論文の概要: National-Scale Multimodal Accessibility Fields from Open Geospatial Data
- arxiv url: http://arxiv.org/abs/2610.32479v1
- Date: Fri, 23 Oct 2026 10:47:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 01:38:06.499741
- Title: National-Scale Multimodal Accessibility Fields from Open Geospatial Data
- Title（参考訳）: オープンジオ空間データによる全国規模のマルチモーダルアクセシビリティフィールド
- Abstract要約: マルチモーダルアクセシビリティ分析のためのオープンデータパイプラインMAPPERを提案する。
ワークフローは、OpenStreetMapとGTFSデータから、ウォーク、自転車、車、公共交通機関の走行時間グラフを構築する。
ドイツ全体の生産で、4000万近いセルと922のモード層フィールドを持つH3インデックスのアクセシビリティデータセットが生成される。
- 参考スコア（独自算出の注目度）: 5.2605916208792225
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large-area accessibility analysis remains difficult to reproduce because multimodal routing, heterogeneous opportunity data, and reusable spatial outputs are rarely integrated in a single transparent workflow. We present MAPPER (Multimodal Accessibility and Place Profiling Engine for Arbitrary Regions), an open-data pipeline for multimodal accessibility analytics. The workflow builds walk, bike, car, and public transport travel-time graphs from OpenStreetMap and GTFS data, harmonizes mapped POI- and proxy layers representing the land-use side of the accessibility relation, and computes continuous accessibility fields using network kernel density estimation. A low-overhead native compute core (contraction-hierarchy routing, C++/OpenMP accessibility accumulation, DAG-style orchestration eliminating redundant computation) is the enabler that makes many graphs, large extents, and a broad layer set jointly tractable on commodity hardware. Outputs are sampled to a uniform H3 grid for downstream urban and regional analysis. A Germany-wide production run yields an H3-indexed accessibility dataset with nearly 40 million cells and 972 mode-layer fields across nine network and intermodal modes. Routing comparisons against an empirical mobility panel show low mean bias for walking, cycling, and car, while public transport results are interpreted more cautiously as schedule-based supply estimates sensitive to waiting and transfer assumptions. A Bavaria case study operationalizes the travel-time targets of the state's central-place planning system on the resulting fields and reveals strong modal differences in accessibility to basic services. The contribution is a reproducible framework for large-area multimodal accessibility analysis, with an aligned output structure designed for reuse in urban and regional analysis, planning support, and scenario modeling.
- Abstract（参考訳）: 多モードルーティング、異種機会データ、再利用可能な空間出力が単一の透過的なワークフローに統合されることはめったにないため、大規模なアクセシビリティ解析の再現は依然として困難である。
マルチモーダルアクセシビリティ分析のためのオープンデータパイプラインMAPPER(Multimodal Accessibility and Place Profiling Engine for Arbitrary Regions)を提案する。
ワークフローはOpenStreetMapとGTFSデータからウォーク、自転車、カー、公共交通機関の走行時間グラフを構築し、アクセシビリティ関係の土地利用側を表すマップ化されたPOI層とプロキシ層を調和させ、ネットワークカーネル密度推定を用いて連続的なアクセシビリティフィールドを算出する。
低オーバヘッドネイティブ計算コア(contract-hierarchy routing、C++/OpenMPアクセシビリティの蓄積、DAGスタイルのオーケストレーションによる冗長計算を不要とする)は、多くのグラフ、広い範囲、そしてコモディティハードウェアで一緒に取り外し可能な広い層を作るイネーブルである。
出力は、下流の都市および地域分析のために、均一なH3グリッドにサンプリングされる。
ドイツ全体の生産で、約4000万のセルと9つのネットワークおよびインターモーダルモードにわたる972のモード層フィールドを持つH3インデックスのアクセシビリティデータセットが生成される。
実証的な移動パネルと比較すると、歩行、サイクリング、自動車の平均偏差は低く、公共交通機関の結果は、待機や移動の前提に敏感なスケジュールベースの供給推定よりも慎重に解釈される。
バイエルン州のケーススタディでは、州中央の計画システムの走行時間的目標を結果のフィールドで運用し、基本サービスへのアクセシビリティの強い違いを明らかにしている。
このコントリビューションは大規模マルチモーダルアクセシビリティ分析のための再現可能なフレームワークであり、都市・地域分析、計画支援、シナリオモデリングにおける再利用のために設計されたアライメントされた出力構造を持つ。
関連論文リスト
- NaviAIS: A Scenario-Level Vessel Trajectory Prediction Dataset withVectorized Lane Priors and the NaviLane Forecasting Framework [17.236684865710938]
船舶軌道予測は交通管理、衝突警報、経路計画、自律航法に不可欠である。
公共のAIS資源の多くは、航法線、水路幾何学、航行可能な領域制約の構造化された表現を欠いている。
船舶軌道予測のための標準シナリオレベルのAISデータセットであるNaviAISを紹介する。
マップ認識予測のための階層的なマクロアクションフレームワークであるNaviLaneを提案する。
論文 参考訳（メタデータ） (2026-07-21T09:15:06Z) - A Topology-Aware Spatiotemporal Handover Framework for Continuous Multi-UAV Tracking [6.2002105625228845]
本稿では,グローバルなアイデンティティの持続性を扱うために,リアルタイムマルチカメラマルチ車両追跡(MCMT)システムを提案する。
本稿では,トポロジに基づく時空間ハンドオーバ機構を提案する。
交差点や合流交通を含む複雑な都市環境に関する実験結果は、連続交通流の99.8%のハンドオーバ成功率(HOSR)を示す。
論文 参考訳（メタデータ） (2026-05-15T09:38:09Z) - Cross-Sample Relational Fusion: Unifying Domain Generalization and Class-Incremental Learning [83.67663266193308]
CIL(Class-Incremental Learning)は、学習システムにおいて、それまでの知識を維持しつつ、新しいクラスを学ぶことを必要とする。
自動運転車のような現実のシナリオでは、晴れた日に都市部の道路で訓練されたシステムは、後に農村部や高速道路環境で運用する必要がある。
ドメインシフトと破滅的な忘れを同時に解決する統合フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-09T09:49:13Z) - Towards Fair and Comprehensive Evaluation of Routers in Collaborative LLM Systems [46.00150374727385]
大規模言語モデル(LLM)は成功したが、コストとプライバシの制約により、より小さなモデルをローカルにデプロイする必要がある。
本稿では,ルータ能力,シナリオアライメント,ドメイン間ロバスト性という3次元の原理的評価フレームワークであるRuterXBenchを提案する。
ProbeDirichletは、学習可能なディリクレを介して層間隠れ状態を集約し、確率的トレーニングを行う軽量ルータである。
論文 参考訳（メタデータ） (2026-02-12T12:28:27Z) - Wireless Traffic Prediction with Large Language Model [54.07581399989292]
TIDESは、無線トラフィック予測のための空間時間相関をキャプチャする新しいフレームワークである。
TIDESは過剰なトレーニングオーバーヘッドを発生させることなく、ドメイン固有のパターンへの効率的な適応を実現する。
この結果から,将来の6Gシステムにおいて,空間認識をLCMベースの予測器に統合することが,スケーラブルでインテリジェントなネットワーク管理の鍵であることが示唆された。
論文 参考訳（メタデータ） (2025-12-19T04:47:40Z) - MobileGeo: Exploring Hierarchical Knowledge Distillation for Resource-Efficient Cross-view Drone Geo-Localization [47.16612614191333]
クロスビューなジオローカライゼーションにより、航空画像とジオタグ付き衛星データベースとのマッチングによるドローンのローカライゼーションが可能になる。
MobileGeoは、デバイス上の効率的なCVGL用に設計されたモバイルフレンドリーなフレームワークである。
MobileGeoはNVIDIA AGX Orinエッジデバイス上で251.5FPSで動作する。
論文 参考訳（メタデータ） (2025-10-26T08:47:20Z) - LADB: Latent Aligned Diffusion Bridges for Semi-Supervised Domain Translation [54.690154688667086]
拡散モデルは高品質な出力を生成するのに優れているが、データスカースドメインでは課題に直面している。
サンプルからサンプルへの変換のための半教師付きフレームワークであるLatent Aligned Diffusion Bridges (LADB)を提案する。
論文 参考訳（メタデータ） (2025-09-10T14:23:07Z) - TrajAware: Graph Cross-Attention and Trajectory-Aware for Generalisable VANETs under Partial Observations [0.5352699766206808]
我々は、VANETにおけるエッジAIデプロイメント用に設計されたRLベースのフレームワークであるTrajAwareを紹介する。
TrajAwareは、3つのコンポーネントを統合している: (i) アクションスペースプルーニング (i) 冗長な隣り合わせの選択肢を減らす グラフクロスアテンション (ii) プルーニングされた近隣をグローバルなグラフコンテキストにマッピングする トラジェクトリ・アウェア予測 (iii) 履歴経路とジャンクション情報を用いて、部分的な観測下でのリアルタイムな位置を推定する 。
以上の結果から,TrajAwareは制約エッジデバイスに適した効率を維持しつつ,最短経路と高配電率を実現していることがわかった。
論文 参考訳（メタデータ） (2025-09-08T13:24:21Z) - A Coalition Game for On-demand Multi-modal 3D Automated Delivery System [4.378407481656902]
都市環境におけるラストマイル配送に対処するため、2つのオーバーレイネットワークで運用するUAVとADRの連合ゲームを導入する。
戦略的協調が全体のルーティング効率をいかに向上させるかを把握するためのモード間の協調構造について検討する。
ミシサガ市におけるケーススタディの結果から,ラストマイル配送の応用に関するいくつかの数値実験が実施されている。
論文 参考訳（メタデータ） (2024-12-23T03:50:29Z) - Multiple Areal Feature Aware Transportation Demand Prediction [2.996323123990199]
本稿では,多機能グラフ畳み込みリカレントネットワーク(ST-MFGCRN)を提案する。
提案手法を実世界の2つの交通データセット上で評価する。
論文 参考訳（メタデータ） (2024-08-23T07:51:10Z) - Aerial Images Meet Crowdsourced Trajectories: A New Approach to Robust
Road Extraction [110.61383502442598]
我々は、Cross-Modal Message Propagation Network (CMMPNet)と呼ばれる新しいニューラルネットワークフレームワークを紹介する。
CMMPNetは、モダリティ固有の表現学習のための2つのディープオートエンコーダと、クロスモーダル表現洗練のためのテーラー設計のデュアルエンハンスメントモジュールで構成されている。
実世界の3つのベンチマーク実験により, CMMPNetによる堅牢な道路抽出の有効性が示された。
論文 参考訳（メタデータ） (2021-11-30T04:30:10Z)
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。