論文の概要: Finding A Taxi with Illegal Driver Substitution Activity via Behavior Modelings
- arxiv url: http://arxiv.org/abs/2404.11844v1
- Date: Thu, 18 Apr 2024 01:47:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-19 19:50:54.517667
- Title: Finding A Taxi with Illegal Driver Substitution Activity via Behavior Modelings
- Title（参考訳）: 行動モデルによる違法ドライバ置換活性のあるタクシーの発見
- Authors: Junbiao Pang, Muhammad Ayub Sabir, Zhuyun Wang, Anjing Hu, Xue Yang, Haitao Yu, Qingming Huang,
- Abstract要約: タクシーの違法ドライバー代替(IDS)活動は、タクシー業界において重大な違法行為である。
現在、IDSの活動は法執行機関によって手動で管理されている。
法執行機関がIDS活動の傾向にあるタクシーを効率的に見つけるのに役立つ計算手法を提案する。
- 参考スコア（独自算出の注目度）: 42.090136287906915
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In our urban life, Illegal Driver Substitution (IDS) activity for a taxi is a grave unlawful activity in the taxi industry, possibly causing severe traffic accidents and painful social repercussions. Currently, the IDS activity is manually supervised by law enforcers, i.e., law enforcers empirically choose a taxi and inspect it. The pressing problem of this scheme is the dilemma between the limited number of law-enforcers and the large volume of taxis. In this paper, motivated by this problem, we propose a computational method that helps law enforcers efficiently find the taxis which tend to have the IDS activity. Firstly, our method converts the identification of the IDS activity to a supervised learning task. Secondly, two kinds of taxi driver behaviors, i.e., the Sleeping Time and Location (STL) behavior and the Pick-Up (PU) behavior are proposed. Thirdly, the multiple scale pooling on self-similarity is proposed to encode the individual behaviors into the universal features for all taxis. Finally, a Multiple Component- Multiple Instance Learning (MC-MIL) method is proposed to handle the deficiency of the behavior features and to align the behavior features simultaneously. Extensive experiments on a real-world data set shows that the proposed behavior features have a good generalization ability across different classifiers, and the proposed MC-MIL method suppresses the baseline methods.
- Abstract（参考訳）: 我々の都市生活では、タクシーのIllegal Driver Substitution(IDS)活動は、タクシー業界において重大な交通事故や社会的な反動を引き起こしている。
現在、IDSの活動は法執行機関によって手動で監督されており、すなわち、法執行機関は経験的にタクシーを選択して検査している。
この計画の押し付け問題は、限られた数の法執行員と大量のタクシーの間のジレンマである。
本稿では,この問題を動機として,法執行機関がIDS活動を行う傾向にあるタクシーを効率的に見つけるのに役立つ計算手法を提案する。
まず,IDS活動の識別を教師付き学習タスクに変換する。
次に,2種類のタクシー運転手行動,すなわち睡眠時間と位置情報(STL)行動とピックアップアップ(PU)行動を提案する。
第3に、自己相似性に基づく多重スケールプーリングが提案され、個々の振る舞いを全タクシーの普遍的な特徴にエンコードする。
最後に,マルチコンポーネント・マルチ・インスタンス・ラーニング(MC-MIL)手法を提案する。
実世界のデータセットに対する大規模な実験により,提案した挙動特徴は異なる分類器間で優れた一般化能力を示し,提案したMC-MIL法はベースライン法を抑圧する。
関連論文リスト
- Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [79.088116316919]
コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。
本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
論文 参考訳（メタデータ） (2024-09-19T14:36:00Z) - Cooperative Advisory Residual Policies for Congestion Mitigation [11.33450610735004]
我々は協調的な諮問システムに利用できる学習済みの残留政策のクラスを開発する。
当社のポリシーは、多様なドライバーの振る舞いを考慮に入れながら、交通渋滞を軽減する方法でドライバーに振る舞うことを推奨している。
我々のアプローチは、異なるドライバーの行動に適応しながら、渋滞を軽減することに成功しました。
論文 参考訳（メタデータ） (2024-06-30T01:10:13Z) - Studying the Impact of Semi-Cooperative Drivers on Overall Highway Flow [76.38515853201116]
半協調行動は、人間ドライバーの本質的な性質であり、自律運転には考慮すべきである。
新たな自律型プランナーは、社会的に準拠した軌道を生成するために、人間のドライバーの社会的価値指向(SVO)を考慮することができる。
エージェントが反復的最適応答のゲーム理論バージョンをデプロイする暗黙的な半協調運転について検討する。
論文 参考訳（メタデータ） (2023-04-23T16:01:36Z) - Do the Rewards Justify the Means? Measuring Trade-Offs Between Rewards
and Ethical Behavior in the MACHIAVELLI Benchmark [61.43264961005614]
我々は、50万以上のリッチで多様なシナリオを含む134個のChoose-Your-Own-Adventureゲームのベンチマークを開発する。
我々は、エージェントの傾向をパワー・シーキングと評価し、不使用を生じさせ、倫理的違反を犯す。
以上の結果から,エージェントは有能かつ道徳的に行動できることが示唆された。
論文 参考訳（メタデータ） (2023-04-06T17:59:03Z) - Safe Deep Reinforcement Learning by Verifying Task-Level Properties [84.64203221849648]
コスト関数は、安全深層強化学習(DRL)において一般的に用いられる。
このコストは通常、国家空間における政策決定のリスクの定量化が難しいため、指標関数として符号化される。
本稿では,ドメイン知識を用いて,そのような状態に近接するリスクを定量化するための代替手法について検討する。
論文 参考訳（メタデータ） (2023-02-20T15:24:06Z) - Discovering and Explaining Driver Behaviour under HoS Regulations [0.0]
本稿では,サービス規制に従って,生ドライバのアクティビティログを要約するアプリケーションを提案する。
このシステムは、計画、制約、クラスタリング技術を使って、ドライバーが何をしているかを抽出し、記述する。
実世界のデータでの実験では、繰り返し発生する運転パターンが、短い基本運転シーケンスから全運転日程までクラスタ化可能であることが示されている。
論文 参考訳（メタデータ） (2023-01-12T15:30:11Z) - Unsupervised Driving Behavior Analysis using Representation Learning and
Exploiting Group-based Training [15.355045011160804]
運転行動監視は、道路安全の管理と交通事故のリスク低減に重要な役割を果たしている。
現在の研究は、駆動パターンの変動を捉えて、堅牢な駆動パターン解析を行う。
時系列の圧縮表現を学習することで一貫した群を形成する。
論文 参考訳（メタデータ） (2022-05-12T10:27:47Z) - Causal Imitative Model for Autonomous Driving [85.78593682732836]
慣性および衝突問題に対処するための因果Imitative Model (CIM)を提案する。
CIMは因果モデルを明確に発見し、ポリシーのトレーニングに利用します。
実験の結果,本手法は慣性および衝突速度において従来の手法よりも優れていたことがわかった。
論文 参考訳（メタデータ） (2021-12-07T18:59:15Z) - Scalable Deep Reinforcement Learning for Ride-Hailing [0.0]
Didi Chuxing、Lyft、Uberといったライドシェアサービスでは、毎日数千台の車が乗車要求に応えている。
配車サービスシステムのマルコフ決定プロセス(MDP)モデルを強化学習(RL)問題とみなす。
本稿では,ドライバにタスクを逐次割り当てることにより,MDP動作の特殊分解を提案する。
論文 参考訳（メタデータ） (2020-09-27T20:07:12Z)
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。