Fugu-MT 論文翻訳(概要): Predicting vacant parking space availability zone-wisely: a graph based spatio-temporal prediction approach

論文の概要: Predicting vacant parking space availability zone-wisely: a graph based spatio-temporal prediction approach

arxiv url: http://arxiv.org/abs/2205.02113v1
Date: Tue, 3 May 2022 12:24:39 GMT
ステータス: 処理完了
システム内更新日: 2022-05-05 15:17:08.520430
Title: Predicting vacant parking space availability zone-wisely: a graph based spatio-temporal prediction approach
Title（参考訳）: 空いている駐車空間アベイラビリティーゾーンの予測--グラフに基づく時空間予測手法
Authors: Yajing Feng, Qian Hu, Zhenzhou Tang
Abstract要約: 空き駐車スペース(VPS)情報の正確な予測は、インテリジェントな駐車誘導システムにおいて重要な役割を果たす。本稿では,短期・長期のVPS数を予測するグラフデータモデルST-GBGRUを提案する。その結果,ST-GBGRUモデルは短期的・長期的予測タスクにおいて,精度が高く,適用可能性も良好であることが示唆された。
参考スコア（独自算出の注目度）: 0.25782420501870296
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Vacant parking space (VPS) prediction is one of the key issues of intelligent parking guidance systems. Accurately predicting VPS information plays a crucial role in intelligent parking guidance systems, which can help drivers find parking space quickly, reducing unnecessary waste of time and excessive environmental pollution. Through the simple analysis of historical data, we found that there not only exists a obvious temporal correlation in each parking lot, but also a clear spatial correlation between different parking lots. In view of this, this paper proposed a graph data-based model ST-GBGRU (Spatial-Temporal Graph Based Gated Recurrent Unit), the number of VPSs can be predicted both in short-term (i.e., within 30 min) and in long-term (i.e., over 30min). On the one hand, the temporal correlation of historical VPS data is extracted by GRU, on the other hand, the spatial correlation of historical VPS data is extracted by GCN inside GRU. Two prediction methods, namely direct prediction and iterative prediction, are combined with the proposed model. Finally, the prediction model is applied to predict the number VPSs of 8 public parking lots in Santa Monica. The results show that in the short-term and long-term prediction tasks, ST-GBGRU model can achieve high accuracy and have good application prospects.
Abstract（参考訳）: バカント駐車スペース(VPS)予測は、インテリジェント駐車誘導システムにおいて重要な問題の一つである。正確なVPS情報の予測は、ドライバーが駐車スペースを素早く見つけ、不要な時間の無駄を省き、環境汚染を過度に軽減するインテリジェントな駐車誘導システムにおいて重要な役割を果たす。履歴データの簡易解析により,各駐車場に明らかな時間的相関が存在するだけでなく,異なる駐車場間の空間的相関も明らかであることがわかった。そこで本稿では,グラフデータに基づくモデルst-gbgru(spatial-temporal graph based gated recurrent unit)を提案する。一方、歴史的VPSデータの時間的相関はGRUにより抽出され、一方、歴史的VPSデータの空間的相関はGRU内部のGCNによって抽出される。直接予測と反復予測という2つの予測手法を,提案モデルと組み合わせた。最後に,サンタモニカの公共駐車場8カ所のVPS数を予測するために予測モデルを適用した。その結果,st-gbgruモデルは短期的および長期的予測タスクにおいて高い精度を達成でき,良好な応用可能性が得られることがわかった。

関連論文リスト

Efficient Large-Scale Urban Parking Prediction: Graph Coarsening Based on Real-Time Parking Service Capability [7.5350858327743095]
本稿では,リアルタイムサービス機能を活用した大規模都市駐車場グラフの予測手法を提案する。大規模駐車データを効果的に処理するために,グラフ粗大化手法と時間畳み込みオートエンコーダを組み合わせる。本フレームワークは, それぞれ46.8%, 30.5%の精度向上と効率向上を実現している。
論文参考訳（メタデータ） (2024-10-05T03:54:25Z)
Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
論文参考訳（メタデータ） (2024-08-08T06:47:21Z)
HPNet: Dynamic Trajectory Forecasting with Historical Prediction Attention [76.37139809114274]
HPNetは、新しい動的軌道予測手法である。逐次予測間の動的関係を自動的に符号化する履歴予測アテンションモジュールを提案する。私たちのコードはhttps://github.com/XiaolongTang23/HPNetで利用可能です。
論文参考訳（メタデータ） (2024-04-09T14:42:31Z)
TOFG: A Unified and Fine-Grained Environment Representation in Autonomous Driving [7.787762537147956]
自律運転では、軌道予測や運動計画といった多くの運転タスクにおいて、環境の正確な理解が重要な役割を果たす。軌道予測と運動計画のための多くのデータ駆動モデルでは、車両間および車両間相互作用を分離的かつ逐次的に抽出する。環境表現であるTOFG(Temporal Occupancy Flow Graph)を提案し、地図情報と車両軌跡を均質なデータ形式に統一する。
論文参考訳（メタデータ） (2023-05-31T17:43:56Z)
Beyond Prediction: On-street Parking Recommendation using Heterogeneous Graph-based List-wise Ranking [18.08128929432942]
我々はまず,ドライバーに駐車スペースを直接推薦する,路上駐車推奨(OPR)タスクを提案する。我々はESGraphと呼ばれる高効率なヘテロジニアスグラフを設計し、歴史的かつリアルタイムなメーターのターンオーバーイベントを表現する。さらにランキングモデルを用いて、ランキングされた駐車場のリストを推薦するスコア関数を学習する。
論文参考訳（メタデータ） (2023-04-29T03:59:35Z)
A Baselined Gated Attention Recurrent Network for Request Prediction in Ridesharing [1.0312968200748118]
ライドシェアリングは、ドライバーと乗客の両方にとって利便性とコスト効率のため、世界的に人気がある。 RSODP(Origin-Destination Prediction for Ride Share)問題の目的は、将来の配車要求を予測し、事前に車両のスケジュールを提供することである。既存の予測モデルの多くはDeep Learningを利用しているが、空間力学と時間力学の両方を効果的に考慮していない。
論文参考訳（メタデータ） (2022-07-11T08:41:24Z)
Predicting Future Occupancy Grids in Dynamic Environment with Spatio-Temporal Learning [63.25627328308978]
本稿では,将来の占有予測を生成するための時間的予測ネットワークパイプラインを提案する。現在のSOTAと比較して、我々の手法は3秒の長い水平線での占有を予測している。我々は、さらなる研究を支援するために、nulisに基づくグリッド占有データセットを公開します。
論文参考訳（メタデータ） (2022-05-06T13:45:32Z)
AutoCP: Automated Pipelines for Accurate Prediction Intervals [84.16181066107984]
本稿では、自動予測のための自動機械学習(Automatic Machine Learning for Conformal Prediction, AutoCP)というAutoMLフレームワークを提案する。最高の予測モデルを選択しようとする慣れ親しんだAutoMLフレームワークとは異なり、AutoCPは、ユーザが指定したターゲットカバレッジ率を達成する予測間隔を構築する。さまざまなデータセットでAutoCPをテストしたところ、ベンチマークアルゴリズムを著しく上回っていることがわかった。
論文参考訳（メタデータ） (2020-06-24T23:13:11Z)
Long-Short Term Spatiotemporal Tensor Prediction for Passenger Flow Profile [15.875569404476495]
本稿では,テンソルに基づく予測に焦点をあて,予測を改善するためのいくつかの実践的手法を提案する。具体的には、長期予測のために「テンソル分解+2次元自己回帰移動平均(2D-ARMA)」モデルを提案する。短期予測のために,テンソルクラスタリングに基づくテンソル補完を行い,過度に単純化され精度が保証されるのを避けることを提案する。
論文参考訳（メタデータ） (2020-04-23T08:30:00Z)
ParkPredict: Motion and Intent Prediction of Vehicles in Parking Lots [65.33650222396078]
我々は、駐車場環境を開発し、人間の駐車操作のデータセットを収集する。本稿では,多モード長短期記憶(LSTM)予測モデルと畳み込みニューラルネットワークLSTM(CNN-LSTM)を物理ベースの拡張カルマンフィルタ(EKF)ベースラインと比較する。以上の結果から,1) 意図をよく推定できる(LSTMとCNN-LSTMモデルによる約85% のトップ1精度と100% トップ3精度),2) 運転者の意図する駐車場所の知識が駐車軌跡の予測に大きく影響すること,3) 環境の意味的表現について考察した。
論文参考訳（メタデータ） (2020-04-21T20:46:32Z)
Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
論文参考訳（メタデータ） (2020-02-20T18:50:44Z)

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。