Fugu-MT 論文翻訳(概要): Computational Desire Line Analysis of Cyclists on the Dybb{\o}lsbro Intersection in Copenhagen

論文の概要: Computational Desire Line Analysis of Cyclists on the Dybb{\o}lsbro Intersection in Copenhagen

arxiv url: http://arxiv.org/abs/2211.01301v1
Date: Wed, 2 Nov 2022 17:21:48 GMT
ステータス: 処理完了
システム内更新日: 2023-02-19 12:13:34.717090
Title: Computational Desire Line Analysis of Cyclists on the Dybb{\o}lsbro Intersection in Copenhagen
Title（参考訳）: コペンハーゲンのdybb{\o}lsbro交差点における自転車の欲望解析
Authors: Simon Martin Breum, Bojan Kostic, Michael Szell
Abstract要約: そこで我々は,デンマークのコペンハーゲンにあるDybbolsbro交差点で,映像記録からサイクリストの軌跡を検出する手法を開発した。 1時間分の映像で、デザインに矛盾する何百もの軌道が見つかった。この無視と車両交通の優先順位付けはデンマークの交差点設計を改善する機会を浮き彫りにした。
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: Contemporary street design prioritizes vehicular traffic flow and assumes compliant road users. However, actual human behavior is typically neglected, especially of cyclists, leading to streets with inadequate wayfinding and protection from vehicular traffic. To improve planning, here we develop a computational method to detect cyclist trajectories from video recordings and apply it to the Dybb{\o}lsbro intersection in Copenhagen, Denmark. In one hour of footage we find hundreds of trajectories that contradict the design, explainable by the desire for straightforward, uninterrupted travel largely not provided by the intersection. This neglect and the prioritization of vehicular traffic highlight opportunities for improving Danish intersection design.
Abstract（参考訳）: 現代のストリートデザインは車両交通の流れを優先し、道路利用者を優先する。しかし、実際の人間の行動は通常、特に自転車は無視され、道路が不十分で車両の交通から保護される。計画を改善するため,デンマークのコペンハーゲンのDybb{\o}lsbro交差点において,映像記録からサイクリスト軌道を検出する計算手法を開発した。 1時間におよぶ映像では、何百もの軌道が、この設計と矛盾しており、交差点から提供されていない単純で断続的な旅の欲求によって説明できる。この無視と車両交通の優先順位付けはデンマークの交差点設計を改善する機会を浮き彫りにした。

関連論文リスト

Predicting and Analyzing Pedestrian Crossing Behavior at Unsignalized Crossings [3.373568134827475]
非ゼブラシナリオにおけるギャップ選択と、ゼブラシナリオにおけるゼブラ交差使用量を予測する機械学習モデルの提案と評価を行った。歩行者の行動が、歩行者待ち時間、歩行速度、未使用ギャップの数、最大の欠落ギャップ、その他の歩行者の影響など、様々な要因にどのように影響するかを論じる。
論文参考訳（メタデータ） (2024-04-15T08:36:40Z)
DenseLight: Efficient Control for Large-scale Traffic Signals with Dense Feedback [109.84667902348498]
交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。 DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
論文参考訳（メタデータ） (2023-06-13T05:58:57Z)
Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
歩行者の立ち止まりと予測の新たな課題を紹介します。都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
論文参考訳（メタデータ） (2022-03-04T18:39:31Z)
Recognition and Co-Analysis of Pedestrian Activities in Different Parts of Road using Traffic Camera Video [2.414050294189755]
本研究の目的は,停留所とミッドブロック交差点との相関関係を明らかにすることである。本手法は,周辺交差点に設置した市販CCTVパンティルトゾーム(PTZ)トラヒック監視カメラから,交通カメラビデオを用いてバス停の使用状況を特定する手法を拡張した。また,横断イベントのみを表示するビデオクリップの自動作成により,歩行者行動検出のマニュアルレビューを容易にするWebポータルも実装した。
論文参考訳（メタデータ） (2021-11-27T05:46:41Z)
Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。提案手法は,高品質なトラフィックフローマップを作成できる。
論文参考訳（メタデータ） (2021-09-29T07:51:49Z)
Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
論文参考訳（メタデータ） (2021-06-22T15:40:21Z)
End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文参考訳（メタデータ） (2021-04-28T07:54:40Z)
A Graph Convolutional Network with Signal Phasing Information for Arterial Traffic Prediction [63.470149585093665]
動脈交通予測は現代のインテリジェント交通システムの発展に重要な役割を担っています動脈交通予測に関する既存の研究の多くは、ループセンサからの流量と占有率の時間的測定のみを考慮し、上流と下流の検出器間のリッチな空間的関係を無視している。我々は,信号タイミング計画から発生する空間情報を用いて,深層学習アプローチである拡散畳み込みリカレントニューラルネットワークを強化することで,このギャップを埋める。
論文参考訳（メタデータ） (2020-12-25T01:40:29Z)
Defining Traffic States using Spatio-temporal Traffic Graphs [9.861775841965386]
本稿では,交通グラフを用いた交差点の空間領域の交通状況の把握手法を提案する。これらのトラフィックグラフが時間とともに異なるトラフィック状態を示す方法 — a) 渋滞が形成されている(クランプ)、あるいは、渋滞が分散している(アンクランプ)、c) トラフィックが正常に流れている(中性)。
論文参考訳（メタデータ） (2020-07-27T17:27:52Z)
iTV: Inferring Traffic Violation-Prone Locations with Vehicle Trajectories and Road Environment Data [12.715237421592624]
本研究では,大規模車両軌跡データと環境データに基づいて,都市部における交通違反発生箇所を推定する枠組みを提案する。提案手法の有効性を評価するため,中国2都市から収集した大規模・現実世界の車両軌道について広範な研究を行った。
論文参考訳（メタデータ） (2020-05-09T08:52:43Z)
Decoding pedestrian and automated vehicle interactions using immersive virtual reality and interpretable deep learning [6.982614422666432]
本研究では,自動走行車の存在による影響が期待される都市動態の重要な要素として,歩行者の横断行動について検討する。歩行者の待ち時間はデータ駆動のCox Proportional Hazards(CPH)モデルを用いて分析される。その結果,道路上の自動走行車の存在,広い車線幅,道路上の高密度化,観光距離の制限,歩行習慣の欠如が待ち時間の主な要因であることが示唆された。
論文参考訳（メタデータ） (2020-02-18T01:30:29Z)

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。