論文の概要: BikeDNA: A Tool for Bicycle Infrastructure Data & Network Assessment
- arxiv url: http://arxiv.org/abs/2303.01223v1
- Date: Thu, 2 Mar 2023 13:06:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 14:28:43.435387
- Title: BikeDNA: A Tool for Bicycle Infrastructure Data & Network Assessment
- Title（参考訳）: bikedna: 自転車のインフラデータとネットワークアセスメントのためのツール
- Authors: Ane Rahbek Vier{\o}, Anastassia Vybornova, Michael Szell
- Abstract要約: BikeDNAは、自転車のインフラデータの再現可能な品質評価のためのオープンソースツールである。
BikeDNAは、幅広いアプリケーションのための自転車インフラデータの品質評価をサポートする。
- 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: High-quality data on existing bicycle infrastructure are a requirement for
evidence-based bicycle network planning, which supports a green transition of
human mobility. However, this requirement is rarely met: Data from governmental
agencies or crowdsourced projects like OpenStreetMap often suffer from unknown,
heterogeneous, or low quality. Currently available tools for road network data
quality assessment often fail to account for network topology, spatial
heterogeneity, and bicycle-specific data characteristics. To fill these gaps,
we introduce BikeDNA, an open-source tool for reproducible quality assessment
tailored to bicycle infrastructure data with a focus on network structure and
connectivity. BikeDNA performs either a standalone analysis of one data set or
a comparative analysis between OpenStreetMap and a reference data set,
including feature matching. Data quality metrics are considered both globally
for the entire study area and locally on grid cell level, thus exposing spatial
variation in data quality. Interactive maps and HTML/PDF reports are generated
to facilitate the visual exploration and communication of results. BikeDNA
supports quality assessments of bicycle infrastructure data for a wide range of
applications -- from urban planning to OpenStreetMap data improvement or
network research for sustainable mobility.
- Abstract（参考訳）: 既存の自転車インフラの高品質なデータは、人間の移動のグリーン移行をサポートするエビデンスベースの自転車ネットワーク計画の要件である。
しかし、この要件は滅多に満たない: 政府機関やopenstreetmapのようなクラウドソースプロジェクトからのデータは、しばしば未知、異質、または低い品質に苦しむ。
現在利用可能な道路網のデータ品質評価ツールは、しばしばネットワークトポロジ、空間的不均一性、自転車固有のデータ特性を考慮できない。
このギャップを埋めるために,自転車のインフラデータに合わせた品質評価を,ネットワーク構造と接続性に焦点をあてたオープンソースツールである bikedna を紹介する。
BikeDNAは、1つのデータセットのスタンドアロン分析を実行するか、OpenStreetMapと機能マッチングを含む参照データセットの比較分析を行う。
データ品質の指標は、研究領域全体とグリッドセルレベルの両方で世界規模で検討されているため、データ品質の空間的変動が明らかになる。
インタラクティブマップとhtml/pdfレポートが生成され、その結果の視覚的な探索とコミュニケーションが容易になる。
BikeDNAは、都市計画からOpenStreetMapデータの改善、持続可能なモビリティのためのネットワーク研究まで、幅広いアプリケーションのための自転車インフラストラクチャデータの品質評価をサポートする。
関連論文リスト
- Classifying Bicycle Infrastructure Using On-Bike Street-Level Images [0.0]
多くの潜在的なサイクリストは、適切な安全なインフラが欠如しているため、サイクリングを控えている。
自転車用スマートフォンカメラデータから利用可能なサイクリングインフラを分類できるシステムを提案する。
この研究は、自転車に搭載された携帯電話カメラから収集されたストリートレベルの画像のみを使用して、サイクリングインフラを分類した最初のものである。
論文 参考訳（メタデータ） (2024-10-24T22:58:31Z) - Evaluating the effects of Data Sparsity on the Link-level Bicycling Volume Estimation: A Graph Convolutional Neural Network Approach [54.84957282120537]
本稿では,リンクレベルの自転車のボリュームをモデル化するために,グラフ畳み込みネットワークアーキテクチャを利用する最初の研究について述べる。
オーストラリア,メルボルン市全体での年間平均自転車数(AADB)を,Strava Metro の自転車数データを用いて推定した。
以上の結果から,GCNモデルは従来のAADB数予測モデルよりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-10-11T04:53:18Z) - How Good Is Open Bicycle Infrastructure Data? A Countrywide Case Study
of Denmark [0.0]
自転車はデンマークの交通システムの持続可能性シフトの鍵となる要素であり、自転車の速度を高めるためには、より全国的な自転車インフラ網が必要である。
このようなネットワークを計画するには、高品質なインフラデータが必要であるが、自転車のインフラデータの質は極めて低い。
ここでは、デンマークの専用自転車インフラ上の2つの大きなオープンデータセットであるOpenStreetMap(OSM)とGeoDanmarkを国全体のデータ品質評価で比較する。
いずれのデータセットも十分な品質を持っておらず、完全なデータセットを得るにはデータセットの折り畳みが必要であることが分かりました。
論文 参考訳（メタデータ） (2023-12-05T10:14:48Z) - APE: An Open and Shared Annotated Dataset for Learning Urban Pedestrian
Path Networks [16.675093530600154]
歩道やサイクウェイを含む完全な交通網を推定することは、多くの自動化システムにとって不可欠である。
この研究は、都市における歩道、横断歩道、角球の衛星画像、地図画像、アノテーションの新たなデータセットを導入することで、この問題に大規模に対処し始めている。
本稿では,道路ネットワーク情報と提案したデータセットを用いて,接続された歩行者経路網マップを推定するエンド・ツー・エンドのプロセスを提案する。
論文 参考訳（メタデータ） (2023-03-04T05:08:36Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳（メタデータ） (2022-11-04T09:58:57Z) - Federated Deep Learning Meets Autonomous Vehicle Perception: Design and
Verification [168.67190934250868]
フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。
FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。
マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
論文 参考訳（メタデータ） (2022-06-03T23:55:45Z) - Automated Detection of Missing Links in Bicycle Networks [0.15293427903448023]
我々は,都市の自転車ネットワークにおいて最も重要なリンクを見つけるためのIPDC手順(Identify, Prioritize, Decluster, Classify)を開発した。
まず、多重化ネットワークアプローチによるすべての可能なギャップを特定し、フローベースのメトリックに従って優先順位付けし、新たなギャップクラスタを分解し、手動でギャップのタイプを分類する。
以上の結果から,最小データ要件によるネットワーク分析が,自転車ネットワーク計画の費用効率向上支援ツールとして有効であることを示す。
論文 参考訳（メタデータ） (2022-01-10T15:35:14Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - Towards Automated Neural Interaction Discovery for Click-Through Rate
Prediction [64.03526633651218]
CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最も重要な機械学習タスクの1つである。
本稿では,AutoCTR と呼ばれる CTR 予測のための自動インタラクションアーキテクチャ探索フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-29T04:33:01Z) - Constructing Geographic and Long-term Temporal Graph for Traffic
Forecasting [88.5550074808201]
交通予測のための地理・長期時間グラフ畳み込み型ニューラルネットワーク(GLT-GCRNN)を提案する。
本研究では,地理的・長期的時間的パターンを共有する道路間のリッチな相互作用を学習する交通予測のための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-04-23T03:50:46Z)
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。