論文の概要: Scalable Dynamic Origin-Destination Demand Estimation Enhanced by High-Resolution Satellite Imagery Data
- arxiv url: http://arxiv.org/abs/2506.22499v1
- Date: Wed, 25 Jun 2025 06:47:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-01 21:27:53.42306
- Title: Scalable Dynamic Origin-Destination Demand Estimation Enhanced by High-Resolution Satellite Imagery Data
- Title（参考訳）: 高解像度衛星画像データによる拡張型動的原点推定
- Authors: Jiachao Liu, Pablo Guarda, Koichiro Niinuma, Sean Qian,
- Abstract要約: 本研究では,マルチクラスメソスコピックネットワークモデルにおける動的起因決定需要推定(DODE)のための新しい枠組みを提案する。
ローカルセンサからの従来の交通データとともに高解像度衛星画像を利用する。
その結果,衛星から得られる密度で従来のデータを補うことで推定性能が大幅に向上した。
- 参考スコア（独自算出の注目度）: 1.735650011442274
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study presents a novel integrated framework for dynamic origin-destination demand estimation (DODE) in multi-class mesoscopic network models, leveraging high-resolution satellite imagery together with conventional traffic data from local sensors. Unlike sparse local detectors, satellite imagery offers consistent, city-wide road and traffic information of both parking and moving vehicles, overcoming data availability limitations. To extract information from imagery data, we design a computer vision pipeline for class-specific vehicle detection and map matching, generating link-level traffic density observations by vehicle class. Building upon this information, we formulate a computational graph-based DODE model that calibrates dynamic network states by jointly matching observed traffic counts and travel times from local sensors with density measurements derived from satellite imagery. To assess the accuracy and scalability of the proposed framework, we conduct a series of numerical experiments using both synthetic and real-world data. The results of out-of-sample tests demonstrate that supplementing traditional data with satellite-derived density significantly improves estimation performance, especially for links without local sensors. Real-world experiments also confirm the framework's capability to handle large-scale networks, supporting its potential for practical deployment in cities of varying sizes. Sensitivity analysis further evaluates the impact of data quality related to satellite imagery data.
- Abstract（参考訳）: 本研究では,マルチクラスメソスコピックネットワークモデルにおける動的原位置需要推定(DODE)のための新しい統合フレームワークを提案する。
緩やかなローカル検出器とは異なり、衛星画像は、駐車場と移動車両の両方の、一貫した、都市全体の道路と交通情報を提供し、データの可用性の限界を克服している。
画像データから情報を取り出すため,クラス固有の車両検出とマップマッチングのためのコンピュータビジョンパイプラインを設計し,リンクレベルの交通密度観測を車種別に生成する。
この情報に基づいて,衛星画像から得られた密度測定を用いて,観測されたトラフィック数と移動時間とを一致させて動的ネットワーク状態を校正する計算グラフに基づくDODEモデルを定式化する。
提案するフレームワークの精度とスケーラビリティを評価するため,合成データと実世界のデータの両方を用いて数値実験を行った。
アウト・オブ・サンプル実験の結果、衛星由来の密度で従来のデータを補うことで、特にローカルセンサーのないリンクの場合、推定性能が大幅に向上することが示された。
実世界の実験では、大規模なネットワークを扱うフレームワークの能力も確認されており、様々な規模の都市での実践的な展開の可能性を支持している。
感度分析は、衛星画像データに関連するデータ品質の影響をさらに評価する。
関連論文リスト
- How Real is CARLAs Dynamic Vision Sensor? A Study on the Sim-to-Real Gap in Traffic Object Detection [0.0]
イベントカメラは、交差点でのリアルタイム物体検出に適している。
堅牢なイベントベース検出モデルの開発は、注釈付き現実世界データセットの可用性の制限によって妨げられている。
本研究では,CARLAs DVSを用いたイベントベース物体検出におけるsim-to-realギャップの定量的解析を行った。
論文 参考訳（メタデータ） (2025-06-16T17:27:43Z) - MoGERNN: An Inductive Traffic Predictor for Unobserved Locations in Dynamic Sensing Networks [15.487715528848456]
MoGERNNはセンサのない地域でも正確な渋滞進化を予測でき、交通管理に有用な情報を提供する。
実世界の2つのデータセットの実験では、MoGERNNは観測された場所と観測されていない場所の両方のベースラインメソッドを一貫して上回っている。
論文 参考訳（メタデータ） (2025-01-21T16:52:42Z) - Multi-Source Urban Traffic Flow Forecasting with Drone and Loop Detector Data [61.9426776237409]
ドローンが捉えたデータは、大規模都市ネットワークのための正確なマルチセンサー移動観測所を作ることができる。
単純なグラフベースモデルHiMSNetは、複数のデータモダリティと学習時間相関を統合するために提案されている。
論文 参考訳（メタデータ） (2025-01-07T03:23:28Z) - Training a Distributed Acoustic Sensing Traffic Monitoring Network With Video Inputs [0.0]
本稿では,DASデータと協調した視覚情報を統合する新しい概念を提案する。
本モデルでは,検出と分類において94%以上の性能を示し,約1.2%の誤警報率を示す。
論文 参考訳（メタデータ） (2024-12-17T10:06:42Z) - SatDM: Synthesizing Realistic Satellite Image with Semantic Layout
Conditioning using Diffusion Models [0.0]
Denoising Diffusion Probabilistic Models (DDPM) は意味的レイアウトから現実的なイメージを合成する上で大きな可能性を証明している。
本稿では,セマンティックマップを用いて高品質で多様な衛星画像を生成する条件付きDDPMモデルを提案する。
提案モデルの有効性は,本研究の文脈内で導入した詳細なラベル付きデータセットを用いて検証する。
論文 参考訳（メタデータ） (2023-09-28T19:39:13Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - 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) - 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) - Cross-Sensor Adversarial Domain Adaptation of Landsat-8 and Proba-V
images for Cloud Detection [1.5828697880068703]
同様の特徴を持つ光学センサーを搭載した地球観測衛星の数は、常に増え続けている。
抽出された放射能の差は精度を著しく低下させ、センサー間の知識と情報共有を損なう。
本稿では,2つの衛星センサ間の画像の統計的差異を低減し,転送学習モデルの性能を向上させるための領域適応を提案する。
論文 参考訳（メタデータ） (2020-06-10T16:16:01Z)
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。