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
- Causal Representation Learning in Temporal Data via Single-Parent Decoding [66.34294989334728]
科学的研究はしばしば、システム内の高レベル変数の根底にある因果構造を理解しようとする。
科学者は通常、地理的に分布した温度測定などの低レベルの測定を収集する。
そこで本研究では,単一親の復号化による因果発見法を提案し,その上で下位の潜伏者と因果グラフを同時に学習する。
論文 参考訳(メタデータ) (2024-10-09T15:57:50Z) - The Factuality Tax of Diversity-Intervened Text-to-Image Generation: Benchmark and Fact-Augmented Intervention [61.80236015147771]
我々は多様性の介入とT2Iモデルにおける人口統計学的事実性とのトレードオフを定量化する。
DoFaiRの実験では、多様性指向の指示によって、性別や人種の異なる集団の数が増加することが明らかになった。
本研究では,歴史における世代ごとのジェンダーや人種構成について,言語化された事実情報を反映したFact-Augmented Intervention (FAI)を提案する。
論文 参考訳(メタデータ) (2024-06-29T09:09:42Z) - Groundedness in Retrieval-augmented Long-form Generation: An Empirical Study [61.74571814707054]
検索した文書やモデルの事前学習データに生成されたすべての文が接地されているかどうかを評価する。
3つのデータセットと4つのモデルファミリーにまたがって、生成した文のかなりの部分が一貫してアングラウンド化されていることが明らかとなった。
以上の結果から,より大きなモデルではアウトプットをより効果的に基礎づける傾向にあるものの,正解のかなりの部分が幻覚によって損なわれていることが示唆された。
論文 参考訳(メタデータ) (2024-04-10T14:50:10Z) - Cultural influence on autonomous vehicles acceptance [1.443696537295348]
我々は、よく知られたホフスティード文化モデルを用いて、自動運転車の受容と国民文化の関係を分析する。
これまでの研究では、自動運転車に対する認識とそれらに対する態度は、応答者の年齢、教育水準、背景など、様々な属性に依存することが示されている。
論文 参考訳(メタデータ) (2024-04-03T07:10:24Z) - 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) - 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) - 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。