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
- 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) - 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) - Smart City Intersections: Intelligence Nodes for Future Metropolises [8.690266225071772]
交通交差点は、未来のスマートシティ向けのコンピューティング、コミュニケーション、インテリジェンスサービスの展開に最も適した場所である。
i)スマートシティ交差点インテリジェンスノードのシステム設計、(ii)センサ、ネットワーキング、エッジコンピューティング、低レイテンシ設計、AIベースのインテリジェンスを含む重要な技術コンポーネント、(iii)プライバシ保護、クラウドに接続された車両、リアルタイムの「レーダースクリーン」、交通管理、パンデミック時の歩行者の行動監視などである。
論文 参考訳(メタデータ) (2022-05-03T17:22:57Z) - Smart Parking Space Detection under Hazy conditions using Convolutional
Neural Networks: A Novel Approach [0.0]
本稿では, 空き環境下での駐車スペース占有性能を向上させるデハジングネットワークの利用について検討する。
提案システムは既存のスマートパーキングシステムの一部として展開可能で、数百台のパーキングスペースを監視するために、限られた数のカメラが使用されている。
論文 参考訳(メタデータ) (2022-01-15T14:15:46Z) - SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point
Clouds [52.624157840253204]
センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。
データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
論文 参考訳(メタデータ) (2022-01-12T14:48:11Z) - 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。