論文の概要: A Closed-loop, State-centric, Multi-agent Framework for Passenger Load Estimation from Heterogeneous Data Streams
- arxiv url: http://arxiv.org/abs/2605.19834v1
- Date: Tue, 19 May 2026 13:26:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-20 15:03:09.370632
- Title: A Closed-loop, State-centric, Multi-agent Framework for Passenger Load Estimation from Heterogeneous Data Streams
- Title（参考訳）: 不均一データストリームからの乗客負荷推定のための閉ループ, 状態中心型マルチエージェントフレームワーク
- Authors: Yiyao Xu, Hao Zhou, Yuhang Wang, Jingran Sun,
- Abstract要約: 本稿では,頑健な乗客負荷推定の課題に対処する,クローズドループ,ステート中心,マルチエージェントフレームワークを提案する。
アーキテクチャは、統一されたストップイベントバックボーン、ストップバイストップ推論のためのパーセプション-物理-フュージョンループ、オプションのトリップレベルマクロ補正とクローズドループキャリブレーションモジュールで構成されている。
- 参考スコア（独自算出の注目度）: 18.73512036403154
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To support operations and passenger-facing services, transit agencies need reliable passenger load trajectories. Currently, load estimates are typically inferred from imperfect sensing systems rather than fully observed, and the accuracy of modern automatic passenger counting (APC) systems still varies with station layout, flow intensity, and operating conditions. To address the challenges of robust passenger load estimation from heterogeneous data streams, including incremental count errors, evidence conflicts, and context-dependent sensor reliability, we propose a closed-loop, state-centric, multi-agent framework. This method enforces physical feasibility at every step, allocates trust dynamically among evidence sources, and feeds physics-derived violation residuals back into training for robustness improvement. The architecture consists of a unified stop-event backbone, a coupled Perception--Physical--Fusion loop for stop-by-stop inference, and optional trip-level macro-correction and closed-loop calibration modules.
- Abstract（参考訳）: 運行や旅客サービスを支援するため、交通機関は信頼性の高い旅客輸送路を必要としている。
現在、負荷推定は、完全に観測されるのではなく、不完全な検知システムから推定されるのが一般的であり、現代の自動旅客計数(APC)システムの精度は、ステーションレイアウト、フロー強度、運転条件によって変わっている。
インクリメンタルカウントエラー,エビデンスコンフリクト,コンテキスト依存型センサ信頼性などを含む異種データストリームからの頑健な乗客負荷推定の課題に対処するため,我々はクローズドループ,ステート中心,マルチエージェントフレームワークを提案する。
この方法では、各ステップで物理的実現性を適用し、証拠ソース間で動的に信頼を割り当て、物理から生じる違反残余を堅牢性向上のためのトレーニングにフィードバックする。
アーキテクチャは、統一されたストップイベントバックボーン、ストップバイストップ推論のためのパーセプション-物理-フュージョンループ、オプションのトリップレベルマクロ補正とクローズドループキャリブレーションモジュールで構成されている。
関連論文リスト
- Bench2Drive-Robust: Benchmarking Closed-Loop Autonomous Driving under Deployment Perturbations [122.22391796628408]
Bench2Drive-Robustは、クローズドループのエンドツーエンド自動運転のための最初のデバイス中心の堅牢性ベンチマークである。
我々は,カメラストリーム障害,エゴ状態推定誤差,計算による制御遅延という3つの主要な原因から生じる展開指向の摂動を系統的に評価した。
以上の結果から,これらの展開に伴う摂動は閉ループ駆動性能を著しく低下させる可能性が示唆された。
論文 参考訳（メタデータ） (2026-05-18T08:45:24Z) - PnP-Corrector: A Universal Correction Framework for Coupled Spatiotemporal Forecasting [62.22445401483844]
既存の手法は複雑なエラーのボトルネックによって厳しく制約されている。
我々は-Cast-Corrector (Plug-and-Play Corrector)と呼ばれる普遍的なフレームワークを提案する。
本手法は,結合予測システムの長期安定性を著しく向上させる。
論文 参考訳（メタデータ） (2026-05-09T13:12:33Z) - A Blueprint for Self-Evolving Coding Agents in Vehicle Aerodynamic Drag Prediction [9.020568132598827]
本稿では, 産業制約下でのドラッグ係数$C_d$を予測するために, 実行可能サロゲートパイプラインを検出する自己進化型符号化エージェントの契約中心の青写真を提案する。
この方法は、静的モデルインスタンスではなく、プログラム上の制約付き最適化としてサロゲート発見を定式化する。
厳しい評価契約は、任意の候補が承認される前に、漏洩防止、決定論的リプレイ、マルチシード、ロバスト性、資源予算を強制する。
論文 参考訳（メタデータ） (2026-03-23T08:36:57Z) - SEP-NMPC: Safety Enhanced Passivity-Based Nonlinear Model Predictive Control for a UAV Slung Payload System [3.5382023072762188]
本稿では, バラバラな環境下でペイロードを輸送する四重極子に対して, 安定性と安全性を保証した安全促進型MPC (SEP-NMPC) を提案する。
安定化は、適応減衰を持つ形状のエネルギー貯蔵関数から導かれる厳密な通過率の不等式を埋め込むことによって実施される。
安全は、ユーザ定義クリアランスセットを前方不変にレンダリングする高次制御バリア関数(HOCBF)によって保証され、静的および動的障害と相互作用しながら分離を維持するために、クオータと揺動ペイロードの両方を義務付けている。
論文 参考訳（メタデータ） (2026-03-09T19:20:08Z) - Conditional Flow Matching for Continuous Anomaly Detection in Autonomous Driving on a Manifold-Aware Spectral Space [0.0]
安全クリティカルな異常検出のための教師なしフレームワークであるDeep-Flowを提案する。
不安定で高次元の座標空間で動作する標準的な生成的アプローチとは異なり、Deep-Flowは生成過程を低ランクのスペクトル多様体に制約する。
これにより、設計によるキネマティックな滑らかさが保証され、数値的に安定で決定論的な対数類似度推定の計算が可能になる。
論文 参考訳（メタデータ） (2026-02-19T18:10:16Z) - Axle Sensor Fusion for Online Continual Wheel Fault Detection in Wayside Railway Monitoring [1.1199585259018456]
本研究は,鉄道断層診断のためのセマンティック・アウェア,ラベル効率のよい連続学習フレームワークを提案する。
このモデルは、フラットやポリゴン化による小さな欠陥を検出しながら、進化する運用条件に適応する。
論文 参考訳（メタデータ） (2026-02-18T00:14:18Z) - Dynamic Load Model for Data Centers with Pattern-Consistent Calibration [5.822426480384139]
物理に基づく構造とデータ駆動型適応性を活用するフレームワークを開発する。
提案したモデルは、MIT Supercloud、ASU Sol、Blue Waters、ASHRAEデータセットの実際の運用負荷データによって校正される。
ANDESプラットフォームに統合され、IEEE 39-bus、NPCC 140-bus、WECC 179-busシステムで評価される。
論文 参考訳（メタデータ） (2026-02-08T08:15:00Z) - On Exact Editing of Flow-Based Diffusion Models [97.0633397035926]
本研究では,フローベース編集を既知ソースによって駆動される分散変換問題として再構成する条件付き速度補正(CVC)を提案する。
CVCは、双対パースペクティブな速度変換機構を導入することにより、分配間変換における速度の役割を再考する。
我々は,CVCが優れた忠実度,セマンティックアライメント,多種多様なタスクに対する信頼性の高い編集動作を一貫して達成していることを示す。
論文 参考訳（メタデータ） (2025-12-30T06:29:20Z) - ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
ResADは正規化された残留軌道モデリングフレームワークである。
学習タスクを再編成し、慣性参照からの残留偏差を予測する。
NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
論文 参考訳（メタデータ） (2025-10-09T17:59:36Z)
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。