論文の概要: GeoLife+: Large-Scale Simulated Trajectory Datasets Calibrated to the GeoLife Dataset

• arxiv url: http://arxiv.org/abs/2410.11853v1
• Date: Wed, 02 Oct 2024 15:01:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-20 09:40:58.355558
• Title: GeoLife+: Large-Scale Simulated Trajectory Datasets Calibrated to the GeoLife Dataset
• Title（参考訳）: GeoLife+: GeoLifeデータセットに適合した大規模シミュレートされた軌道データセット
• Authors: Hossein Amiri, Richard Yang, Andreas Zufle,
• Abstract要約: 実世界のデータの統計的特徴とシミュレーションデータの包括性を活用することにより、両方の利点を生かした。 これらの特徴を再現するために、人間の移動性の現実的なシミュレーションであるPattern of Life Simulationを校正する。 5年間で182, 1k, 5k, 10k, 50kでシミュレーションしたGeoLife+のデータを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Analyzing individual human trajectory data helps our understanding of human mobility and finds many commercial and academic applications. There are two main approaches to accessing trajectory data for research: one involves using real-world datasets like GeoLife, while the other employs simulations to synthesize data. Real-world data provides insights from real human activities, but such data is generally sparse due to voluntary participation. Conversely, simulated data can be more comprehensive but may capture unrealistic human behavior. In this Data and Resource paper, we combine the benefit of both by leveraging the statistical features of real-world data and the comprehensiveness of simulated data. Specifically, we extract features from the real-world GeoLife dataset such as the average number of individual daily trips, average radius of gyration, and maximum and minimum trip distances. We calibrate the Pattern of Life Simulation, a realistic simulation of human mobility, to reproduce these features. Therefore, we use a genetic algorithm to calibrate the parameters of the simulation to mimic the GeoLife features. For this calibration, we simulated numerous random simulation settings, measured the similarity of generated trajectories to GeoLife, and iteratively (over many generations) combined parameter settings of trajectory datasets most similar to GeoLife. Using the calibrated simulation, we simulate large trajectory datasets that we call GeoLife+, where + denotes the Kleene Plus, indicating unlimited replication with at least one occurrence. We provide simulated GeoLife+ data with 182, 1k, and 5k over 5 years, 10k, and 50k over a year and 100k users over 6 months of simulation lifetime.
• Abstract（参考訳）: 個々の人間の軌道データを分析することは、人間の移動性を理解するのに役立ち、多くの商業的・学術的応用を見出す。 1つはGeoLifeのような現実世界のデータセットを使用し、もう1つはデータを合成するためにシミュレーションを使用する。 実世界のデータは実際の人間の活動から洞察を与えるが、そのようなデータは一般的に自発的な参加によって疎外される。 逆に、シミュレートされたデータはより包括的であるが、非現実的な人間の振る舞いを捉えることができる。 本論文では,実世界のデータの統計的特徴とシミュレーションデータの包括性を活用することにより,両者の利点を組み合わせる。 具体的には、実際のGeoLifeデータセットから、個々の日帰りの平均数、ジャイレーションの平均半径、最大および最小旅行距離などの特徴を抽出する。 これらの特徴を再現するために、人間の移動性の現実的なシミュレーションであるPattern of Life Simulationを校正する。 そのため、遺伝的アルゴリズムを用いてシミュレーションのパラメータを校正し、GeoLifeの特徴を模倣する。 このキャリブレーションのために、多数のランダムなシミュレーション設定をシミュレートし、生成されたトラジェクトリとGeoLifeの類似度を測定し、(数世代にわたって)GeoLifeと最もよく似たトラジェクトリデータセットのパラメータ設定を反復的に組み合わせた。 キャリブレーションされたシミュレーションを用いて、GeoLife+と呼ばれる大規模な軌道データセットをシミュレートし、+はKleene Plusを表す。 5年間で182, 1k, 5k, 10k, 50kでシミュレーションしたGeoLife+のデータを提供する。

関連論文リスト

• Compositional simulation-based inference for time series [21.9975782468709]
  シミュレータは、時間とともに何千もの単一状態遷移を通して現実世界のダイナミクスをエミュレートする。 本研究では,個々の状態遷移に整合したパラメータを局所的に同定することで,マルコフシミュレータを活用可能なSBIフレームワークを提案する。 次に、これらの局所的な結果を合成して、時系列の観測全体と一致した後続のオーバーパラメータを求める。
  論文  参考訳（メタデータ） (2024-11-05T01:55:07Z)
• SimGen: Simulator-conditioned Driving Scene Generation [50.03358485083602]
  シミュレーション条件付きシーン生成フレームワークSimGenを紹介する。 SimGenは、シミュレータと現実世界のデータを混ぜることで、多様な運転シーンを生成することを学ぶ。 テキストプロンプトとシミュレータからのレイアウトに基づいて制御性を保ちながら、優れた生成品質と多様性を実現する。
  論文  参考訳（メタデータ） (2024-06-13T17:58:32Z)
• Benchmarking the Sim-to-Real Gap in Cloth Manipulation [10.530012817995656]
  布の操作におけるシム・トゥ・リアルギャップを評価するためのベンチマークデータセットを提案する。 このデータセットを用いて、一般的な4つの変形可能なオブジェクトシミュレータの現実的ギャップ、計算時間、安定性を評価する。
  論文  参考訳（メタデータ） (2023-10-14T09:36:01Z)
• Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous Driving Research [76.93956925360638]
  Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。 TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。 我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
  論文  参考訳（メタデータ） (2023-10-12T20:49:15Z)
• Learning Interactive Real-World Simulators [96.5991333400566]
  生成モデルを用いて実世界の相互作用の普遍的なシミュレータを学習する可能性について検討する。 シミュレーターを用いて、高レベルな視覚言語ポリシーと低レベルな強化学習ポリシーの両方を訓練する。 ビデオキャプションモデルは、シミュレートされた経験を持つトレーニングの恩恵を受けることができる。
  論文  参考訳（メタデータ） (2023-10-09T19:42:22Z)
• Robust Visual Sim-to-Real Transfer for Robotic Manipulation [79.66851068682779]
  シミュレーションにおけるビジュモータポリシーの学習は、現実世界よりも安全で安価である。 しかし、シミュレーションデータと実データとの相違により、シミュレータ訓練されたポリシーは実際のロボットに転送されると失敗することが多い。 視覚的なsim-to-real領域ギャップを埋める一般的なアプローチは、ドメインランダム化(DR)である。
  論文  参考訳（メタデータ） (2023-07-28T05:47:24Z)
• Diffusion Dataset Generation: Towards Closing the Sim2Real Gap for Pedestrian Detection [0.11470070927586014]
  本稿では,歩行者検出作業において,シミュリアルなギャップを埋めるための新しい合成データ生成法を提案する。 提案手法は拡散型アーキテクチャを用いて実世界の分布を学習し,一度学習するとデータセットを生成する。 本研究では,実世界データにおける歩行者検出モデルにおいて,生成データとシミュレーションデータの組み合わせによるトレーニングにより,平均精度が27.3%向上することを示す。
  論文  参考訳（メタデータ） (2023-05-16T12:33:51Z)
• Development of a Realistic Crowd Simulation Environment for Fine-grained Validation of People Tracking Methods [0.7223361655030193]
  この研究は、群衆シミュレーションの拡張(CrowdSim2)を開発し、人追跡アルゴリズムの適用性を証明する。 シミュレータは非常に人気のあるUnity 3Dエンジンを使用して開発されており、特に環境におけるリアリズムの側面に焦点を当てている。 IOU-Tracker、Deep-Sort、Deep-TAMAという3つのトラッキング手法が生成されたデータセットの検証に使用された。
  論文  参考訳（メタデータ） (2023-04-26T09:29:58Z)
• Towards Optimal Strategies for Training Self-Driving Perception Models in Simulation [98.51313127382937]
  合成ドメインのみにおけるラベルの使用に焦点を当てる。 提案手法では,ニューラル不変表現の学習方法と,シミュレータからデータをサンプリングする方法に関する理論的にインスピレーションを得た視点を導入する。 マルチセンサーデータを用いた鳥眼視車両分割作業におけるアプローチについて紹介する。
  論文  参考訳（メタデータ） (2021-11-15T18:37:43Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)
• Can we learn where people come from? Retracing of origins in merging situations [0.0]
  センサデータから得られる密度ヒートマップをランダムな森林レセプタの入力として利用し,原産地分布の予測を行う。 シミュレーションデータセット、実験データ、および実験データとシミュレーションデータの両方を備えたハイブリッドアプローチの3つの異なるデータセットを研究します。
  論文  参考訳（メタデータ） (2020-12-21T17:42:14Z)

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。