你是不是也经历过这样的故事?计划着和女友约会,按照地图预计的实时路况做准备,可是却往往不太准时……
第 26 届 ACM SIGKDD 知识发现和数据挖掘会议(KDD 2020)正以线上形式召开。今年 KDD 应用数据科学方向 (Applied Data Science Track) 共收到 756 篇论文投稿,收录 121 篇,接收率约为 16.0%,其中 Oral 论文 44 篇、Poster 论文 77 篇;KDD 研究方向 (Research Track) 有 1279 篇论文投稿,收录 216 篇,接收率约为 16.9%。
文章:A Survey of Localization Methods for Autonomous Vehicles in Highway Scenarios
【前言】城市计算领域中,智能交通、智慧出行一直是一备受关注的话题,而交通事故在交通中扮演越来越着重要的角色,据WHO统计,已逐渐成为人类第8大杀手。传统的基础交通动态元素流量、速度预测等不能完全等同于事故预测,因为事故分布更为零星,影响它的因素也更为复杂,包括天气、人为因素、路网显著的动态变化,区域之间的动态关联等,且存在数据量不足的问题。本文提出一种更为短期的交通事故预测框架,提出了多任务差分时变图卷积网络(Multi-task Differential Time-varying Graph convolution Network, Multi-task DTGN),旨在提升交通出行安全,推进数据赋能交通发展,并通过设计一更为专有化的神经网络,推动人工智能社区的进步,为城市计算、时空数据挖掘中的相似问题(如流感预测、犯罪侦测预测等)提供新的思路。
本文对中科大汪炀团队发表在AAAI 2020 的论文《RiskOracle: A Minute-level Citywide Traffic Accident Forecasting Framework》进行解读。
你是否曾有过这样的经历——有时遇上一个红灯,接下来的每个路口就全是红灯;有时却是一路的绿灯?这并非个人的运气好坏,而是背后一套交通灯系统运行的系统在起作用。
文章:High-Definition Map Generation Technologies for Autonomous Driving
点击标题下「大数据文摘」可快捷关注 [今日3篇文章] 1.数据中的城市,城市中的数据 2.解密:“女博士”如何领导美帝神秘机构DARPA 3.2014年可穿戴设备之非官方报告 作者:凯尔·格雷科(Kael Greco) 译者:ilovesnoopy(北京大学光华学院硕士) 校对:EcnMcheDsgn (UCLA本科,MIT机械工程学博士) 独眼一点五 (华东师范大学中文系硕士) 摘自:译言 2007年年初,一群Google Earth的用户在圣地亚哥发现了一件奇怪的事情。在使用最新发布的卫星影像进行俯瞰时
导读:现如今,即使可以借助卫星图像和绘制软件,创建精确的道路图也依然是一个费时费力的人力加工过程。许多地区,特别是在发展中国家也仍是空白。为了缩小这一差距,Facebook 的人工智能研究人员和工程师们开发了一种新的方法,该方法通过深度学习和弱监督学习,根据商用高分辨率卫星图像来预测道路网络。由此产生的模型为精确程度设定了一个新标准,因为它能够较好地适应道路网络中的地区差异,有效地预测全球范围内的道路。
很多人使用谷歌地图(Google Maps)获取精确的交通预测和预估到达时间(Estimated Time of Arrival,ETA)。这是很重要的工具,尤其是当你将途经交通拥堵路段或者需要按时参加重要的会议。
相对传统公交, BRT和Metro系统作为一种新型的公共交通方式,是一个涉及面广、影响因素多、相对灵活的体系。BRT通过对传统公共汽车在规划、设计、运营和管理上的改良,从而以较少的投资、较强的灵活性实现较高的服务效率;Metro在地下,不占用地面土地,运行速度快,载客容量大,大大的减少居民出行时间。BRT和Metro系统规划的核心问题,在于如何与城市自身特点紧密配合,寻求快速公交和地铁与其它城市公共交通方式之间的合理结构模式,建立一体化的城市交通系统。因此,在快速公交和地铁系统决策的过程中,必须坚持整体化的规划原则与方法,对快速公交和地铁系统的规划、实施、运营、优化这一不断推进的过程进行全面分析。因此我们对BRT和Metro路线系统对合肥市中心城区可达性影响的分析。
这一部分概述了自动驾驶汽车自动化系统的典型体系结构,并对感知系统、决策系统及其子系统的职责进行了评述。
打车有时也会职业病发作,琢磨一下车辆调度是怎么做的,路径规划算法要怎么写,GPS偏移该怎么纠正等等。不过就是想想而已,并没有深究。这篇是Lyft(美帝第二大打车平台)工程师分享的最近上线的地图匹配算法,非常有参考价值。
在短短一分钟内,一台装有3D打印机的机器人就能将沥青喷洒到路面的裂缝中进行修理而且机器人甚至会在晚上完成他们的工作,这样白天就不必关闭道路,使交通顺畅无阻。
自动驾驶汽车有可能成为城市和城市空间转型的重要催化剂。文章从自动驾驶对城市空间的可能改变着手,探讨了载具的内部空间和空间使用逻辑、城市空间的信息触媒、车辆储能网络、城市物理空间的改变以及社区空间和行为的改变。在此基础上,提出自动驾驶在城市背景下的关键问题可能不是技术问题,而是城市规划的议题。从点—线—面—流—策几个维度,探讨了自动驾驶背景下城市空间变革的可行策略和方向,并阐述了笔者团队在WeCityX 项目中进行的具体设计和实践。自动驾驶将促进城市空间变革,城市规划又会推进自动驾驶落地。
本数据由OSM矢量转TIFF组成,便于相关工作后续开展,统计结果为区域道路长度总和,数据获取方式附在最后。本数据白嫖。
ArcGIS中的OD分析主要用于模拟真实情况,进行快捷高效、个性化的出行分析。主要有两种实现方式,本文仅有文字教程,操作视频也许会有的(有了我可怎么通知有需要的人呢关注我B站?,啊哈哈哈)。
时间序列图神经网络是一种结合了图神经网络和时间序列分析的方法,用于对动态系统中的数据进行建模和预测。与传统的时间序列模型不同,图神经网络可以有效地捕捉时间序列数据中的时序信息和模式,并进行预测和分类。
交通涉及到两大领域,即高速公路和城市交通。无论是发达国家,还是发展中国家,都毫不例外地承受着不断恶化的交通的困扰。
来源:专知本文约1800字,建议阅读7分钟本文与你分享图神经网络的相关论文及科学应用。 随着该领域的成熟,图神经网络论文的数量也在增长,作者仔细研究了一些科学应用,并收集了几篇发表在Nature上的GNN论文。 我们周围的很多信息都可以用图表来表示。一个例子是城市道路网络,其中交叉口是节点,道路是链接。另一个是调控网络,它描述了不同基因如何相互作用以增强或抑制某些细胞功能。图神经网络(GNN)可以处理基于图的信息以进行预测。在在 2022 年 3 月 23 日的《Nature Machine Intell
今天这个话题,让我想起了之前介绍过一名 creative developer,懂技术又懂艺术的复合型人才
据报道,在诸如柏林、雅加达、圣保罗、悉尼、东京和华盛顿(特区)的地区,谷歌地图和谷歌地图平台API中的实时驾驶ETAs(预计到达时间)预测准确率提高了50%。
我们在两个现实世界的大规模数据集上进行了实验:(1)METR-LA此交通数据集包含从洛杉矶县高速公路上的环路检测器收集的交通信息(Jagadish等,2014)。我们选择了207个传感器,并收集了从2012年3月1日到2012年6月30日的4个月的数据进行实验。 (2)PEMS-BA Y该交通数据集由加利福尼亚州运输机构(CalTrans)绩效评估系统(PeMS)收集。我们在湾区选择了325个传感器,并收集了从2017年1月1日到2017年5月31日的6个月数据进行实验
在基于geopandas的空间数据分析系列文章第8篇中,我们对geopandas开展空间计算的部分内容进行了介绍,涉及到缓冲区分析、矢量数据简化、仿射变换、叠加分析与空间融合等常见空间计算操作,而本文就将针对geopandas中剩余的其他常用空间计算操作进行介绍。
本次笔记整理自NVIDIA 8月20日在线研讨会,原讲座标题:DEEPSTREAM SDK – ACCELERATING REAL-TIME AI BASED VIDEO AND IMAGE ANALYTICS
本文以交通事故预测为应用背景,提出了一个基于多源时空数据的多步、多粒度稀疏事件预测模型。其中集中归纳总结并缓解了时空稀疏问题、短期状态变化感知与多步预测问题。
我们平时在数据可视化或空间数据分析的过程中经常会需要某个地区的道路网络及节点数据,而OpenStreetMap就是一个很好的数据来源(譬如图1柏林路网):
我们平时在数据可视化或空间数据分析的过程中,经常会需要某个地区的道路网络及节点数据,而OpenStreetMap就是一个很好的数据来源(譬如图1柏林路网):
在地图制图中对道路的处理是一个很重要的方面,如何在小比例尺下清晰展现道路的概貌是一个经常遇到的问题。ArcGIS制图技术中的简化道路网功能可以轻松实现对道路的抽稀显示目的。
也许人们在驾驶中会遇到恼人的路面坑洼,而这条道路似乎总是得不到修复,但RoadBotics的创始人开发了一种技术,可以识别和归类街道上的每个裂缝,通过一个界面提醒管理人员,该界面可以放大车轮下方沥青的细节。
人类几千年的文明催生了城市的发展,计算机与复杂科学带给我们新的资源——大数据。那么,城市里藏了哪些大数据?它们又该如何开采与利用?大数据如何辅助城市规划与商业选址?带着这些问题,DT君特邀百度地图工程师在11月29日晚8点的数据侠实验室里,为大家一一解答。
我们调查了有关自动驾驶汽车的研究文献,重点关注的是自 DARPA 挑战赛以来开发的配备有可归类为 SAE 3 级或更高级的自主系统的自动汽车。自动驾驶汽车的自主系统的架构通常可分为感知系统和决策系统。感知系统通常分为负责自动驾驶汽车定位、静态障碍物地图测绘、移动障碍物检测与跟踪、道路地图测绘、交通信号检测与识别等多种任务的许多子系统。决策系统通常也分为许多子系统,分别负责路线(route)规划、路径(path)规划、行为选择、运动规划、控制等。在本调查报告中,我们会介绍自动驾驶汽车的自主系统的典型架构。我们还会总结在感知和决策相关方法方面的研究成果。此外,我们还将详细描述巴西圣埃斯皮里图联邦大学(UFES)的汽车 IARA 的自主系统的架构。最后,我们会列出科技公司开发的和媒体报道的突出的自动驾驶研究汽车。
原文题目:Using Bi-Directional Information Exchange to Improve Decentralized Schedule-Driven Traffic Control
电力输电线系统需要定期巡检,以发现可能存在的设备磨损并实施维护保养。最传统的巡检方法是人工巡检,即工人在输电线上「匍匐」移动,但这个方法费时费力,还很危险。后来,直升飞机被用于巡检,检查人员固定在直升机机舱外,对输电线进行检查。危险性虽然有所降低,但是依然存在,并且巡检成本高昂。近期,巡检机器人的方式得到了提倡,它能够显著提高作业效率、降低劳动成本和维护人员的风险。
摘要:为进一步整合开放医疗数据和社会其他资源,本文提出了一套数据利用方案。以无锡市局部路网为原型,构建了一基于互联网+医疗的用户终端应用模型。该模型包括路径寻优与数据分析,本模型将交通数据应用于智慧医疗终端,采用Dijkstra最优路径算法与多层级TOPSIS归一化法评价方案为患者规划最优就诊医院与相应路径。该模型能实现医院就诊数据的拟合分析,为用户择日就医提供参考。本文据此搭建了智慧医疗终端仿真系统。 关键词:智慧医疗终端;数据利用;TOPSIS评价模型;Dijkstra最优路径算法 一、引言 大城市路
智慧生活是未来发展的主题,研究表明,通勤时间对人们生活幸福度具有较大的影响,因此如何有效的减少人们通勤时间,实现以人为本的生活理念,是急需解决的问题。
紧接着历史文章:《基于GIS的合肥市BRT和Metro的交通可达性研究》、《基于GIS的合肥市BRT和Metro的交通可达性研究-part1》《基于GIS的合肥市BRT和Metro的交通可达性研究-part2》……
我们根据一些论文中提到的示例,使用最大流最小割定理将流量拥塞降至最低, 并应用了最短路径分析了交通瓶颈。
复杂系统无处不在。无论是连接城市的庞大道路网络,还是社交媒体平台上错综复杂的社交关系网络,网络在塑造我们的世界中发挥着重要作用。在本文中,我们将探讨复杂系统的概念以及网络是如何成为其运行核心的。
纵观历史,人类已经建立了许多既需要自主行动又需要参与者之间协调互动的系统。交通网络、智能电网或股票市场就是这些系统的例子,它们已经成为我们社会的基本支柱。这些系统的基本特征是,它们要求参与者执行自治任务,这些任务的影响是在与其他参与者共享的环境中看到的。在人工智能(AI)代理中重现这种动态是极具挑战性的。其中一个挑战便是如何平衡AI代理的个人利益与整个群体的利益。人工智能解决方案公司SecondMind最近的一篇论文详细介绍了实施多智能体人工智能系统的激励模型。
无论您是初学者还是专业人士,以下关于遥感应用的列表都将改变您对遥感如何改变我们的世界和思维方式的看法。(Whether you are beginner or advanced, this list will change the way you feel about how remote sensing is changing our world and the way we think.)
图结构是计算机科学中的一项重要内容,它能够模拟各种实际问题,并在网络、社交媒体、地图等领域中具有广泛的应用。本文将引导你深入了解图的基本概念、遍历算法以及最短路径算法的实际应用。
在地信行业中,ArcGIS可谓是耳熟能详,一些热门的职业,比如 地图数据内业处理技术员、项目实施工程师、GIS应用开发技术员等等,他们的工作都离不开ArcGIS的操作。不管你是想快速建模、写方案出效果图,还是用地图数据将工作成果完美呈现, 一段操作猛如虎的ArcGIS使用都必不可少。
Civil3D是一款由Autodesk公司开发的基于CAD技术的土木工程设计软件,它可以帮助土木工程师进行地形分析、道路设计、排水系统设计等方面的工作。本文通过介绍Civil3D软件的特点、功能、应用场景和优缺点等方面,阐述其在土木工程领域中的作用和应用前景。
在自动驾驶技术发展中,安全性一直作为首要因素被业界重视。行为决策与运动规划系统作为该技术的关键环节,对智慧属性具有更高要求,需要不断地随着环境变化做出当前的最优策略与行为,确保车辆行驶过程中的安全,文中分别对行为决策和运动规划系统进行深层次阐述。首先,介绍行为决策中基于规则的决策算法、基于监督学习的决策算法、基于强化学习的决策算法的算法理论及其在实车中的应用,然后,介绍运动规划中基于采样的规划算法、基于图搜索的规划算法、基于数值优化的规划算法和基于交互性的规划算法,并对算法的设计展开讨论,从安全角度分析行为决策和运动规划,对比各类方法的优缺点。最后,展望自动驾驶领域未来的安全研究方向及挑战。
开门见山,今天我们要模仿的数据可视化作品来自#TidyTuesday活动于2020年1月28日发布的旧金山街道树木数据集下的众多参赛作品中,由Philippe Massicotte创作的(如图1所示)非常受欢迎的Street trees of San Francisco:
领取专属 10元无门槛券
手把手带您无忧上云