論文の概要: Generational Differences in Automobility: Comparing America's
Millennials and Gen Xers Using Gradient Boosting Decision Trees
- arxiv url: http://arxiv.org/abs/2206.11056v1
- Date: Sun, 19 Jun 2022 06:58:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-23 16:34:44.623894
- Title: Generational Differences in Automobility: Comparing America's
Millennials and Gen Xers Using Gradient Boosting Decision Trees
- Title(参考訳): 自己移動の世代差:勾配ブースティング決定木を用いたアメリカのミレニアル世代とxers世代の比較
- Authors: Kailai Wang (University of Houston), Xize Wang (National University of
Singapore)
- Abstract要約: 本研究は,ミレニアル世代とGen-X若年者の運転距離に及ぼすライフサイクル,社会デマトグラフィー,居住要因の非線形線量応答効果について検討した。
ミレニアル世代の若者は、他のすべての要因を一定に保ちながら、毎日の運転距離をGen-Xよりも短く予測していた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Whether the Millennials are less auto-centric than the previous generations
has been widely discussed in the literature. Most existing studies use
regression models and assume that all factors are linear-additive in
contributing to the young adults' driving behaviors. This study relaxes this
assumption by applying a non-parametric statistical learning method, namely the
gradient boosting decision trees (GBDT). Using U.S. nationwide travel surveys
for 2001 and 2017, this study examines the non-linear dose-response effects of
lifecycle, socio-demographic and residential factors on daily driving distances
of Millennial and Gen-X young adults. Holding all other factors constant,
Millennial young adults had shorter predicted daily driving distances than
their Gen-X counterparts. Besides, residential and economic factors explain
around 50% of young adults' daily driving distances, while the collective
contributions for life course events and demographics are about 33%. This study
also identifies the density ranges for formulating effective land use policies
aiming at reducing automobile travel demand.
- Abstract(参考訳): ミレニアル世代が前世代よりも自己中心的でないかどうかは文献で広く議論されている。
既存の研究の多くは回帰モデルを用いており、全ての要因が若い成人の運転行動に寄与する線形加法的であると仮定している。
本研究は,非パラメトリック統計学習法である勾配ブースティング決定木(gbdt)を適用することで,この仮定を緩和する。
2001年と2017年の米国全国旅行調査を用いて、ミレニアル世代とGen-X若年成人の日常運転距離に対するライフサイクル、社会デコグラフィー、居住要因の非線形線量応答効果を調べた。
ミレニアル世代の若者は、他のすべての要因を一定に保ちながら、毎日の運転距離をGen-Xよりも短く予測していた。
また、若者の日常運転距離の約50%は住宅や経済的な要因で説明されており、ライフコースイベントや人口統計学への貢献はおよそ33%である。
また,自動車の交通需要削減を目的とした土地利用政策を策定するための密度範囲についても検討した。
関連論文リスト
- MoCa: Measuring Human-Language Model Alignment on Causal and Moral
Judgment Tasks [49.60689355674541]
認知科学の豊富な文献は人々の因果関係と道徳的直観を研究してきた。
この研究は、人々の判断に体系的に影響を及ぼす多くの要因を明らかにした。
大規模言語モデル(LLM)が、人間の参加者と一致するテキストベースのシナリオについて因果的、道徳的な判断を下すかどうかを検証する。
論文 参考訳(メタデータ) (2023-10-30T15:57:32Z) - Cross-Lingual Cross-Age Group Adaptation for Low-Resource Elderly Speech
Emotion Recognition [48.29355616574199]
我々は、英語、中国語、カントン語という3つの異なる言語における感情認識の伝達可能性を分析する。
本研究は,異なる言語群と年齢群が特定の音声特徴を必要とすることを結論し,言語間推論を不適切な方法とする。
論文 参考訳(メタデータ) (2023-06-26T08:48:08Z) - Studying the Impact of Semi-Cooperative Drivers on Overall Highway Flow [76.38515853201116]
半協調行動は、人間ドライバーの本質的な性質であり、自律運転には考慮すべきである。
新たな自律型プランナーは、社会的に準拠した軌道を生成するために、人間のドライバーの社会的価値指向(SVO)を考慮することができる。
エージェントが反復的最適応答のゲーム理論バージョンをデプロイする暗黙的な半協調運転について検討する。
論文 参考訳(メタデータ) (2023-04-23T16:01:36Z) - AI-Based Framework for Understanding Car Following Behaviors of Drivers
in A Naturalistic Driving Environment [6.445605125467574]
後続の事故はしばしば致命的なものである。
後部事故の原因となる車両の挙動を正確にモデル化する必要がある。
本研究では,自然環境における運転行動の理解に関連する特徴を抽出する人工知能フレームワークを開発する。
論文 参考訳(メタデータ) (2023-01-23T08:24:33Z) - Causal Analysis and Prediction of Human Mobility in the U.S. during the
COVID-19 Pandemic [0.0]
米国における新型コロナウイルスの感染拡大以来、ほとんどの州は旅行制限を強制しており、移動度は大幅に低下している。
本研究は、このパンデミックの間、米国における人間の移動と旅行に最も影響を及ぼす要因を決定・分析する分析枠組みを開発する。
論文 参考訳(メタデータ) (2021-11-24T05:15:12Z) - Retiring Adult: New Datasets for Fair Machine Learning [47.27417042497261]
UCIアダルトは、多くのアルゴリズム的公正な介入の開発と比較の基礎として機能している。
UCIアダルトデータのスーパーセットを米国国勢調査資料から再構築し、その外部妥当性を制限するUCIアダルトデータセットの慣用性を明らかにする。
私たちの主な貢献は、公正な機械学習の研究のために既存のデータエコシステムを拡張する、一連の新しいデータセットです。
論文 参考訳(メタデータ) (2021-08-10T19:19:41Z) - Driver2vec: Driver Identification from Automotive Data [44.84876493736275]
Driver2vecは、センサーデータの短い10秒間隔からドライバを正確に識別することができる。
Driver2vecは、Nervtechが提供する51人のドライバーのデータセットでトレーニングされている。
論文 参考訳(メタデータ) (2021-02-10T03:09:13Z) - Identifying pandemic-related stress factors from social-media posts --
effects on students and young-adults [2.198430261120653]
新型コロナウイルス(COVID-19)のパンデミックにより、世界中で自然の生命が失われている。
原因となるウイルスの拡散を抑制するため、厳格な対策が実施され、最も効果的なのは社会的孤立である。
このことが社会全体に広範に広まり、抑うつをもたらしたが、若年層や高齢者の間では顕著である。
論文 参考訳(メタデータ) (2020-12-01T08:42:27Z) - COVID-19 and Social Distancing: Disparities in Mobility Adaptation
between Income Groups [0.8599681538174887]
パンデミックの間、異なる所得集団間での移動適応の格差についてはほとんど研究されていない。
この研究は、新型コロナウイルスの感染拡大に伴う政策立案者や研究者らにとって関心のある株式問題に照らしている。
論文 参考訳(メタデータ) (2020-11-25T04:26:08Z) - How different age groups responded to the COVID-19 pandemic in terms of
mobility behaviors: a case study of the United States [6.42356279638324]
高齢者のコミュニティは、若いコミュニティに比べて流行に対する反応が早く、パンデミック時のパフォーマンスの整合性も向上した。
本研究は,高齢者コミュニティが,行動変化の観点から若年コミュニティより優れていたことを示唆する。
論文 参考訳(メタデータ) (2020-07-20T19:49:33Z) - Learning Accurate and Human-Like Driving using Semantic Maps and
Attention [152.48143666881418]
本稿では,より正確かつ人間らしく運転できるエンド・ツー・エンド駆動モデルについて検討する。
HERE Technologiesのセマンティックマップとビジュアルマップを活用し、既存のDrive360データセットを拡張します。
私たちのモデルは、実世界の運転データ60時間3000kmのDrive360+HEREデータセットでトレーニングされ、評価されています。
論文 参考訳(メタデータ) (2020-07-10T22:25:27Z)
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。