Probabilistic Image-Driven Traffic Modeling via Remote Sensing

要約

この研究では、俯瞰画像から直接時空間交通パターンをモデル化するタスクに取り組みます。これを画像駆動型交通モデリングと呼びます。
私たちはこの一連の作業を拡張し、高密度の都市規模の交通モデルの作成に使用できる、マルチモーダル、マルチタスクのトランスフォーマーベースのセグメンテーション アーキテクチャを導入します。
私たちのアプローチには、地理時間コンテキストを統合するための地理時間位置符号化モジュールと、時間的変動を自然にモデル化して交通速度を推定するための確率的目的関数が含まれています。
当社では、Dynamic Traffic Speeds (DTS) ベンチマーク データセットを使用して手法を広範囲に評価し、最先端の手法を大幅に改善しています。
最後に、モビリティ関連の位置適応実験をサポートする DTS++ データセットを紹介します。

要約(オリジナル)

This work addresses the task of modeling spatiotemporal traffic patterns directly from overhead imagery, which we refer to as image-driven traffic modeling. We extend this line of work and introduce a multi-modal, multi-task transformer-based segmentation architecture that can be used to create dense city-scale traffic models. Our approach includes a geo-temporal positional encoding module for integrating geo-temporal context and a probabilistic objective function for estimating traffic speeds that naturally models temporal variations. We evaluate our method extensively using the Dynamic Traffic Speeds (DTS) benchmark dataset and significantly improve the state-of-the-art. Finally, we introduce the DTS++ dataset to support mobility-related location adaptation experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google