論文の概要: Predicting the impact of urban change in pedestrian and road safety
- arxiv url: http://arxiv.org/abs/2202.01781v1
- Date: Thu, 3 Feb 2022 10:37:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-08 03:45:00.259751
- Title: Predicting the impact of urban change in pedestrian and road safety
- Title（参考訳）: 歩行者と道路安全における都市変化の影響予測
- Authors: Cristina Bustos, Daniel Rhoads, Agata Lapedriza, Javier
Borge-Holthoefer, and Albert Sol\'e-Ribalta
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Increased interaction between and among pedestrians and vehicles in the
crowded urban environments of today gives rise to a negative side-effect: a
growth in traffic accidents, with pedestrians being the most vulnerable
elements. Recent work has shown that Convolutional Neural Networks are able to
accurately predict accident rates exploiting Street View imagery along urban
roads. The promising results point to the plausibility of aided design of safe
urban landscapes, for both pedestrians and vehicles. In this paper, by
considering historical accident data and Street View images, we detail how to
automatically predict the impact (increase or decrease) of urban interventions
on accident incidence. The results are positive, rendering an accuracies
ranging from 60 to 80%. We additionally provide an interpretability analysis to
unveil which specific categories of urban features impact accident rates
positively or negatively. Considering the transportation network substrates
(sidewalk and road networks) and their demand, we integrate these results to a
complex network framework, to estimate the effective impact of urban change on
the safety of pedestrians and vehicles. Results show that public authorities
may leverage on machine learning tools to prioritize targeted interventions,
since our analysis show that limited improvement is obtained with current
tools. Further, our findings have a wider application range such as the design
of safe urban routes for pedestrians or to the field of driver-assistance
technologies.
- Abstract（参考訳）: 今日の混雑した都市環境における歩行者と車両の相互作用の増加は、交通事故の増加というネガティブな副作用をもたらし、歩行者が最も脆弱な要素となっている。
近年の研究では、畳み込みニューラルネットワークが都市道路のストリートビュー画像を利用する事故率を正確に予測できることが示されている。
有望な結果は、歩行者と車両の両方にとって安全な都市景観の設計を支援する可能性を示している。
本稿では,過去の事故データとストリートビューの画像から,都市の介入が事故発生に与える影響(増加・減少)を自動的に予測する方法を詳述する。
その結果は肯定的であり、60から80%のアキュラシーが生じる。
都市の特徴の特定のカテゴリーが事故率に正または負の影響を与えるかを明らかにするための解釈可能性分析も提供する。
交通ネットワーク基盤(サイドウォーク・ロード・ネットワーク)とその需要を考慮して,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し,歩行者や車両の安全に対する都市変化の効果を推定する。
分析の結果,現状のツールでは改善が限られているため,機械学習ツールを活用して対象の介入を優先順位付けできる可能性が示唆された。
さらに,歩行者のための安全な都市交通路の設計や,運転支援技術の分野など,幅広い応用範囲がある。
関連論文リスト
- GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [82.19172267487998]
GARLIC: GPT拡張強化学習のフレームワーク。
本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
論文 参考訳（メタデータ） (2024-08-19T08:23:38Z) - MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。
公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。
本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
論文 参考訳（メタデータ） (2024-07-11T17:56:49Z) - Eyes on the Streets: Leveraging Street-Level Imaging to Model Urban Crime Dynamics [0.0]
本研究では,ニューヨーク市における都市安全の課題について,建設環境と犯罪率との関係について検討した。
本研究では,都市景観と犯罪統計との関連性を明らかにすることを目的として,街路景観の特徴と犯罪率との関連性に着目した。
論文 参考訳（メタデータ） (2024-04-15T21:33:45Z) - The ubiquitous efficiency of going further: how street networks affect
travel speed [0.0]
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。
論文 参考訳（メタデータ） (2021-11-15T14:38:06Z) - Explainable, automated urban interventions to improve pedestrian and
vehicle safety [0.8620335948752805]
本稿では,歩行者や車両の安全性にアプローチするために,公共データソース,大規模街路画像,コンピュータビジョン技術を組み合わせる。
このパイプラインに関わるステップには、各都市シーンのハザード指標を決定するために、残留畳み込みニューラルネットワークの適応とトレーニングが含まれる。
この計算手法の結果は、都市全体の危険レベルの詳細なマップであり、歩行者と車両の安全性を同時に改善する可能性がある。
論文 参考訳（メタデータ） (2021-10-22T09:17:39Z) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳（メタデータ） (2021-09-03T13:33:33Z) - Automated Object Behavioral Feature Extraction for Potential Risk
Analysis based on Video Sensor [6.291501119156943]
歩行者は道路、特に標識のない横断歩道で死亡や重傷を負う危険にさらされている。
本研究では,道路上に展開された映像センサから物体の行動特徴を効果的に抽出するシステムを提案する。
本研究は、スマートシティーに実用的なデータを提供するためのコネクテッドビデオセンサネットワークの可能性を示す。
論文 参考訳（メタデータ） (2021-07-08T01:11:31Z) - 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) - Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。
歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。
2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
論文 参考訳（メタデータ） (2021-01-07T06:08:21Z) - 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) - Decoding pedestrian and automated vehicle interactions using immersive
virtual reality and interpretable deep learning [6.982614422666432]
本研究では,自動走行車の存在による影響が期待される都市動態の重要な要素として,歩行者の横断行動について検討する。
歩行者の待ち時間はデータ駆動のCox Proportional Hazards(CPH)モデルを用いて分析される。
その結果,道路上の自動走行車の存在,広い車線幅,道路上の高密度化,観光距離の制限,歩行習慣の欠如が待ち時間の主な要因であることが示唆された。
論文 参考訳（メタデータ） (2020-02-18T01:30:29Z)
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。