論文の概要: Watch Out E-scooter Coming Through: Multimodal Sensing of Mixed Traffic Use and Conflicts Through Riders Ego-centric Views

• arxiv url: http://arxiv.org/abs/2502.16755v1
• Date: Mon, 24 Feb 2025 00:16:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 15:56:30.811825
• Title: Watch Out E-scooter Coming Through: Multimodal Sensing of Mixed Traffic Use and Conflicts Through Riders Ego-centric Views
• Title（参考訳）: E-Scooterの登場を振り返る:ライダー中心の視点による混在交通と衝突のマルチモーダルセンシング
• Authors: Hiruni Nuwanthika Kegalle, Danula Hettiachchi, Jeffrey Chan, Mark Sanderson, Flora D. Salim,
• Abstract要約: 本研究は,自転車用コンピュータを搭載した23人の参加者を対象に,自然科学的な研究を通してライダーの挙動を検討した。 歩行者が共有する道路、自転車レーン、道路の3種類の交通インフラで、視線の動き、速度、ビデオのフィードを分析した。 この結果から,自転車や自動車に追従することの難しさなど,電動スクーターの乗り手が直面する独特な課題が明らかになった。
• 参考スコア（独自算出の注目度）: 27.40067154809732
• License:
• Abstract: E-scooters are becoming a popular means of urban transportation. However, this increased popularity brings challenges, such as road accidents and conflicts when sharing space with traditional transport modes. An in-depth understanding of e-scooter rider behaviour is crucial for ensuring rider safety, guiding infrastructure planning, and enforcing traffic rules. This study investigated the rider behaviour through a naturalistic study with 23 participants equipped with a bike computer, eye-tracking glasses and cameras. They followed a pre-determined route, enabling multi-modal data collection. We analysed and compared gaze movements, speed, and video feeds across three transport infrastructure types: a pedestrian-shared path, a cycle lane and a roadway. Our findings reveal unique challenges e-scooter riders face, including difficulty keeping up with cyclists and motor vehicles due to speed limits on shared e-scooters, risks in signalling turns due to control lose, and limited acceptance in mixed-use spaces. The cycle lane showed the highest average speed, the least speed change points, and the least head movements, supporting its suitability as dedicated infrastructure for e-scooters. These findings are facilitated through multimodal sensing and analysing the e-scooter riders' ego-centric view, which show the efficacy of our method in discovering the behavioural dynamics of the riders in the wild. Our study highlights the critical need to align infrastructure with user behaviour to improve safety and emphasises the importance of targeted safety measures and regulations, especially when e-scooter riders share spaces with pedestrians or motor vehicles. The dataset and analysis code are available at https://github.com/HiruniNuwanthika/Electric-Scooter-Riders-Multi-Modal-Data-Analysis.git.
• Abstract（参考訳）: Eスクーターは都市交通の一般的な手段になりつつある。 しかし、この人気が高まったことで、従来の交通手段とスペースを共有する際の道路事故や衝突といった課題がもたらされる。 e-scooterライダーの振る舞いの深い理解は、乗客の安全を確保し、インフラ計画の指導、交通規則の執行に不可欠である。 本研究は,自転車用コンピュータ,視線追跡眼鏡,カメラを備えた23人の参加者を対象に,自然科学的な研究を通じてライダーの挙動を検討した。 彼らは事前に決定されたルートに従い、マルチモーダルデータ収集を可能にした。 我々は、歩行者が共有する道路、自転車レーン、道路の3種類の交通インフラで視線の動き、速度、ビデオのフィードを分析し、比較した。 本研究は,電動スクーターの速度制限による自転車や自動車への追従の困難,制御損失による信号のターンのリスク,複合利用空間での受容の制限など,電動スクーターの乗り手が直面する特異な課題を明らかにした。 サイクルレーンは最高平均速度、最低速度変化点、最小頭部運動を示し、電子スクータ専用インフラとしての適合性を支持した。 これらの知見は,e-scooterライダーの自我中心の視点をマルチモーダルセンシングし,解析することにより促進される。 本研究は,安全対策や規制の重要性,特に電動スクーター利用者が歩行者や自動車と空間を共有している場合に,インフラと利用者の行動の整合性が重要であることを強調した。 データセットと分析コードはhttps://github.com/HiruniNuwanthika/Electric-Scooter-Riders-Multi-Modal-Data-Analysis.gitで公開されている。

関連論文リスト

• GARLIC: GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [81.82487256783674]
  GARLIC: GPT拡張強化学習のフレームワーク。 本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
  論文  参考訳（メタデータ） (2024-08-19T08:23:38Z)
• Impact of Different Infrastructures and Traffic Scenarios on Behavioral and Physiological Responses of E-scooter Users [9.218359701264797]
  本稿では,e-scooterユーザに対して,自然なライディング実験を通じて,異なるインフラやシナリオ下での応答について検討することを目的とする。 その結果,異なる速度分布,インフラ要素,交通シナリオがライディング・ダイナミクスに大きく影響していることが示唆された。 この研究は、インフラ設計の重要さと、電子タバコの安全性への影響を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-05-05T19:55:46Z)
• DenseLight: Efficient Control for Large-scale Traffic Signals with Dense Feedback [109.84667902348498]
  交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。 従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。 DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
  論文  参考訳（メタデータ） (2023-06-13T05:58:57Z)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)
• Risk assessment and mitigation of e-scooter crashes with naturalistic driving data [2.862606936691229]
  本稿では,e-scooterと自動車の遭遇に着目した自然主義的運転研究を提案する。 目標は、衝突シナリオのモデリングを容易にするために、異なる出会いの中でe-Scooterライダーの振る舞いを定量的に測定することである。
  論文  参考訳（メタデータ） (2022-12-24T05:28:31Z)
• A Wearable Data Collection System for Studying Micro-Level E-Scooter Behavior in Naturalistic Road Environment [3.5466525046297264]
  本稿では,自然道路環境におけるマイクロレベルのe-Scooter動作を調査するためのウェアラブルデータ収集システムを提案する。 ロボットオペレーティングシステム(ROS)を用いたLiDAR、カメラ、GPSの統合により、e-Scooterベースのデータ取得システムを開発した。
  論文  参考訳（メタデータ） (2022-12-22T18:58:54Z)
• E-Scooter Rider Detection and Classification in Dense Urban Environments [5.606792370296115]
  本研究は,検出モデルの客観的評価を容易にするために,部分閉塞型E-スクータライダー検出のための新しいベンチマークを提案する。 技術の現状に対して15.93%の精度で検出性能を向上する,E-Scooterライダー検出の新規なオクルージョン対応手法を提案する。
  論文  参考訳（メタデータ） (2022-05-20T13:50:36Z)
• Detecting, Tracking and Counting Motorcycle Rider Traffic Violations on Unconstrained Roads [27.351236436457445]
  制限のない道路交通条件の多くのアジア諸国では、ヘルメットやトリプルライディングなどの運転違反がオートバイの死亡原因となっている。 車両に搭載されたダッシュボードカメラから撮影したビデオにおいて、オートバイの乗馬違反を検出し、追跡し、カウントする手法を提案する。
  論文  参考訳（メタデータ） (2022-04-18T15:17:40Z)
• Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
  歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。 本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。 我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
  論文  参考訳（メタデータ） (2021-06-22T15:40:21Z)
• End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
  交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。 本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。 本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-28T07:54:40Z)
• Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
  運転環境の要素が道路ルールの出現の原因となるかを分析する。 2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。 我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
  論文  参考訳（メタデータ） (2020-11-21T09:43:50Z)

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。