論文の概要: Artificial Intelligence for Understanding and Managing Transportation Behavior in Sustainable Smart Cities
- arxiv url: http://arxiv.org/abs/2607.17694v1
- Date: Mon, 20 Jul 2026 08:43:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.553708
- Title: Artificial Intelligence for Understanding and Managing Transportation Behavior in Sustainable Smart Cities
- Title（参考訳）: 持続可能なスマートシティにおける交通行動の理解と管理のための人工知能
- Abstract要約: この章は、人工知能(AI)に関する行動中心の視点を取り入れている。
移動記録や乗客が生成したテキストを行動的真実というよりも行動的証拠として扱う。
この章では、データ品質、プライバシ、公正性、解釈可能性、不確実性、転送可能性、人間の説明責任を、デプロイメントに必要な条件として挙げている。
- 参考スコア（独自算出の注目度）: 6.820140586466226
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Urban transportation systems generate heterogeneous data, yet these data do not automatically become actionable management intelligence. This chapter adopts a behavior-centered perspective on artificial intelligence (AI), treating mobility records and passenger-generated text as behavioral evidence rather than behavioral truth. It examines four directions: bus arrival prediction for service reliability, taxi mobility pattern discovery for demand analysis and planning, abnormal behavior detection for accountable regulatory support, and passenger-perceived risk mining for service improvement. These directions are integrated through a closed-loop framework linking data input, behavior representation, AI inference, decision support, public value, and governance feedback. The chapter identifies data quality, privacy, fairness, interpretability, uncertainty, transferability, and human accountability as essential conditions for deployment. It thereby establishes a unified pathway from behavioral evidence to operational, planning, regulatory, and passenger-service decisions.
- Abstract（参考訳）: 都市交通システムは異質なデータを生成するが、これらのデータは自動的に実行可能な管理インテリジェンスになるわけではない。
この章では、行動中心の人工知能(AI)の視点を採用し、行動真理よりも行動証拠として、移動記録と乗客生成テキストを扱います。
サービス信頼性に関するバス到着予測,需要分析と計画のためのタクシー移動パターン発見,説明可能な規制支援のための異常行動検出,サービス改善のための乗客認識リスクマイニングの4つの方向について検討した。
これらの方向は、データ入力、行動表現、AI推論、意思決定支援、公開価値、ガバナンスフィードバックをリンクするクローズドループフレームワークを通じて統合される。
この章では、データ品質、プライバシ、公正性、解釈可能性、不確実性、転送可能性、人間の説明責任を、デプロイメントに必要な条件として挙げている。
これにより、行動証拠から運用、計画、規制、旅客サービス決定への統一的な経路が確立される。
関連論文リスト
- World Models for Embodied Intelligence: From Plausible to Controllable to Actionable [100.13060753774657]
世界モデルは、隠れた状態を維持し、結果を予測し、介入を比較し、実行が期待から外れたときに適応することによって、インテリジェンスにおける知覚と意思決定を結びつける。
これは、どの予測能力が振る舞いを改善するかという、中心的な疑問を提起する。
可塑性モデルは、タスク関連時間的・幾何学的・物理的構造を保存し、制御可能なモデルは、介入がどのように構造を変えるかを予測し、アクション可能なモデルは、予測を計画、行動、学習、評価、検証、回復、データ選択において測定可能な利得に変換する。
論文 参考訳（メタデータ） (2026-09-15T06:22:42Z) - What's the next frontier for Data-centric AI? Data Savvy Agents [71.76058707995398]
我々は、エージェントシステムの設計において、データに精通する能力が最優先すべきであると主張している。
本稿では,このビジョンを実現するための4つの重要な機能を提案する。プロアクティブデータ取得,ソフシフィケートデータ処理,インタラクティブテストデータ合成,連続的適応。
論文 参考訳（メタデータ） (2025-11-02T17:09:29Z) - Explainable AI for Maritime Autonomous Surface Ships (MASS): Adaptive Interfaces and Trustworthy Human-AI Collaboration [0.0]
本稿では,海上自律型表面船の自動化透明性に関する100の研究を合成する。
我々は、人間の安全でない制御行動が、ハンドオーバと緊急ループに集中している場所を特定する。
センサ/SA取得と融合、HMI/eHMIプレゼンテーション、エンジニア対応プロセスの3つのレイヤにおける透明性のための設計戦略。
論文 参考訳（メタデータ） (2025-09-19T13:18:54Z) - Traffic and Safety Rule Compliance of Humans in Diverse Driving Situations [48.924085579865334]
安全な運転プラクティスを再現する自律システムを開発するためには、人間のデータを分析することが不可欠だ。
本稿では,複数の軌道予測データセットにおける交通・安全規則の適合性の比較評価を行う。
論文 参考訳（メタデータ） (2024-11-04T09:21:00Z) - BAT: Behavior-Aware Human-Like Trajectory Prediction for Autonomous
Driving [24.123577277806135]
我々は行動認識軌道予測モデル(BAT)を考案した。
我々のモデルは行動認識、相互作用認識、優先度認識、位置認識モジュールから構成される。
次世代シミュレーション(NGSIM)、ハイウェイドローン(HighD)、ラウンドアバウンドドローン(RounD)、マカオコネクテッド自律運転(MoCAD)データセットにおけるBATの性能を評価する。
論文 参考訳（メタデータ） (2023-12-11T13:27:51Z) - The Integration of Prediction and Planning in Deep Learning Automated Driving Systems: A Review [43.30610493968783]
我々は、最先端のディープラーニングベースの計画システムについてレビューし、どのように予測を統合するかに焦点を当てる。
異なる統合原則の意味、強み、限界について論じる。
論文 参考訳（メタデータ） (2023-08-10T17:53:03Z) - Spatial, Social and Data Gaps in On-Demand Mobility Services: Towards a
Supply-Oriented MaaS [3.299672391663527]
10年間のオンデマンドモビリティサービスの後、シェアード・オートモービル(SAV)サービスは交通渋滞を増大させ、輸送サービスへの不平等なアクセスを期待されている。
需要を認識しながらオンデマンドではない定期的な供給のパラダイムが提案されている。
論文 参考訳（メタデータ） (2023-02-20T10:04:41Z) - Behavioral Intention Prediction in Driving Scenes: A Survey [70.53285924851767]
行動意図予測(BIP)は、人間の思考過程をシミュレートし、特定の行動の早期予測を満たす。
この作業は、利用可能なデータセット、重要な要因と課題、歩行者中心および車両中心のBIPアプローチ、BIP対応アプリケーションからのBIPの包括的なレビューを提供する。
論文 参考訳（メタデータ） (2022-11-01T11:07:37Z) - Transferable and Adaptable Driving Behavior Prediction [34.606012573285554]
本研究では,運転行動に対して高品質で伝達可能で適応可能な予測を生成する階層型フレームワークであるHATNを提案する。
我々は,交差点における実交通データの軌跡予測と,インターActionデータセットからのラウンドアバウンドのタスクにおいて,我々のアルゴリズムを実証する。
論文 参考訳（メタデータ） (2022-02-10T16:46:24Z) - AI in Smart Cities: Challenges and approaches to enable road vehicle
automation and smart traffic control [56.73750387509709]
SCCは、活動やユーティリティの自動化と最適化による効率向上を目指すデータ中心の社会を構想しています。
本稿では、SCCにおけるAIの視点を説明し、道路車両の自動化とスマート交通制御を可能にする交通で使用されるAIベースの技術の概要を示す。
論文 参考訳（メタデータ） (2021-04-07T14:31:08Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z)
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。