論文の概要: Pedestrian wayfinding behavior in a multi-story building: a
comprehensive modeling study featuring route choice, wayfinding performance,
and observation behavior
- arxiv url: http://arxiv.org/abs/2304.11167v1
- Date: Thu, 20 Apr 2023 08:22:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 20:02:30.792114
- Title: Pedestrian wayfinding behavior in a multi-story building: a
comprehensive modeling study featuring route choice, wayfinding performance,
and observation behavior
- Title（参考訳）: 多層建物における歩行者の経路探索行動--経路選択・経路探索性能・観察行動に着目した総合的モデリング研究
- Authors: Yan Feng, Dorine C. Duives
- Abstract要約: 本稿では,複雑な建物における歩行者の道路舗装挙動をモデル化するための包括的アプローチを提案する。
4つのウェイフィニングタスクは、個人的、インフラ的、ルート的特性が屋内歩行者のウェイフィニング行動にどのように影響するかを決定するために設計された。
歩行者の経路選択行動は経路特性に大きく影響されているのに対し,道路舗装性能は個人特性にも影響されている。
- 参考スコア（独自算出の注目度）: 17.538302663734225
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper proposes a comprehensive approach for modeling pedestrian
wayfinding behavior in complex buildings. This study employs two types of
discrete choice models (i.e., MNL and PSL) featuring pedestrian route choice
behavior, and three multivariate linear regression (MLR) models featuring the
overall wayfinding performance and observation behavior (e.g., hesitation
behavior and head rotation). Behavioral and questionnaire data featuring
pedestrian wayfinding behavior and personal information were collected using a
Virtual Reality experiment. Four wayfinding tasks were designed to determine
how personal, infrastructure, and route characteristics affect indoor
pedestrian wayfinding behavior on three levels, including route choice,
wayfinding performance, and observation behavior. We find that pedestrian route
choice behavior is primarily influenced by route characteristics, whereas
wayfinding performance is also influenced by personal characteristics.
Observation behavior is mainly influenced by task complexity, personal
characteristics, and local properties of the routes that offer route
information. To the best of our knowledge, this work represents the first
attempt to investigate the impact of the same comprehensive set of variables on
various metrics feature wayfinding behavior simultaneously.
- Abstract（参考訳）: 本稿では,複雑な建物における歩行者の道路舗装挙動をモデル化するための包括的アプローチを提案する。
本研究は,歩行者経路選択行動を特徴とする2種類の個別選択モデル(MNLとPSL)と,全ウェイフィリング性能と観測挙動(例えば,ヘッション挙動と頭部回転)を特徴とする3種類の多変量線形回帰モデル(MLR)を用いる。
仮想現実感実験により,歩行者の歩行行動と個人情報を含む行動・アンケートデータを収集した。
4つのウェイフィニングタスクは, 道路選択, ウェイフィニング性能, 観測行動を含む3段階の屋内歩行者のウェイフィニング行動に, 個人的, インフラ的, 経路的特性がどう影響するかを決定するために設計された。
歩行者経路選択行動は主として経路特性に影響され,一方,道路舗装性能は個人特性にも影響されている。
観察行動は、主に経路情報を提供する経路の複雑性、個人的特性、局所的特性に影響される。
我々の知る限り、この研究は、様々なメトリクスの特徴的仕方に対する同じ包括的な変数セットの影響を同時に調査する最初の試みである。
関連論文リスト
- A data-driven approach to predict decision point choice during normal
and evacuation wayfinding in multi-story buildings [19.36581352680941]
本稿では,多層建物における正常および緊急道路工事における歩行者決定点選択の理解と予測のためのデータ駆動型アプローチを提案する。
最初に室内ネットワーク表現を構築し,VR座標を室内表現にマッピングするデータマッピング手法を提案する。
そこで我々は,多層建物における4つのウェイフィニング作業中の経路に沿った歩行者決定点選択を予測するために,ランダムフォレスト(RF)モデルという,確立された機械学習アルゴリズムを用いた。
論文 参考訳（メタデータ） (2023-08-07T12:05:55Z) - A Deep Behavior Path Matching Network for Click-Through Rate Prediction [9.800832176496002]
本稿では,ユーザの現在の行動経路と過去の行動経路とを一致させて,ユーザの行動を予測することを提案する。
我々は,行動経路マッチングのためのディープニューラルネットワークを設計し,行動経路の空間性,ノイズ干渉,行動経路の正確なマッチングという3つの問題を解決する。
本モデルでは,2つの実世界のデータセットにおいて,最先端のCTRモデルよりも優れた性能を示す。
論文 参考訳（メタデータ） (2023-02-01T08:08:21Z) - Behavioral Intention Prediction in Driving Scenes: A Survey [70.53285924851767]
行動意図予測(BIP)は、人間の思考過程をシミュレートし、特定の行動の早期予測を満たす。
この作業は、利用可能なデータセット、重要な要因と課題、歩行者中心および車両中心のBIPアプローチ、BIP対応アプリケーションからのBIPの包括的なレビューを提供する。
論文 参考訳（メタデータ） (2022-11-01T11:07:37Z) - Task Formulation Matters When Learning Continually: A Case Study in
Visual Question Answering [58.82325933356066]
継続的な学習は、以前の知識を忘れずに、一連のタスクでモデルを漸進的にトレーニングすることを目的としている。
本稿では,視覚的質問応答において,異なる設定がパフォーマンスに与える影響について詳細に検討する。
論文 参考訳（メタデータ） (2022-09-30T19:12:58Z) - Coarse-to-Fine Knowledge-Enhanced Multi-Interest Learning Framework for
Multi-Behavior Recommendation [52.89816309759537]
マルチタイプの行動(例えば、クリック、カートの追加、購入など)は、ほとんどの現実世界のレコメンデーションシナリオに広く存在する。
最先端のマルチ振る舞いモデルは、すべての歴史的相互作用を入力として区別しない振る舞い依存を学習する。
本稿では,多様な行動に対する共有的・行動特異的な関心を学習するための,多目的学習フレームワークを提案する。
論文 参考訳（メタデータ） (2022-08-03T05:28:14Z) - Recommender Transformers with Behavior Pathways [50.842316273120744]
Recommender Transformer (RETR) を新しいパスウェイアテンション機構で構築する。
実世界の7つのデータセットにおけるRETRの有効性を実証的に検証する。
論文 参考訳（メタデータ） (2022-06-13T08:58:37Z) - Active Dynamical Prospection: Modeling Mental Simulation as Particle
Filtering for Sensorimotor Control during Pathfinding [5.817576247456002]
我々は経路探索行動を連続的かつ明示的な探索的パラダイムでモデル化する。
私たちのタスクでは、参加者(およびエージェント)は、部分的に観察可能な環境で視覚的な探索とナビゲーションの両方を調整しなければなりません。
本モデルであるActive Dynamical Prospection(アクティブダイナミカルプロスペクション)は、マップソリューションレート、パス選択、トライアル期間、および人間の参加者のデータと比較した場合の注意行動の類似パターンを示しています。
論文 参考訳（メタデータ） (2021-03-14T16:26:33Z) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳（メタデータ） (2020-12-04T15:10:12Z) - Studying Person-Specific Pointing and Gaze Behavior for Multimodal
Referencing of Outside Objects from a Moving Vehicle [58.720142291102135]
物体選択と参照のための自動車応用において、手指しと目視が広く研究されている。
既存の車外参照手法は静的な状況に重点を置いているが、移動車両の状況は極めて動的であり、安全性に制約がある。
本研究では,外部オブジェクトを参照するタスクにおいて,各モダリティの具体的特徴とそれら間の相互作用について検討する。
論文 参考訳（メタデータ） (2020-09-23T14:56:19Z) - Pedestrian Action Anticipation using Contextual Feature Fusion in
Stacked RNNs [19.13270454742958]
交差点における歩行者行動予測問題の解法を提案する。
提案手法では,シーン動的・視覚的特徴の両面から収集した情報を徐々にネットワークに融合する新しいRNNアーキテクチャを用いる。
論文 参考訳（メタデータ） (2020-05-13T20:59:37Z)
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。