論文の概要: Using construction waste hauling trucks' GPS data to classify earthwork-related locations: A Chengdu case study
- arxiv url: http://arxiv.org/abs/2402.14698v3
- Date: Thu, 4 Apr 2024 11:41:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-05 19:23:57.129314
- Title: Using construction waste hauling trucks' GPS data to classify earthwork-related locations: A Chengdu case study
- Title（参考訳）: 建設廃棄物運搬トラックのGPSデータを用いた土木関連箇所の分類:Chengduケーススタディ
- Authors: Lei Yu, Ke Han,
- Abstract要約: アースワーク関連地域(ERL)は、都市ごみ汚染の主な原因である(粒子状物質)。
本研究は,16,000台以上の建設廃棄物運搬トラック(CWHT)のGPSトラジェクトリデータを用いた都市ERLの識別と分類を目的とする。
いくつかの機械学習モデルを比較し,中国成都市における実世界データを用いた分類性能に及ぼす時空間的特徴の影響を検討した。
- 参考スコア（独自算出の注目度）: 8.065039038112346
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Earthwork-related locations (ERLs), such as construction sites, earth dumping ground, and concrete mixing stations, are major sources of urban dust pollution (particulate matters). The effective management of ERLs is crucial and requires timely and efficient tracking of these locations throughout the city. This work aims to identify and classify urban ERLs using GPS trajectory data of over 16,000 construction waste hauling trucks (CWHTs), as well as 58 urban features encompassing geographic, land cover, POI and transport dimensions. We compare several machine learning models and examine the impact of various spatial-temporal features on classification performance using real-world data in Chengdu, China. The results demonstrate that 77.8% classification accuracy can be achieved with a limited number of features. This classification framework was implemented in the Alpha MAPS system in Chengdu, which has successfully identified 724 construction cites/earth dumping ground, 48 concrete mixing stations, and 80 truck parking locations in the city during December 2023, which has enabled local authority to effectively manage urban dust pollution at low personnel costs.
- Abstract（参考訳）: 建設現場、埋立処分場、コンクリートミキシングステーションなど、アースワーク関連の場所(ERL)は、都市ごみ汚染の主な原因である(粒子状物質)。
ERLの効果的な管理は不可欠であり、市内のこれらの場所をタイムリーかつ効率的に追跡する必要がある。
本研究の目的は,16,000台以上の建設廃棄物運搬トラック(CWHT)のGPSトラジェクトリデータと,地理的,土地被覆,POI,輸送次元を含む58の都市特性を用いて都市ERLを識別・分類することである。
いくつかの機械学習モデルを比較し,中国成都市における実世界データを用いた分類性能に及ぼす時空間的特徴の影響を検討した。
その結果、77.8%の分類精度が限られた特徴で達成できることが示されている。
この分類は、2023年12月にチェンドゥのAlpha MAPSシステムで実施され、724の建設現場、48のコンクリートミキシングステーション、80のトラック駐車場所の特定に成功した。
関連論文リスト
- Global Geolocated Realtime Data of Interfleet Urban Transit Bus Idling [0.0]
GRD-TRT-BUF-4Iは、都市交通バスの走行時間と走行時間を記録するリアルタイム検知システムである。
このシステムは、北米、ヨーロッパ、オセアニア、アジアにまたがる50都市から、毎日20万件のアイドリングイベントを検知する。
論文 参考訳（メタデータ） (2024-03-06T06:20:19Z) - Distortions in Judged Spatial Relations in Large Language Models: The
Dawn of Natural Language Geographic Data? [50.11601704574547]
GPT-4は55.3%の精度で優れた性能を示し、GPT-3.5は47.3%、Llama-2は44.7%であった。
これらの不正確さにもかかわらず、ほとんどの場合、モデルは最も近い基数方向を特定した。
論文 参考訳（メタデータ） (2024-01-08T20:08:04Z) - Short-term prediction of construction waste transport activities using AI-Truck [7.9472477567851465]
建設廃棄物運搬トラック(スラグトラック)は、都市部でよく見られる重厚なディーゼル車である。
本稿では, 都市規模でスラグトラック活動のレベルを重汚染発生時に予測する実践的問題に対処する。
ディープアンサンブル学習フレームワーク (coined AI-Truck) は,Bi-LSTM, TCN, STGCN, PDFormerをベース分類器として使用するソフト投票積分器を用いて設計されている。
論文 参考訳（メタデータ） (2023-12-07T13:38:55Z) - GLOBUS: GLObal Building heights for Urban Studies [0.13999481573773068]
本稿では,GLObal Building heights for Urban Studies (GLOBUS) と呼ばれるディープニューラルネットワーク (DNN) から得られた新しいレベル・オブ・ディーテール-1 (LoD-1) 構築データセットを紹介する。
GLOBUSからの建築情報は,都市ヒートアイランド(UHI)効果などの局所的な現象を研究するために,数値気象予報(NWP)や都市エネルギー収支モデルに取り入れることができる。
論文 参考訳（メタデータ） (2022-05-24T17:34:14Z) - Jalisco's multiclass land cover analysis and classification using a
novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。
本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。
組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
論文 参考訳（メタデータ） (2022-01-26T14:58:51Z) - Rapid Assessments of Light-Duty Gasoline Vehicle Emissions Using On-Road
Remote Sensing and Machine Learning [18.334974501482275]
道路上での自動車排ガスのリアルタイムかつ正確な評価は、都市大気の質と健康政策において中心的な役割を果たす。
ここでは、オンロードリモートセンシング(ORRS)測定をI/Mレコードに関連付ける103831光デューティガソリン車を含む、ユニークなデータセットを構築します。
ニューラルネットワーク(NN)、極勾配強化(XGBoost)、ランダムフォレスト(ランダムフォレスト)を含む3つの機械学習アルゴリズムを統合するアンサンブルモデルフレームワークを開発した。
論文 参考訳（メタデータ） (2021-10-01T08:37:06Z) - 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) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - Real-time Outdoor Localization Using Radio Maps: A Deep Learning
Approach [59.17191114000146]
LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。
我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
論文 参考訳（メタデータ） (2021-06-23T17:27:04Z) - Deep-AIR: A Hybrid CNN-LSTM Framework for Air Quality Modeling in
Metropolitan Cities [28.233460564726034]
Deep-AIRは、畳み込みニューラルネットワークと長期記憶ネットワークを組み合わせた、新しいハイブリッドディープラーニングフレームワークである。
提案手法は,大気汚染と都市動態の特徴の相互相互作用の学習を強化するために,1x1畳み込み層を生成する。
香港では, 67.6%, 77.2%, 66.1%の精度, 1時間, 24時間大気汚染予測, 65.0%, 75.3%, 63.5%の精度を達成した。
論文 参考訳（メタデータ） (2021-03-25T13:47:56Z) - Transportation Density Reduction Caused by City Lockdowns Across the
World during the COVID-19 Epidemic: From the View of High-resolution Remote
Sensing Imagery [48.52477000522933]
新型コロナウイルス(COVID-19)の流行は、2020年前半に悪化し始めた。
厳しい封鎖政策が世界中の多くの都市で実行され、人間の感染を制御し、拡散を緩和した。
中心市街地6都市におけるロックダウン前後の交通密度の低減について定量的に検討した。
論文 参考訳（メタデータ） (2021-03-02T13:45:16Z)
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。