論文の概要: What is a typical signalized intersection in a city? A pipeline for intersection data imputation from OpenStreetMap
- arxiv url: http://arxiv.org/abs/2405.13480v1
- Date: Wed, 22 May 2024 09:47:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-25 00:45:22.983235
- Title: What is a typical signalized intersection in a city? A pipeline for intersection data imputation from OpenStreetMap
- Title（参考訳）: 都市における典型的な信号化交差点とは何か? OpenStreetMapによる交差点データ計算パイプライン
- Authors: Ao Qu, Anirudh Valiveru, Catherine Tang, Vindula Jayawardana, Baptiste Freydt, Cathy Wu,
- Abstract要約: OpenStreetMap (OSM) から信号化交差点に関する情報を効果的に抽出するパイプラインを提案する。
パイプラインはオープンソースのPythonライブラリとして公開されており、誰でも自由にダウンロードして、研究を促進することができる。
- 参考スコア（独自算出の注目度）: 3.434206965978478
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Signalized intersections, arguably the most complicated type of traffic scenario, are essential to urban mobility systems. With recent advancements in intelligent transportation technologies, signalized intersections have great prospects for making transportation greener, safer, and faster. Several studies have been conducted focusing on intersection-level control and optimization. However, arbitrarily structured signalized intersections that are often used do not represent the ground-truth distribution, and there is no standardized way that exists to extract information about real-world signalized intersections. As the largest open-source map in the world, OpenStreetMap (OSM) has been used by many transportation researchers for a variety of studies, including intersection-level research such as adaptive traffic signal control and eco-driving. However, the quality of OSM data has been a serious concern. In this paper, we propose a pipeline for effectively extracting information about signalized intersections from OSM and constructing a comprehensive dataset. We thoroughly discuss challenges related to this task and we propose our solution for each challenge. We also use Salt Lake City as an example to demonstrate the performance of our methods. The pipeline has been published as an open-source Python library so everyone can freely download and use it to facilitate their research. Hopefully, this paper can serve as a starting point that inspires more efforts to build a standardized and systematic data pipeline for various types of transportation problems.
- Abstract（参考訳）: 信号化交差点は、おそらく最も複雑な交通シナリオであり、都市移動システムにとって不可欠である。
近年のインテリジェントトランスポート技術の進歩により、信号通信の交差点はより緑く、安全で、より速く交通を届ける大きな可能性を持っている。
交差レベル制御と最適化に焦点を当てたいくつかの研究が実施されている。
しかし、しばしば使用される任意の構造化された信号化交差点は、地上構造分布を表現せず、現実世界の信号化交差点に関する情報を抽出するための標準化された方法が存在しない。
世界最大のオープンソースマップであるOpenStreetMap (OSM)は、多くの交通研究者によって様々な研究に使われてきた。
しかし、OSMデータの質は深刻な問題だった。
本稿では,OSMから信号化交差点に関する情報を効果的に抽出し,包括的データセットを構築するパイプラインを提案する。
我々は、この課題に関する課題を徹底的に議論し、各課題に対する解決策を提案する。
また,ソルトレイクシティを例に,本手法の性能を実演する。
パイプラインはオープンソースのPythonライブラリとして公開されており、誰でも自由にダウンロードして、研究を促進することができる。
この論文は,様々な交通問題に対して,標準化された,体系化されたデータパイプラインを構築するための出発点として機能することが望まれる。
関連論文リスト
- PathwayBench: Assessing Routability of Pedestrian Pathway Networks Inferred from Multi-City Imagery [15.563635571840733]
都市部における歩行者の移動を支援するには、構築された環境の完全かつ頑健なグラフ表現が必要である。
道路ネットワークの経路とは対照的に、歩行者ネットワークの経路は狭く、より頻繁に切断され、視覚的にも物質的にも小さな領域で変化している。
歩行者経路網グラフを抽出する既存のアルゴリズムは矛盾なく評価され、ルータビリティを無視する傾向がある。
論文 参考訳（メタデータ） (2024-07-23T22:47:32Z) - Graph Attention Network for Lane-Wise and Topology-Invariant Intersection Traffic Simulation [8.600701437207725]
交差点に対する2つの効率的かつ正確な「デジタルツイン」モデルを提案する。
これらのデジタルツインは、交差点内の交通の時間的、空間的、文脈的な側面を捉えている。
本研究の応用は、車線再構成、運転行動分析、交差点の安全性と効率向上に関する情報決定の促進まで及んでいる。
論文 参考訳（メタデータ） (2024-04-11T03:02:06Z) - APE: An Open and Shared Annotated Dataset for Learning Urban Pedestrian
Path Networks [16.675093530600154]
歩道やサイクウェイを含む完全な交通網を推定することは、多くの自動化システムにとって不可欠である。
この研究は、都市における歩道、横断歩道、角球の衛星画像、地図画像、アノテーションの新たなデータセットを導入することで、この問題に大規模に対処し始めている。
本稿では,道路ネットワーク情報と提案したデータセットを用いて,接続された歩行者経路網マップを推定するエンド・ツー・エンドのプロセスを提案する。
論文 参考訳（メタデータ） (2023-03-04T05:08:36Z) - SIND: A Drone Dataset at Signalized Intersection in China [24.177976559875066]
本稿では,中国天津市で典型的な2相信号化交差点を選定する。
パイプラインはSIND(Signalized Intersection)を構築するために設計されており、7種類の13,000以上のTPを含む7時間の録音を含む。
SINDは、トラヒックライト状態、モーションパラメータ、High Definition(HD)マップなど、より包括的な情報を提供する。
論文 参考訳（メタデータ） (2022-09-06T08:49:44Z) - Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。
本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。
提案手法は,高品質なトラフィックフローマップを作成できる。
論文 参考訳（メタデータ） (2021-09-29T07:51:49Z) - SPIN Road Mapper: Extracting Roads from Aerial Images via Spatial and
Interaction Space Graph Reasoning for Autonomous Driving [64.10636296274168]
道路抽出は、自律航法システムを構築するための重要なステップである。
この問題に対して単に畳み込みニューラルネットワーク(ConvNets)を使用することは、画像内の道路セグメント間の遠い依存関係をキャプチャする非効率であるため、効果がない。
本研究では,ConvNetに接続した時,特徴写像から投影された空間空間および相互作用空間上に構築されたグラフの推論を行う空間空間グラフ推論(SPIN)モジュールを提案する。
論文 参考訳（メタデータ） (2021-09-16T03:52:17Z) - 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) - Learning to Route via Theory-Guided Residual Network [27.440532972814783]
我々は,交通シミュレータにおいて最も重要な部分の一つである人間のルーティングモデルを学習することを提案する。
残余のネットワークは限られたデータから人間のルーティングモデルを学ぶことができる。
我々は,複数の実世界のデータセットについて広範な実験を行い,モデルの優れた性能を示す。
論文 参考訳（メタデータ） (2021-05-18T05:07:34Z) - End-to-End Intersection Handling using Multi-Agent Deep Reinforcement
Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。
本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。
本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文 参考訳（メタデータ） (2021-04-28T07:54:40Z) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳（メタデータ） (2020-12-04T15:10:12Z) - Deep traffic light detection by overlaying synthetic context on
arbitrary natural images [49.592798832978296]
深部交通光検出器のための人工的な交通関連トレーニングデータを生成する手法を提案する。
このデータは、任意の画像背景の上に偽のトラフィックシーンをブレンドするために、基本的な非現実的なコンピュータグラフィックスを用いて生成される。
また、交通信号データセットの本質的なデータ不均衡問題にも対処し、主に黄色い状態のサンプルの少なさによって引き起こされる。
論文 参考訳（メタデータ） (2020-11-07T19:57:22Z)
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。