論文の概要: Exploring the Effects of Population and Employment Characteristics on
Truck Flows: An Analysis of NextGen NHTS Origin-Destination Data
- arxiv url: http://arxiv.org/abs/2402.04019v1
- Date: Fri, 2 Feb 2024 15:47:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-07 14:44:17.602134
- Title: Exploring the Effects of Population and Employment Characteristics on
Truck Flows: An Analysis of NextGen NHTS Origin-Destination Data
- Title（参考訳）: トラックフローに及ぼす人口と雇用特性の影響の探索 : 次世代nhts原産地データの解析
- Authors: Majbah Uddin, Yuandong Liu, and Hyeonsup Lim
- Abstract要約: この研究は、アメリカ合衆国国勢調査局のゾーンレベルの人口と雇用特性を含む。
最後のデータセットは、機械学習アルゴリズムベースのモデルであるExtreme Gradient Boosting(XGBoost)のトレーニングに使用された。
その結果, ゾーン間の距離が最も重要であり, トラックフローと非線形に関係があることが判明した。
- 参考スコア（独自算出の注目度）: 2.6842755963997926
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Truck transportation remains the dominant mode of US freight transportation
because of its advantages, such as the flexibility of accessing pickup and
drop-off points and faster delivery. Because of the massive freight volume
transported by trucks, understanding the effects of population and employment
characteristics on truck flows is critical for better transportation planning
and investment decisions. The US Federal Highway Administration published a
truck travel origin-destination data set as part of the Next Generation
National Household Travel Survey program. This data set contains the total
number of truck trips in 2020 within and between 583 predefined zones
encompassing metropolitan and nonmetropolitan statistical areas within each
state and Washington, DC. In this study, origin-destination-level truck trip
flow data was augmented to include zone-level population and employment
characteristics from the US Census Bureau. Census population and County
Business Patterns data were included. The final data set was used to train a
machine learning algorithm-based model, Extreme Gradient Boosting (XGBoost),
where the target variable is the number of total truck trips. Shapley Additive
ExPlanation (SHAP) was adopted to explain the model results. Results showed
that the distance between the zones was the most important variable and had a
nonlinear relationship with truck flows.
- Abstract（参考訳）: トラック輸送は、ピックアップ・アンド・ドロップオフ・ポイントへのアクセスの柔軟性や配達の高速化など、アメリカの貨物輸送において支配的なモードのままである。
トラックが輸送する貨物量が大きいため、交通計画や投資決定において、人口と雇用特性がトラックフローに与える影響を理解することが重要である。
アメリカ合衆国連邦道路局は、次世代の全国家計旅行調査プログラムの一環として、トラック旅行の発着予定データを公表した。
このデータセットには、各州とワシントンd.c.内のメトロポリタンと非メトロポリタンの統計地域を含む583の事前定義されたゾーン内および範囲内における2020年のトラック旅行の総数が含まれている。
本研究では,米国国勢調査局のゾーンレベル人口と雇用特性を含む原産地レベルのトラック走行フローデータを拡張した。
国勢調査人口と郡の事業パターンデータが含まれている。
最終データセットは、マシンラーニングアルゴリズムベースのモデルであるExtreme Gradient Boosting(XGBoost)のトレーニングに使用された。
モデル結果を説明するためにShapley Additive ExPlanation (SHAP)を採用した。
その結果、ゾーン間の距離は最も重要な変数であり、トラックの流れと非線形な関係があった。
関連論文リスト
- DriveCoT: Integrating Chain-of-Thought Reasoning with End-to-End Driving [81.04174379726251]
本稿では,DriveCoTというエンド・ツー・エンドの運転データセットを総合的に収集する。
センサーデータ、制御決定、および推論プロセスを示すチェーン・オブ・シークレット・ラベルが含まれている。
我々は,私たちのデータセットに基づいてトレーニングされたDriveCoT-Agentと呼ばれるベースラインモデルを提案し,連鎖予測と最終決定を生成する。
論文 参考訳（メタデータ） (2024-03-25T17:59:01Z) - BjTT: A Large-scale Multimodal Dataset for Traffic Prediction [49.93028461584377]
従来の交通予測手法は、交通トレンドを予測するために、過去の交通データに依存している。
本研究では,交通システムを記述するテキストと生成モデルを組み合わせることで,交通生成にどのように応用できるかを考察する。
本稿では,テキスト・トラフィック生成のための最初の拡散モデルChatTrafficを提案する。
論文 参考訳（メタデータ） (2024-03-08T04:19:56Z) - 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) - A Big-Data Driven Framework to Estimating Vehicle Volume based on Mobile
Device Location Data [0.40631409309544836]
車両の体積は、交通信号の制御、交通計画の優先順位付け、道路整備などの基礎となる重要な指標となっている。
従来の車両の体積を定量化する方法は、限られた場所における手動計数、ビデオカメラ、ループ検出器に頼っている。
本稿では, 大規模な地理的領域において, テラバイト単位のデバイス位置情報を取り込み, 車両の体積を推定できる, 大規模データ駆動型フレームワークを提案する。
論文 参考訳（メタデータ） (2023-01-20T16:23:17Z) - On Designing Day Ahead and Same Day Ridership Level Prediction Models
for City-Scale Transit Networks Using Noisy APC Data [0.0]
本稿では,複数のソースからのデータの収集,クリーン化,処理,マージを併用して,トランジットライダーシップの予測に機械学習モデルをトレーニングする手法を提案する。
ナッシュビルの公共交通機関が提供している現実の交通データに対する我々のアプローチを評価する。
論文 参考訳（メタデータ） (2022-10-10T19:50:59Z) - An Intelligent Self-driving Truck System For Highway Transportation [81.12838700312308]
本稿では,インテリジェントな自動運転トラックシステムについて紹介する。
提案システムは,1)テストシナリオにおける現実的なトラフィックフローを生成する現実的なトラフィックシミュレーションモジュール,2)実環境における実際のトラックの応答を模倣するために設計,評価された高忠実度トラックモデル,の3つの主要コンポーネントから構成される。
また,提案するシステムを実車に展開し,実車間ギャップを緩和するシステムの能力を示す実物実験を行う。
論文 参考訳（メタデータ） (2021-12-31T04:54:13Z) - 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) - Public Transportation Demand Analysis: A Case Study of Metropolitan
Lagos [0.0]
ラゴスは急速な都市化を経験しており、現在人口は1500万人弱である。
長い待ち時間と不確実な旅行時間により、多くの人々は自分の車を購入したり、代替の輸送手段を使わざるを得なくなった。
本稿では,ラゴスにおける都市交通需要を調査し,時間と空間における乗客動態について考察する。
論文 参考訳（メタデータ） (2021-05-25T10:35:30Z) - 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) - Decomposing Excess Commuting: A Monte Carlo Simulation Approach [1.14219428942199]
本研究はモンテカルロの手法を用いて, 人口調査区域内の個人労働者と個人雇用をシミュレートする。
旅行から仕事までの通勤距離と時間を推定し、シミュレーションされた個々の場所に基づいて最適な通勤を定義する。
論文 参考訳（メタデータ） (2020-05-30T14:09:06Z) - Data-Driven Prediction of Route-Level Energy Use for Mixed-Vehicle
Transit Fleets [7.2775693810940565]
公共交通機関は電気自動車(EV)による燃費削減を目指している
EVの先行コストが高いため、ほとんどの機関は内燃機関と電気自動車の混成車しか手に入らない。
混合車両輸送車両における経路レベルのエネルギー利用に関するデータ駆動予測のための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2020-04-10T16:31:10Z)
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。