論文の概要: City-scale synthetic individual-level vehicle trip data
- arxiv url: http://arxiv.org/abs/2206.03273v3
- Date: Wed, 1 Feb 2023 09:11:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 17:36:34.621136
- Title: City-scale synthetic individual-level vehicle trip data
- Title(参考訳): 都市規模総合自動車旅行データ
- Authors: Guilong Li, Yixian Chen, Yimin Wang, Zhi Yu, Peilin Nie, Zhaocheng He
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 5.191606231133951
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Trip data that records each vehicle's trip activity on the road network
describes the operation of urban traffic from the individual perspective, and
it is extremely valuable for transportation research. However, restricted by
data privacy, the trip data of individual-level cannot be opened for all
researchers, while the need for it is very urgent. In this paper, we produce a
city-scale synthetic individual-level vehicle trip dataset by generating for
each individual based on the historical trip data, where the availability and
trip data privacy protection are balanced. Privacy protection inevitably
affects the availability of data. Therefore, we have conducted numerous
experiments to demonstrate the performance and reliability of the synthetic
data in different dimensions and at different granularities to help users
properly judge the tasks it can perform. The result shows that the synthetic
data is consistent with the real data (i.e., historical data) on the aggregated
level and reasonable from the individual perspective.
- Abstract(参考訳): 道路網上の各車両の走行行動を記録するトリップデータは、個々の視点から都市交通の運行を記述しており、交通研究には極めて有用である。
しかし、データプライバシによって制限されているため、個々のレベルのトリップデータはすべての研究者に対して公開できない。
本稿では,都市規模での個人レベルの自動車走行データを作成し,各個人に対して過去の旅行データに基づいて,可用性と旅行データのプライバシ保護のバランスをとる。
プライバシー保護は必然的にデータの可用性に影響を及ぼす。
そこで我々は,様々な次元および粒度の合成データの性能と信頼性を実証する実験を数多く実施し,ユーザが実行可能なタスクを適切に判断できるように支援した。
その結果、合成データは、集約されたレベルでの実データ(すなわち歴史的データ)と一致し、個々の観点から合理的であることが示された。
関連論文リスト
- Scaling While Privacy Preserving: A Comprehensive Synthetic Tabular Data
Generation and Evaluation in Learning Analytics [0.412484724941528]
プライバシーは学習分析(LA)の進歩に大きな障害となり、匿名化の不十分さやデータ誤用といった課題を提示している。
合成データは潜在的な対策として現れ、堅牢なプライバシー保護を提供する。
LAの合成データに関する以前の研究では、プライバシーとデータユーティリティの微妙なバランスを評価するのに不可欠な、徹底的な評価が欠如していた。
論文 参考訳(メタデータ) (2024-01-12T20:27:55Z) - Reliability in Semantic Segmentation: Can We Use Synthetic Data? [52.5766244206855]
本稿では,セマンティックセグメンテーションにおける信頼性を評価するために,データの自動合成を行う最先端生成モデルに挑戦する。
安定拡散を微調整することにより、OODドメインやOODオブジェクトに塗布された合成データのゼロショット生成を行う。
我々は,合成データの性能と実OODデータの性能との間に高い相関関係を示し,妥当性を示す。
論文 参考訳(メタデータ) (2023-12-14T18:56:07Z) - Reimagining Synthetic Tabular Data Generation through Data-Centric AI: A
Comprehensive Benchmark [56.8042116967334]
合成データは、機械学習モデルのトレーニングの代替となる。
合成データが現実世界データの複雑なニュアンスを反映することを保証することは、難しい作業です。
本稿では,データ中心型AI技術の統合による合成データ生成プロセスのガイドの可能性について検討する。
論文 参考訳(メタデータ) (2023-10-25T20:32:02Z) - Synthetic Datasets for Autonomous Driving: A Survey [13.287734271923565]
実世界のデータセットは、高価で時間を要する実験とラベル付けのコストのために、要求の変化のペースに遅れずにはいられない。
ますます多くの研究者が、リッチで変化しやすいデータを生成するために、合成データセットに目を向けている。
論文 参考訳(メタデータ) (2023-04-24T15:46:10Z) - Beyond Privacy: Navigating the Opportunities and Challenges of Synthetic
Data [91.52783572568214]
合成データは、機械学習の世界において支配的な力となり、データセットを個々のニーズに合わせて調整できる未来を約束する。
合成データのより広範な妥当性と適用のために,コミュニティが克服すべき根本的な課題について論じる。
論文 参考訳(メタデータ) (2023-04-07T16:38:40Z) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳(メタデータ) (2022-08-16T20:46:08Z) - Virtual passengers for real car solutions: synthetic datasets [2.1028463367241033]
私たちは3Dシナリオを構築し、可能な限り現実に近いようにセットアップします。
シーンにランダム性を加えるためにパラメータの設定と変更が可能である。
本稿では,自動車環境における合成データ生成のプロセスと概念について述べる。
論文 参考訳(メタデータ) (2022-05-13T10:54:39Z) - Urban Vehicle Mobility Characteristic Mining and Trip Generation Based
on Knowledge Graph [14.032480351768395]
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。
論文 参考訳(メタデータ) (2022-02-19T04:13:17Z) - 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) - Measuring Utility and Privacy of Synthetic Genomic Data [3.635321290763711]
人工ゲノムデータを生成するための5つの最先端モデルの実用性とプライバシ保護を最初に評価する。
全体として、ボード全体でうまく機能する合成ゲノムデータを生成するための単一のアプローチは存在しない。
論文 参考訳(メタデータ) (2021-02-05T17:41:01Z) - 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)
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。