論文の概要: Understanding Crowd Behaviors in a Social Event by Passive WiFi Sensing
and Data Mining
- arxiv url: http://arxiv.org/abs/2002.04401v1
- Date: Wed, 5 Feb 2020 03:36:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 22:04:28.610403
- Title: Understanding Crowd Behaviors in a Social Event by Passive WiFi Sensing
and Data Mining
- Title（参考訳）: パッシブWiFiセンシングとデータマイニングによる社会イベントにおける集団行動の理解
- Authors: Yuren Zhou, Billy Pik Lik Lau, Zann Koh, Chau Yuen, Benny Kai Kiat Ng
- Abstract要約: 本研究では,大規模社会イベントにおける群集行動に関連する3種類のパターンを抽出する包括的データ分析フレームワークを提案する。
まず,移動体の軌跡を探索要求から抽出し,群衆の動きの空間的パターンを明らかにする。
次に、k-meansとk-shapeクラスタリングアルゴリズムを適用し、群衆を訪れる時間パターンを日と場所によって抽出する。
- 参考スコア（独自算出の注目度）: 21.343209622186606
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding crowd behaviors in a large social event is crucial for event
management. Passive WiFi sensing, by collecting WiFi probe requests sent from
mobile devices, provides a better way to monitor crowds compared with people
counters and cameras in terms of free interference, larger coverage, lower
cost, and more information on people's movement. In existing studies, however,
not enough attention has been paid to the thorough analysis and mining of
collected data. Especially, the power of machine learning has not been fully
exploited. In this paper, therefore, we propose a comprehensive data analysis
framework to fully analyze the collected probe requests to extract three types
of patterns related to crowd behaviors in a large social event, with the help
of statistics, visualization, and unsupervised machine learning. First,
trajectories of the mobile devices are extracted from probe requests and
analyzed to reveal the spatial patterns of the crowds' movement. Hierarchical
agglomerative clustering is adopted to find the interconnections between
different locations. Next, k-means and k-shape clustering algorithms are
applied to extract temporal visiting patterns of the crowds by days and
locations, respectively. Finally, by combining with time, trajectories are
transformed into spatiotemporal patterns, which reveal how trajectory duration
changes over the length and how the overall trends of crowd movement change
over time. The proposed data analysis framework is fully demonstrated using
real-world data collected in a large social event. Results show that one can
extract comprehensive patterns from data collected by a network of passive WiFi
sensors.
- Abstract（参考訳）: 大規模な社会イベントにおける群衆の行動を理解することは、イベント管理に不可欠である。
モバイル端末から送信されたWiFiプローブリクエストを収集するパッシブWiFiセンシングは、自由な干渉、より大きなカバレッジ、低コスト、人々の動きに関する情報といった観点から、人やカメラと比較して、群衆を監視するためのより良い方法を提供する。
しかし、既存の研究では、収集されたデータの徹底的な分析と採掘に十分な注意が払われていない。
特に、機械学習のパワーは十分に活用されていない。
そこで本稿では,統計,可視化,教師なし機械学習の活用により,収集したプローブ要求を完全に分析し,大規模社会イベントにおける群集行動に関連する3種類のパターンを抽出する総合的データ分析フレームワークを提案する。
まず、プローブ要求からモバイルデバイスの軌跡を抽出して分析し、群衆の動きの空間的パターンを明らかにする。
階層的な凝集クラスタリングは、異なる場所間の相互接続を見つけるために採用されている。
次に,k-means と k-shape のクラスタリングアルゴリズムを用いて,群衆の時間的訪問パターンを日と場所によって抽出する。
最後に、時間と組み合わせることで、軌跡が時空間パターンに変換され、時間とともに軌道の長さが変化し、群集の動きの全体的傾向が変化することを示す。
提案するデータ分析フレームワークは,大規模なソーシャルイベントで収集された実世界データを用いて,十分に実証されている。
その結果,受動型wifiセンサのネットワークから収集したデータから包括的なパターンを抽出できることがわかった。
関連論文リスト
- Identification of crowds using mobile crowd detection (MCS) and visualization with the DBSCAN algorithm for a Smart Campus environment [0.0]
本稿では,モバイル・クラウド・センシング(MCS, Mobile Crowd Sensing)と可視化アルゴリズムを用いて,大学構内における群集検出の実現可能性について検討する。
予備的な結果から, システムは有効であり, 混雑による事故防止や公共空間の管理に役立つ可能性が示唆された。
論文 参考訳（メタデータ） (2024-09-28T22:35:04Z) - Spatio-Temporal Contrastive Self-Supervised Learning for POI-level Crowd
Flow Inference [23.8192952068949]
S-temporal data(CSST)のための新しいコントラスト型自己学習フレームワークを提案する。
提案手法は,POI(Points of Interest)とその距離に基づく空間隣接グラフの構築から始める。
我々は、類似した事例から対象部分グラフの表現を予測するために、スワップした予測手法を採用する。
実世界の2つのデータセットで実施した実験では、広範囲のノイズデータに基づいて事前トレーニングされたCSSTが、ゼロからトレーニングされたモデルより一貫して優れていることを示した。
論文 参考訳（メタデータ） (2023-09-06T02:51:24Z) - Reconstructing human activities via coupling mobile phone data with
location-based social networks [20.303827107229445]
本稿では,携帯電話データと位置情報ソーシャルネットワーク(LBSN)データを結合することで,ユーザの行動を特定するためのデータ分析フレームワークを提案する。
我々は,10万人の携帯電話利用者の行動連鎖を再構築し,各活動タイプの時間的・空間的特徴を分析した。
論文 参考訳（メタデータ） (2023-06-06T06:37:14Z) - Discovering Communication Pattern Shifts in Large-Scale Labeled Networks
using Encoder Embedding and Vertex Dynamics [15.672962997741385]
ソーシャルメディアや電子メール通信などの大規模時系列ネットワークデータを分析することは、大きな課題となる。
本稿では,大規模グラフデータの効率的な埋め込みを可能にする時間エンコーダ埋め込み手法を提案する。
我々は,大規模組織から匿名化された時系列通信ネットワークを解析することによって,我々のアプローチを実証する。
論文 参考訳（メタデータ） (2023-05-03T18:38:01Z) - EDSA-Ensemble: an Event Detection Sentiment Analysis Ensemble
Architecture [63.85863519876587]
Sentiment Analysisを使って、イベントに属する各メッセージの極性やイベント全体を理解することで、オンラインソーシャルネットワークにおける重要なトレンドやダイナミクスに関する一般的な感情や個人の感情をよりよく理解することができます。
本研究では,ソーシャルメディアから現在起きているイベントの極性検出を改善するために,イベント検出と知覚分析を用いた新しいアンサンブルアーキテクチャEDSA-Ensembleを提案する。
論文 参考訳（メタデータ） (2023-01-30T11:56:08Z) - Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。
これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文 参考訳（メタデータ） (2021-09-21T16:18:45Z) - Self-supervised Audiovisual Representation Learning for Remote Sensing Data [96.23611272637943]
遠隔センシングにおける深層ニューラルネットワークの事前学習のための自己教師型アプローチを提案する。
ジオタグ付きオーディオ記録とリモートセンシングの対応を利用して、これは完全にラベルなしの方法で行われる。
提案手法は,既存のリモートセンシング画像の事前学習方法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-08-02T07:50:50Z) - Spatial-Temporal Correlation and Topology Learning for Person
Re-Identification in Videos [78.45050529204701]
クロススケール空間時空間相関をモデル化し, 識別的, 堅牢な表現を追求する新しい枠組みを提案する。
CTLはCNNバックボーンとキーポイント推定器を使用して人体から意味的局所的特徴を抽出する。
グローバルな文脈情報と人体の物理的接続の両方を考慮して、多スケールグラフを構築するためのコンテキスト強化トポロジーを探求する。
論文 参考訳（メタデータ） (2021-04-15T14:32:12Z) - TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。
実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。
評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
論文 参考訳（メタデータ） (2021-04-08T20:01:00Z) - Multiple-Perspective Clustering of Passive Wi-Fi Sensing Trajectory Data [19.301855796680613]
教師なしの機械学習手法を用いて,受動型Wi-Fiスニッフィング方式で収集したデータを解析し,体系的なアプローチを提案する。
本研究では,時間別,個人別,場所別という,データのクラスタリングの3つの側面について検討する。
提案手法を5ヶ月以上にわたって収集した実世界のデータセットに適用して得られた結果について述べる。
論文 参考訳（メタデータ） (2020-12-22T02:30:16Z) - Over-crowdedness Alert! Forecasting the Future Crowd Distribution [87.12694319017346]
提案手法は,クラウドビデオの逐次的フレームを識別アノテーションを使わずに,近い将来に群衆の分布を予測することを目的として,新しい群集解析問題を定式化したものである。
この問題を解決するために, 連続する群集映像フレームを入力とし, 対応する密度マップを補助情報として利用するグローバルな2ストリームリカレントネットワークを提案する。
論文 参考訳（メタデータ） (2020-06-09T08:59:54Z)
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。