論文の概要: Gridnberg: A Topography-Aware Pedestrian Routing Dataset for New York City

• arxiv url: http://arxiv.org/abs/2607.22523v1
• Date: Fri, 24 Jul 2026 17:53:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:57.19867
• Title: Gridnberg: A Topography-Aware Pedestrian Routing Dataset for New York City
• Title（参考訳）: Gridnberg: ニューヨーク市のための地形を意識した歩行者ルーティングデータセット
• Abstract要約: Gridnbergは、ニューヨーク市の地形対応歩行者ルーティングデータセットである。 再現可能な地形認識分析、透過的なシナリオ比較、歩行者ネットワーク表現の改善をサポートする。
• 参考スコア（独自算出の注目度）: 0.7360807642941712
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cities are rarely flat, yet urban network analysis usually represents streets as planar graphs. This simplification affects modeled impedance, route choice, and the interpretation of accessibility, particularly where alternative paths differ in grade. This paper introduces Gridnberg ('grid-n-berg', grid and mountain), a topography-aware pedestrian routing dataset for New York City. The dataset enriches the NYCWalks network with vertex-level elevations derived from the New York City Planimetric Database. For each pedestrian-network geometry vertex, the workflow averages selected elevation observations within a 50 m radius, retains segments with complete vertex support, and uses direction-specific cumulative ascent and descent to calculate three routing costs: horizontal distance, a comfort-oriented slope score, and an accessibility-sensitive slope score. The release retains 313184 of 315577 source segments (99.24%). Gridnberg supports reproducible terrain-aware analysis, transparent scenario comparison, and improved pedestrian-network representations in New York and other cities.
• Abstract（参考訳）: 都市は平らなことはめったにないが、都市ネットワークの分析は通常、街路を平面グラフとして表現する。 この単純化は、モデル付きインピーダンス、経路選択、アクセシビリティの解釈に影響を及ぼす。 本稿では,ニューヨーク市の地形を考慮した歩行者ルーティングデータセットであるGridnberg(grid-n-berg, grid and Mountain)を紹介する。 このデータセットは、ニューヨーク市平面データベースから派生した頂点レベルの標高でNYCWalksネットワークを豊かにする。 各歩行者ネットワーク形状頂点に対して、ワークフローは、50mの範囲内で選択された標高観測を平均し、完全頂点支持のセグメントを保持し、方向特異的累積上昇と降下を用いて、水平距離、快適な傾斜スコア、アクセシビリティに敏感な傾斜スコアの3つのルーティングコストを算出する。 リリースは315577ソースセグメント(99.24%)の313184を維持している。 Gridnbergは、再現可能な地形認識分析、透過的なシナリオ比較、ニューヨークや他の都市での歩行者ネットワーク表現の改善をサポートしている。

関連論文リスト

• CitySeg: A 3D Open Vocabulary Semantic Segmentation Foundation Model in City-scale Scenarios [3.195397940217441]
  CitySegは、都市規模のクラウドセマンティックセグメンテーションの基礎モデルである。 オープン語彙のセグメンテーションとゼロショット推論を実現するために、テキストモダリティが組み込まれている。 CitySegは初めて、都市スケールのクラウドシナリオでゼロショットの一般化を可能にする。
  論文  参考訳（メタデータ） (2025-08-13T03:55:56Z)
• PathwayBench: Assessing Routability of Pedestrian Pathway Networks Inferred from Multi-City Imagery [15.563635571840733]
  都市部における歩行者の移動を支援するには、構築された環境の完全かつ頑健なグラフ表現が必要である。 道路ネットワークの経路とは対照的に、歩行者ネットワークの経路は狭く、より頻繁に切断され、視覚的にも物質的にも小さな領域で変化している。 歩行者経路網グラフを抽出する既存のアルゴリズムは矛盾なく評価され、ルータビリティを無視する傾向がある。
  論文  参考訳（メタデータ） (2024-07-23T22:47:32Z)
• EGRC-Net: Embedding-induced Graph Refinement Clustering Network [66.44293190793294]
  埋め込みによるグラフリファインメントクラスタリングネットワーク (EGRC-Net) という新しいグラフクラスタリングネットワークを提案する。 EGRC-Netは学習した埋め込みを利用して初期グラフを適応的に洗練し、クラスタリング性能を向上させる。 提案手法はいくつかの最先端手法より一貫して優れている。
  論文  参考訳（メタデータ） (2022-11-19T09:08:43Z)
• Vision-based Large-scale 3D Semantic Mapping for Autonomous Driving Applications [53.553924052102126]
  ステレオカメラシステムのみに基づく3次元セマンティックマッピングのための完全なパイプラインを提案する。 パイプラインは、直接視覚的オドメトリーのフロントエンドと、グローバルな時間統合のためのバックエンドで構成されている。 本稿では,3次元点ラベルの品質と一貫性を向上する,単純だが効果的な投票方式を提案する。
  論文  参考訳（メタデータ） (2022-03-02T13:18:38Z)
• SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point Clouds [52.624157840253204]
  センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。 データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
  論文  参考訳（メタデータ） (2022-01-12T14:48:11Z)
• Exploiting Local Geometry for Feature and Graph Construction for Better 3D Point Cloud Processing with Graph Neural Networks [22.936590869919865]
  グラフニューラルネットワークの一般枠組みにおける点表現と局所近傍グラフ構築の改善を提案する。 提案されたネットワークは、トレーニングの収束を高速化する。 分類のための40%のより少ないエポック。
  論文  参考訳（メタデータ） (2021-03-28T21:34:59Z)
• Semantic Segmentation on Swiss3DCities: A Benchmark Study on Aerial Photogrammetric 3D Pointcloud Dataset [67.44497676652173]
  スイスの3つの都市から採取された総面積2.7 km2$の屋外3Dポイントクラウドデータセットを紹介した。 データセットは、ポイントごとのラベルによるセマンティックセグメンテーションのために手動でアノテートされ、高解像度カメラを備えたマルチローターによって取得された画像のフォトグラムを用いて構築される。
  論文  参考訳（メタデータ） (2020-12-23T21:48:47Z)
• Neural-Pull: Learning Signed Distance Functions from Point Clouds by Learning to Pull Space onto Surfaces [68.12457459590921]
  3次元点雲から連続曲面を再構成することは、3次元幾何処理の基本的な操作である。 textitNeural-Pullは、シンプルで高品質なSDFを実現する新しいアプローチです。
  論文  参考訳（メタデータ） (2020-11-26T23:18:10Z)
• Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset, Benchmarks and Challenges [52.624157840253204]
  我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。 私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。 我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
  論文  参考訳（メタデータ） (2020-09-07T14:47:07Z)

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。