論文の概要: Prediction of Transportation Index for Urban Patterns in Small and
Medium-sized Indian Cities using Hybrid RidgeGAN Model
- arxiv url: http://arxiv.org/abs/2306.05951v1
- Date: Fri, 9 Jun 2023 15:05:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-12 12:49:10.315131
- Title: Prediction of Transportation Index for Urban Patterns in Small and
Medium-sized Indian Cities using Hybrid RidgeGAN Model
- Title（参考訳）: ハイブリッドリッジGANモデルを用いた中小都市における都市パターンの交通指標の予測
- Authors: Rahisha Thottolil, Uttam Kumar, Tanujit Chakraborty
- Abstract要約: 本研究は,中小都市における都市交通指標の予測におけるいくつかの課題に対処する。
Kernel Ridge Regression(KRR)とCityGANに基づくハイブリッドフレームワークを導入し、交通指標を予測する。
提案したハイブリッドパイプラインはリッジGANモデルと呼ばれ、都市スプロールの持続可能性を評価することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid urbanization trend in most developing countries including India is
creating a plethora of civic concerns such as loss of green space, degradation
of environmental health, clean water availability, air pollution, traffic
congestion leading to delays in vehicular transportation, etc. Transportation
and network modeling through transportation indices have been widely used to
understand transportation problems in the recent past. This necessitates
predicting transportation indices to facilitate sustainable urban planning and
traffic management. Recent advancements in deep learning research, in
particular, Generative Adversarial Networks (GANs), and their modifications in
spatial data analysis such as CityGAN, Conditional GAN, and MetroGAN have
enabled urban planners to simulate hyper-realistic urban patterns. These
synthetic urban universes mimic global urban patterns and evaluating their
landscape structures through spatial pattern analysis can aid in comprehending
landscape dynamics, thereby enhancing sustainable urban planning. This research
addresses several challenges in predicting the urban transportation index for
small and medium-sized Indian cities. A hybrid framework based on Kernel Ridge
Regression (KRR) and CityGAN is introduced to predict transportation index
using spatial indicators of human settlement patterns. This paper establishes a
relationship between the transportation index and human settlement indicators
and models it using KRR for the selected 503 Indian cities. The proposed hybrid
pipeline, we call it RidgeGAN model, can evaluate the sustainability of urban
sprawl associated with infrastructure development and transportation systems in
sprawling cities. Experimental results show that the two-step pipeline approach
outperforms existing benchmarks based on spatial and statistical measures.
- Abstract（参考訳）: インドなど発展途上国の急速な都市化傾向は、緑地の減少、環境健康の悪化、清浄な水利用、大気汚染、交通渋滞など、多くの市民の懸念を生み出している。
近年,交通指標による交通・ネットワークモデリングが交通問題理解に広く利用されている。
これは、持続可能な都市計画と交通管理を促進するために交通指標を予測する必要がある。
近年のディープラーニング研究,特にGAN(Generative Adversarial Networks)の進歩と,CityGAN, Conditional GAN,MetroGANなどの空間データ解析の修正により,都市プランナーは超現実的な都市パターンをシミュレートできるようになった。
これらの合成都市宇宙は、地球規模の都市パターンを模倣し、空間パターン解析によって景観構造を評価することで、景観動態の理解を支援し、持続可能な都市計画の維持に役立つ。
本研究は,中小都市における都市交通指標の予測におけるいくつかの課題に対処する。
KRR(Kernel Ridge Regression)とCityGAN(CityGAN)に基づくハイブリッドフレームワークを導入し,人間の居住パターンの空間的指標を用いて交通指標を予測する。
本稿では、交通指標と人的決済指標の関係を確立し、選択した503都市でKRRを用いてモデル化する。
提案したハイブリッドパイプラインはリッジGANモデルと呼ばれ、スプロール都市のインフラ開発と交通システムに関連する都市スプロールの持続可能性を評価することができる。
実験結果から, 2段階のパイプラインアプローチは, 空間的および統計的測定値に基づいて, 既存のベンチマークよりも優れていることがわかった。
関連論文リスト
- Unified Data Management and Comprehensive Performance Evaluation for
Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。
都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。
多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
論文 参考訳（メタデータ） (2023-08-24T16:20:00Z) - A Contextual Master-Slave Framework on Urban Region Graph for Urban
Village Detection [68.84486900183853]
都市域を階層的にモデル化する都市域グラフ(URG)を構築した。
そこで我々は,都市部をURGから効果的に検出する新しいコンテキスト・マスタ・スレーブ・フレームワークを設計した。
提案手法は,都市部における紫外線検出の一般性と特異性のバランスをとることができる。
論文 参考訳（メタデータ） (2022-11-26T18:17:39Z) - MetroGAN: Simulating Urban Morphology with Generative Adversarial
Network [10.504296192020497]
本稿では,都市形態学シミュレーションのための地理知識,すなわちメトロポリタンGAN(MetroGAN)の枠組みを提案する。
その結果,MetroGANはすべての指標において,最先端の都市シミュレーション手法よりも20%以上優れていた。
論文 参考訳（メタデータ） (2022-07-06T11:02:24Z) - Predicting Future Occupancy Grids in Dynamic Environment with
Spatio-Temporal Learning [63.25627328308978]
本稿では,将来の占有予測を生成するための時間的予測ネットワークパイプラインを提案する。
現在のSOTAと比較して、我々の手法は3秒の長い水平線での占有を予測している。
我々は、さらなる研究を支援するために、nulisに基づくグリッド占有データセットを公開します。
論文 参考訳（メタデータ） (2022-05-06T13:45:32Z) - Pedestrian Wind Factor Estimation in Complex Urban Environments [0.0]
都市計画立案者や政策立案者は、より密集した都市環境においてより人口の多い都市のために、住みやすく楽しい都市を作るという課題に直面している。
都市マイクロ気候は、現在と将来における都市空間の質を定義する上で重要な役割を担っているが、初期の都市設計と計画プロセスにおける風力マイクロ気候評価の統合は依然として課題である。
この研究は、複雑な都市環境におけるリアルタイムな歩行者風の快適さ推定のためのデータ駆動ワークフローを開発する。
論文 参考訳（メタデータ） (2021-10-06T01:09:30Z) - Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。
我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。
フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
論文 参考訳（メタデータ） (2021-04-30T12:47:52Z) - Empowering Urban Governance through Urban Science: Multi-scale Dynamics
of Urban Systems Worldwide [0.0]
現在の都市科学は将来の都市政策に有用な基盤を提供することができる。
都市の進化に関する国際比較は、国家の領土の枠組みが都市システムの力学と厳密に一致しているとは限らないため、しばしば不確実な結果をもたらす。
地域・国家境界を超えた都市の動的ネットワークを考慮した都市システムの構築を提案する。
論文 参考訳（メタデータ） (2020-05-20T12:47:40Z) - Smart Urban Mobility: When Mobility Systems Meet Smart Data [55.456196356335745]
都市人口は都市部で約25億人に達し、道路交通量は2050年までに12億台を超えた。
輸送部門の経済貢献は欧州のGDPの5%を占め、アメリカでは平均482.05億ドルの費用がかかる。
論文 参考訳（メタデータ） (2020-05-09T13:53:01Z) - City limits in the age of smartphones and urban scaling [0.0]
都市計画は、都市システム全体にわたる都市境界を定義するための適切な基準をまだ欠いている。
ICTは、都市システムのより正確な記述を記述する可能性を提供する。
都市境界を定義するため,大量の携帯電話記録に計算手法を適用した。
論文 参考訳（メタデータ） (2020-05-06T17:31:21Z) - Traffic Modelling and Prediction via Symbolic Regression on Road Sensor
Data [0.8602553195689513]
本稿では,ラグ演算子により強化されたシンボル回帰に基づく,新しいかつ正確な交通流予測手法を提案する。
提案手法は都市道路の複雑度に適したロバストモデルであり,高速道路よりも予測が困難である。
論文 参考訳（メタデータ） (2020-02-14T16:03:04Z) - Physical-Virtual Collaboration Modeling for Intra-and Inter-Station
Metro Ridership Prediction [116.66657468425645]
本研究では,複雑なライダーシップパターンをテーラー設計グラフから効果的に学習できる物理仮想協調グラフネットワーク(PVCGN)を提案する。
特に、物理グラフは、研究されたメトロシステムの現実的なトポロジーに基づいて直接構築される。
類似度グラフと相関グラフを仮想トポロジで構築し, 駅間交通流の類似度と相関関係を導出する。
論文 参考訳（メタデータ） (2020-01-14T16:47:54Z)
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。