論文の概要: A global framework to estimate urban spatial cycling patterns based on crowdsourced data
- arxiv url: http://arxiv.org/abs/2603.00095v1
- Date: Tue, 17 Feb 2026 11:36:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-09 01:20:08.046934
- Title: A global framework to estimate urban spatial cycling patterns based on crowdsourced data
- Title（参考訳）: クラウドソーシングデータに基づく都市空間循環パターン推定のためのグローバルフレームワーク
- Abstract要約: 本研究では,都市規模での相対循環強度の空間パターンを推定するための,オープンアクセス型Strava Global Heatmapに基づくフレームワークを提案する。
循環パターンをグローバルな文脈で検証し,ヒートマップ値と29都市のサイクルカウントデータを比較した。
我々は,POI重み付きStravaヒートマップが都市サイクリングパターンを正確に表現し,カテゴリー的サイクリング量を推定できることを実証した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cycling is a cornerstone of a sustainable mobility transition in cities. Cycling research depends on the data available, but it has been difficult to produce or access these data in comparable ways. Sports tracking platforms like Strava have been transformative in mass-tracking cycling patterns and data sharing through applications and data competitions. Nevertheless, access to data has remained limited. Here, we present a framework that draws on the openly accessible Strava Global Heatmap to estimate spatial patterns of relative cycling intensity on an urban scale. To refine the raw heatmap outputs, we weighted them with population and point of interest (POI) counts within varying buffers. The cycling patterns were validated in a global context, comparing the heatmap values with cycle count data from 29 cities. Both population and POI weighting delivered high correlations in most cases between the heatmap and the cycle counts, POI weighting performing better overall. The strongest associations between Strava heatmap and cycle counts were observed in European cities and along the North American east coast, with p>0.7 for all, and p>0.8 for most cities. Additionally, the performance of our approach improved with higher cycling modal share at the city level. We demonstrate that a POI-weighted Strava heatmap can accurately represent urban cycling patterns and provide estimates of categorical cycling volumes. Our approach can be applied with relatively low effort to support the planning for urban cycling if official counts are sparse. Furthermore, it can enable the use of consistent cycling data for large-scale urban cycling analyses.
- Abstract（参考訳）: サイクリングは都市における持続可能なモビリティ・トランジションの基盤となっている。
サイクリング研究は利用可能なデータに依存するが、これらのデータを同等の方法で生成またはアクセスすることは困難である。
Stravaのようなスポーツトラッキングプラットフォームは、アプリケーションやデータコンペティションを通じて、サイクリングパターンやデータ共有の大量追跡に変化をもたらしている。
それでも、データへのアクセスは制限されている。
本稿では,都市規模での相対的サイクリング強度の空間パターンを推定するための,オープンアクセス型Strava Global Heatmapに基づくフレームワークを提案する。
生のヒートマップ出力を改良するため,種々のバッファ内での人口と関心点数(POI)を重み付けした。
循環パターンをグローバルな文脈で検証し,ヒートマップ値と29都市のサイクルカウントデータを比較した。
人口とPOIの重み付けは熱マップとサイクル数との間に高い相関関係を持ち、POIの重み付けは全体として良くなった。
欧州の都市および北米東海岸では,全都市においてp>0.7で,ほとんどの都市ではp>0.8で,Stravaヒートマップとサイクルカウントの最も強い関係が見られた。
さらに, 都市レベルでのサイクリング・モーダル・シェアの向上により, 提案手法の性能が向上した。
我々は,POI重み付きStravaヒートマップが都市サイクリングパターンを正確に表現し,カテゴリー的サイクリング量を推定できることを実証した。
本手法は,公的な数が少ない場合の都市サイクリング計画を支援するために,比較的少ない努力で適用することができる。
さらに、大規模な都市サイクリング分析に一貫したサイクリングデータを使用することも可能である。
関連論文リスト
- Vehicle detection from GSV imagery: Predicting travel behaviour for cycling and motorcycling using Computer Vision [13.385410584556135]
本研究は,街路景観画像の深層学習を用いて,世界中の多様な都市でサイクリングとモーターサイクルのレベルを推定する手法を示す。
旅行調査や国勢調査から推定される自転車と自転車のモードシェアに関するデータ。
モデルは、最近のモード共有データがない60の都市に適用されました。
論文 参考訳（メタデータ） (2025-08-18T10:17:30Z) - BikeVAE-GNN: A Variational Autoencoder-Augmented Hybrid Graph Neural Network for Sparse Bicycle Volume Estimation [15.126643708837712]
BikeVAE-GNNは、変分オートエンコーダ(VAE)を備えたハイブリッドグラフニューラルネットワーク(GNN)を増強する新しいデュアルタスクフレームワークである。
BikeVAE-GNNは、同時に、自転車のボリューム推定と自転車のトラフィックレベルの分類のための回帰を行う。
実験の結果,BikeVAE-GNNは機械学習およびベースラインGNNモデルより優れており,平均絶対誤差(MAE)は1日30.82本,精度99%,F1スコア0.99本であった。
論文 参考訳（メタデータ） (2025-07-18T09:18:02Z) - 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) - Discovering Cyclists' Visual Preferences Through Shared Bike Trajectories and Street View Images Using Inverse Reinforcement Learning [2.678595263943329]
本稿では,サイクリストの複雑な視覚的嗜好の定量化と解釈を目的とした新しい枠組みを提案する。
我々は,サイクリング報酬関数の効率的な推定にMDDIRLモデルを適用した。
サイクリストはルート決定を行う際に、特定の道路視覚要素に注目する。
論文 参考訳（メタデータ） (2024-09-05T00:54:48Z) - From Counting Stations to City-Wide Estimates: Data-Driven Bicycle Volume Extrapolation [0.0]
ストリートレベルの自転車量情報は、都市が自転車を奨励するためのインフラの改善を計画するのに役立つだろう。
現在市や市民が利用できるデータは、わずかに数える駅からしか得られないことが多い。
本論文は,ベルリン全都市における自転車の容積を推定するために,これらの数箇所を超える自転車の容積を推定する。
論文 参考訳（メタデータ） (2024-06-26T16:01:53Z) - Rethinking Urban Mobility Prediction: A Super-Multivariate Time Series
Forecasting Approach [71.67506068703314]
長期の都市移動予測は、都市施設やサービスの効果的管理において重要な役割を担っている。
伝統的に、都市移動データはビデオとして構成され、経度と緯度を基本的なピクセルとして扱う。
本研究では,都市におけるモビリティ予測の新たな視点について紹介する。
都市移動データを従来のビデオデータとして単純化するのではなく、複雑な時系列と見なす。
論文 参考訳（メタデータ） (2023-12-04T07:39:05Z) - Predicting Citi Bike Demand Evolution Using Dynamic Graphs [81.12174591442479]
ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用した。
本稿では,ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用しようとする。
論文 参考訳（メタデータ） (2022-12-18T21:43:27Z) - Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings [44.4879068879732]
本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。
その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。
ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
論文 参考訳（メタデータ） (2022-07-28T12:29:39Z) - 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) - Dynamic Planning of Bicycle Stations in Dockless Public Bicycle-sharing
System Using Gated Graph Neural Network [79.61517670541863]
Dockless Public Bicycle-share (DL-PBS)ネットワークは多くの国でますます人気が高まっています。
冗長で低電力の駅は、DL-PBSベンダーの公共都市空間とメンテナンスコストを無駄にします。
DL-PBSネットワークに最適な自転車ステーションレイアウトを動的に提供できるよう、BSDP(自転車ステーションダイナミックプランニング)システムを提案します。
論文 参考訳（メタデータ） (2021-01-19T02:51:12Z) - Exploring the weather impact on bike sharing usage through a clustering
analysis [7.541020519717183]
本研究の目的は、ワシントンD.C.の自転車利用にどの程度の天気がどんな影響を及ぼすかを調査することである。
ワシントンD.C.では,自転車の利用データと天気データを収集し,k平均クラスタリングアルゴリズムを用いて分析する。
論文 参考訳（メタデータ） (2020-08-17T12:24:37Z)
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。