論文の概要: Traffic and Mobility Optimization Using AI: Comparative Study between Dubai and Riyadh
- arxiv url: http://arxiv.org/abs/2506.01974v1
- Date: Thu, 15 May 2025 15:07:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-08 12:40:08.645502
- Title: Traffic and Mobility Optimization Using AI: Comparative Study between Dubai and Riyadh
- Title（参考訳）: AIを用いた交通と移動の最適化:ドバイとリヤドの比較研究
- Authors: Kanwal Aalijah,
- Abstract要約: 我々は、交通と移動に関する問題とその住民の感情への影響を理解するためにAIをどのように利用できるかを探る。
このアプローチは、リアルタイムトラフィックデータと地理的に位置付けられた感情分析を組み合わせることで、都市移動計画に対する包括的でダイナミックなアプローチを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Urban planning plays a very important role in development modern cities. It effects the economic growth, quality of life, and environmental sustainability. Modern cities face challenges in managing traffic congestion. These challenges arise to due to rapid urbanization. In this study we will explore how AI can be used to understand the traffic and mobility related issues and its effects on the residents sentiment. The approach combines real-time traffic data with geo-located sentiment analysis, offering a comprehensive and dynamic approach to urban mobility planning. AI models and exploratory data analysis was used to predict traffic congestion patterns, analyze commuter behaviors, and identify congestion hotspots and dissatisfaction zones. The findings offer actionable recommendations for optimizing traffic flow, enhancing commuter experiences, and addressing city specific mobility challenges in the Middle East and beyond.
- Abstract（参考訳）: 都市計画は近代都市の発展において重要な役割を担っている。
経済成長、生活の質、環境の持続可能性に影響を及ぼす。
近代都市は交通渋滞管理の課題に直面している。
これらの課題は急速な都市化によるものである。
本研究では、交通と移動に関する問題とその住民の感情への影響を理解するためにAIをどのように利用できるかを検討する。
このアプローチは、リアルタイムトラフィックデータと地理的に位置付けられた感情分析を組み合わせることで、都市移動計画に対する包括的でダイナミックなアプローチを提供する。
AIモデルと探索データ分析は、交通渋滞パターンの予測、通勤行動の分析、混雑ホットスポットと不満ゾーンの識別に使用された。
この発見は、交通の流れの最適化、通勤体験の向上、中東以降の都市特有のモビリティ問題への対処に有効な推奨を提供する。
関連論文リスト
- Revolutionizing Traffic Management with AI-Powered Machine Vision: A Step Toward Smart Cities [0.9374652839580183]
本研究では、人工知能(AI)と機械ビジョン技術が交通システムに革命をもたらす可能性を探求する。
本研究は、高度な監視カメラとディープラーニングアルゴリズムを活用して、車両、交通異常、運転者の挙動をリアルタイムに検出するシステムを提案する。
論文 参考訳（メタデータ） (2025-03-04T19:50:42Z) - AI-Driven Scenarios for Urban Mobility: Quantifying the Role of ODE Models and Scenario Planning in Reducing Traffic Congestion [0.0]
本稿では,人工知能(AI)駆動技術が交通渋滞動態に与える影響について検討する。
我々は,自動運転車やインテリジェント交通管理といったAIイノベーションが,さまざまな規制枠組みの下での混雑緩和に果たす役割を評価する。
論文 参考訳（メタデータ） (2024-10-25T18:09:02Z) - A Predictive and Optimization Approach for Enhanced Urban Mobility Using Spatiotemporal Data [0.0]
本研究では,機械学習アルゴリズムと実交通情報を組み合わせた都市移動性向上手法を提案する。
ニューヨーク市の黄色いタクシー旅行のデータを用いて,旅行時間と渋滞解析の予測モデルを構築した。
本研究は、高度データ駆動方式による都市渋滞の低減と交通効率の向上を目的とした継続的な取り組みに寄与する。
論文 参考訳（メタデータ） (2024-10-07T16:16:49Z) - 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) - MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。
公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。
本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
論文 参考訳（メタデータ） (2024-07-11T17:56:49Z) - Evolutionary City: Towards a Flexible, Agile and Symbiotic System [27.41514907749535]
都市の成長は、需要の変化に対応するのに苦労する堅固なインフラにつながることがある。
本稿では,このようなダイナミックな需要に都市がより効率的に対応できるよう,新しいアプローチを提案する。
高度なセンシング技術により、都市の適応性知覚を高めるための枠組みが提示される。
ケーススタディでは、車線割り当てを調整することで、このアプローチが交通の流れを最適化する方法について検討する。
論文 参考訳（メタデータ） (2023-11-06T05:10:33Z) - Uncertainty Quantification for Image-based Traffic Prediction across
Cities [63.136794104678025]
不確実量化(UQ)法は確率論的推論を誘導するためのアプローチを提供する。
複数の都市にまたがる大規模画像ベース交通データセットへの適用について検討する。
モスクワ市を事例として,交通行動に対する時間的・空間的影響を考察した。
論文 参考訳（メタデータ） (2023-08-11T13:35:52Z) - Prediction of Transportation Index for Urban Patterns in Small and
Medium-sized Indian Cities using Hybrid RidgeGAN Model [0.0]
本研究は,中小都市における都市交通指標の予測におけるいくつかの課題に対処する。
Kernel Ridge Regression(KRR)とCityGANに基づくハイブリッドフレームワークを導入し、交通指標を予測する。
提案したハイブリッドパイプラインはリッジGANモデルと呼ばれ、都市スプロールの持続可能性を評価することができる。
論文 参考訳（メタデータ） (2023-06-09T15:05:40Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - AI in Smart Cities: Challenges and approaches to enable road vehicle
automation and smart traffic control [56.73750387509709]
SCCは、活動やユーティリティの自動化と最適化による効率向上を目指すデータ中心の社会を構想しています。
本稿では、SCCにおけるAIの視点を説明し、道路車両の自動化とスマート交通制御を可能にする交通で使用されるAIベースの技術の概要を示す。
論文 参考訳（メタデータ） (2021-04-07T14:31:08Z) - Smart Urban Mobility: When Mobility Systems Meet Smart Data [55.456196356335745]
都市人口は都市部で約25億人に達し、道路交通量は2050年までに12億台を超えた。
輸送部門の経済貢献は欧州のGDPの5%を占め、アメリカでは平均482.05億ドルの費用がかかる。
論文 参考訳（メタデータ） (2020-05-09T13:53:01Z)
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。