論文の概要: GPS-2-GTFS: A Python package to process and transform raw GPS data of public transit to GTFS format

• arxiv url: http://arxiv.org/abs/2412.15221v1
• Date: Tue, 03 Dec 2024 23:30:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-29 08:57:52.250206
• Title: GPS-2-GTFS: A Python package to process and transform raw GPS data of public transit to GTFS format
• Title（参考訳）: GPS-2-GTFS:公共交通機関の生GPSデータをGTFSフォーマットに変換するPythonパッケージ
• Authors: Shiveswarran Ratneswaran, Uthayasanker Thayasivam, Sivakumar Thillaiambalam,
• Abstract要約: gps2gtfsパッケージは、公共交通機関からの生のGPS軌跡データをGTFSフォーマットに変換するための重要なニーズに対処する。 この変換により、様々なソフトウェアアプリケーションが、トラッキング、スケジューリング、到着時刻予測などの目的のために、リアルタイムのトランジットデータを効率的に利用することができる。
• 参考スコア（独自算出の注目度）: 0.5461938536945721
• License:
• Abstract: The gps2gtfs package addresses a critical need for converting raw Global Positioning System (GPS) trajectory data from public transit vehicles into the widely used GTFS (General Transit Feed Specification) format. This transformation enables various software applications to efficiently utilize real-time transit data for purposes such as tracking, scheduling, and arrival time prediction. Developed in Python, gps2gtfs employs techniques like geo-buffer mapping, parallel processing, and data filtering to manage challenges associated with raw GPS data, including high volume, discontinuities, and localization errors. This open-source package, available on GitHub and PyPI, enhances the development of intelligent transportation solutions and fosters improved public transit systems globally.
• Abstract（参考訳）: gps2gtfsパッケージは、公共交通機関からの生のGPS(Global Positioning System)軌跡データを広く使われているGTFS(General Transit Feed Specification)フォーマットに変換するための重要なニーズに対処する。 この変換により、様々なソフトウェアアプリケーションが、トラッキング、スケジューリング、到着時刻予測などの目的のために、リアルタイムのトランジットデータを効率的に利用することができる。 Pythonで開発されたgps2gtfsは、ジオバッファマッピング、並列処理、データフィルタリングといった技術を使用して、ボリューム、不連続性、ローカライゼーションエラーなどの生のGPSデータに関連する問題を管理する。 GitHubとPyPIで入手可能なこのオープンソースパッケージは、インテリジェントトランスポートソリューションの開発を促進し、世界中の公共交通システムの改善を促進する。

関連論文リスト

• GAReT: Cross-view Video Geolocalization with Adapters and Auto-Regressive Transformers [53.80009458891537]
  クロスビュービデオのジオローカライゼーションは、ストリートビュービデオからGPSトラジェクトリを空中ビュー画像と整列させることを目的としている。 現在のCVGL法では、現実のシナリオでは一般的に欠落しているカメラとオドメトリーのデータを使用する。 本稿では,カメラやオドメトリーデータを必要としないCVGLのフルトランスフォーマ方式であるGAReTを提案する。
  論文  参考訳（メタデータ） (2024-08-05T21:29:33Z)
• GPSFormer: A Global Perception and Local Structure Fitting-based Transformer for Point Cloud Understanding [21.70950431470046]
  GPSFormerはGlobal Perception and Local Structure Fitting-based Transformerである。 GPSFormerは、目立った精度で点雲から詳細な形状情報を学ぶ。
  論文  参考訳（メタデータ） (2024-07-18T13:53:15Z)
• Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
  統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される 本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。 X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-05-10T08:04:27Z)
• Surrogate Modeling of Trajectory Map-matching in Urban Road Networks using Transformer Sequence-to-Sequence Model [1.3812010983144802]
  本稿では、オフラインマップマッチングアルゴリズムのサロゲートとして機能するディープラーニングモデル、特にトランスフォーマーベースのエンコーダデコーダモデルを提案する。 このモデルは、ニューヨーク州マンハッタンで収集されたGPSトレースを使って訓練され、評価されている。
  論文  参考訳（メタデータ） (2024-04-18T18:39:23Z)
• Performance Evaluation of GPS Trajectory Rasterization Methods [0.0]
  GPSトラジェクトリは、交通密度の検出、トランスポートモードの検出、マッピングデータに使用される重要なデータソースである。 データサイズが大きくなる一方、この種のデータの効率的な表現は、これらの手法での使用が困難になっている。 本研究では,QGIS,PostGIS+QGISの空間結合関数と,Pythonプログラム言語で符号化された構造化グリッド実装を用いてGPSデータの軌跡化を評価する。
  論文  参考訳（メタデータ） (2024-01-03T11:25:11Z)
• G-MEMP: Gaze-Enhanced Multimodal Ego-Motion Prediction in Driving [71.9040410238973]
  我々は、視線データを用いて、運転者の車両のエゴ軌道を推定することに集中する。 次に、GPSとビデオ入力と視線データを組み合わせた新しいマルチモーダルエゴ軌道予測ネットワークであるG-MEMPを開発する。 その結果,G-MEMPは両ベンチマークにおいて最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-12-13T23:06:30Z)
• RNTrajRec: Road Network Enhanced Trajectory Recovery with Spatial-Temporal Transformer [15.350300338463969]
  本稿では,道路網を改良したトランスフォーマーベースフレームワーク RNTrajRec を提案する。 RNTrajRecはまずグラフモデル、すなわちGridGNNを使用して、各道路セグメントの埋め込み機能を学ぶ。 次にサブグラフ生成モジュールを導入し、各GPSポイントをGPSポイント周辺の道路ネットワークのサブグラフ構造として表現する。
  論文  参考訳（メタデータ） (2022-11-23T11:28:32Z)
• Large Scale Real-World Multi-Person Tracking [68.27438015329807]
  本稿では,新しい大規模多人数追跡データセットであるtexttPersonPath22を提案する。 MOT17、HiEve、MOT20などの高品質なマルチオブジェクト追跡データセットよりも桁違いに大きい。
  論文  参考訳（メタデータ） (2022-11-03T23:03:13Z)
• Traffic4cast at NeurIPS 2021 -- Temporal and Spatial Few-Shot Transfer Learning in Gridded Geo-Spatial Processes [61.16854022482186]
  NeurIPS 2019と2020のIARAI Traffic4castコンペティションでは、ニューラルネットワークが将来の交通条件を1時間以内に予測することに成功した。 U-Netsは、この複雑な現実世界の地理空間的プロセスにおいて、関連する特徴を抽出する能力を実証し、勝利したアーキテクチャであることが証明された。 コンペティションは2年間で10都市をカバーし、1012以上のGPSプローブデータから収集したデータを提供する。
  論文  参考訳（メタデータ） (2022-03-31T14:40:01Z)
• Map Generation from Large Scale Incomplete and Inaccurate Data Labels [24.205001970190924]
  本稿では,高分解能空中画像を用いた地図作成プロセスを自動化するアルゴリズムパイプラインと分散計算システムの開発について述べる。 我々は、U-NetやCycleGANといった最先端の畳み込みニューラルネットワークアーキテクチャを採用して、より正確で完全な人為的なインフラストラクチャのラベルを持つマップをインクリメンタルに生成します。
  論文  参考訳（メタデータ） (2020-05-20T13:59:43Z)
• Taurus: A Data Plane Architecture for Per-Packet ML [59.1343317736213]
  本稿では,線数推論のためのデータプレーンであるTaurusの設計と実装について述べる。 Taurus スイッチ ASIC の評価は,Taurus がサーバベースコントロールプレーンよりも桁違いに高速に動作することを示す。
  論文  参考訳（メタデータ） (2020-02-12T09:18:36Z)

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。