論文の概要: Estimating the Impact of COVID-19 on Travel Demand in Houston Area Using Deep Learning and Satellite Imagery

• arxiv url: http://arxiv.org/abs/2603.27486v1
• Date: Sun, 29 Mar 2026 02:41:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.981082
• Title: Estimating the Impact of COVID-19 on Travel Demand in Houston Area Using Deep Learning and Satellite Imagery
• Title（参考訳）: 深層学習と衛星画像を用いたヒューストン地域の旅行需要への影響評価
• Authors: Alekhya Pachika, Lu Gao, Lingguang Song, Pan Lu, Xingju Wang,
• Abstract要約: 我々は高解像度衛星画像から得られたデータを解析して、旅行需要推定のための洞察、予測信号、トレンドを提供する。 具体的には、Google Earth Engineデータセットの衛星画像を用いて、ヒューストン大都市圏におけるCOVID-19の影響を推定する。
• 参考スコア（独自算出の注目度）: 15.94105567797641
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Considering recent advances in remote sensing satellite systems and computer vision algorithms, many satellite sensing platforms and sensors have been used to monitor the condition and usage of transportation infrastructure systems. The level of details that can be detected increases significantly with the increase of ground sample distance (GSD), which is around 15 cm - 30 cm for high-resolution satellite images. In this study, we analyzed data acquired from high-resolution satellite imagery to provide insights, predictive signals, and trend for travel demand estimation. More specifically, we estimate the impact of COVID-19 in the metropolitan area of Houston using satellite imagery from Google Earth Engine datasets. We developed a car-counting model through Detectron2 and Faster R-CNN to monitor the presence of cars within different locations (i.e., university, shopping mall, community plaza, restaurant, supermarket) before and during the COVID-19. The results show that the number of cars detected at these selected locations reduced on average 30% in 2020 compared with the previous year 2019. The results also show that satellite imagery provides rich information for travel demand and economic activity estimation. Together with advanced computer vision and deep learning algorithms, it can generate reliable and accurate information for transportation agency decision makers.
• Abstract（参考訳）: リモートセンシング衛星システムとコンピュータビジョンアルゴリズムの最近の進歩を考えると、多くの衛星センシングプラットフォームとセンサーが交通インフラシステムの状態と使用状況を監視するために使われてきた。 検出できる詳細度合いは、高解像度衛星画像の地上試料距離(GSD)が約15cmから30cm増加するにつれて著しく増加する。 本研究では,高解像度衛星画像から得られたデータを解析して,旅行需要推定のための洞察,予測信号,トレンドを提供する。 具体的には、Google Earth Engineデータセットの衛星画像を用いて、ヒューストン大都市圏におけるCOVID-19の影響を推定する。 我々は,デテクトロン2とFaster R-CNNを用いて,新型コロナウイルス前後の異なる場所(大学,ショッピングモール,コミュニティプラザ,レストラン,スーパーマーケットなど)における車の存在をモニタリングするカーカウントモデルを開発した。 その結果、2019年に比べて2020年は平均30%減少していることがわかった。 また,衛星画像が旅行需要と経済活動推定に豊富な情報を提供することを示す。 高度なコンピュータビジョンとディープラーニングアルゴリズムとともに、交通機関の意思決定者のための信頼性と正確な情報を生成することができる。

関連論文リスト

• Deep Learning for Pavement Condition Evaluation Using Satellite Imagery [24.100954817221055]
  本研究では,衛星画像解析のためのディープラーニングモデルを用いた舗装条件の評価を行った。 我々は,TxDOTのPMISデータベースから,舗装部の衛星画像3,000枚以上を集め,舗装評価を行った。 その結果,精度は90%を超えることがわかった。
  論文  参考訳（メタデータ） (2025-08-02T05:43:33Z)
• Scalable Dynamic Origin-Destination Demand Estimation Enhanced by High-Resolution Satellite Imagery Data [1.735650011442274]
  本研究では,マルチクラスメソスコピックネットワークモデルにおける動的起因決定需要推定(DODE)のための新しい枠組みを提案する。 ローカルセンサからの従来の交通データとともに高解像度衛星画像を利用する。 その結果,衛星から得られる密度で従来のデータを補うことで推定性能が大幅に向上した。
  論文  参考訳（メタデータ） (2025-06-25T06:47:06Z)
• 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)
• Advanced computer vision for extracting georeferenced vehicle trajectories from drone imagery [4.387337528923525]
  本稿では,高高度ドローン画像からジオレファレンス車両軌跡を抽出する枠組みを提案する。 研究は韓国のソンド国際事業地区で行われた。
  論文  参考訳（メタデータ） (2024-11-04T14:49:01Z)
• Deep Learning Enhanced Road Traffic Analysis: Scalable Vehicle Detection and Velocity Estimation Using PlanetScope Imagery [38.22365259129059]
  本稿では,PlanetScope SuperDove衛星画像を用いて車両の速度を推定する手法を提案する。 本稿では,RGB帯における車両軌跡追跡のためのキーポイントR-CNNモデルを提案する。 ドローン比較の結果、衛星データの平均速度は112.85km/h、ドローン映像の平均速度は131.83km/hと過小評価されている。
  論文  参考訳（メタデータ） (2024-10-04T18:14:07Z)
• 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)

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。