論文の概要: Rail journey cost calculator for Great Britain
- arxiv url: http://arxiv.org/abs/2310.19754v1
- Date: Mon, 30 Oct 2023 17:23:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 18:52:22.638512
- Title: Rail journey cost calculator for Great Britain
- Title（参考訳）: 英国における鉄道運行コスト計算
- Authors: Federico Botta
- Abstract要約: 英国におけるトレイントラベルのコストを分析するために,Pythonパッケージと関連するデータセットを提案する。
我々は、研究者、政策立案者、その他の利害関係者が、列車旅行のコスト、これに起因する地理的または社会的不平等、そして輸送システムがどのように改善されるかについての質問を調査できるように、我々の研究を助言する。
- 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: Accessibility of different places, such as hospitals or areas with jobs, is
important in understanding transportation systems, urban environments, and
potential inequalities in what services and opportunities different people can
reach. Often, research in this area is framed around the question of whether
people living in an area are able to reach certain destinations within a
prespecified time frame. However, the cost of such journeys, and whether they
are affordable, is often omitted or not considered to the same level. Here, we
present a Python package and an associated data set which allows to analyse the
cost of train journeys in Great Britain. We present the original data set we
used to construct this, the Python package we developed to analyse it, and the
output data set which we generated. We envisage our work to allow researchers,
policy makers, and other stakeholders, to investigate questions around the cost
of train journeys, any geographical or social inequalities arising from this,
and how the transport system could be improved.
- Abstract（参考訳）: 病院や仕事のある地域など、様々な場所のアクセシビリティは、交通システム、都市環境、そして様々な人々が到達できるサービスや機会の不平等を理解する上で重要である。
多くの場合、この領域の研究は、特定時間枠内である地域に住む人々が特定の目的地に到達できるかどうかという問題に焦点が当てられている。
しかし、こうした旅の費用や手頃な価格であっても、しばしば省略されるか、同じレベルとはみなされない。
ここでは,英国におけるトレイン旅行のコストを分析するために,Pythonパッケージと関連するデータセットを紹介する。
我々は、これを構築するのに使った元のデータセット、それを分析するために開発したPythonパッケージ、生成した出力データセットを示します。
私たちは、研究者、政策立案者、その他の利害関係者が、列車の運行コスト、これに起因する地理的または社会的不平等、輸送システムの改善方法に関する質問を調査できるようにするために、我々の研究を監督しています。
関連論文リスト
- Urban Mobility Assessment Using LLMs [19.591156495742922]
本研究は,大規模言語モデル(LLM)を推進し,旅行調査を合成する,革新的なAIベースのアプローチを提案する。
本研究は, 異なるレベルの既存調査データと比較し, 全米各都市圏におけるこのアプローチの有効性について検討した。
論文 参考訳（メタデータ） (2024-08-22T19:17:33Z) - A sequential transit network design algorithm with optimal learning
under correlated beliefs [4.8951183832371]
本研究では, 逐次的トランジットネットワーク設計と最適学習を組み合わせた人工知能駆動型アルゴリズムを提案する。
オペレータは、設計されたルートと実際の旅行需要との整合性からリスクを回避するために、徐々に経路システムを拡大する。
バリデーションのために、ニューヨーク市の公共利用マイクロデータエリアに基づく人工ネットワーク上に、新しいルートシステムを設計する。
論文 参考訳（メタデータ） (2023-05-16T14:14:51Z) - Berlin V2X: A Machine Learning Dataset from Multiple Vehicles and Radio
Access Technologies [56.77079930521082]
我々は,MLに基づく多種多様な研究への道を開くための詳細な測定キャンペーンを実施してきた。
得られたデータセットは、携帯電話(と2つの異なるオペレーター)とサイドリンク無線アクセス技術の両方のために、様々な都市環境にまたがるGPS位置の無線測定を提供する。
私たちは、MLが克服しなければならない課題と、MLが活用できる機能について、データの初期分析を提供しています。
論文 参考訳（メタデータ） (2022-12-20T15:26:39Z) - Large Scale Real-World Multi-Person Tracking [68.27438015329807]
本稿では,新しい大規模多人数追跡データセットであるtexttPersonPath22を提案する。
MOT17、HiEve、MOT20などの高品質なマルチオブジェクト追跡データセットよりも桁違いに大きい。
論文 参考訳（メタデータ） (2022-11-03T23:03:13Z) - Benchmarking high-fidelity pedestrian tracking systems for research,
real-time monitoring and crowd control [55.41644538483948]
実生活環境における高忠実な歩行者追跡は,群集動態研究において重要なツールである。
この技術が進歩するにつれて、社会においても益々有用になってきている。
歩行者追跡技術の研究と技術に成功させるためには、正確さの検証とベンチマークが不可欠である。
我々は、プライバシーに配慮した歩行者追跡技術のためのベンチマークスイートをコミュニティのオープンスタンダードに向けて提示し、議論する。
論文 参考訳（メタデータ） (2021-08-26T11:45:26Z) - 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) - What's Your Value of Travel Time? Collecting Traveler-Centered Mobility
Data via Crowdsourcing [4.297843164736973]
旅行者が他の活動に旅行時間を使うことのできる、価値ある時間の異なるパラダイムを構築します。
専用モバイルアプリから収集した旅行者とその旅行に関するデータを含む新しいデータセットを提案する。
論文 参考訳（メタデータ） (2021-04-12T20:48:28Z) - End-to-end Interpretable Neural Motion Planner [78.69295676456085]
複雑な都市環境での自律走行学習のためのニューラルモーションプランナー(NMP)を提案する。
我々は,生lidarデータとhdマップを入力とし,解釈可能な中間表現を生成する全体モデルを設計した。
北米のいくつかの都市で収集された実世界の運転データにおける我々のアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2021-01-17T14:16:12Z) - A Data-Driven Analytical Framework of Estimating Multimodal Travel
Demand Patterns using Mobile Device Location Data [5.902556437760098]
本稿では,スマートフォンの位置データからマルチモーダル旅行需要パターンを抽出するデータ駆動分析フレームワークを提案する。
トラベルモードインプテーションのための訓練された単層モデルとディープニューラルネットワークを開発した。
この枠組みは、近隣の鉄道、地下鉄、高速道路、バス路線への交通ルートの近接性を評価するためにマルチモーダル交通網も組み込んでいる。
論文 参考訳（メタデータ） (2020-12-08T22:49:44Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z) - Street-level Travel-time Estimation via Aggregated Uber Data [2.838842554577539]
都市部における道路セグメントに沿った時間的パターンの推定は,交通技術者や都市計画者にとって重要な課題である。
本研究では,大都市圏の街路レベルの走行時間を推定するために,粗粒度および集約された走行時間データを活用する手法を提案する。
論文 参考訳（メタデータ） (2020-01-13T21:14:38Z)
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。