論文の概要: Unsupervised Abnormal Stop Detection for Long Distance Coaches with Low-Frequency GPS

• arxiv url: http://arxiv.org/abs/2411.04422v1
• Date: Thu, 07 Nov 2024 04:21:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-08 19:38:03.252575
• Title: Unsupervised Abnormal Stop Detection for Long Distance Coaches with Low-Frequency GPS
• Title（参考訳）: 低周波GPSを用いた長距離コーチの教師なし異常停止検出
• Authors: Jiaxin Deng, Junbiao Pang, Jiayu Xu, Haitao Yu,
• Abstract要約: 本研究では,長距離客車に対する異常停止検出(ASD)の効率向上を支援する教師なし手法を提案する。 提案手法は,ASD問題を非教師付きクラスタリングフレームワークに変換し,正常停止と異常停止の両方を分解する。 提案手法は概念的には単純だが効率的であり,低ランクの仮定を利用して通常の停止点の処理を行うことで,ドメインエキスパートがコーチのASDを発見できる。
• 参考スコア（独自算出の注目度）: 2.888397501680651
• License:
• Abstract: In our urban life, long distance coaches supply a convenient yet economic approach to the transportation of the public. One notable problem is to discover the abnormal stop of the coaches due to the important reason, i.e., illegal pick up on the way which possibly endangers the safety of passengers. It has become a pressing issue to detect the coach abnormal stop with low-quality GPS. In this paper, we propose an unsupervised method that helps transportation managers to efficiently discover the Abnormal Stop Detection (ASD) for long distance coaches. Concretely, our method converts the ASD problem into an unsupervised clustering framework in which both the normal stop and the abnormal one are decomposed. Firstly, we propose a stop duration model for the low frequency GPS based on the assumption that a coach changes speed approximately in a linear approach. Secondly, we strip the abnormal stops from the normal stop points by the low rank assumption. The proposed method is conceptually simple yet efficient, by leveraging low rank assumption to handle normal stop points, our approach enables domain experts to discover the ASD for coaches, from a case study motivated by traffic managers. Datset and code are publicly available at: https://github.com/pangjunbiao/IPPs.
• Abstract（参考訳）: 私たちの都市生活では、長距離のコーチが公共交通に便利な経済的なアプローチを提供しています。 特筆すべき問題は、乗客の安全を危うくする道で違法に拾い上げるという重要な理由から、コーチの異常な停止を見つけることである。 コーチの異常停止を低品質GPSで検知するためには、圧力がかかる問題となっている。 本稿では,長距離コーチのための異常停止検出(ASD)を効率的に発見する,教師なしの手法を提案する。 具体的には,ASD問題を正常停止と異常停止の両方を分解した非教師付きクラスタリングフレームワークに変換する。 まず,コーチが線形アプローチで速度をほぼ変化させるという仮定に基づいて,低周波GPSの停止時間モデルを提案する。 第二に、低いランクの仮定により正常な停止点から異常停止を除去する。 提案手法は概念的には単純だが効率的であり,低ランクの仮定を利用して通常の停止点の処理を行うことで,交通管理者が動機づけたケーススタディから,ドメインの専門家がコーチのASDを発見できる。 Datsetとコードは、https://github.com/pangjunbiao/IPPsで公開されている。

関連論文リスト

• An Online Approach to Solving Public Transit Stationing and Dispatch Problem [7.948662269574215]
  交通機関は限られた数の車両を予備に保管し、破壊時に被害経路を緩和するために派遣する。 本稿では、この問題を解決するために、非ミオピックシーケンシャルな決定手順を用いた原則的アプローチについて述べる。 実験の結果、提案手法は乗客を2%増やし、デッドヘッドマイルを40%削減することがわかった。
  論文  参考訳（メタデータ） (2024-03-05T21:48:29Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Unsupervised Adaptation from Repeated Traversals for Autonomous Driving [54.59577283226982]
  自動運転車はエンドユーザー環境に一般化し、確実に動作させなければならない。 潜在的な解決策の1つは、エンドユーザの環境から収集されたラベルのないデータを活用することである。 適応過程を監督する信頼性のある信号はターゲット領域に存在しない。 この単純な仮定は、ターゲット領域上の3次元物体検出器の反復的自己学習を可能にする強力な信号を得るのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-03-27T15:07:55Z)
• Behavioral Intention Prediction in Driving Scenes: A Survey [70.53285924851767]
  行動意図予測(BIP)は、人間の思考過程をシミュレートし、特定の行動の早期予測を満たす。 この作業は、利用可能なデータセット、重要な要因と課題、歩行者中心および車両中心のBIPアプローチ、BIP対応アプリケーションからのBIPの包括的なレビューを提供する。
  論文  参考訳（メタデータ） (2022-11-01T11:07:37Z)
• SRRT: Exploring Search Region Regulation for Visual Object Tracking [58.68120400180216]
  探索領域規則追跡(SRRT)と呼ばれる新しい追跡パラダイムを提案する。 SRRTでは,各フレームに対して最適な探索領域を動的に推定するために,提案された探索領域レギュレータを適用している。 大規模なLaSOTベンチマークでは、SRRTはSiamRPN++とTransTをAUCの4.6%と3.1%で改善した。
  論文  参考訳（メタデータ） (2022-07-10T11:18:26Z)
• Unsupervised Learning of Accurate Siamese Tracking [68.58171095173056]
  分類枝と回帰枝の両方で時間対応を学習できる新しい教師なし追跡フレームワークを提案する。 トラッカーは、トラッカーネットやLaSOTのような大規模データセット上で、教師なしの手法と同等の性能を発揮する。
  論文  参考訳（メタデータ） (2022-04-04T13:39:43Z)
• Detecting Wandering Behavior of People with Dementia [2.071516130824992]
  そこで我々は, リアルタイムな移動自動検出手法を設計し, 迷子になるようにした。 この手法はGPSデータを利用して、動きの頻繁な位置を判断する。 合成データの実験を行い、頻繁な位置を見つけるためのアプローチの能力を検証し、それに代わる最先端のアプローチと比較する。
  論文  参考訳（メタデータ） (2021-10-25T17:47:06Z)
• End-to-End Urban Driving by Imitating a Reinforcement Learning Coach [148.2683592850329]
  人間は良いドライバーだが、エンドツーエンドのアルゴリズムにとって良いコーチではない。 我々は、鳥の目視画像を連続的な低レベル行動にマッピングする強化学習専門家を訓練する。 我々の強化学習コーチによって監督され、単眼カメラ入力のベースラインエンドツーエンドエージェントは、専門家レベルのパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-08-18T17:36:51Z)
• Reducing Bus Bunching with Asynchronous Multi-Agent Reinforcement Learning [11.168121941015013]
  バスフラッキングは、バスサービスの信頼性と効率を損なう一般的な現象である。 経路レベルのバスフリート制御を非同期マルチエージェント強化学習問題として定式化する。 古典的なアクタークリティカルアーキテクチャを拡張して、非同期問題を扱う。
  論文  参考訳（メタデータ） (2021-05-02T02:08:07Z)
• Driver Anomaly Detection: A Dataset and Contrastive Learning Approach [17.020790792750457]
  本稿では,通常の運転と異常運転を区別する指標を学習するための対照的な学習手法を提案する。 本手法はテストセットの0.9673 AUCに到達し,異常検出タスクに対する対照的な学習手法の有効性を実証した。
  論文  参考訳（メタデータ） (2020-09-30T13:23:21Z)
• Solving the single-track train scheduling problem via Deep Reinforcement Learning [0.0]
  引き起こされた遅延がネットワークを通じて伝播し、需要のミスマッチと商品や乗客の供給につながった。 人間の交通管制官は、交通への影響を最小限に抑えるために最善を尽くす。 本稿では,この問題に対処するための機械学習に基づく手法について検討し,二つの異なるQ-Learning手法を提案する。
  論文  参考訳（メタデータ） (2020-09-01T14:03:56Z)

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。