論文の概要: Continuous Trajectory Generation Based on Two-Stage GAN
- arxiv url: http://arxiv.org/abs/2301.07103v1
- Date: Mon, 16 Jan 2023 09:54:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-19 17:39:03.346313
- Title: Continuous Trajectory Generation Based on Two-Stage GAN
- Title(参考訳): 2段階GANによる連続軌道生成
- Authors: Wenjun Jiang, Wayne Xin Zhao, Jingyuan Wang, Jiawei Jiang
- Abstract要約: 本稿では,道路網上の連続軌道を生成するために,新たな2段階生成対向フレームワークを提案する。
具体的には、A*アルゴリズムの人間の移動性仮説に基づいてジェネレータを構築し、人間の移動性について学習する。
判別器では, 逐次報酬と移動ヤウ報酬を組み合わせることで, 発電機の有効性を高める。
- 参考スコア(独自算出の注目度): 50.55181727145379
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Simulating the human mobility and generating large-scale trajectories are of
great use in many real-world applications, such as urban planning, epidemic
spreading analysis, and geographic privacy protect. Although many previous
works have studied the problem of trajectory generation, the continuity of the
generated trajectories has been neglected, which makes these methods useless
for practical urban simulation scenarios. To solve this problem, we propose a
novel two-stage generative adversarial framework to generate the continuous
trajectory on the road network, namely TS-TrajGen, which efficiently integrates
prior domain knowledge of human mobility with model-free learning paradigm.
Specifically, we build the generator under the human mobility hypothesis of the
A* algorithm to learn the human mobility behavior. For the discriminator, we
combine the sequential reward with the mobility yaw reward to enhance the
effectiveness of the generator. Finally, we propose a novel two-stage
generation process to overcome the weak point of the existing stochastic
generation process. Extensive experiments on two real-world datasets and two
case studies demonstrate that our framework yields significant improvements
over the state-of-the-art methods.
- Abstract(参考訳): 人間の移動をシミュレートし、大規模な軌道を生成することは、都市計画、拡散分析、地理的プライバシ保護など、多くの現実世界のアプリケーションで非常に有用である。
過去の多くの研究で軌道生成の問題が研究されているが、生成された軌道の連続性は無視されており、実際の都市シミュレーションシナリオでは利用できない。
そこで本研究では,道路網上での連続的軌跡,すなわちTS-TrajGenをモデルフリー学習パラダイムに効率よく組み込むための,新たな2段階生成対向フレームワークを提案する。
具体的には,a*アルゴリズムのヒューマンモビリティ仮説に基づいて生成器を構築し,人間のモビリティ挙動を学習する。
判別器については, 逐次報酬と移動ヨー報酬を組み合わせることで, 発電機の有効性を高める。
最後に,既存の確率的生成プロセスの弱点を克服する新しい2段階生成プロセスを提案する。
2つの実世界のデータセットに関する広範囲な実験と、2つのケーススタディは、我々のフレームワークが最先端のメソッドよりも大きな改善をもたらすことを示している。
関連論文リスト
- MobilityGPT: Enhanced Human Mobility Modeling with a GPT model [8.405728339126005]
我々は、GPT(Generative Pre-trained Transformer)を活用して、自己回帰生成タスクとしての人間のモビリティモデリングを再構築する。
本稿では,ジオスパティカル・アウェア・ジェネレーティブ・モデルであるモビリティGPTを提案する。
実世界のデータセットを用いた実験により、モビリティGPTは高品質なモビリティ・トラジェクトリを生成する上で最先端の手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2024-02-05T18:22:21Z) - Controllable Safety-Critical Closed-loop Traffic Simulation via Guided
Diffusion [100.4988219600854]
誘導拡散モデルに根ざした新しいクローズドループシミュレーションフレームワークを提案する。
提案手法は, 現実の条件を密にエミュレートする現実的なロングテールシナリオの生成と, 制御性の向上という, 二つの異なる利点をもたらす。
我々はNuScenesデータセットを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳(メタデータ) (2023-12-31T04:14:43Z) - Reinforcement Learning with Human Feedback for Realistic Traffic
Simulation [53.85002640149283]
効果的なシミュレーションの鍵となる要素は、人間の知識と整合した現実的な交通モデルの導入である。
本研究では,現実主義に対する人間の嗜好のニュアンスを捉えることと,多様な交通シミュレーションモデルを統合することの2つの主な課題を明らかにする。
論文 参考訳(メタデータ) (2023-09-01T19:29:53Z) - Safety-compliant Generative Adversarial Networks for Human Trajectory
Forecasting [95.82600221180415]
群衆における人間予測は、社会的相互作用をモデル化し、衝突のないマルチモーダル分布を出力するという課題を提示する。
SGANv2は、動き時間相互作用モデリングと変圧器に基づく識別器設計を備えた安全に配慮したSGANアーキテクチャである。
論文 参考訳(メタデータ) (2022-09-25T15:18:56Z) - Training and Evaluation of Deep Policies using Reinforcement Learning
and Generative Models [67.78935378952146]
GenRLはシーケンシャルな意思決定問題を解決するためのフレームワークである。
強化学習と潜在変数生成モデルの組み合わせを利用する。
最終方針訓練の性能に最も影響を与える生成モデルの特徴を実験的に決定する。
論文 参考訳(メタデータ) (2022-04-18T22:02:32Z) - TrajGen: Generating Realistic and Diverse Trajectories with Reactive and
Feasible Agent Behaviors for Autonomous Driving [19.06020265777298]
既存のシミュレーターは、背景車両のシステムに基づく行動モデルに依存しており、現実のシナリオにおける複雑なインタラクティブな振る舞いを捉えることはできない。
そこで我々は,人間の実演からより現実的な行動を直接捉えることができる2段階の軌道生成フレームワークであるTrajGenを提案する。
また,データ駆動型シミュレータI-Simを開発した。
論文 参考訳(メタデータ) (2022-03-31T04:48:29Z) - A Stochastic Graph-based Model for the Simulation of SARS-CoV-2
Transmission [0.0]
本稿では,SARS-CoV-2伝送シミュレーションのためのグラフベースモデルを提案する。
提案手法には,空間モデル,移動モデル,伝播モデルという3つのサブモデルが組み込まれている。
論文 参考訳(メタデータ) (2021-11-10T16:50:00Z) - Congestion-aware Multi-agent Trajectory Prediction for Collision
Avoidance [110.63037190641414]
渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。
学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。
実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
論文 参考訳(メタデータ) (2021-03-26T02:42:33Z) - Reward Conditioned Neural Movement Primitives for Population Based
Variational Policy Optimization [4.559353193715442]
本稿では,教師あり学習における報酬に基づく政策探索問題について考察する。
本手法は, 最先端のロボット強化学習法と比較して, 学習の進歩と, サンプル効率の大幅な向上を図っている。
論文 参考訳(メタデータ) (2020-11-09T09:53:37Z)
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。