論文の概要: Predicting Regional Road Transport Emissions From Satellite Imagery
- arxiv url: http://arxiv.org/abs/2312.10551v1
- Date: Sat, 16 Dec 2023 22:29:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-19 15:53:59.050448
- Title: Predicting Regional Road Transport Emissions From Satellite Imagery
- Title（参考訳）: 衛星画像による地域道路交通の排出予測
- Authors: Adam Horsler, Jake Baker, Pedro M. Baiz. V
- Abstract要約: 本稿では,国連持続可能な開発目標に向けた進展をモニタリングするための,新たな2部パイプラインを提案する。
第1部は、高速道路部の生の衛星画像を取得し、画像内のカウント箇所のトラフィックカウント予測を生成する。
第2部では、これらの予測された交通数やその他の変数を用いて、各車種別に、地方交通機関(LA)の自動車道平均日量(AADT)と温室効果ガス(GHG)の排出量を推定する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a novel two-part pipeline for monitoring progress towards
the UN Sustainable Development Goals (SDG's) related to Climate Action and
Sustainable Cities and Communities. The pipeline consists of two main parts:
the first part takes a raw satellite image of a motorway section and produces
traffic count predictions for count sites within the image; the second part
takes these predicted traffic counts and other variables to produce estimates
of Local Authority (LA) motorway Average Annual Daily Traffic (AADT) and
Greenhouse Gas (GHG) emissions on a per vehicle type basis. We also provide
flexibility to the pipeline by implementing a novel method for estimating
emissions when data on AADT per vehicle type or/and live vehicle speeds are not
available. Finally, we extend the pipeline to also estimate LA A-Roads and
minor roads AADT and GHG emissions. We treat the 2017 year as training and 2018
as the test year. Results show that it is possible to predict AADT and GHG
emissions from satellite imagery, with motorway test year $R^2$ values of 0.92
and 0.78 respectively, and for A-roads' $R^2$ values of 0.94 and 0.98. This
end-to-end two-part pipeline builds upon and combines previous research in road
transportation traffic flows, speed estimation from satellite imagery, and
emissions estimation, providing new contributions and insights into these
areas.
- Abstract（参考訳）: 本稿では,気候活動と持続可能な都市・コミュニティに関連する国連持続可能な開発目標(SDG)の進展をモニタリングするための,新たな2部パイプラインを提案する。
パイプラインは2つの主要部分から構成される:第1部は高速道路区間の生の衛星画像を取得し、画像内のカウント位置のトラフィック数予測を生成し、第2部はこれらの予測トラフィック数と他の変数を取り込み、各車両タイプ別に、地方交通機関(LA)の年間平均日量交通(AADT)と温室効果ガス(GHG)の排出量を推定する。
また,車種ごとのaadtのデータや実車速度が得られない場合に排出ガスを推定する新しい手法を導入することで,パイプラインの柔軟性を提供する。
最後に、パイプラインを拡張して、LA A-Roadsおよび未舗装道路AADTおよびGHG排出量を推定する。
2017年をトレーニング、2018年をテスト年として扱います。
その結果、衛星画像からAADTとGHGの放射を予測でき、自動車道試験年度の$R^2$値は0.92と0.78であり、A-roadsの$R^2$値は0.94と0.98である。
このエンドツーエンドのパイプラインは、道路交通の流れ、衛星画像からの速度推定、エミッション推定に関する以前の研究に基づいて構築され、これらの領域に対する新たなコントリビューションと洞察を提供する。
関連論文リスト
- Bench2Drive: Towards Multi-Ability Benchmarking of Closed-Loop End-To-End Autonomous Driving [59.705635382104454]
本稿では,E2E-ADシステムのマルチ能力をクローズドループで評価するための最初のベンチマークであるBench2Driveを紹介する。
我々は最先端のE2E-ADモデルを実装し、Bench2Driveで評価し、現状と今後の方向性について洞察を提供する。
論文 参考訳（メタデータ） (2024-06-06T09:12:30Z) - Deep Reinforcement Learning-based Intelligent Traffic Signal Controls
with Optimized CO2 emissions [6.851243292023835]
交通ネットワークは、人間の健康や環境に悪影響を及ぼし、交通渋滞に寄与する準最適制御政策の課題に直面している。
文献における適応的な信号制御装置はいくつかあるが、それらの比較性能について限定的な研究がなされている。
EcoLightは,CO2排出量を削減するだけでなく,旅行時間などの指標で競合する結果が得られる強化学習アルゴリズムの報酬形成手法である。
論文 参考訳（メタデータ） (2023-10-19T19:54:47Z) - Pre-training on Synthetic Driving Data for Trajectory Prediction [61.520225216107306]
軌道予測におけるデータ不足の問題を緩和するパイプラインレベルのソリューションを提案する。
我々は、駆動データを生成するためにHDマップ拡張とトラジェクトリ合成を採用し、それらを事前学習することで表現を学習する。
我々は、データ拡張と事前学習戦略の有効性を実証するための広範な実験を行う。
論文 参考訳（メタデータ） (2023-09-18T19:49:22Z) - Automated Quantification of Traffic Particulate Emissions via an Image
Analysis Pipeline [0.0]
交通画像を利用して車両数を求める統合機械学習パイプラインの提案と実装を行う。
シンガポールのロケーションで取得した交通画像のオープンソースデータセット上で,このパイプラインの有用性と精度を検証する。
路側粒子放出は、得られた車両数と0.93の相関係数とをよく相関させ、この方法が粒子放出の迅速かつ効果的な相関として有効であることを示す。
論文 参考訳（メタデータ） (2022-11-24T07:48:29Z) - Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。
本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。
我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
論文 参考訳（メタデータ） (2021-06-22T15:40:21Z) - Towards Indirect Top-Down Road Transport Emissions Estimation [2.18675052740811]
道路輸送は、気候変動に影響を与える温室効果ガス(GHG)排出量の最大セクターの1つです。
衛星画像を用いた道路交通の間接的トップダウン推定を行う機械学習モデルを開発した。
論文 参考訳（メタデータ） (2021-03-16T03:30:53Z) - Vision-based Vehicle Speed Estimation for ITS: A Survey [0.47248250311484113]
近年は世界中に設置されるスピードカメラの数が増えている。
道路網における交通監視と予測は, スマートシティにおける交通, 排出, エネルギー消費の促進に不可欠な役割を担っている。
ビジョンベースのシステムの使用は、解決すべき大きな課題をもたらしますが、潜在的な大きな利点もあります。
論文 参考訳（メタデータ） (2021-01-15T15:07:54Z) - A Graph Convolutional Network with Signal Phasing Information for
Arterial Traffic Prediction [63.470149585093665]
動脈交通予測は 現代のインテリジェント交通システムの発展に 重要な役割を担っています
動脈交通予測に関する既存の研究の多くは、ループセンサからの流量と占有率の時間的測定のみを考慮し、上流と下流の検出器間のリッチな空間的関係を無視している。
我々は,信号タイミング計画から発生する空間情報を用いて,深層学習アプローチである拡散畳み込みリカレントニューラルネットワークを強化することで,このギャップを埋める。
論文 参考訳（メタデータ） (2020-12-25T01:40:29Z) - Towards Good Practices of U-Net for Traffic Forecasting [16.919515280128472]
予測トラフィック問題を,時間的依存が比較的弱い将来のフレーム予測タスクとして検討する。
本稿では,予測されたトラフィックフローをより合理的にするためのロードマップ生成手法を提案する。
我々は、オーバーフィッティングを防ぐために、検証セットに基づいた微調整戦略を使用し、予測結果を効果的に改善する。
論文 参考訳（メタデータ） (2020-12-04T13:54:49Z) - What-If Motion Prediction for Autonomous Driving [58.338520347197765]
生存可能なソリューションは、道路レーンのような静的な幾何学的文脈と、複数のアクターから生じる動的な社会的相互作用の両方を考慮しなければならない。
本稿では,解釈可能な幾何学的(アクター・レーン)と社会的(アクター・アクター)の関係を持つグラフに基づく注意的アプローチを提案する。
提案モデルでは,道路レーンやマルチアクターの相互作用を仮定的に,あるいは「何」かで予測できる。
論文 参考訳（メタデータ） (2020-08-24T17:49:30Z) - TPNet: Trajectory Proposal Network for Motion Prediction [81.28716372763128]
Trajectory Proposal Network (TPNet) は、新しい2段階の動作予測フレームワークである。
TPNetはまず、仮説の提案として将来の軌道の候補セットを生成し、次に提案の分類と修正によって最終的な予測を行う。
4つの大規模軌道予測データセットの実験は、TPNetが定量的かつ定性的に、最先端の結果を達成することを示した。
論文 参考訳（メタデータ） (2020-04-26T00:01:49Z)
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。