論文の概要: Urban Visibility Hotspots: Quantifying Building Vertex Visibility from Connected Vehicle Trajectories using Spatial Indexing

• arxiv url: http://arxiv.org/abs/2506.03365v1
• Date: Tue, 03 Jun 2025 20:16:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:14.038136
• Title: Urban Visibility Hotspots: Quantifying Building Vertex Visibility from Connected Vehicle Trajectories using Spatial Indexing
• Title（参考訳）: 都市視認性ホットスポット:空間指標を用いた連結車両軌道からの頂点視認性の定量化
• Authors: Artur Grigorev, Adriana-Simona Mihaita,
• Abstract要約: 本研究では,位置可視性を客観的に定量化するデータ駆動手法を提案する。 各車両位置の前方視界を用いた動的運転場をモデル化する。 道路周辺における数千の潜在的関心点について、累積的な視覚的露出、または可視的数'を定量化する。
• 参考スコア（独自算出の注目度）: 3.4760227640914416
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Effective placement of Out-of-Home advertising and street furniture requires accurate identification of locations offering maximum visual exposure to target audiences, particularly vehicular traffic. Traditional site selection methods often rely on static traffic counts or subjective assessments. This research introduces a data-driven methodology to objectively quantify location visibility by analyzing large-scale connected vehicle trajectory data (sourced from Compass IoT) within urban environments. We model the dynamic driver field-of-view using a forward-projected visibility area for each vehicle position derived from interpolated trajectories. By integrating this with building vertex locations extracted from OpenStreetMap, we quantify the cumulative visual exposure, or ``visibility count'', for thousands of potential points of interest near roadways. The analysis reveals that visibility is highly concentrated, identifying specific ``visual hotspots'' that receive disproportionately high exposure compared to average locations. The core technical contribution involves the construction of a BallTree spatial index over building vertices. This enables highly efficient (O(logN) complexity) radius queries to determine which vertices fall within the viewing circles of millions of trajectory points across numerous trips, significantly outperforming brute-force geometric checks. Analysis reveals two key findings: 1) Visibility is highly concentrated, identifying distinct 'visual hotspots' receiving disproportionately high exposure compared to average locations. 2) The aggregated visibility counts across vertices conform to a Log-Normal distribution.
• Abstract（参考訳）: アウト・オブ・ホーム広告とストリート家具の効果的な配置には、ターゲットの観客、特に車両の交通量に最大限の視覚的露出を提供する場所を正確に識別する必要がある。 伝統的なサイト選択手法は、しばしば静的なトラフィック数や主観的な評価に依存している。 本研究では,都市環境における大規模連結車両軌道データ(Compass IoT から得られた)を分析し,位置視認性を客観的に定量化するためのデータ駆動手法を提案する。 我々は、補間軌道から導かれる各車両位置の前方投影可視領域を用いて、ダイナミック・ドライバー・フィールド・オブ・ビューをモデル化する。 OpenStreetMapから抽出された頂点位置と統合することにより、道路近くの数千の潜在的関心点に対して累積的な視覚的露出('可視数')を定量化する。 この分析によると、視界は高度に集中しており、平均的な場所に比べて不均等に高い露出を受ける「視覚ホットスポット」を特定できる。 中心となる技術的貢献は、ビルディング頂点上のBallTree空間インデックスの構築である。 これにより、高度に効率的な(O(logN)半径の問合せが可能となり、多くの旅行で数百万の軌跡点の視界内にある頂点を決定できる。 分析の結果、2つの重要な発見が判明した。 1) 可視性は高濃度であり, 平均的な位置に比べて被曝率が著しく高い「視覚ホットスポット」を識別する。 2) 頂点の集合的可視度は対数正規分布に適合する。

関連論文リスト

• Image-based Visibility Analysis Replacing Line-of-Sight Simulation: An Urban Landmark Perspective [2.3315115235829342]
  この研究は、新しい画像ベースの可視性分析手法を導入することで、従来のLoSベースのアプローチに挑戦する。 最初のケーススタディでは、大都市における6つの高いランドマーク構造物の視認性を検出するための信頼性を87%の精度で証明した。 第二のケースでは、提案された可視グラフは、ロンドンのテムズ川に沿った複数のランドマークの接続形態と強度を明らかにする。
  論文  参考訳（メタデータ） (2025-05-17T03:41:45Z)
• VAPO: Visibility-Aware Keypoint Localization for Efficient 6DoF Object Pose Estimation [52.81869878956534]
  2次元画像における3Dキーポイントの局所化は、6DoFオブジェクトのポーズ推定のための3D-2D対応を確立する効果的な方法である。 本稿では、重要なキーポイントを可視性の観点からローカライズすることでこの問題に対処する。 我々は、可視性を考慮した重要度と最先端のポーズ推定アルゴリズムを統合することにより、VAPO(Visibility-Aware POse estimator)を構築する。
  論文  参考訳（メタデータ） (2024-03-21T16:59:45Z)
• OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
  交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。 OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。 様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
  論文  参考訳（メタデータ） (2023-04-20T16:31:22Z)
• Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
  本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。 我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
  論文  参考訳（メタデータ） (2022-11-15T13:52:41Z)
• NEAT: Neural Attention Fields for End-to-End Autonomous Driving [59.60483620730437]
  本稿では、模倣学習モデルの効率的な推論を可能にする新しい表現であるNEAT(NEural Attention Field)を提案する。 NEATは、Bird's Eye View (BEV) シーン座標の位置をウェイポイントとセマンティクスにマッピングする連続関数である。 有害な環境条件や挑戦的なシナリオを含む新たな評価環境では、NEATはいくつかの強いベースラインを上回り、特権のあるCARLA専門家と同等の運転スコアを達成している。
  論文  参考訳（メタデータ） (2021-09-09T17:55:28Z)
• Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
  近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。 本稿では,従来のアプローチのさらなる発展について述べる。 複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
  論文  参考訳（メタデータ） (2020-08-09T09:26:30Z)
• Utilising Visual Attention Cues for Vehicle Detection and Tracking [13.2351348789193]
  物体の検出と追跡に視覚的注意(透明性)を用いる可能性を探究する。 本稿では,物体を同時に検出し,対象性と主観性マップを生成し,計算力を節約するニューラルネットワークを提案する。 実験はKITTIとDETRACのデータセットを用いて行われた。
  論文  参考訳（メタデータ） (2020-07-31T23:00:13Z)
• Crowdsourced 3D Mapping: A Combined Multi-View Geometry and Self-Supervised Learning Approach [10.610403488989428]
  本稿では,意味的意味のあるランドマークの3次元位置を,カメラ固有の知識を仮定せずに推定するフレームワークを提案する。 交通標識の位置推定には,多視点幾何と深層学習に基づく自己校正,深度,エゴモーション推定を利用する。 我々はそれぞれ39cmと1.26mの平均単方向相対位置と絶対位置の精度を達成した。
  論文  参考訳（メタデータ） (2020-07-25T12:10:16Z)
• Predicting Semantic Map Representations from Images using Pyramid Occupancy Networks [27.86228863466213]
  単一エンドツーエンドのディープラーニングアーキテクチャを用いて,単分子画像から直接マップを推定する,シンプルで統一的なアプローチを提案する。 提案手法の有効性を,NuScenesとArgoverseデータセット上のいくつかの挑戦的ベースラインに対して評価することで実証する。
  論文  参考訳（メタデータ） (2020-03-30T12:39:44Z)

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。