論文の概要: Discovering Cyclists' Street Visual Preferences Through Multi-Source Big Data Using Deep Inverse Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2409.03148v1
- Date: Thu, 5 Sep 2024 00:54:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 22:33:03.251567
- Title: Discovering Cyclists' Street Visual Preferences Through Multi-Source Big Data Using Deep Inverse Reinforcement Learning
- Title（参考訳）: 深層逆強化学習を用いたマルチソースビッグデータによるサイクリストの街路視覚的嗜好の探索
- Authors: Ren Kezhou, Gong Yongxi,
- Abstract要約: 本稿では,サイクリング記録からサイクリストの複雑な道路視覚的嗜好を定量化し,解釈する新しい枠組みを提案する。
ドッキングレスバイク共有軌道とストリートビュー画像を統合することで,自転車報酬関数の効率的な推定にMEDIRLモデルを適用した。
提案する枠組みは,個別のサイクリング行動の理解を深め,都市計画者が自転車に優しい街並みを設計するための実用的な洞察を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cycling has gained global popularity for its health benefits and positive urban impacts. To effectively promote cycling, early studies have extensively investigated the relationship between cycling behaviors and environmental factors, especially cyclists' preferences when making route decisions. However, these studies often struggle to comprehensively describe detailed cycling procedures at a large scale due to data limitations, and they tend to overlook the complex nature of cyclists' preferences. To address these issues, we propose a novel framework aimed to quantify and interpret cyclists' complicated street visual preferences from cycling records by leveraging maximum entropy deep inverse reinforcement learning (MEDIRL) and explainable artificial intelligence (XAI). Implemented in Bantian Sub-district, Shenzhen, we adapt MEDIRL model for efficient estimation of cycling reward function by integrating dockless-bike-sharing (DBS) trajectory and street view images (SVIs), which serves as a representation of cyclists' preferences for street visual environments during routing. In addition, we demonstrate the feasibility and reliability of MEDIRL in discovering cyclists' street visual preferences. Further analysis reveals the nonlinear and interactive effects of street visual elements on cyclists' preferences, offering a holistic perspective on streetscape design. Our proposed framework advances the understanding of individual cycling behaviors and provides actionable insights for urban planners to design bicycle-friendly streetscapes that prioritize cyclists' preferences.
- Abstract（参考訳）: サイクリングは、健康上の利益と都市へのポジティブな影響で世界的に人気を博している。
サイクリングを効果的に促進するために、初期の研究はサイクリング行動と環境要因、特にルート決定を行う際のサイクリストの嗜好との関係を幅広く研究してきた。
しかしながら、これらの研究はしばしばデータ制限のため、詳細なサイクリング手順を大規模に記述するのに苦労し、サイクリストの嗜好の複雑な性質を見落としてしまう傾向にある。
これらの課題に対処するために,提案手法は,最大エントロピー深部逆強化学習(MEDIRL)と説明可能な人工知能(XAI)を活用して,サイクリストのサイクリング記録からの複雑な道路視覚的嗜好を定量化し,解釈することを目的とした新しい枠組みを提案する。
深セン市Bantian Sub-districtで実装されたMEDIRLモデルを用いて,ドッキングレスバイクシェアリング(DBS)軌道とストリートビュー画像(SVIs)を統合し,ルーティング中の道路視覚環境に対するサイクリストの好みを表す。
さらに,自転車の道路視覚的嗜好の発見におけるMEDIRLの有効性と信頼性を実証した。
さらなる分析により、ストリートビジュアル要素の非線形かつインタラクティブな効果がサイクリストの嗜好に及ぼす影響を明らかにし、ストリートスケープデザインの全体像を提供する。
提案する枠組みは,自転車の嗜好を優先する街路景観を設計する都市プランナーに対して,個別のサイクリング行動の理解を深めるものである。
関連論文リスト
- Evaluating the effects of Data Sparsity on the Link-level Bicycling Volume Estimation: A Graph Convolutional Neural Network Approach [54.84957282120537]
本稿では,リンクレベルの自転車のボリュームをモデル化するために,グラフ畳み込みネットワークアーキテクチャを利用する最初の研究について述べる。
オーストラリア,メルボルン市全体での年間平均自転車数(AADB)を,Strava Metro の自転車数データを用いて推定した。
以上の結果から,GCNモデルは従来のAADB数予測モデルよりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-10-11T04:53:18Z) - RoadBEV: Road Surface Reconstruction in Bird's Eye View [55.0558717607946]
道路表面の状態、特に幾何学的プロファイルは、自動運転車の走行性能に大きな影響を与え、視覚に基づくオンライン道路再建は、事前に道路情報を確実に捉えている。
Bird's-Eye-View (BEV) の認識は、より信頼性が高く正確な再構築の可能性を秘めている。
本稿では,BEVにおける道路高架化モデルとして,RoadBEV-monoとRoadBEV-stereoの2つのモデルを提案する。
論文 参考訳（メタデータ） (2024-04-09T20:24:29Z) - RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and
Comfortable Autonomous Driving [67.09546127265034]
道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。
我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。
約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
論文 参考訳（メタデータ） (2023-10-03T17:59:32Z) - AutoLTS: Automating Cycling Stress Assessment via Contrastive Learning
and Spatial Post-processing [4.599618895656792]
本研究では,高精度で高速かつ大規模なサイクリングストレスアセスメントを支援するためのディープラーニングフレームワークを提案する。
筆者らのフレームワークは, サイクリングストレスラベル間の順序関係を利用したコントラスト学習手法と, 予測に空間的滑らかさを強制するポストプロセッシング手法を特徴とする。
論文 参考訳（メタデータ） (2023-08-15T05:51:25Z) - Scoring Cycling Environments Perceived Safety using Pairwise Image
Comparisons [0.9299655616863538]
本研究では,自転車の安全に対する認識を解析し,理解するための新しいアプローチを提案する。
繰り返し、回答者に2つの道路環境を示し、サイクリングにとってより安全なものを選ぶよう依頼する。
我々は,自転車の環境をペア比較から評価し,安全あるいは安全でないと認識された自転車の環境を分類する手法をいくつか比較した。
論文 参考訳（メタデータ） (2023-07-25T10:31:45Z) - Predicting Citi Bike Demand Evolution Using Dynamic Graphs [81.12174591442479]
ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用した。
本稿では,ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用しようとする。
論文 参考訳（メタデータ） (2022-12-18T21:43:27Z) - Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。
本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。
我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
論文 参考訳（メタデータ） (2021-06-22T15:40:21Z) - Classifying Cycling Hazards in Egocentric Data [3.1925030748447747]
この提案は、危険を伴うサイクリング状況のエゴセントリックなビデオデータセットの作成とアノテーションである。
得られたデータセットは、サイクリストの安全と経験を改善するプロジェクトを促進する。
論文 参考訳（メタデータ） (2021-03-15T02:37:04Z) - CyclingNet: Detecting cycling near misses from video streams in complex
urban scenes with deep learning [1.462434043267217]
CyclingNetは、自己注意型双方向長短メモリ(LSTM)ブロックに埋め込まれた畳み込み構造に基づく深層コンピュータビジョンモデルである。
1つのGPUで42時間トレーニングした後、モデルはトレーニング、テスト、バリデーションセットに対して高い精度を示す。
このモデルは、都市のサイクリング行動に関する重要な結論を導く情報を生成するために使用されることを意図している。
論文 参考訳（メタデータ） (2021-01-31T23:59:28Z) - Dynamic Bicycle Dispatching of Dockless Public Bicycle-sharing Systems
using Multi-objective Reinforcement Learning [79.61517670541863]
ドッキングレスPBS(DL-PBS)に欠かせない動的自転車レンタル需要に基づく効率的な自転車配車ソリューションを実現するためのAIの活用
DL-PBSに最適な自転車ディスパッチソリューションを提供するために、マルチオブジェクト強化学習(MORL-BD)に基づく動的自転車ディスパッチアルゴリズムを提案します。
論文 参考訳（メタデータ） (2021-01-19T03:09:51Z) - Exploring the weather impact on bike sharing usage through a clustering
analysis [7.541020519717183]
本研究の目的は、ワシントンD.C.の自転車利用にどの程度の天気がどんな影響を及ぼすかを調査することである。
ワシントンD.C.では,自転車の利用データと天気データを収集し,k平均クラスタリングアルゴリズムを用いて分析する。
論文 参考訳（メタデータ） (2020-08-17T12:24:37Z)
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。