論文の概要: Estimating Black Carbon Concentration from Urban Traffic Using Vision-Based Machine Learning

• arxiv url: http://arxiv.org/abs/2512.06649v1
• Date: Sun, 07 Dec 2025 04:14:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.4468
• Title: Estimating Black Carbon Concentration from Urban Traffic Using Vision-Based Machine Learning
• Title（参考訳）: ビジョンベース機械学習による都市交通からの黒色炭素濃度の推定
• Authors: Camellia Zakaria, Aryan Sadeghi, Weaam Jaafar, Junshi Xu, Alex Mariakakis, Marianne Hatzopoulou,
• Abstract要約: 都市部におけるブラックカーボン(BC)の排出は主に交通によるものであり、主要道路に近いホットスポットは地域社会に不均等に影響を与えている。 地元の交通機関からのBCのデータはほとんどなく、地元の要因を狙った政策介入を知らせる助けになる。 本稿では,交通映像から視覚情報を抽出して車両の挙動や状況を把握する機械学習システムを提案する。
• 参考スコア（独自算出の注目度）: 5.694357406056807
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Black carbon (BC) emissions in urban areas are primarily driven by traffic, with hotspots near major roads disproportionately affecting marginalized communities. Because BC monitoring is typically performed using costly and specialized instruments. there is little to no available data on BC from local traffic sources that could help inform policy interventions targeting local factors. By contrast, traffic monitoring systems are widely deployed in cities around the world, highlighting the imbalance between what we know about traffic conditions and what do not know about their environmental consequences. To bridge this gap, we propose a machine learning-driven system that extracts visual information from traffic video to capture vehicles behaviors and conditions. Combining these features with weather data, our model estimates BC at street level, achieving an R-squared value of 0.72 and RMSE of 129.42 ng/m3 (nanogram per cubic meter). From a sustainability perspective, this work leverages resources already supported by urban infrastructure and established modeling techniques to generate information relevant to traffic emission. Obtaining BC concentration data provides actionable insights to support pollution reduction, urban planning, public health, and environmental justice at the local municipal level.
• Abstract（参考訳）: 都市部におけるブラックカーボン(BC)の排出は主に交通によるものであり、主要道路に近いホットスポットは地域社会に不均等に影響を与えている。 BCモニタリングは通常、高価な特殊な機器を使用して行われる。 ローカルな交通機関からのBCのデータは ほとんどありません ローカルな要因を狙った 政策介入を知らせるのに役立ちます 対照的に、交通監視システムは世界中の都市に広く展開されており、交通状況について私たちが知っていることと、その環境への影響について知らないこととの間の不均衡を浮き彫りにしている。 このギャップを埋めるため,交通映像から視覚情報を抽出して車両の挙動や状況を把握する機械学習システムを提案する。 これらの特徴と気象データを組み合わせることで、我々のモデルはBCのストリートレベルを推定し、R2乗値0.72とRMSEの129.42 ng/m3(ナノグラム/立方メートル)を達成した。 持続可能性の観点から、この研究は、既に都市インフラで支えられている資源を活用し、交通の排出に関連する情報を生成するためのモデリング手法を確立した。 BC濃度データの取得は、地方自治体レベルでの公害削減、都市計画、公衆衛生、環境正義を支援するための実用的な洞察を提供する。

関連論文リスト

• Macroscopic Emission Modeling of Urban Traffic Using Probe Vehicle Data: A Machine Learning Approach [1.2338647942124328]
  都市渋滞は車両の非効率な移動を引き起こし、温室効果ガスの排出を悪化させ、都市大気汚染を引き起こす。 本研究は,米国都市部における交通関係のネットワーク広排出率を大規模に予測する機械学習手法を初めて適用したものである。
  論文  参考訳（メタデータ） (2025-11-11T19:29:41Z)
• Network-Wide Traffic Flow Estimation Across Multiple Cities with Global Open Multi-Source Data: A Large-Scale Case Study in Europe and North America [10.605083464975749]
  一般的なネットワークの各リンクの動的トラフィック量をキャプチャするネットワーク全体のトラフィックフローは、スマートモビリティアプリケーションの基本である。 既存の研究では、センサのカバー不足を補うために様々な補足データソースを使用し、未観測のトラフィックフローを見積もっている。 我々は,GOMSマップから情報を効果的に抽出し,合成する,注目に基づくグラフニューラルネットワークを開発した。
  論文  参考訳（メタデータ） (2025-02-06T05:59:18Z)
• Evaluating the effects of Data Sparsity on the Link-level Bicycling Volume Estimation: A Graph Convolutional Neural Network Approach [54.84957282120537]
  本稿では,リンクレベルの自転車の体積をモデル化するためにGCNアーキテクチャを利用する最初の研究について述べる。 線形回帰、サポートベクターマシン、ランダムフォレストといった従来の機械学習モデルと比較した。 以上の結果から,GCNモデルは,年間平均自転車数(AADB)を予測する上で,従来のモデルよりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2024-10-11T04:53:18Z)
• A Holistic Framework Towards Vision-based Traffic Signal Control with Microscopic Simulation [53.39174966020085]
  交通信号制御(TSC)は交通渋滞を低減し、交通の流れを円滑にし、アイドリング時間を短縮し、CO2排出量を減らすために重要である。 本研究では,道路交通の流れを視覚的観察によって調節するTSCのコンピュータビジョンアプローチについて検討する。 我々は、視覚ベースのTSCとそのベンチマークに向けて、TrafficDojoと呼ばれる総合的なトラフィックシミュレーションフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-03-11T16:42:29Z)
• City-scale Pollution Aware Traffic Routing by Sampling Max Flows using MCMC [8.301939401602233]
  大気汚染の長期曝露は深刻な健康問題を引き起こす可能性がある。 我々は,多様なサンプルを用いて汚染に配慮した交通経路ポリシーを設計し,実世界の道路地図上での交通をシミュレーションする。 世界の大都市の地図を他の手法と比較すると, 大気汚染の激しい地域では, かなりの減少が見られた。
  論文  参考訳（メタデータ） (2023-02-28T09:40:37Z)
• Mixed Traffic Control and Coordination from Pixels [18.37701232116777]
  交通制御の従来の手法は、現在の渋滞レベルを緩和する上で無駄であることが証明されている。 これにより、ロボット車両が強化学習(RL)を通して人間駆動車両を規制する交通制御が混在する。 本研究では,環境の正確な情報を用いて,画像観測を用いたロボット車両の競争性能を示す。
  論文  参考訳（メタデータ） (2023-02-17T22:40:07Z)
• 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)
• Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
  歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。 本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。 我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
  論文  参考訳（メタデータ） (2021-06-22T15:40:21Z)
• Directional Primitives for Uncertainty-Aware Motion Estimation in Urban Environments [46.080970595942645]
  本稿では,道路網の先行情報を表す指向性プリミティブの概念を紹介する。 カルラシミュレーターにおけるハイウェイ、交差点、ラウンドアバウトの実験は、実際の都市運転データセットと同様に、プリミティブがより不確実性を考慮した運動推定に繋がることを示している。
  論文  参考訳（メタデータ） (2020-07-01T00:22:31Z)

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。