論文の概要: Extracting Insights from Large-Scale Telematics Data for ITS Applications: Lessons and Recommendations
- arxiv url: http://arxiv.org/abs/2507.13936v2
- Date: Fri, 25 Jul 2025 12:59:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-28 12:12:30.189189
- Title: Extracting Insights from Large-Scale Telematics Data for ITS Applications: Lessons and Recommendations
- Title（参考訳）: 大規模テレマティクスデータからのインサイト抽出:授業と勧告
- Authors: Gibran Ali, Neal Feierabend, Prarthana Doshi, Calvin Winkowski, Michael Fontaine,
- Abstract要約: 交通プランナーは以前、様々な形態でテレマティクスデータを利用してきたが、現在の規模は大きな新しい機会を提供している。
本稿は,4つの主要な目的を通じて,これらのニーズに対処するための一歩を踏み出す。
まず、2021年8月から2022年8月までにバージニア州で収集された14億マイル (120万回) のテレマティクスデータを効率的に分析するために、データ処理パイプラインが構築された。
第二に、トリップと道路のセグメントレベルの要約のオープンなデータリポジトリが作成されました。
第3に、道路の走行行動と速度プロファイルに関するこれらのデータから洞察を抽出するインタラクティブな可視化ツールが設計された。
- 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: Over 90% of new vehicles in the United States now collect and transmit telematics data. Similar trends are seen in other developed countries. Transportation planners have previously utilized telematics data in various forms, but its current scale offers significant new opportunities in traffic measurement, classification, planning, and control. Despite these opportunities, the enormous volume of data and lack of standardization across manufacturers necessitates a clearer understanding of the data and improved data processing methods for extracting actionable insights. This paper takes a step towards addressing these needs through four primary objectives. First, a data processing pipeline was built to efficiently analyze 1.4 billion miles (120 million trips) of telematics data collected in Virginia between August 2021 and August 2022. Second, an open data repository of trip and roadway segment level summaries was created. Third, interactive visualization tools were designed to extract insights from these data about trip-taking behavior and the speed profiles of roadways. Finally, major challenges that were faced during processing this data are summarized and recommendations to overcome them are provided. This work will help manufacturers collecting the data and transportation professionals using the data to develop a better understanding of the possibilities and major pitfalls to avoid.
- Abstract（参考訳）: 現在、米国の新車の90%以上がテレマティクスデータを収集し、送信している。
他の先進国でも同様の傾向が見られる。
交通プランナーは以前、様々な形態でテレマティクスデータを利用してきたが、現在の規模では交通計測、分類、計画、制御において大きな新しい機会を提供している。
これらの機会にもかかわらず、膨大な量のデータと製造業者間の標準化の欠如は、データを明確に理解し、実用的な洞察を抽出するためのデータ処理方法を改善する必要がある。
本稿は,4つの主要な目的を通じて,これらのニーズに対処するための一歩を踏み出す。
まず、2021年8月から2022年8月までにバージニア州で収集された14億マイル (120万回) のテレマティクスデータを効率的に分析するために、データ処理パイプラインが構築された。
第二に、トリップと道路のセグメントレベルの要約のオープンなデータリポジトリが作成されました。
第3に、道路の走行行動と速度プロファイルに関するこれらのデータから洞察を抽出するインタラクティブな可視化ツールが設計された。
最後に、このデータ処理中に直面した大きな課題を要約し、それを克服するための推奨事項を提供する。
この取り組みは、メーカーがデータを使ってデータや交通機関の専門家を集め、回避すべき可能性と大きな落とし穴の理解を深めるのに役立つだろう。
関連論文リスト
- The NetMob25 Dataset: A High-resolution Multi-layered View of Individual Mobility in Greater Paris Region [64.30214722988666]
本稿では,提案したデータセットのサーベイ設計,収集プロトコル,処理手法,特徴について述べる。
データセットには、人口統計、社会経済、家庭の特徴を記述した個人データベース(i)、タイムスタンプ、輸送モード、旅行目的を含む8,000以上の注釈付き変位を持つトリプスデータベース(ii)、約5億の高周波ポイントからなるRaw GPSトレースデータベース(iii)の3つのコンポーネントが含まれている。
論文 参考訳（メタデータ） (2025-06-06T09:22:21Z) - UniTraj: A Unified Framework for Scalable Vehicle Trajectory Prediction [93.77809355002591]
さまざまなデータセット、モデル、評価基準を統一する包括的なフレームワークであるUniTrajを紹介する。
我々は広範な実験を行い、他のデータセットに転送するとモデルの性能が大幅に低下することがわかった。
これらの知見を説明するために,データセットの特徴に関する洞察を提供する。
論文 参考訳（メタデータ） (2024-03-22T10:36:50Z) - Distil the informative essence of loop detector data set: Is
network-level traffic forecasting hungry for more data? [0.8002196839441036]
本稿では,予測モデルのトレーニングに実際に有効なループデータのサンプル数を検討するために,不確実性を考慮したトラフィック予測フレームワークを提案する。
提案手法は,大規模トラフィックデータセットの真の情報内容を評価する上で有用である。
論文 参考訳（メタデータ） (2023-10-31T11:23:10Z) - Pre-training on Synthetic Driving Data for Trajectory Prediction [61.520225216107306]
軌道予測におけるデータ不足の問題を緩和するパイプラインレベルのソリューションを提案する。
我々は、駆動データを生成するためにHDマップ拡張とトラジェクトリ合成を採用し、それらを事前学習することで表現を学習する。
我々は、データ拡張と事前学習戦略の有効性を実証するための広範な実験を行う。
論文 参考訳（メタデータ） (2023-09-18T19:49:22Z) - A Survey on Datasets for Decision-making of Autonomous Vehicle [11.556769001552768]
意思決定は、ハイレベルな自動走行に向けた重要なモジュールの1つである。
データ駆動による意思決定アプローチは、ますます注目を集めています。
本研究では、車両、環境、運転者関連データの最先端データセットを比較した。
論文 参考訳（メタデータ） (2023-06-29T08:42:18Z) - LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。
しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。
カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
論文 参考訳（メタデータ） (2023-06-14T05:48:36Z) - Hindsight is 20/20: Leveraging Past Traversals to Aid 3D Perception [59.2014692323323]
小さな、遠く、あるいは非常に隠蔽された物体は、検出するためのLiDAR点雲に限られた情報があるため、特に困難である。
本稿では,過去データから文脈情報を抽出する,エンドツーエンドのトレーニング可能な新しいフレームワークを提案する。
このフレームワークは現代のほとんどの3D検出アーキテクチャと互換性があり、複数の自律走行データセットの平均精度を大幅に向上させることができる。
論文 参考訳（メタデータ） (2022-03-22T00:58:27Z) - Urban Vehicle Mobility Characteristic Mining and Trip Generation Based
on Knowledge Graph [14.032480351768395]
本研究では,個人レベルの都市交通ビッグデータをよりよく扱うための知識グラフを紹介する。
個人レベルの旅行データを構成するために,個人レベルの旅行知識グラフを設計・構築した。
個人レベルの交通データのプライバシー問題に対処するため,知識グラフ生成に基づく個人レベルの旅行合成手法を提案する。
論文 参考訳（メタデータ） (2022-02-19T04:13:17Z) - Big Data for Traffic Estimation and Prediction: A Survey of Data and
Tools [1.1977931648859175]
本研究では,トラヒック推定と予測に使用されるオープンデータとビッグデータツールの最新の調査を行う。
異なるデータ型が分類され、オフザシェルフツールが導入される。
交通量推定および予測タスクにおけるビッグデータの利用をさらに促進するために、今後の研究のために課題と今後の方向性を提示する。
論文 参考訳（メタデータ） (2021-03-18T01:46:05Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z)
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。