論文の概要: WTTFNet: A Weather-Time-Trajectory Fusion Network for Pedestrian Trajectory Prediction in Urban Complex
- arxiv url: http://arxiv.org/abs/2405.18945v1
- Date: Wed, 29 May 2024 09:56:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-30 17:39:58.568163
- Title: WTTFNet: A Weather-Time-Trajectory Fusion Network for Pedestrian Trajectory Prediction in Urban Complex
- Title（参考訳）: WTTFNet:都市部における歩行者軌道予測のための気象・時間・軌道融合ネットワーク
- Authors: Ho Chun Wu, Esther Hoi Shan Lau, Paul Yuen, Kevin Hung, John Kwok Tai Chui, Andrew Kwok Fai Lui,
- Abstract要約: ベースラインディープニューラルネットワークアーキテクチャの性能向上を目的として,新しい気象時トラジェクトリ融合ネットワーク(WTTFNet)を提案する。
歩行者施設工学、公共空間開発、技術主導の小売など、多くの用途で利用することができる。
- 参考スコア（独自算出の注目度）: 0.44531072184246007
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Pedestrian trajectory modelling in an urban complex is challenging because pedestrians can have many possible destinations, such as shops, escalators, and attractions. Moreover, weather and time-of-day may affect pedestrian behavior. In this paper, a new weather-time-trajectory fusion network (WTTFNet) is proposed to improve the performance of baseline deep neural network architecture. By incorporating weather and time-of-day information as an embedding structure, a novel WTTFNet based on gate multimodal unit is used to fuse the multimodal information and deep representation of trajectories. A joint loss function based on focal loss is used to co-optimize both the deep trajectory features and final classifier, which helps to improve the accuracy in predicting the intended destination of pedestrians and hence the trajectories under possible scenarios of class imbalances. Experimental results using the Osaka Asia and Pacific Trade Center (ATC) dataset shows improved performance of the proposed approach over state-of-the-art algorithms by 23.67% increase in classification accuracy, 9.16% and 7.07% reduction of average and final displacement error. The proposed approach may serve as an attractive approach for improving existing baseline trajectory prediction models when they are applied to scenarios with influences of weather-time conditions. It can be employed in numerous applications such as pedestrian facility engineering, public space development and technology-driven retail.
- Abstract（参考訳）: 歩行者は、店舗、エスカレーター、アトラクションなど、多くの可能な目的地を持つことができるため、都市複合体における歩行者軌道のモデル化は困難である。
さらに、天気や日中は歩行者の行動に影響を及ぼす可能性がある。
本稿では,ベースライン深層ニューラルネットワークアーキテクチャの性能向上のために,新しい気象時トラジェクトリ融合ネットワーク(WTTFNet)を提案する。
気象情報と日時情報を埋め込み構造として組み込むことにより、ゲートマルチモーダル単位に基づく新しいWTTFNetを用いて、多モーダル情報とトラジェクトリの深部表現を融合させる。
焦点損失に基づく共同損失関数を用いて、深い軌跡特徴と最終分類器の両方を同時最適化し、歩行者の意図する目的地を予測する精度を向上し、クラス不均衡のシナリオ下での軌道の精度を向上させる。
大阪アジア太平洋貿易センター(ATC)データセットを用いた実験結果から,最先端アルゴリズムに対する提案手法の性能が23.67%向上し,分類精度が9.16%,最終変位誤差が7.07%低下した。
提案手法は,気象条件の影響のあるシナリオに適用した場合に,既存のベースライン軌道予測モデルを改善するための魅力的なアプローチとして機能する可能性がある。
歩行者施設工学、公共空間開発、技術主導の小売など、多くの用途で利用することができる。
関連論文リスト
- DST-TransitNet: A Dynamic Spatio-Temporal Deep Learning Model for Scalable and Efficient Network-Wide Prediction of Station-Level Transit Ridership [12.6020349733674]
本稿では,システムワイドライダーシップ予測のためのハイブリッドディープラーニングモデルであるDST-TransitNetを紹介する。
ボゴタのBRTシステムデータでテストされており、3つの異なる社会的シナリオがある。
最先端のモデルを精度、効率、堅牢性で上回る。
論文 参考訳（メタデータ） (2024-10-19T06:59:39Z) - Interpretable Cascading Mixture-of-Experts for Urban Traffic Congestion Prediction [24.26429523848735]
急速な都市化は交通渋滞を著しくエスカレートさせ、高度な渋滞予測サービスの必要性を浮き彫りにした。
本稿では,CP-MoE(Congestion Prediction Mixture-of-Experts)を提案する。
CP-MoEは、旅行時間推定システムの精度と信頼性を向上させるため、DiDiに展開されている。
論文 参考訳（メタデータ） (2024-06-14T12:57:17Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳（メタデータ） (2023-08-02T23:39:24Z) - Likely, Light, and Accurate Context-Free Clusters-based Trajectory
Prediction [0.0]
本稿では,従来の手法よりも分散シフトに対処可能な,自己条件付きGANという,より深い特徴クラスタリング手法を提案する。
また,生成した軌道に確率を割り当てる新しい距離ベースランキングの提案も提案する。
全体システムは、人間と道路エージェントの軌跡データにおける文脈自由な深層生成モデルを上回る。
論文 参考訳（メタデータ） (2023-07-27T11:29:57Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
歩行者の立ち止まりと予測の新たな課題を紹介します。
都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。
歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
論文 参考訳（メタデータ） (2022-03-04T18:39:31Z) - STG-GAN: A spatiotemporal graph generative adversarial networks for
short-term passenger flow prediction in urban rail transit systems [11.167132464665578]
短期の旅客フロー予測は、都市交通システムを管理する上で重要であるが、難しい課題である。
本稿では,予測精度が高く,高い効率,メモリ占有率の低い,ディープラーニングに基づく時間グラフ生成対向ネットワーク(STG-GAN)モデルを提案する。
本研究は、特に現実の応用の観点から、短期の乗客フロー予測を行う上で、批判的な経験を提供することができる。
論文 参考訳（メタデータ） (2022-02-10T13:18:11Z) - Deep Learning Aided Packet Routing in Aeronautical Ad-Hoc Networks
Relying on Real Flight Data: From Single-Objective to Near-Pareto
Multi-Objective Optimization [79.96177511319713]
航空アドホックネットワーク(AANET)のルーティングを支援するために、ディープラーニング(DL)を起動する。
フォワードノードによって観測された局所的な地理的情報を最適な次のホップを決定するために必要な情報にマッピングするために、ディープニューラルネットワーク(DNN)が考案される。
DL支援ルーティングアルゴリズムを多目的シナリオに拡張し,遅延を最小化し,経路容量を最大化し,経路寿命を最大化する。
論文 参考訳（メタデータ） (2021-10-28T14:18:22Z) - SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory
Prediction [64.16212996247943]
歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。
具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。
可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
論文 参考訳（メタデータ） (2021-04-04T03:17:42Z) - DeepSTCL: A Deep Spatio-temporal ConvLSTM for Travel Demand Prediction [4.0711669706762805]
本稿では,Deep Spatio-Temporal ConvLSTMに基づく新しいディープラーニングトラフィック需要予測フレームワークを提案する。
提案手法は時間的依存と空間的依存を同時に捉えることができる。
ChengduのDIDIオーダーデータセットの実験結果から,本手法が従来のモデルよりも精度と速度で優れていることが示された。
論文 参考訳（メタデータ） (2020-08-22T13:33:31Z) - FMA-ETA: Estimating Travel Time Entirely Based on FFN With Attention [88.33372574562824]
フィードフォワードネットワーク(FFN, FFN, 複数要素自己認識(FMA-ETA)に基づく新しいフレームワークを提案する。
異なるカテゴリの特徴に対処し,情報を意図的に集約する,新しい多要素自己認識機構を提案する。
実験の結果、FMA-ETAは予測精度において最先端の手法と競合し、推論速度は大幅に向上した。
論文 参考訳（メタデータ） (2020-06-07T08:10:47Z)
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。