論文の概要: MICROTRIPS: MICRO-geography TRavel Intelligence and Pattern Synthesis

• arxiv url: http://arxiv.org/abs/2510.05080v1
• Date: Mon, 06 Oct 2025 17:50:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:53:00.036883
• Title: MICROTRIPS: MICRO-geography TRavel Intelligence and Pattern Synthesis
• Title（参考訳）: MICROTRIPS:MICRO-geography TRavel Intelligenceとパターン合成
• Authors: Yangyang Wang, Tayo Fabusuyi,
• Abstract要約: 本研究では、旅行行動の詳細な評価を通じて、都市交通計画を強化するための新しい小面積推定手法を提案する。 提案手法は,マイクロデータファイルと機械学習を用いて,小地域における代表的な合成人口の移動行動を予測することによって,4段階の旅行モデルを改善する。
• 参考スコア（独自算出の注目度）: 1.884314837105005
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This study presents a novel small-area estimation framework to enhance urban transportation planning through detailed characterization of travel behavior. Our approach improves on the four-step travel model by employing publicly available microdata files and machine learning methods to predict travel behavior for a representative, synthetic population at small geographic areas. This approach enables high-resolution estimation of trip generation, trip distribution, mode choice, and route assignment. Validation using ACS/PUMS work-commute datasets demonstrates that our framework achieves higher accuracy compared to conventional approaches. The resulting granular insights enable the tailoring of interventions to address localized situations and support a range of policy applications and targeted interventions, including the optimal placement of micro-fulfillment centers, effective curb-space management, and the design of more inclusive transportation solutions particularly for vulnerable communities.
• Abstract（参考訳）: 本研究では、旅行行動の詳細な評価を通じて、都市交通計画を強化するための新しい小面積推定手法を提案する。 提案手法は,マイクロデータファイルと機械学習を用いて,小地域における代表的な合成人口の移動行動を予測することによって,4段階の旅行モデルを改善する。 このアプローチは、旅行生成、旅行分布、モード選択、経路割り当ての高精度な推定を可能にする。 ACS/PUMSワーク・コミュート・データセットを用いた検証により,本フレームワークが従来の手法に比べて精度が高いことを示す。 その結果、局地的な状況に対処するための介入の調整と、マイクロフィルメントセンターの最適配置、効果的な拘束空間管理、特に脆弱なコミュニティのためのより包括的な輸送ソリューションの設計など、様々な政策適用と対象の介入を支援することができる。

関連論文リスト

• Building surrogate models using trajectories of agents trained by Reinforcement Learning [34.57352474501273]
  強化学習によって訓練されたポリシーを用いて,シミュレーションされた決定論的環境を効率的にサンプリングする手法を提案する。 我々は、ラテン・ハイパーキューブサンプリングやアクティブラーニング、クリギングに関して、これらのサロゲート構築戦略を広範囲に分析する。 提案手法は,提案手法の最先端性を向上し,複雑なシミュレータへの補助支援強化学習政策最適化戦略の適用を可能にする道筋を明確化する。
  論文  参考訳（メタデータ） (2025-09-01T09:13:45Z)
• Next-Best-Trajectory Planning of Robot Manipulators for Effective Observation and Exploration [0.26999000177990923]
  Next-Best-Trajectory原則は、動的環境で動作するロボットマニピュレータ向けに開発された。 本稿では,環境モデリングにボクセルマップを用い,関心点を中心とした視点からレイキャストを行い,情報ゲインを推定する。 グローバル・エルゴード・トラジェクトリ・プランナーは、ローカル・プランナーにオプションの参照・トラジェクトリを提供し、探索を改善し、ローカル・ミニマを避けるのに役立つ。
  論文  参考訳（メタデータ） (2025-03-28T16:34:29Z)
• Predictive Planner for Autonomous Driving with Consistency Models [5.966385886363771]
  軌道予測と計画は、自動運転車が動的環境下で安全かつ効率的に走行するために不可欠である。 近年の拡散型生成モデルはマルチエージェント軌道生成において有望であるが,その遅いサンプリングは高周波計画タスクには適さない。 我々は,エゴ車両の航法目標に基づいて,エゴと周辺エージェントの共同分布からサンプルを採取する予測プランナを構築するために,一貫性モデルを活用する。
  論文  参考訳（メタデータ） (2025-02-12T00:26:01Z)
• Decentralized Vehicle Coordination: The Berkeley DeepDrive Drone Dataset and Consensus-Based Models [76.32775745488073]
  本研究では,非構造環境における動作計画の研究を目的とした,新しいデータセットとモデリングフレームワークを提案する。 コンセンサスに基づくモデリング手法により、データセットで観測された優先順位の出現を効果的に説明できることを実証する。
  論文  参考訳（メタデータ） (2022-09-19T05:06:57Z)
• Adaptive Selection of Informative Path Planning Strategies via Reinforcement Learning [6.015556590955814]
  ローカルプランニング」アプローチでは,次回のサンプリング場所の優先順位が予測性能や帰路距離に与える影響を調査するために,様々な空間範囲が採用されている。 温度モニタリングロボットの使用事例実験により、プランナーの動的混合物は高度な情報プランを生成できるだけでなく、予測信頼性を犠牲にすることなく、大幅に距離を縮めることができることが示された。
  論文  参考訳（メタデータ） (2021-08-14T21:32:33Z)
• A Deep Reinforcement Learning Approach to Marginalized Importance Sampling with the Successor Representation [61.740187363451746]
  マージナライズド・プライバシ・サンプリング(MIS)は、ターゲットポリシーのステートアクション占有率とサンプリング分布の密度比を測定する。 我々は,MISと深層強化学習のギャップを,目標方針の後継表現から密度比を計算することによって埋める。 我々は,Atari環境とMuJoCo環境に対するアプローチの実証的性能を評価した。
  論文  参考訳（メタデータ） (2021-06-12T20:21:38Z)
• Reinforcement Learning for Low-Thrust Trajectory Design of Interplanetary Missions [77.34726150561087]
  本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。 最先端アルゴリズムのオープンソース実装が採用されている。 その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
  論文  参考訳（メタデータ） (2020-08-19T15:22:15Z)
• The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
  道路にはよく定義された地形、地形、交通規則がある。 本稿では,構造的事前を損失関数として組み込むことを提案する。 実世界の自動運転データセットにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-06-04T03:56:11Z)
• Localized active learning of Gaussian process state space models [63.97366815968177]
  多くの共通制御アプリケーションにおいて、優れた性能を達成するためには、グローバルに正確なモデルを必要としない。 本稿では,状態-作用空間の有界部分集合上の正確なモデルを得ることを目的としたガウス過程状態空間モデルに対する能動的学習戦略を提案する。 モデル予測制御を用いることで、探索中に収集した情報を統合し、探索戦略を適応的に改善する。
  論文  参考訳（メタデータ） (2020-05-04T05:35:02Z)
• Path Planning in Dynamic Environments using Generative RNNs and Monte Carlo Tree Search [11.412720572948086]
  群衆や交通などの動的環境におけるロボット経路計画のための最先端の手法は、エージェントのための手作りのモーションモデルに依存している。 本稿では,モンテカルロ木探索(MCTS)における生成的リカレントニューラルネットワークを用いた統合経路計画フレームワークを提案する。 提案手法は,対話時の動作予測精度を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2020-01-30T22:46:37Z)

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。