Fugu-MT 論文翻訳(概要): A Vision-Based Analysis of Congestion Pricing in New York City

論文の概要: A Vision-Based Analysis of Congestion Pricing in New York City

arxiv url: http://arxiv.org/abs/2602.03015v1
Date: Tue, 03 Feb 2026 02:35:56 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-04 18:37:15.195955
Title: A Vision-Based Analysis of Congestion Pricing in New York City
Title（参考訳）: ニューヨーク市における混雑価格の視覚的分析
Authors: Mehmet Kerem Turkcan, Jhonatan Tavori, Javad Ghaderi, Gil Zussman, Zoran Kostic, Andrew Smyth,
Abstract要約: 交通カメラデータの自動解析により,ニューヨーク市の混雑価格設定プログラムの影響について検討した。私たちのコンピュータビジョンパイプラインは、マンハッタンとニューヨークに分布する900台以上のカメラの映像を処理します。我々は、ベースライン交通パターンを確立し、監視領域全体にわたる車両密度の系統的変化を同定する。
参考スコア（独自算出の注目度）: 8.738352452813112
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We examine the impact of New York City's congestion pricing program through automated analysis of traffic camera data. Our computer vision pipeline processes footage from over 900 cameras distributed throughout Manhattan and New York, comparing traffic patterns from November 2024 through the program's implementation in January 2025 until January 2026. We establish baseline traffic patterns and identify systematic changes in vehicle density across the monitored region.
Abstract（参考訳）: 交通カメラデータの自動解析により,ニューヨーク市の混雑価格設定プログラムの影響について検討した。私たちのコンピュータビジョンパイプラインは、マンハッタンとニューヨークに分布する900台以上のカメラの映像を処理し、2024年11月から2025年1月までのトラフィックパターンを比較しました。我々は、ベースライン交通パターンを確立し、監視領域全体にわたる車両密度の系統的変化を同定する。

関連論文リスト

Scaling Traffic Insights with AI and Language Model-Powered Camera Systems for Data-Driven Transportation Decision Making [3.0273878903284266]
本研究では,大規模かつ高分解能な縦解析のためのエンドツーエンドAIベースのフレームワークを提案する。局所都市シーンで訓練された微調整されたYOLOv11モデルにより,マルチモーダルトラフィック密度と分類基準をリアルタイムで抽出する。 2025年のニューヨーク市の混雑価格の早期展開で、約1000台の交通カメラから900万枚以上の画像を使ってシステムを検証した。
論文参考訳（メタデータ） (2025-10-11T03:18:42Z)
Learning Traffic Anomalies from Generative Models on Real-Time Observations [49.1574468325115]
トラフィックデータの複雑な空間的および時間的依存関係をキャプチャするために,時空間生成適応ネットワーク(STGAN)フレームワークを用いる。スウェーデンのヨーテボリで2020年に収集された42台の交通カメラから、STGANをリアルタイムで分単位でリアルタイムで観測する。その結果, 精度が高く, 偽陽性率の低い交通異常を効果的に検出できることが示唆された。
論文参考訳（メタデータ） (2025-02-03T14:23:23Z)
Real-time Lane-wise Traffic Monitoring in Optimal ROIs [12.549381266302959]
米国では、何千ものパン、ティルト、Zoom(PTZ)の交通カメラが高速道路の状態を監視しています。本稿では,これらのカメラからハイウェイレーンの位置と交通方向を自動で学習する新しいシステムを提案する。リアルタイムで車線固有のトラフィックデータを継続的に収集し、カメラの角度やズームの変化も調整する。
論文参考訳（メタデータ） (2024-03-29T01:08:26Z)
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)
Vehicle Perception from Satellite [54.07157185000604]
データセットは、GTA-Vから記録された12の衛星ビデオと14の合成ビデオに基づいて構築されている。小さなオブジェクトの検出、カウント、密度推定など、いくつかのタスクをサポートする。 128,801両は完全に注釈付けされており、各画像の車両数は0から101まで様々である。
論文参考訳（メタデータ） (2024-02-01T15:59:16Z)
ROCO: A Roundabout Traffic Conflict Dataset [65.55451440776098]
実世界のトラフィック競合データセットであるROCOを導入し分析する。データはミシガン州アンアーバーのセント・セントとW・エルズワースの交差点にある2車線のラウンドアラウンドで収集される。 2021年8月から2021年10月までの合計557回の交通事故と17回の交通事故が収集された。
論文参考訳（メタデータ） (2023-03-01T15:09:45Z)
Street-View Image Generation from a Bird's-Eye View Layout [95.36869800896335]
近年,Bird's-Eye View (BEV) の知覚が注目されている。自動運転のためのデータ駆動シミュレーションは、最近の研究の焦点となっている。本稿では,現実的かつ空間的に一貫した周辺画像を合成する条件生成モデルであるBEVGenを提案する。
論文参考訳（メタデータ） (2023-01-11T18:39:34Z)
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)
Data Enforced: An Exploratory Impact Analysis of Automated Speed Enforcement in the District of Columbia [2.294014185517203]
2015年、コロンビア特別区はビジョンゼロのミッションと行動計画の枠組みを定め、2024年までに交通事故の死者ゼロを目指していた。本研究では、自動スピード強化(ASE)の影響とビジョンゼロの目標達成におけるその役割について検討する。
論文参考訳（メタデータ） (2021-06-18T06:18:08Z)
Unsupervised Vehicle Counting via Multiple Camera Domain Adaptation [9.730985797769764]
市民の生活の質と都市環境を改善するためには, 都市内の車両流のモニタリングが不可欠である。画像のヒンジを大量の注釈付きデータにカウントする現在の技術は、新しいカメラがシステムに追加されるにつれて、都市規模へのスケーラビリティを損なう。我々は,複数のカメラ領域を適応させてラベル付きデータが少ない画像に基づく車両密度推定器を設計するための新しい手法を提案し,議論する。
論文参考訳（メタデータ） (2020-04-20T13:00:46Z)

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。