論文の概要: Classifying Urban Locations by Cyclist Facility Usage and Directional Alignment: A Validated Camera-Based Framework from Multi-Site Observations

• arxiv url: http://arxiv.org/abs/2610.38045v1
• Date: Tue, 27 Oct 2026 22:59:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 19:03:50.528723
• Title: Classifying Urban Locations by Cyclist Facility Usage and Directional Alignment: A Validated Camera-Based Framework from Multi-Site Observations
• Title（参考訳）: サイクリスト施設利用と方向調整による都市位置の分類:マルチサイト観測による検証カメラベースフレームワーク
• Abstract要約: 自転車車線利用率の上昇が、乗り心地の低下に結びついているかどうかを検討する。 モーショントリガー付きカメラは2023年にアリゾナ州テンペの17カ所で19カ所の配備をカバーした。
• 参考スコア（独自算出の注目度）: 5.873630437398382
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Objectives: Agencies invest in bicycle facilities but lack tools to assess whether cyclists use them as designed. We examine whether usage patterns follow facility configurations and whether higher bike lane usage is associated with less wrong-way riding. Methods: Motion-triggered cameras covered 19 deployments at 17 locations in Tempe, Arizona, in 2023. Manual review identified 1,963 cycling events; excluding 20 crossings left 1,943 labeled events for analysis. An automated pipeline on the same captures counted 92.9 percent of the full manual total (per-deployment r = 0.99), and every automated wrong-way call was visually verified. Deployments were classified using thresholds on facility usage shares. Findings: Deployments were bike-lane dominant (9), sidewalk dominant (6), or mixed (4). Cyclists in bike lanes rode against the flow in 4.6 percent of events; on sidewalks, riders opposed the near-side traffic flow in 49.6 percent. Across deployments, bike lane share and wrong-way rate were negatively correlated (Spearman rho = -0.87, p < 0.001, n = 16). An independent volunteer count in the same city showed a similar sidewalk-direction pattern (rho = 0.79). Novelty: The study combines multi-site still-camera observations with a fully hand-verified benchmark to characterize facility use and travel direction. Practical Applications: The workflow offers planners a low-cost screen for locations with high sidewalk cycling and travel against the near-side traffic flow, supporting more detailed site investigation.
• Abstract（参考訳）: 目的: 企業は自転車の設備に投資するが、自転車を設計として使用するかどうかを評価するためのツールが欠けている。 利用パターンが施設構成に沿うか,自転車レーンの利用率が高いかは,乗り心地の悪さと関係があるかを検討する。 方法:2023年、アリゾナ州テンペの17箇所で、モーショントリガー付きカメラが19件の配備をカバーした。 手作業によるレビューでは、20回の横断を除いて1,963回のサイクリングイベントが特定され、分析のためにラベル付きイベントが1,943回残された。 同じ捕獲で自動化されたパイプラインは、全手動の92.9%(配備当たりr = 0.99)を数え、全ての自動化された間違った呼び出しは視覚的に検証された。 配備は施設使用率の閾値を用いて分類された。 結果: 展開は自転車レーン支配(9),歩道支配(6),混合(4)。 自転車レーンのサイクリストは4.6%のイベントでこの流れに逆らったが、歩道では49.6%でほぼサイドの交通の流れに反対した。 スピアマンrho = -0.87, p < 0.001, n = 16。 同じ都市の独立したボランティアは、同様の歩道方向パターン(rho = 0.79)を示した。 ノベルティ: この研究は、施設の使用と移動方向を特徴付けるために、マルチサイト静止カメラの観測と、完全に手作業で検証されたベンチマークを組み合わせる。 実用的な応用: このワークフローは、歩道をサイクリングし、ほぼサイドの交通の流れに逆らって旅行する場所の、より詳細なサイト調査を支援するために、プランナーに低コストのスクリーンを提供する。

関連論文リスト

• Dash2Sim: Closed-Loop Driving Simulation from in-the-wild Dashcam Videos [51.46430520173442]
  Dash2Simは、既存のシミュレーターと互換性のある、測度の高い4Dドライビングログに変換するフレームワークだ。 そこで,Dash2Simにより回収された深度は,知覚測定値において19%の新規ビュー合成品質を向上することを示した。
  論文  参考訳（メタデータ） (2026-06-05T15:09:27Z)
• A Geometry-Informed Computer Vision Method for Detecting and Examining Overtaking Vehicles From A Bicycle [0.0]
  本稿では,自転車に搭載された1台のカメラからのイベント検出を自動で行う,幾何学インフォームドコンピュータビジョンパイプラインを提案する。 パイプラインは97.8%のリコールを達成し、偽陽性はゼロとなり、車両通過の2.44秒前の平均を達成した。
  論文  参考訳（メタデータ） (2026-06-03T17:41:00Z)
• Measuring Braking Behavior Using Vehicle Tracking and Camera-to-Satellite Homography Rectification [4.61803711540329]
  本稿では,信号化都市高速道路における車両の挙動とブレーキイベントに着目し,交通カメラ映像を解析するためのオープンソースソフトウェアアプリケーションを提案する。 中心となるイノベーションは、固定されたトラフィックカメラビューと衛星の直視を結びつける、堅牢な地上面のホモグラフィー推定である。 すべての検出およびトラジェクトリデータは、その後の分析のためにClickHouseデータベースに格納される。
  論文  参考訳（メタデータ） (2026-01-24T18:59:32Z)
• Vehicle detection from GSV imagery: Predicting travel behaviour for cycling and motorcycling using Computer Vision [13.385410584556135]
  本研究は,街路景観画像の深層学習を用いて,世界中の多様な都市でサイクリングとモーターサイクルのレベルを推定する手法を示す。 旅行調査や国勢調査から推定される自転車と自転車のモードシェアに関するデータ。 モデルは、最近のモード共有データがない60の都市に適用されました。
  論文  参考訳（メタデータ） (2025-08-18T10:17:30Z)
• DAVE: Diverse Atomic Visual Elements Dataset with High Representation of Vulnerable Road Users in Complex and Unpredictable Environments [60.69159598130235]
  Vulnerable Road Users (VRU) の高表現による認識手法の評価を目的とした新しいデータセット DAVE を提案する。 DAVEは16種類のアクターカテゴリー(動物、人間、車など)と16種類のアクションタイプ(カットイン、ジグザグ運動、Uターンなど、複雑で稀なケース)を手動でアノテートしたデータセットである。 実験の結果,既存の手法はDAVEで評価すると性能の劣化に悩まされ,将来的なビデオ認識研究のメリットを浮き彫りにしていることがわかった。
  論文  参考訳（メタデータ） (2024-12-28T06:13:44Z)
• Classifying Bicycle Infrastructure Using On-Bike Street-Level Images [0.0]
  多くの潜在的なサイクリストは、適切な安全なインフラが欠如しているため、サイクリングを控えている。 自転車用スマートフォンカメラデータから利用可能なサイクリングインフラを分類できるシステムを提案する。 この研究は、自転車に搭載された携帯電話カメラから収集されたストリートレベルの画像のみを使用して、サイクリングインフラを分類した最初のものである。
  論文  参考訳（メタデータ） (2024-10-24T22:58:31Z)
• Sparse Sampling is All You Need for Fast Wrong-way Cycling Detection in CCTV Videos [36.1376919510996]
  本報告では,CCTVビデオにおける不正自転車比の検出に関する問題点を定式化する。 本稿では,WWC予測器と呼ばれるスパースサンプリング手法を提案する。 われわれの手法は、わずか1.475%の誤差率を達成し、わずか19.12%のGPU時間しかかからない。
  論文  参考訳（メタデータ） (2024-05-12T14:16:05Z)
• Traffic Smoothing Controllers for Autonomous Vehicles Using Deep Reinforcement Learning and Real-World Trajectory Data [45.13152172664334]
  我々は、自動運転車に展開できる交通平滑なクルーズコントローラーを設計する。 我々はテネシー州のI-24ハイウェイの実際の軌跡データを活用している。 その結果、低4%の自律走行車侵入速度で、多くの停止・停止波を示す軌道上で15%以上の燃料を節約できることが判明した。
  論文  参考訳（メタデータ） (2024-01-18T00:50:41Z)
• METEOR: A Massive Dense & Heterogeneous Behavior Dataset for Autonomous Driving [42.69638782267657]
  本稿では、インドにおける非構造化シナリオにおけるトラフィックパターンをキャプチャする、新しい複雑なトラフィックデータセットMETEORを提案する。 METEORは1000分以上のビデオクリップと、エゴ車軌道を持つ200万以上の注釈付きフレームと、周囲の車両や交通機関のための1300万以上のバウンディングボックスで構成されている。 我々は,オブジェクト検出と行動予測アルゴリズムの性能を評価するために,新しいデータセットを用いた。
  論文  参考訳（メタデータ） (2021-09-16T01:01:55Z)
• End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
  交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。 本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。 本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-28T07:54:40Z)

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。