論文の概要: A City-Scale Dataset of Traffic Flows, Travel Times, and Urban Context

• arxiv url: http://arxiv.org/abs/2605.18782v1
• Date: Wed, 06 May 2026 09:32:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 12:34:33.944468
• Title: A City-Scale Dataset of Traffic Flows, Travel Times, and Urban Context
• Title（参考訳）: 交通の流れ, 旅行時間, 都市環境の都市規模データセット
• Authors: Riccardo Cappi, Massimiliano Luca, Pietro Fontolan, Nicolò Navarin, Bruno Lepri, Alessandro Sperduti,
• Abstract要約: 2026年2月から2026年4月までのイタリア・パドヴァからのマルチソーストラフィックデータセットを提示する。 データセットは10分間隔で集約された交通量時系列と、時間変化の軌跡に基づくフロー統計を組み合わせる。 交通量測定を都市環境情報と統合するために,POI(Points Of Interests),人口統計データ,気象変数,道路インフラデータを統合する。
• 参考スコア（独自算出の注目度）: 45.075723084095436
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a multi-source traffic dataset derived from Automatic Vehicle Identification (AVI) recordings in Padua, Italy, spanning from February 2026 to April 2026. The dataset combines traffic volume time series, aggregated at 10-minute intervals, with time-varying trajectory-based flow statistics including transition probability matrices, average travel times, and flow residuals. To enrich the traffic measurements with urban contextual information, we integrate Points Of Interests (POIs), demographic data, meteorological variables, and road infrastructure data. All components are accessible through a Python class that loads temporal and contextual data exploiting a spatio-temporal graph representation. Validation analyses confirm that the dataset captures expected traffic patterns, such as morning and evening rush hours, as well as weekdays vs. weekend days traffic routines.
• Abstract（参考訳）: 2026年2月から2026年4月までのイタリア・パドヴァでAVI(Automatic Vehicle Identification)記録から得られたマルチソーストラフィックデータセットを提案する。 このデータセットは、10分間隔で集約された交通量時系列と、遷移確率行列、平均走行時間、フロー残差を含む時間変化の軌跡に基づくフロー統計を組み合わせる。 交通量測定を都市環境情報と統合するために,POI(Points Of Interests),人口統計データ,気象変数,道路インフラデータを統合する。 すべてのコンポーネントはPythonクラスを通じてアクセス可能で、時空間グラフ表現を利用した時空間データを読み込む。 検証分析により、データセットは朝と夕方のラッシュ時間や平日対週末のトラフィックルーチンといった、予想されるトラフィックパターンをキャプチャすることを確認した。

関連論文リスト

• The NetMob25 Dataset: A High-resolution Multi-layered View of Individual Mobility in Greater Paris Region [64.30214722988666]
  本稿では,提案したデータセットのサーベイ設計,収集プロトコル,処理手法,特徴について述べる。 データセットには、人口統計、社会経済、家庭の特徴を記述した個人データベース(i)、タイムスタンプ、輸送モード、旅行目的を含む8,000以上の注釈付き変位を持つトリプスデータベース(ii)、約5億の高周波ポイントからなるRaw GPSトレースデータベース(iii)の3つのコンポーネントが含まれている。
  論文  参考訳（メタデータ） (2025-06-06T09:22:21Z)
• 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)
• BjTT: A Large-scale Multimodal Dataset for Traffic Prediction [49.93028461584377]
  従来の交通予測手法は、交通トレンドを予測するために、過去の交通データに依存している。 本研究では,交通システムを記述するテキストと生成モデルを組み合わせることで,交通生成にどのように応用できるかを考察する。 本稿では,テキスト・トラフィック生成のための最初の拡散モデルChatTrafficを提案する。
  論文  参考訳（メタデータ） (2024-03-08T04:19:56Z)
• Traffic estimation in unobserved network locations using data-driven macroscopic models [2.3543188414616534]
  本稿では,自動交通カウンタとプローブ車両から収集したマクロモデルとマルチソースデータを利用して,これらの測定が不可能なリンクにおいて,交通流と走行時間を正確に推定する。 MaTEはマクロフロー理論に基礎を置いているため、全てのパラメータと変数は解釈可能である。 合成データを用いた実験により, サンプル外リンクの走行時間と交通流を正確に推定できることがわかった。
  論文  参考訳（メタデータ） (2024-01-30T15:21:50Z)
• Metropolitan Segment Traffic Speeds from Massive Floating Car Data in 10 Cities [9.072777719721902]
  10都市における大規模浮動車データ(MeTS-10)による街路ごとの交通情報,メトロポリタンセグメンメント交通速度の大規模浮動車データセット(MeTS-10)を提案する。 MeTS-10は、2019-2021年に108日から361日間、大都市圏あたり1500平方キロメートル以上をカバーした15分間のコレクション期間の10都市で利用可能である。
  論文  参考訳（メタデータ） (2023-02-17T08:56:07Z)
• City-Scale Holographic Traffic Flow Data based on Vehicular Trajectory Resampling [4.899517472913586]
  我々はXuancheng市で1日80,000台の連続軌道を正確な交差点通過時間で構築した。 このようなホログラフィックなトラフィックデータにより、トラフィックフローの進化のあらゆる詳細を再現することが可能である。 街中の482の道路区間を網羅し, ホログラフィックトラジェクトリを再サンプリングした交通流データについて検討した。
  論文  参考訳（メタデータ） (2021-08-30T16:59:04Z)
• 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)
• Deep traffic light detection by overlaying synthetic context on arbitrary natural images [49.592798832978296]
  深部交通光検出器のための人工的な交通関連トレーニングデータを生成する手法を提案する。 このデータは、任意の画像背景の上に偽のトラフィックシーンをブレンドするために、基本的な非現実的なコンピュータグラフィックスを用いて生成される。 また、交通信号データセットの本質的なデータ不均衡問題にも対処し、主に黄色い状態のサンプルの少なさによって引き起こされる。
  論文  参考訳（メタデータ） (2020-11-07T19:57:22Z)
• Street-level Travel-time Estimation via Aggregated Uber Data [2.838842554577539]
  都市部における道路セグメントに沿った時間的パターンの推定は,交通技術者や都市計画者にとって重要な課題である。 本研究では,大都市圏の街路レベルの走行時間を推定するために,粗粒度および集約された走行時間データを活用する手法を提案する。
  論文  参考訳（メタデータ） (2020-01-13T21:14:38Z)

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。