論文の概要: Predicting the Transportation Activities of Construction Waste Hauling
Trucks: An Input-Output Hidden Markov Approach
- arxiv url: http://arxiv.org/abs/2312.03780v1
- Date: Wed, 6 Dec 2023 08:40:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-08 17:41:20.884674
- Title: Predicting the Transportation Activities of Construction Waste Hauling
Trucks: An Input-Output Hidden Markov Approach
- Title(参考訳): 建設廃棄物運搬トラックの輸送活動予測:インプット・アウトプット・ハイデン・マルコフアプローチ
- Authors: Hongtai Yang, Boyi Lei, Ke Han, Luna Liu
- Abstract要約: 建設廃棄物運搬トラック (CWHTs) はNOxとPMの排出を著しく増加させ、道路上の逃亡ダストを発生させる。
この課題に対処するため、我々は、解釈可能なアクティビティベースモデル、入出力隠れマルコフモデル(IOHMM)に基づく予測手法を提案する。
提案モデルでは,CWHTの今後の輸送活動の予測と介入の実施をタイムリーかつ効果的に行うことで,当局を支援することを約束している。
- 参考スコア(独自算出の注目度): 3.809116921819254
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Construction waste hauling trucks (CWHTs), as one of the most commonly seen
heavy-duty vehicles in major cities around the globe, are usually subject to a
series of regulations and spatial-temporal access restrictions because they not
only produce significant NOx and PM emissions but also causes on-road fugitive
dust. The timely and accurate prediction of CWHTs' destinations and dwell times
play a key role in effective environmental management. To address this
challenge, we propose a prediction method based on an interpretable
activity-based model, input-output hidden Markov model (IOHMM), and validate it
on 300 CWHTs in Chengdu, China. Contextual factors are considered in the model
to improve its prediction power. Results show that the IOHMM outperforms
several baseline models, including Markov chains, linear regression, and long
short-term memory. Factors influencing the predictability of CWHTs'
transportation activities are also explored using linear regression models.
Results suggest the proposed model holds promise in assisting authorities by
predicting the upcoming transportation activities of CWHTs and administering
intervention in a timely and effective manner.
- Abstract(参考訳): 建設廃棄物運搬トラック(CWHT)は、世界中の主要都市でよく見られる重厚車両の1つであるが、通常、NOxやPMエミッションを発生させるだけでなく、道路上の逃亡ダストを発生させるため、一連の規制や時空間アクセス制限が課される。
CWHTの目的地と居住時間のタイムリーかつ正確な予測は、効果的な環境管理において重要な役割を果たす。
この課題に対処するために,中国成都の300cwhtsにおいて,入力出力隠れマルコフモデル(iohmm)に基づく予測手法を提案し,検証を行った。
予測能力を改善するために、文脈要因がモデルにおいて考慮される。
その結果,IOHMMはマルコフ連鎖,線形回帰,長期記憶など,いくつかのベースラインモデルよりも優れていた。
CWHTsの輸送活動の予測可能性に影響を与える要因についても線形回帰モデルを用いて検討した。
提案モデルは,CWHTの今後の輸送活動の予測と介入の実施をタイムリーかつ効果的に行うことで,当局を支援することを約束している。
関連論文リスト
- Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
気象予報に拡散モデル(DM)を適用した新しい手法を提案する。
提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。
我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
論文 参考訳(メタデータ) (2024-02-06T21:28:42Z) - Efficient Subseasonal Weather Forecast using Teleconnection-informed
Transformers [29.33938664834226]
季節的な予測は農業、水資源管理、災害の早期警戒に重要である。
機械学習の最近の進歩は、数値モデルに対する競争力のある予測能力を達成することで天気予報に革命をもたらした。
しかし、そのような基礎モデルのトレーニングには何千日ものGPU日が必要であるため、かなりの炭素排出量が発生する。
論文 参考訳(メタデータ) (2024-01-31T14:27:35Z) - Context-Aware Generative Models for Prediction of Aircraft Ground Tracks [0.004807514276707785]
軌道予測は航空交通管制官の意思決定を支援する上で重要な役割を果たしている。
従来のTP手法は決定論的で物理学に基づく手法であり、パラメータは世界中で収集された航空機の監視データを用いて校正される。
本研究では、確率論的機械学習を用いて、パイロット行動とATCO意図の未知の効果をモデル化する横型TPの生成法を提案する。
論文 参考訳(メタデータ) (2023-09-26T14:20:09Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳(メタデータ) (2023-08-02T23:39:24Z) - Learning non-Markovian Decision-Making from State-only Sequences [57.20193609153983]
非マルコフ決定過程(nMDP)を用いた状態のみ列のモデルに基づく模倣を開発する。
非マルコフ制約をもつ経路計画課題において提案手法の有効性を示す。
論文 参考訳(メタデータ) (2023-06-27T02:26:01Z) - TrafFormer: A Transformer Model for Predicting Long-term Traffic [3.6776225248989536]
長期的な交通予測は、交通渋滞に対するより包括的で情報があり、予防的な対策を可能にする。
我々は,24時間前のトラフィックを予測するために,改良されたトランスフォーマーモデルTrafFormerを提案する。
論文 参考訳(メタデータ) (2023-02-24T01:29:21Z) - Your Autoregressive Generative Model Can be Better If You Treat It as an
Energy-Based One [83.5162421521224]
本稿では,自己回帰生成モデルの学習のための独自のE-ARM法を提案する。
E-ARMは、よく設計されたエネルギーベースの学習目標を活用する。
我々は、E-ARMを効率的に訓練でき、露光バイアス問題を緩和できることを示した。
論文 参考訳(メタデータ) (2022-06-26T10:58:41Z) - Bootstrap Motion Forecasting With Self-Consistent Constraints [52.88100002373369]
自己整合性制約を用いた動き予測をブートストラップする新しい枠組みを提案する。
運動予測タスクは、過去の空間的・時間的情報を組み込むことで、車両の将来の軌跡を予測することを目的としている。
提案手法は,既存手法の予測性能を常に向上することを示す。
論文 参考訳(メタデータ) (2022-04-12T14:59:48Z) - Surrogate Ensemble Forecasting for Dynamic Climate Impact Models [0.0]
本研究は, マラリア感染係数R0を予測するリバプールマラリアモデル(LMM)について考察した。
入力および出力データは、ランダムフォレスト量子回帰(RFQR)モデルとベイズ長短期記憶(BLSTM)ニューラルネットワークの形式で代理モデルをトレーニングするために使用される。
論文 参考訳(メタデータ) (2022-04-12T13:30:01Z) - Forecasting large-scale circulation regimes using deformable
convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討
今後1~15日にわたって北大西洋-欧州の気象条件を予測した。
より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5~6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
論文 参考訳(メタデータ) (2022-02-10T11:37:00Z) - Analyzing the Travel and Charging Behavior of Electric Vehicles -- A
Data-driven Approach [1.7403133838762446]
電気自動車(EV)は電力システムにかなりの電力需要をもたらす可能性がある。
本プロジェクトでは,全国住宅ホルドサーベイ(NHTS)データを用いて旅行の順序を定めている。
我々は、旅行開始時間、終了時間、距離など、ドライバーの次の旅行のパラメータを予測する機械学習モデルを開発する。
論文 参考訳(メタデータ) (2021-06-11T15:53:59Z)
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。