論文の概要: Predicting Parking Lot Availability by Graph-to-Sequence Model: A Case Study with SmartSantander

• arxiv url: http://arxiv.org/abs/2206.10160v1
• Date: Tue, 21 Jun 2022 07:36:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-23 04:05:53.200142
• Title: Predicting Parking Lot Availability by Graph-to-Sequence Model: A Case Study with SmartSantander
• Title（参考訳）: グラフからシーケンスモデルによるパーキングロットの可利用性予測:SmartSantanderを用いたケーススタディ
• Authors: Yuya Sasaki, Junya Takayama, Juan Ram\'on Santana, Shohei Yamasaki, Tomoya Okuno, Makoto Onizuka
• Abstract要約: 我々は,SmartSantanderを用いた300以上の屋外駐車センサの履歴データを用いて,駐車場利用率の予測について検討した。 本モデルは,既存のシーケンス・ツー・シーケンス・モデルと比較して精度が高い。 我々は、市民や観光客が広く利用するスマートフォンアプリケーションにモデルを応用する。
• 参考スコア（独自算出の注目度）: 6.370669405709256
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Nowadays, so as to improve services and urban areas livability, multiple smart city initiatives are being carried out throughout the world. SmartSantander is a smart city project in Santander, Spain, which has relied on wireless sensor network technologies to deploy heterogeneous sensors within the city to measure multiple parameters, including outdoor parking information. In this paper, we study the prediction of parking lot availability using historical data from more than 300 outdoor parking sensors with SmartSantander. We design a graph-to-sequence model to capture the periodical fluctuation and geographical proximity of parking lots. For developing and evaluating our model, we use a 3-year dataset of parking lot availability in the city of Santander. Our model achieves a high accuracy compared with existing sequence-to-sequence models, which is accurate enough to provide a parking information service in the city. We apply our model to a smartphone application to be widely used by citizens and tourists.
• Abstract（参考訳）: 現在では、サービスと都市部の居住性を改善するため、世界中で複数のスマートシティイニシアティブが実施されている。 SmartSantanderはスペインのサンタンデールにあるスマートシティプロジェクトで、ワイヤレスセンサーネットワーク技術を利用して市内に異質なセンサーを配置し、屋外駐車情報を含む複数のパラメータを測定する。 本稿では,SmartSantanderを用いた300以上の屋外駐車センサの履歴データを用いて,駐車場利用率の予測について検討する。 駐車場の周期的変動と地理的近接を捉えるためのグラフ・ツー・シーケンスモデルを設計する。 私たちのモデルの開発と評価には、サンタンデール市で3年間の駐車場利用状況のデータセットを使用します。 市内の駐車場情報サービスを提供するのに十分な精度の既存のシーケンス・ツー・シーケンス・モデルと比較して精度の高いモデルを実現する。 我々は、市民や観光客が広く利用するスマートフォンアプリケーションにモデルを応用する。

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)
• RoboSense: Large-scale Dataset and Benchmark for Multi-sensor Low-speed Autonomous Driving [62.5830455357187]
  本稿では,3種類のセンサ(Camera, LiDAR, Fisheye)をベースとしたマルチモーダルデータ収集プラットフォームを構築する。 RoboSenseという名前の大規模なマルチセンサーデータセットが構築されており、ニアフィールドシーンの理解を容易にする。 RoboSenseは、1133K以上の同期データと1.4Mの3DバウンディングボックスとIDをフル360円のビューに格納し、7.6Kの時間シーケンスに216Kのトラジェクトリを形成する。
  論文  参考訳（メタデータ） (2024-08-28T03:17:40Z)
• Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
  運動プランナー(MP)は複雑な都市環境における安全なナビゲーションに不可欠である。 最近リリースされたMPベンチマークであるnuPlanは、クローズドループシミュレーションロジックで現実世界の駆動ログを拡張することで、この制限に対処している。 本稿では,モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverを提案する。
  論文  参考訳（メタデータ） (2024-06-15T18:53:45Z)
• Efficient Parking Search using Shared Fleet Data [2.0967973517861003]
  スマート環境における自由駐車場の発見は,マルコフ決定過程(MDP)としてモデル化し,解決することができる。 環境中の全ての車両の駐車意図を知ることは、不確実性を排除します。 本稿では,車両内のデータ共有が,特定のドライバーの検索時間にどの程度有用か,という課題について考察する。
  論文  参考訳（メタデータ） (2024-04-16T15:20:28Z)
• RFID-Cloud Integration for Smart Management of Public Car Parking Spaces [0.0]
  本稿では,公共駐車場管理フレームワークのコンセプト実証に成功していることを示す。 パーキングスロットの保存はクラウドでホストされたアプリケーションを通じて行われ、パーキングスロットからのアクセスはRFID(Radio Frequency Identification)技術によって可能である。 この枠組みは、空き駐車スペースが確実な場合にのみ駐車スペースに運転する必要があるため、都市住民にかなりの利便性をもたらす可能性がある。
  論文  参考訳（メタデータ） (2022-12-25T00:39:42Z)
• IntentNet: Learning to Predict Intention from Raw Sensor Data [86.74403297781039]
  本論文では,LiDARセンサが生成する3次元点群と,環境の動的なマップの両方を利用するワンステージ検出器と予測器を開発した。 当社のマルチタスクモデルは、それぞれの別々のモジュールよりも高い精度を実現し、計算を節約します。
  論文  参考訳（メタデータ） (2021-01-20T00:31:52Z)
• 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)
• Semantic Segmentation on Swiss3DCities: A Benchmark Study on Aerial Photogrammetric 3D Pointcloud Dataset [67.44497676652173]
  スイスの3つの都市から採取された総面積2.7 km2$の屋外3Dポイントクラウドデータセットを紹介した。 データセットは、ポイントごとのラベルによるセマンティックセグメンテーションのために手動でアノテートされ、高解像度カメラを備えたマルチローターによって取得された画像のフォトグラムを用いて構築される。
  論文  参考訳（メタデータ） (2020-12-23T21:48:47Z)
• The Smart Parking Management System [0.0]
  本稿では,Arduino部品やAndroidアプリケーションに依存し,IoTに基づくスマートパーキング管理システム(SPMS)を提案する。 IRセンサーは、駐車場のスペースが許可されているかどうかを知るために使用される。 その領域データはWI-FIモジュールを使ってサーバに送信され、モバイルアプリケーションによって復元される。
  論文  参考訳（メタデータ） (2020-09-28T16:08:10Z)
• FADACS: A Few-shot Adversarial Domain Adaptation Architecture for Context-Aware Parking Availability Sensing [5.160087162892865]
  本研究では,駐車場データの不十分な地域での駐車状況を予測するために,駐車状況検知のためのエンドツーエンドの移動学習フレームワークを設計する。 このフレームワークは2つの課題を克服する。1) 既存のデータ駆動モデルに十分なデータを提供できない実世界のケースが多く、2) センサデータと異種コンテキスト情報をマージすることは困難である。
  論文  参考訳（メタデータ） (2020-07-13T08:25:26Z)
• 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)

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。