論文の概要: Exploring Sidewalk Sheds in New York City through Chatbot Surveys and Human Computer Interaction

• arxiv url: http://arxiv.org/abs/2601.23095v1
• Date: Fri, 30 Jan 2026 15:41:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 18:28:15.53605
• Title: Exploring Sidewalk Sheds in New York City through Chatbot Surveys and Human Computer Interaction
• Title（参考訳）: チャットボットサーベイとヒューマンコンピュータインタラクションによるニューヨーク市のサイドウォーク小屋の探索
• Authors: Junyi Li, Zhaoxi Zhang, Tamir Mendel, Takahiro Yabe,
• Abstract要約: 歩行者から画像ベースのアノテーションと経路選択を収集するAIベースのサーベイを開発した。 本稿では,入り口アノテーションのグリッド解析を行い,歩道選択パターンの評価にロジスティック・ミックスエフェクト・モデリングを適用した。 本研究は,都市研究に生成AIを組み込むことで,歩道のシードデザインを評価する新しい手法を実証する。
• 参考スコア（独自算出の注目度）: 47.311965900698084
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sidewalk sheds are a common feature of the streetscape in New York City, reflecting ongoing construction and maintenance activities. However, policymakers and local business owners have raised concerns about reduced storefront visibility and altered pedestrian navigation. Although sidewalk sheds are widely used for safety, their effects on pedestrian visibility and movement are not directly measured in current planning practices. To address this, we developed an AI-based chatbot survey that collects image-based annotations and route choices from pedestrians, linking these responses to specific shed design features, including clearance height, post spacing, and color. This AI chatbot survey integrates a large language model (e.g., Google's Gemini-1.5-flash-001 model) with an image-annotation interface, allowing users to interact with street images, mark visual elements, and provide structured feedback through guided dialogue. To explore pedestrian perceptions and behaviors, this paper conducts a grid-based analysis of entrance annotations and applies logistic mixed-effects modeling to assess sidewalk choice patterns. Analysis of the dataset (n = 25) shows that: (1) the presence of scaffolding significantly reduces pedestrians' ability to identify ground-floor retail entrances, and (2) variations in weather conditions and shed design features significantly influence sidewalk selection behavior. By integrating generative AI into urban research, this study demonstrates a novel method for evaluating sidewalk shed designs and provides empirical evidence to support adjustments to shed guidelines that improve the pedestrian experience without compromising safety.
• Abstract（参考訳）: サイドウォーク・シェッドはニューヨーク市の街並みの一般的な特徴であり、建設と維持が進行中であることを反映している。 しかし、政策立案者や地元のビジネスオーナーは、店舗の視認性を低下させ、歩行者のナビゲーションを変更することを懸念している。 歩道の棚は安全のために広く利用されているが、歩行者の視認性と移動に対する影響は、現在の計画では直接測定されていない。 そこで我々は,画像に基づくアノテーションと経路選択を歩行者から収集するAIベースのチャットボットサーベイを開発した。 このAIチャットボットサーベイは、大きな言語モデル(例えば、GoogleのGemini-1.5-flash-001モデル)と画像アノテーションインターフェースを統合し、ユーザはストリートイメージと対話し、ビジュアル要素をマークし、ガイド付き対話を通じて構造化されたフィードバックを提供する。 歩行者の認識と行動を調べるため,入り口アノテーションの格子解析を行い,ロジスティックな混合効果モデルを用いて歩道選択パターンの評価を行う。 解析結果(n = 25)では,(1)足場の存在が歩行者の地上階の小売入口識別能力を大幅に低下させ,(2)天候条件や棚のデザイン特性が歩道選択行動に大きく影響していることが示されている。 本研究は,都市研究にジェネレーティブAIを統合することで,歩道のシードデザインを評価する新しい手法を実証し,安全を損なうことなく歩行者体験を改善するために,シードガイドラインの調整を支援するための実証的証拠を提供する。

関連論文リスト

• Social-Transmotion: Promptable Human Trajectory Prediction [65.80068316170613]
  Social-Transmotionは、多種多様な視覚的手がかりを利用して人間の行動を予測する、汎用トランスフォーマーベースのモデルである。 提案手法は,JTA,JRDB,歩行者,道路交通のサイクリスト,ETH-UCYなど,複数のデータセットで検証されている。
  論文  参考訳（メタデータ） (2023-12-26T18:56:49Z)
• Analysis over vision-based models for pedestrian action anticipation [1.1470070927586016]
  本稿では,歩行者のコンテキストのイメージを入力機能として利用することに焦点を当てる。 標準CNNおよびTransformerモジュールを利用する複数の紙モデルアーキテクチャを提案する。 本稿では,歩行者行動予測の文脈における視覚に基づくトランスフォーマーモデルの説明可能性について考察する。
  論文  参考訳（メタデータ） (2023-05-27T11:30:32Z)
• Local and Global Contextual Features Fusion for Pedestrian Intention Prediction [2.203209457340481]
  我々は歩行者と交通状況の両方の視覚的特徴を分析し分析する。 グローバルな文脈を理解するために、位置、動き、環境情報を利用する。 これらのマルチモダリティ機能は、効果的な意図学習のためにインテリジェントに融合されている。
  論文  参考訳（メタデータ） (2023-05-01T22:37:31Z)
• Towards Global-Scale Crowd+AI Techniques to Map and Assess Sidewalks for People with Disabilities [10.096568479976725]
  世界中の歩道の位置、状況、アクセシビリティに関するデータが不足している。 本稿では,衛星画像から歩道ネットワークトポロジを半自動構築する作業について述べる。 私たちは、標準化されたベンチマークとともに、歩道と歩道アクセシビリティの問題のためのラベル付き衛星とストリートスケープシーンのデータベースを作成するための電話を締めくくった。
  論文  参考訳（メタデータ） (2022-06-28T01:05:08Z)
• Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
  歩行者の立ち止まりと予測の新たな課題を紹介します。 都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。 歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
  論文  参考訳（メタデータ） (2022-03-04T18:39:31Z)
• Sidewalk Measurements from Satellite Images: Preliminary Findings [10.870041943009722]
  我々はコンピュータビジョンモデルを訓練し、リモートセンシング画像から歩道、道路、建物を検出する。 抽出した歩道の異なる属性を解析するために形状解析手法を適用した。
  論文  参考訳（メタデータ） (2021-12-12T02:22:46Z)
• PSI: A Pedestrian Behavior Dataset for Socially Intelligent Autonomous Car [47.01116716025731]
  本稿では、IUPUI-CSRC Pedestrian Situated Intent(PSI)データと呼ばれる別のベンチマークデータセットを提案し、共有する。 最初の新しいラベルは、24人のドライバーによって達成されたエゴ車両の前を歩行者が横断する動的な意図の変化である。 2つ目は、歩行者の意図を推定し、その行動を予測するときに、運転者の推論プロセスに関するテキストベースの説明である。
  論文  参考訳（メタデータ） (2021-12-05T15:54:57Z)
• Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
  我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。 歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。 2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
  論文  参考訳（メタデータ） (2021-01-07T06:08:21Z)
• Graph-SIM: A Graph-based Spatiotemporal Interaction Modelling for Pedestrian Action Prediction [10.580548257913843]
  本稿では,歩行者の横断行動を予測するための新しいグラフベースモデルを提案する。 既存のnuScenesデータセットに対して、3Dバウンディングボックスと歩行者行動アノテーションを提供する新しいデータセットを紹介します。 提案手法は,既存の手法と比較して,様々な指標を15%以上改善し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-12-03T18:28:27Z)
• Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
  視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。 本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。 歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
  論文  参考訳（メタデータ） (2020-02-20T18:50:44Z)

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。