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

• Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
  地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。 我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。 本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
  論文  参考訳（メタデータ） (2024-09-11T19:31:56Z)
• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• ADM: Accelerated Diffusion Model via Estimated Priors for Robust Motion Prediction under Uncertainties [6.865435680843742]
  本稿では,騒音に対する抵抗性を高めたエージェントの将来の軌道を積極的に予測する,拡散型・加速可能な新しいフレームワークを提案する。 本手法は,自律走行車に必要な厳格なリアルタイム運転基準を満たす。 Argoverse 1のモーション予測データセット上でのマルチエージェント動作予測において,大幅な改善を実現している。
  論文  参考訳（メタデータ） (2024-05-01T18:16:55Z)
• 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)
• 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)
• 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)
• 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)
• 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。