究では,移動モード検出のための地理空間的コンテキスト情報の寄与を評価するための分析パイプラインを提案する。本報告では,鉄道や道路網との距離など,インフラネットワークとの関係を記述した特徴が,モデルの予測に大きく寄与している。最終的に、地理空間のコンテキストが、異なる移動モードの識別に異なる貢献をしていることが明らかとなった。
論文参考訳（メタデータ） (2023-05-30T21:49:16Z)
Spatio-Temporal Context Modeling for Road Obstacle Detection [12.464149169670735]
トレーニングデータのレイアウトを用いて、駆動シーンのデータ駆動コンテキスト時間モデルを構築する。障害物は最先端のオブジェクト検出アルゴリズムによって検出され、結果は生成されたシーンと組み合わせられる。
論文参考訳（メタデータ） (2023-01-19T07:06:35Z)
Unsupervised Driving Event Discovery Based on Vehicle CAN-data [62.997667081978825]
本研究は,車両CANデータのクラスタリングとセグメンテーションを同時に行うことで,一般的な運転イベントを教師なしで識別する手法である。我々は、実際のTesla Model 3車載CANデータと、異なる運転イベントをアノテートした2時間の運転セッションのデータセットを用いて、アプローチを評価した。
論文参考訳（メタデータ） (2023-01-12T13:10:47Z)
Let Offline RL Flow: Training Conservative Agents in the Latent Space of Normalizing Flows [58.762959061522736]
オフライン強化学習は、追加の環境相互作用なしに、事前に記録された、固定されたデータセット上でポリシーをトレーニングすることを目的としている。我々は、最近、潜在行動空間における学習ポリシーを基礎として、生成モデルの構築に正規化フローの特別な形式を用いる。提案手法が最近提案したアルゴリズムより優れていることを示すため,様々な移動タスクとナビゲーションタスクについて評価を行った。
論文参考訳（メタデータ） (2022-11-20T21:57:10Z)
RSG-Net: Towards Rich Sematic Relationship Prediction for Intelligent Vehicle in Complex Environments [72.04891523115535]
本稿では,オブジェクトの提案から潜在的意味関係を予測するグラフ畳み込みネットワークRSG-Netを提案する。実験の結果、このネットワークはロードシーングラフデータセットに基づいてトレーニングされており、エゴ車両周辺のオブジェクト間の潜在的な意味関係を効率的に予測できることがわかった。
論文参考訳（メタデータ） (2022-07-16T12:40:17Z)
Mining Topological Dependencies of Recurrent Congestion in Road Networks [0.8602553195689513]
本稿では,交通速度のアウトレイラに基づいて,道路網の連結部分グラフを最初に構築するアルゴリズムを提案する。第二に、アルゴリズムはトラフィック負荷の挙動の時間的相関を示すサブグラフのペアを識別する。第3に、同定された部分グラフをアルゴリズムによって決定されたスコアに基づいてランク付けする。
論文参考訳（メタデータ） (2021-07-20T15:14:10Z)
Mining Feature Relationships in Data [0.0]
特徴関係マイニング(FRM)は、データの連続的または分類的特徴間の象徴的関係を自動的に発見する遺伝的プログラミング手法である。提案手法は,特徴間の関係を明確に発見することを目的とした,最初の象徴的アプローチである。実世界の様々なデータセットに対する実証テストにより、提案手法は高品質で単純な特徴関係を見つけることができることを示した。
論文参考訳（メタデータ） (2021-02-02T07:06:16Z)
A Survey of Embedding Space Alignment Methods for Language and Knowledge Graphs [77.34726150561087]
単語,文,知識グラフの埋め込みアルゴリズムに関する現在の研究状況について調査する。本稿では、関連するアライメント手法の分類と、この研究分野で使用されるベンチマークデータセットについて論じる。
論文参考訳（メタデータ） (2020-10-26T16:08:13Z)
Cross-Supervised Joint-Event-Extraction with Heterogeneous Information Networks [61.950353376870154]
Joint-event- Extractは、トリガとエンティティのタグからなるタグセットを備えたシーケンスからシーケンスまでのラベリングタスクである。トリガやエンティティの抽出を交互に監督するクロススーパーバイザードメカニズム(CSM)を提案する。我々の手法は、エンティティとトリガー抽出の両方において最先端の手法よりも優れています。
論文参考訳（メタデータ） (2020-10-13T11:51:17Z)
Action Sequence Predictions of Vehicles in Urban Environments using Map and Social Context [152.0714518512966]
本研究は、現実の運転シナリオにおける周辺車両の今後の行動の順序を予測する問題について研究する。最初のコントリビューションは、現実世界の運転シナリオに記録された軌跡をHDマップの助けを借りてアクションシーケンスに変換する自動手法である。第2のコントリビューションは、よく知られたトラフィックエージェント追跡と予測データセットArgoverseへのメソッドの適用であり、結果として228,000のアクションシーケンスが生成される。第3のコントリビューションは,交通エージェント,地図情報,社会状況の過去の位置と速度を,単一エンドツーエンドのトレーニング可能なニューラルネットワークに統合して,新たな行動シーケンス予測手法を提案することである。
論文参考訳（メタデータ） (2020-04-29T14:59:58Z)

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。