論文の概要: How to predict on-road air pollution based on street view images and machine learning: a quantitative analysis of the optimal strategy
- arxiv url: http://arxiv.org/abs/2409.12412v1
- Date: Thu, 19 Sep 2024 02:21:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 15:03:37.744990
- Title: How to predict on-road air pollution based on street view images and machine learning: a quantitative analysis of the optimal strategy
- Title（参考訳）: ストリートビュー画像と機械学習に基づく道路大気汚染の予測方法:最適戦略の定量的分析
- Authors: Hui Zhong, Di Chen, Pengqin Wang, Wenrui Wang, Shaojie Shen, Yonghong Liu, Meixin Zhu,
- Abstract要約: オンロード大気汚染は、放出源、希釈、物理化学的プロセスによる短距離でのかなりの変動を示す。
モバイル監視データをストリートビューイメージに統合することは、局所的な大気汚染を予測することを約束する。
このギャップを埋めるため,NO,NO2,PM2.5,PM10を314台のタクシーで動的に監視し,対応するSVIをサンプリングした。
- 参考スコア（独自算出の注目度）: 23.420609727152097
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: On-road air pollution exhibits substantial variability over short distances due to emission sources, dilution, and physicochemical processes. Integrating mobile monitoring data with street view images (SVIs) holds promise for predicting local air pollution. However, algorithms, sampling strategies, and image quality introduce extra errors due to a lack of reliable references that quantify their effects. To bridge this gap, we employed 314 taxis to monitor NO, NO2, PM2.5 and PM10 dynamically and sampled corresponding SVIs, aiming to develop a reliable strategy. We extracted SVI features from ~ 382,000 streetscape images, which were collected at various angles (0{\deg}, 90{\deg}, 180{\deg}, 270{\deg}) and ranges (buffers with radii of 100m, 200m, 300m, 400m, 500m). Also, three machine learning algorithms alongside the linear land-used regression (LUR) model were experimented with to explore the influences of different algorithms. Four typical image quality issues were identified and discussed. Generally, machine learning methods outperform linear LUR for estimating the four pollutants, with the ranking: random forest > XGBoost > neural network > LUR. Compared to single-angle sampling, the averaging strategy is an effective method to avoid bias of insufficient feature capture. Therefore, the optimal sampling strategy is to obtain SVIs at a 100m radius buffer and extract features using the averaging strategy. This approach achieved estimation results for each aggregation location with absolute errors almost less than 2.5 {\mu}g/m^2 or ppb. Overexposure, blur, and underexposure led to image misjudgments and incorrect identifications, causing an overestimation of road features and underestimation of human-activity features, contributing to inaccurate NO, NO2, PM2.5 and PM10 estimation.
- Abstract（参考訳）: オンロード大気汚染は、放出源、希釈、物理化学的プロセスによる短距離でのかなりの変動を示す。
モバイル監視データをストリートビューイメージ(SVI)と統合することは、局所的な大気汚染を予測することを約束する。
しかし、アルゴリズム、サンプリング戦略、画像品質は、その効果を定量化する信頼性のある参照が欠如しているため、余分なエラーをもたらす。
このギャップを埋めるために,NO,NO2,PM2.5,PM10を動的に監視するために314台のタクシーを使用し,対応するSVIをサンプリングし,信頼性の高い戦略開発を目指した。
約382,000のストリートスケープ画像からSVIの特徴を抽出し,様々な角度 (0{\deg, 90{\deg, 180{\deg, 270{\deg}) と範囲 (100m, 200m, 300m, 400m, 500m) で収集した。
また,線形土地利用回帰モデル(LUR)とともに3つの機械学習アルゴリズムを実験して,異なるアルゴリズムの影響について検討した。
画像品質に関する4つの典型的な課題が特定され議論された。
一般に、機械学習手法は、4つの汚染物質を推定するために線形LURよりも優れており、ランダムフォレスト > XGBoost > ニューラルネットワーク > LUR である。
単角サンプリングと比較すると, 平均化戦略は, 特徴捕捉不足のバイアスを回避するための有効な方法である。
したがって、最適なサンプリング戦略は、100mの半径バッファでSVIを取得し、平均化戦略を用いて特徴を抽出することである。
この手法は, 2.5 {\mu}g/m^2 または ppb 未満の絶対誤差で各集合位置の推定結果を得た。
過剰露光、ぼかし、露出不足は画像の誤判定と誤識別を引き起こし、道路の特徴の過大評価と人間の活動特性の過小評価を引き起こし、不正確なNO, NO2, PM2.5, PM10の推定に寄与した。
関連論文リスト
- Unsupervised Fault Detection using SAM with a Moving Window Approach [0.0]
本稿では、SAM(High End Segment Anything Model)と移動ウィンドウアプローチを用いた教師なし手法を提案する。
我々は、微調整やラベル付きデータを必要とせずに、これらの課題を克服することを目指している。
論文 参考訳（メタデータ） (2024-07-08T18:12:29Z) - Leveraging Neural Radiance Fields for Uncertainty-Aware Visual
Localization [56.95046107046027]
我々は,Neural Radiance Fields (NeRF) を用いてシーン座標回帰のためのトレーニングサンプルを生成することを提案する。
レンダリングにおけるNeRFの効率にもかかわらず、レンダリングされたデータの多くはアーティファクトによって汚染されるか、最小限の情報ゲインしか含まない。
論文 参考訳（メタデータ） (2023-10-10T20:11:13Z) - LoLep: Single-View View Synthesis with Locally-Learned Planes and
Self-Attention Occlusion Inference [66.45326873274908]
本稿では,1枚のRGB画像から局所学習平面を回帰してシーンを正確に表現するLoLepを提案する。
MINEと比較して、LPIPSは4.8%-9.0%、RVは73.9%-83.5%である。
論文 参考訳（メタデータ） (2023-07-23T03:38:55Z) - Vision Transformers, a new approach for high-resolution and large-scale
mapping of canopy heights [50.52704854147297]
分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。
このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
論文 参考訳（メタデータ） (2023-04-22T22:39:03Z) - Benchmarking the Physical-world Adversarial Robustness of Vehicle
Detection [14.202833467294765]
物理世界の敵対的攻撃は、検出モデルの堅牢性を損なう可能性がある。
Yolo v6は6.59%のAP降下率で強い抵抗を示し、ASAは14.51%のAP減少率を持つ最も効果的な攻撃アルゴリズムであった。
論文 参考訳（メタデータ） (2023-04-11T09:48:25Z) - Learned Two-Plane Perspective Prior based Image Resampling for Efficient
Object Detection [20.886999159134138]
リアルタイムの効率的な認識は、自律的なナビゲーションと都市規模のセンシングに不可欠である。
本研究では,3次元シーンの粗い形状を取り入れた学習可能な幾何学誘導先行手法を提案する。
提案手法は,4.1 $AP_S$ または +39% で検出率を向上し,また,4.3 $sAP_S$ または +63% で検出性能を向上する。
論文 参考訳（メタデータ） (2023-03-25T00:43:44Z) - A Strategy Optimized Pix2pix Approach for SAR-to-Optical Image
Translation Task [0.9176056742068814]
マルチモーダル・ラーニング・フォー・アース・アース・チャレンジ(MultiEarth 2022)における画像と画像の翻訳タスクの分析とアプローチについて要約する。
戦略最適化の観点では、クラウド分類は、教師あり学習のようなアプローチを支援するために、濃密なクラウドカバレッジを持つ光学画像のフィルタリングに利用される。
その結果,リモートセンシングタスクにおけるSAR-to-optical Translationへの大きな可能性,特に長期環境モニタリングと保護の支援が示唆された。
論文 参考訳（メタデータ） (2022-06-27T04:41:37Z) - 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) - Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing
Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。
生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
論文 参考訳（メタデータ） (2021-04-22T12:47:37Z) - An Efficient Approach for Anomaly Detection in Traffic Videos [30.83924581439373]
本稿では,エッジデバイスで動作可能な映像異常検出システムのための効率的な手法を提案する。
提案手法は,シーンの変化を検出し,破損したフレームを除去するプリプロセッシングモジュールを含む。
また,新しいシーンに迅速に適応し,類似度統計量の変化を検出するシーケンシャルな変化検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-04-20T04:43:18Z) - A New Mask R-CNN Based Method for Improved Landslide Detection [54.7905160534631]
本稿では,Mask R-CNN機能を利用した地すべり検出手法を提案する。
地すべり及び非地すべり画像を含む160個の要素からなるデータセットを作成する。
提案アルゴリズムは丘陵地帯の土地利用計画立案者や政策立案者にとって潜在的に有用である。
論文 参考訳（メタデータ） (2020-10-04T07:46:37Z)
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。