論文の概要: Urban Vehicle Mobility Characteristic Mining and Trip Generation Based
on Knowledge Graph
- arxiv url: http://arxiv.org/abs/2203.04085v1
- Date: Sat, 19 Feb 2022 04:13:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 15:29:17.317091
- Title: Urban Vehicle Mobility Characteristic Mining and Trip Generation Based
on Knowledge Graph
- Title（参考訳）: ナレッジグラフに基づく都市車両移動特性のマイニングとトリップ生成
- Authors: Guilong Li, Yixian Chen, Jun Xie, Qinghai Lin, Zhaocheng He
- Abstract要約: 本研究では,個人レベルの都市交通ビッグデータをよりよく扱うための知識グラフを紹介する。
個人レベルの旅行データを構成するために,個人レベルの旅行知識グラフを設計・構築した。
個人レベルの交通データのプライバシー問題に対処するため,知識グラフ生成に基づく個人レベルの旅行合成手法を提案する。
- 参考スコア（独自算出の注目度）: 14.032480351768395
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The operation of urban transportation produces massive traffic data, which
contains abundant information and is of great significance for the study of
intelligent transportation systems. In particular, with the improvement of
perception technology, it has become possible to obtain trip data in
individual-level of vehicles. It has finer granularity and greater research
potential, but at the same time requires higher requirements in terms of data
organization and analysis. More importantly it cannot be made public due to
privacy issues. To handle individual-level urban vehicle trip big data better,
we introduce the knowledge graph for the study. For organization of individual
level trip data, we designed and constructed an individual-level trip knowledge
graph which greatly improves the efficiency of obtaining data. Then we used the
trip knowledge graph as the data engine and designed logical rules to mine the
trip characteristics of vehicles by combining the transportation domain
knowledge. Finally, we further propose an individual-level trip synthesis
method based on knowledge graph generation to address the privacy issue of
individual-level traffic data. The experiment shows that the final generated
trip data are similar to the historical one in mobility patterns and vehicle
associations, and have high spatial continuity.
- Abstract（参考訳）: 都市交通の運用は、豊富な情報を含む大量の交通データを生み出し、インテリジェントな交通システムの研究に非常に重要である。
特に、知覚技術の改善により、車両の個人レベルでのトリップデータを得ることが可能になった。
粒度が細く、研究の可能性も大きいが、同時にデータ構造や分析の点でも高い要求が要求される。
さらに重要なのは、プライバシーの問題のために公開できないことだ。
個人レベルの都市交通ビッグデータをよりよく扱うために,本研究の知識グラフを導入する。
個人レベルの旅行データを作成するために,データ取得の効率を大幅に向上させる個別レベルの旅行知識グラフを設計・構築した。
次に、旅行知識グラフをデータエンジンとして使用し、交通領域の知識を組み合わせて車両の走行特性を抽出する論理ルールを設計した。
最後に,知識グラフ生成に基づく個人レベルの旅行合成手法を提案し,個人レベルの交通データのプライバシー問題に対処する。
実験の結果,最終生成した旅行データは移動パターンや車両関連における歴史的データと類似しており,空間的連続性が高いことがわかった。
関連論文リスト
- Urban Mobility Assessment Using LLMs [19.591156495742922]
本研究は,大規模言語モデル(LLM)を推進し,旅行調査を合成する,革新的なAIベースのアプローチを提案する。
本研究は, 異なるレベルの既存調査データと比較し, 全米各都市圏におけるこのアプローチの有効性について検討した。
論文 参考訳（メタデータ） (2024-08-22T19:17:33Z) - Privacy-Preserving Graph Machine Learning from Data to Computation: A
Survey [67.7834898542701]
我々は,グラフ機械学習のプライバシ保護手法の見直しに重点を置いている。
まずプライバシ保護グラフデータを生成する方法を検討する。
次に,プライバシ保護情報を送信する方法について述べる。
論文 参考訳（メタデータ） (2023-07-10T04:30:23Z) - A sequential transit network design algorithm with optimal learning
under correlated beliefs [4.8951183832371]
本研究では, 逐次的トランジットネットワーク設計と最適学習を組み合わせた人工知能駆動型アルゴリズムを提案する。
オペレータは、設計されたルートと実際の旅行需要との整合性からリスクを回避するために、徐々に経路システムを拡大する。
バリデーションのために、ニューヨーク市の公共利用マイクロデータエリアに基づく人工ネットワーク上に、新しいルートシステムを設計する。
論文 参考訳（メタデータ） (2023-05-16T14:14:51Z) - City-scale synthetic individual-level vehicle trip data [5.191606231133951]
歴史的旅行データに基づいて,都市規模で個別レベルの自動車旅行データセットを作成した。
その結果, 合成データは集約レベルにおける実データと一致し, 個人の観点からは妥当であることが示唆された。
論文 参考訳（メタデータ） (2022-06-02T08:08:01Z) - Spatio-Temporal Graph Few-Shot Learning with Cross-City Knowledge
Transfer [58.6106391721944]
クロスシティの知識は、データ不足の都市から学んだモデルを活用して、データ不足の都市の学習プロセスに役立てるという、その将来性を示している。
本稿では,ST-GFSLと呼ばれるS時間グラフのためのモデルに依存しない数ショット学習フレームワークを提案する。
本研究では,4つの交通速度予測ベンチマークの総合的な実験を行い,ST-GFSLの有効性を最先端手法と比較した。
論文 参考訳（メタデータ） (2022-05-27T12:46:52Z) - Deep Learning based Urban Vehicle Trajectory Analytics [1.3706331473063877]
この論文は、都市交通網における車両を指す「都市自動車軌道」に焦点を当てている。
本論文の目的は,都市自動車軌道分析のためのディープラーニングモデルを開発することである。
論文 参考訳（メタデータ） (2021-11-15T01:44:18Z) - 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) - End-to-end Interpretable Neural Motion Planner [78.69295676456085]
複雑な都市環境での自律走行学習のためのニューラルモーションプランナー(NMP)を提案する。
我々は,生lidarデータとhdマップを入力とし,解釈可能な中間表現を生成する全体モデルを設計した。
北米のいくつかの都市で収集された実世界の運転データにおける我々のアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2021-01-17T14:16:12Z) - 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)
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。