論文の概要: Preliminary Study on Space Utilization and Emergent Behaviors of Group vs. Single Pedestrians in Real-World Trajectories
- arxiv url: http://arxiv.org/abs/2508.18939v1
- Date: Tue, 26 Aug 2025 11:29:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-27 17:42:38.81732
- Title: Preliminary Study on Space Utilization and Emergent Behaviors of Group vs. Single Pedestrians in Real-World Trajectories
- Title（参考訳）: 実世界軌道における群対単歩行者の空間利用と創発行動に関する予備的研究
- Authors: Amartaivan Sanjjamts, Morita Hiroshi,
- Abstract要約: 本研究では,現実世界の軌跡データに基づいて,グループと単一歩行者を識別するための最初の枠組みを提案する。
構造化シーケンスに基づくフィルタリングプロセスにおいて,グループを特定し,単一歩行者を分離する。
異なる相互作用シナリオを分類・定量化するために、出会うタイプ・シングル・ツー・シングル・ツー・シングル・ツー・グループ、グループ・ツー・グループ(group-to-group)のタイプについて紹介する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This study presents an initial framework for distinguishing group and single pedestrians based on real-world trajectory data, with the aim of analyzing their differences in space utilization and emergent behavioral patterns. By segmenting pedestrian trajectories into fixed time bins and applying a Transformer-based pair classification model, we identify cohesive groups and isolate single pedestrians over a structured sequence-based filtering process. To prepare for deeper analysis, we establish a comprehensive metric framework incorporating both spatial and behavioral dimensions. Spatial utilization metrics include convex hull area, smallest enclosing circle radius, and heatmap-based spatial densities to characterize how different pedestrian types occupy and interact with space. Behavioral metrics such as velocity change, motion angle deviation, clearance radius, and trajectory straightness are designed to capture local adaptations and responses during interactions. Furthermore, we introduce a typology of encounter types-single-to-single, single-to-group, and group-to-group to categorize and later quantify different interaction scenarios. Although this version focuses primarily on the classification pipeline and dataset structuring, it establishes the groundwork for scalable analysis across different sequence lengths 60, 100, and 200 frames. Future versions will incorporate complete quantitative analysis of the proposed metrics and their implications for pedestrian simulation and space design validation in crowd dynamics research.
- Abstract（参考訳）: 本研究では,空間利用と創発的行動パターンの違いを分析することを目的として,実世界の軌跡データに基づいて,グループと単一歩行者を識別するための最初の枠組みを提案する。
歩行者軌跡を固定時間ビンに分割し,トランスフォーマーに基づくペア分類モデルを適用することにより,結束群を同定し,構造化シーケンスに基づくフィルタリングプロセスで単一歩行者を分離する。
より深い分析を行うために,空間的次元と行動的次元の両方を包含した包括的計量フレームワークを構築した。
空間利用の指標には、凸船体面積、最小囲い円半径、ヒートマップに基づく空間密度が含まれており、異なる歩行者タイプが空間を占有し、どのように相互作用するかを特徴づけている。
速度変化、動き角偏差、クリアランス半径、軌跡直線性などの行動指標は、相互作用中の局所的な適応と応答を捉えるように設計されている。
さらに、異なる相互作用シナリオを分類し、後に定量化するために、出会うタイプ・シングル・ツー・シングル・ツー・シングル・ツー・グループ、グループ・ツー・グループというタイプを紹介した。
このバージョンは主に分類パイプラインとデータセットの構造化に重点を置いているが、60、100、200フレームの異なるシーケンス長にわたるスケーラブルな分析の基盤を確立している。
今後のバージョンでは、提案されたメトリクスの完全な定量的分析と、歩行者シミュレーションと群衆動態研究における空間設計の検証にその意味を取り入れる予定である。
関連論文リスト
- Self-supervised Latent Space Optimization with Nebula Variational Coding [87.20343320266215]
本稿では,クラスタ化埋め込みに繋がる変分推論モデルを提案する。
textbfnebula anchorsと呼ばれる潜伏空間に新たな変数を導入し、トレーニング中に潜伏変数がクラスタを形成するように誘導する。
各潜在機能は最も近いアンカーでラベル付けできるため、クラスタ間の分離をより明確にするために、自己教師付き方法でメートル法学習を適用することも提案する。
論文 参考訳（メタデータ） (2025-06-02T08:13:32Z) - Stable Trajectory Clustering: An Efficient Split and Merge Algorithm [1.9253333342733674]
クラスタリングアルゴリズムは、パターンを特定するために特徴によってデータポイントをグループ化する。
本稿ではDBSCAN線分クラスタリングに基づく全軌道クラスタリングとサブ軌道クラスタリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-04-30T17:11:36Z) - Characterizing Structured versus Unstructured Environments based on Pedestrians' and Vehicles' Motion Trajectories [3.487370856323828]
歩行者と車両が互いに近接して走行する軌道行動は、構造的環境と比較して非構造的に異なる可能性がある。
本稿では,抽出された2つの軌道特徴に基づいて,既存のデータセットを比較した。
その結果,2つの環境タイプによって,軌道変動,停止率,歩行者の密度などの特徴が異なることがわかった。
論文 参考訳（メタデータ） (2025-02-24T05:09:21Z) - Spatially-Delineated Domain-Adapted AI Classification: An Application for Oncology Data [3.0566763412020714]
本研究の目的は,異なる場所型から抽出した複数種類のポイントマップから,対象場所型の2つのクラスを正確に区別するソース位置型で訓練したマップを開発することである。
この問題は、がん治療のための新しい免疫療法を設計するための臨床仮説を作成するなど、多くの応用において社会的に重要である。
空間的混在マスキングや空間的コントラッシブな予測符号化といった空間的配置をターゲットとした,空間的なAI分類のための新しいマルチタスク・セルフラーニングフレームワークを探索する。
論文 参考訳（メタデータ） (2025-01-20T19:20:13Z) - Beyond the Frontier: Predicting Unseen Walls from Occupancy Grids by Learning from Floor Plans [3.432284729311483]
本研究では,360deg LIDARセンサの軌跡に沿って集積された占有格子上に2次元の線分を配置し,部分観測環境の見えない壁面を予測する課題に取り組む。
大学キャンパスからのオフィススケールフロアプランのコレクションにおいて、ランダムにサンプリングされたウェイポイントのセット間で仮想ロボットをナビゲートすることにより、そのような占有グリッドとその対象壁セグメントのデータセットを収集する。
行セグメント予測タスクを自己回帰シーケンス予測タスクとして定式化し、データセット上で注目ベースのディープネットワークをトレーニングする。
論文 参考訳（メタデータ） (2024-06-13T14:22:59Z) - Linear Connectivity Reveals Generalization Strategies [54.947772002394736]
微調整されたモデルのいくつかは、それらの間の線形経路における損失を増大させる大きな障壁を持つ。
テスト損失面上で線形に接続されているが、クラスタ外のモデルから切り離されている異なるモデルのクラスタが見つかる。
我々の研究は、損失面の幾何学がモデルを異なる関数へと導く方法を示している。
論文 参考訳（メタデータ） (2022-05-24T23:43:02Z) - Joint Forecasting of Panoptic Segmentations with Difference Attention [72.03470153917189]
シーン内の全てのオブジェクトを共同で予測する新しいパノプティックセグメンテーション予測モデルについて検討する。
提案したモデルをCityscapesとAIODriveデータセット上で評価する。
論文 参考訳（メタデータ） (2022-04-14T17:59:32Z) - Towards Self-Supervised Category-Level Object Pose and Size Estimation [121.28537953301951]
本研究は,一深度画像からのカテゴリレベルのオブジェクトポーズとサイズ推定のための自己教師型フレームワークを提案する。
我々は、同じ形状の点雲における幾何学的整合性を利用して自己超越する。
論文 参考訳（メタデータ） (2022-03-06T06:02:30Z) - The role of feature space in atomistic learning [62.997667081978825]
物理的にインスパイアされた記述子は、原子論シミュレーションへの機械学習技術の応用において重要な役割を果たしている。
異なる記述子のセットを比較するためのフレームワークを導入し、メトリクスとカーネルを使ってそれらを変換するさまざまな方法を紹介します。
原子密度のn-体相関から構築した表現を比較し,低次特徴の利用に伴う情報損失を定量的に評価した。
論文 参考訳（メタデータ） (2020-09-06T14:12:09Z) - ClusterVO: Clustering Moving Instances and Estimating Visual Odometry
for Self and Surroundings [54.33327082243022]
ClusterVOはステレオビジュアルオドメトリーで、エゴと周囲の固いクラスタ/オブジェクトの両方の動きを同時にクラスタし、推定する。
以前のソリューションでは、バッチ入力やシーン構造や動的オブジェクトモデルへの事前の指示に頼っていたが、ClusterVOは一般的にオンラインであり、屋内のシーン理解や自律運転など、さまざまなシナリオで使用することができる。
論文 参考訳（メタデータ） (2020-03-29T09:06:28Z)
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。