論文の概要: When to Commute During the COVID-19 Pandemic and Beyond: Analysis of Traffic Crashes in Washington, D.C
- arxiv url: http://arxiv.org/abs/2411.05957v1
- Date: Fri, 08 Nov 2024 20:39:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-12 14:10:29.768555
- Title: When to Commute During the COVID-19 Pandemic and Beyond: Analysis of Traffic Crashes in Washington, D.C
- Title（参考訳）: 新型コロナウイルスパンデミックで通勤する時-ワシントンD.C.における交通事故の分析
- Authors: Joanne Choi, Sam Clark, Ranjan Jaiswal, Peter Kirk, Sachin Jayaraman, Huthaifa I. Ashqar,
- Abstract要約: 本研究は、ワシントンD.C.に通勤する最も安全な時間に関する情報の提供を試みる。
また、ワシントンD.C.地域の交通事故や気象などの関連要因の理解を深めることも目指しています。
- 参考スコア（独自算出の注目度）: 0.9796835880534122
- License:
- Abstract: Many workers in cities across the world, who have been teleworking because of the COVID-19 pandemic, are expected to be back to their commutes. As this process is believed to be gradual and telecommuting is likely to remain an option for many workers, hybrid model and flexible schedules might become the norm in the future. This variable work schedules allows employees to commute outside of traditional rush hours. Moreover, many studies showed that commuters might be skeptical of using trains, buses, and carpools and could turn to personal vehicles to get to work, which might increase congestion and crashes in the roads. This study attempts to provide information on the safest time to commute to Washington, DC area analyzing historical traffic crash data before the COVID-19 pandemic. It also aims to advance our understanding of traffic crashes and other relating factors such as weather in the Washington, DC area. We created a model to predict crashes by time of the day, using a negative binomial regression after rejecting a Poisson regression, and additionally explored the validity of a Random Forest regression. Our main consideration for an eventual application of this study is to reduce crashes in Washington DC, using this tool that provides people with better options on when to commute and when to telework, if available. The study also provides policymakers and researchers with real-world insights that decrease the number of traffic crashes to help achieve the goals of The Vision Zero Initiative adopted by the district.
- Abstract（参考訳）: 新型コロナウイルスの感染拡大でテレワークをしている世界中の都市で、多くの労働者が通勤に戻る見通しだ。
このプロセスは段階的であり、遠隔操作は多くの作業者にとって選択肢となる可能性が高いため、ハイブリッドモデルと柔軟なスケジュールが将来的には標準となる可能性がある。
この可変作業スケジュールにより、従業員は従来のラッシュアワー以外で通勤できる。
さらに、多くの研究によると、通勤者は電車、バス、カープールの使用に懐疑的であり、仕事に行くために個人車両に乗り換える可能性があり、渋滞や道路の事故が増加する可能性がある。
本研究は、新型コロナウイルスのパンデミック前に過去の交通事故データを解析してワシントンD.C.に通勤する最も安全な時間に関する情報の提供を試みる。
また、ワシントンD.C.地域の交通事故や気象などの関連要因の理解を深めることも目指しています。
我々は,ポアソン回帰を拒絶した後の負の二項回帰を用いて,日毎の衝突予測モデルを作成し,またランダムフォレスト回帰の有効性についても検討した。
本研究はワシントンD.C.の交通事故を減らし、通勤時間とテレワークの時間に関するより良い選択肢を提供する。
この研究はまた、政策立案者や研究者に、地域が採用したビジョンゼロイニシアチブの目標を達成するために、交通事故の数を減らす現実世界の洞察を提供する。
関連論文リスト
- Mitigating Covariate Shift in Imitation Learning for Autonomous Vehicles Using Latent Space Generative World Models [60.87795376541144]
World Model(ワールドモデル)は、エージェントの次の状態を予測できるニューラルネットワークである。
エンド・ツー・エンドのトレーニングでは、人間のデモで観察された状態と整合してエラーから回復する方法を学ぶ。
クローズドループ試験における先行技術に有意な改善がみられた定性的,定量的な結果を示す。
論文 参考訳（メタデータ） (2024-09-25T06:48:25Z) - Multi-Vehicle Trajectory Prediction at Intersections using State and
Intention Information [50.40632021583213]
道路員の将来の軌跡予測への伝統的なアプローチは、過去の軌跡を知ることに依存している。
この研究は、交差点で複数の車両の予測を行うために、現在の状態と意図された方向を知ることに依存する。
この情報を車両間で送るメッセージは、それぞれがより総合的な環境概要を提供する。
論文 参考訳（メタデータ） (2023-01-06T15:13:23Z) - 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) - On Designing Day Ahead and Same Day Ridership Level Prediction Models
for City-Scale Transit Networks Using Noisy APC Data [0.0]
本稿では,複数のソースからのデータの収集,クリーン化,処理,マージを併用して,トランジットライダーシップの予測に機械学習モデルをトレーニングする手法を提案する。
ナッシュビルの公共交通機関が提供している現実の交通データに対する我々のアプローチを評価する。
論文 参考訳（メタデータ） (2022-10-10T19:50:59Z) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳（メタデータ） (2021-09-03T13:33:33Z) - Public Transportation Demand Analysis: A Case Study of Metropolitan
Lagos [0.0]
ラゴスは急速な都市化を経験しており、現在人口は1500万人弱である。
長い待ち時間と不確実な旅行時間により、多くの人々は自分の車を購入したり、代替の輸送手段を使わざるを得なくなった。
本稿では,ラゴスにおける都市交通需要を調査し,時間と空間における乗客動態について考察する。
論文 参考訳（メタデータ） (2021-05-25T10:35:30Z) - Contingencies from Observations: Tractable Contingency Planning with
Learned Behavior Models [82.34305824719101]
人間は未来の出来事を正確に推論することで決定を下す素晴らしい能力を持っている。
本研究では,高次元のシーン観察からエンドツーエンドに学習する汎用コンテンシビリティプランナを開発する。
このモデルが行動観察から忍耐強くコンティンジェンシーを学習できることを示す。
論文 参考訳（メタデータ） (2021-04-21T14:30:20Z) - A model for traffic incident prediction using emergency braking data [77.34726150561087]
道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。
メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
論文 参考訳（メタデータ） (2021-02-12T18:17:12Z) - Incentivizing Routing Choices for Safe and Efficient Transportation in
the Face of the COVID-19 Pandemic [14.943238230772264]
安全かつ効率的な交通ネットワークを実現するために,感染リスクと混雑のトレードオフを設定するために,金融インセンティブを利用することを提案する。
デザイナの手間をかけずに、様々な都市や時代に役立てるために、輸送オプションに関する人間の好みを学ぶためのデータ駆動のアプローチも提案しています。
論文 参考訳（メタデータ） (2020-12-28T13:52:06Z) - Modeling and Analysis of Excess Commuting with Trip Chains [3.728629802579785]
この研究は、従来の過剰通勤研究が実際の通勤と最適な通勤の両方を過小評価し、過剰通勤を過小評価していることを示している。
フロリダ州タンパベイ地域のケーススタディに基づいて、従来の過剰通勤研究は実際の通勤と最適な通勤の両方を過小評価し、過剰通勤を過小評価している。
論文 参考訳（メタデータ） (2020-08-25T14:54:04Z) - Decomposing Excess Commuting: A Monte Carlo Simulation Approach [1.14219428942199]
本研究はモンテカルロの手法を用いて, 人口調査区域内の個人労働者と個人雇用をシミュレートする。
旅行から仕事までの通勤距離と時間を推定し、シミュレーションされた個々の場所に基づいて最適な通勤を定義する。
論文 参考訳（メタデータ） (2020-05-30T14:09:06Z)
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。