論文の概要: Infostop: Scalable stop-location detection in multi-user mobility data
- arxiv url: http://arxiv.org/abs/2003.14370v1
- Date: Tue, 31 Mar 2020 17:02:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-27 07:42:47.281292
- Title: Infostop: Scalable stop-location detection in multi-user mobility data
- Title（参考訳）: infostop: マルチユーザモビリティデータにおけるスケーラブルなストップロケーション検出
- Authors: Ulf Aslak, Laura Alessandretti
- Abstract要約: 本稿では、フローベースネットワークコミュニティ検出アルゴリズムInfomapを活用することにより、最先端ソリューションの限界を克服するInfostopアルゴリズムについて述べる。
本研究では,Infostopsによって検出されたユーザ数の増加と,従来のソリューションよりも時間の複雑さが遅くなることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data-driven research in mobility has prospered in recent years, providing
solutions to real-world challenges including forecasting epidemics and planning
transportation. These advancements were facilitated by computational tools
enabling the analysis of large-scale data-sets of digital traces. One of the
challenges when pre-processing spatial trajectories is the so-called stop
location detection, that entails the reduction of raw time series to sequences
of destinations where an individual was stationary. The most widely adopted
solution to this problem was proposed by Hariharan and Toyama (2004) and
involves filtering out non-stationary measurements, then applying agglomerative
clustering on the stationary points. This state-of-the-art solution, however,
suffers of two limitations: (i) frequently visited places located very close
(such as adjacent buildings) are likely to be merged into a unique location,
due to inherent measurement noise, (ii) traces for multiple users can not be
analysed simultaneously, thus the definition of destination is not shared
across users. In this paper, we describe the Infostop algorithm that overcomes
the limitations of the state-of-the-art solution by leveraging the flow-based
network community detection algorithm Infomap. We test Infostop for a
population of $\sim 1000$ individuals with highly overlapping mobility. We show
that the size of locations detected by Infostop saturates for increasing number
of users and that time complexity grows slower than for previous solutions. We
demonstrate that Infostop can be used to easily infer social meetings. Finally,
we provide an open-source implementation of Infostop, written in Python and
C++, that has a simple API and can be used both for labeling time-ordered
coordinate sequences (GPS or otherwise), and unordered sets of spatial points.
- Abstract（参考訳）: データ駆動型モビリティ研究は近年盛んであり、疫病の予測や交通計画など現実世界の課題への解決策を提供している。
これらの進歩は、デジタルトレースの大規模データセットの分析を可能にする計算ツールによって促進された。
空間軌道を前処理する際の課題の1つは、停止位置検出と呼ばれる、個人が静止している目的地のシーケンスに生の時系列を還元する、いわゆる停止位置検出である。
この問題の最も広く採用されている解はhariharan and toyama (2004) によって提案され、非定常測定をフィルタリングし、静止点に凝集クラスタリングを適用することを含む。
しかし、最先端のソリューションには2つの制限がある。
(i)非常に近い場所(隣接する建物など)に頻繁に訪れる場所は、固有の測定ノイズのため、ユニークな場所にマージされる可能性が高い。
(ii)複数ユーザのトレースを同時に分析することはできないため、宛先の定義はユーザ間で共有されない。
本稿では,フローベースのネットワークコミュニティ検出アルゴリズムinfomapを用いて,最先端ソリューションの限界を克服するインフォストップアルゴリズムについて述べる。
私たちは、非常に重なり合うモビリティを持つ1000ドルの個人に対してInfostopをテストする。
Infostopが検出した位置のサイズはユーザ数の増加に対して飽和し、従来のソリューションよりも時間複雑性が遅くなることを示す。
我々はinfostopが簡単にソーシャルミーティングを推論できることを実証する。
最後に、PythonとC++で記述されたInfostopのオープンソース実装を提供し、シンプルなAPIを持ち、時間順座標列(GPSなど)のラベル付けや、順序のない空間点のセットに使用できる。
関連論文リスト
- Enhancing stop location detection for incomplete urban mobility datasets [0.0]
本研究は, 位置同定のための密度に基づく手法を強化するために, 分類アルゴリズムの適用について検討する。
提案手法は,様々な時間にまたがる個別のルーチン行動を含む複数の特徴を取り入れ,個々のGPS点の局所的特徴を拡大する。
論文 参考訳（メタデータ） (2024-07-16T10:41:08Z) - PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
私たちはaを提案します。
フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。
我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
論文 参考訳（メタデータ） (2024-06-04T13:51:08Z) - Physics-Guided Abnormal Trajectory Gap Detection [2.813613899641924]
本研究では,時空間のインデックス化と軌道ギャップのマージを両立させるための時空間ギャップ検出(STAGD)手法を提案する。
また、ダイナミックリージョンベースのマージ(DRM)アプローチを導入し、ギャップ異常スコアを効率的に計算する。
論文 参考訳（メタデータ） (2024-03-10T17:07:28Z) - Diffusion-based Data Augmentation for Object Counting Problems [62.63346162144445]
拡散モデルを用いて広範なトレーニングデータを生成するパイプラインを開発する。
拡散モデルを用いて位置ドットマップ上に条件付き画像を生成するのはこれが初めてである。
提案した拡散モデルにおけるカウント損失は,位置ドットマップと生成した群集画像との差を効果的に最小化する。
論文 参考訳（メタデータ） (2024-01-25T07:28:22Z) - LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。
しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。
カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
論文 参考訳（メタデータ） (2023-06-14T05:48:36Z) - Similarity-based Feature Extraction for Large-scale Sparse Traffic
Forecasting [4.295541562380963]
NeurIPS 2022 Traffic4cast チャレンジは、公共に利用可能なスパースループ数データで都市全体の交通状態を予測することを目的としている。
この技術報告は、ETA予測の拡張課題に対して、私たちの2位獲得ソリューションを紹介します。
論文 参考訳（メタデータ） (2022-11-13T22:19:21Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - Generative Anomaly Detection for Time Series Datasets [1.7954335118363964]
交通渋滞異常検出は知的交通システムにおいて最重要事項である。
本稿では,トラヒック異常検出のためのトラヒック密度推定を行うデータ駆動型生成手法を提案する。
Recall と F1-Score の両手法により, 最先端の混雑異常検出法と診断法を比較検討した。
論文 参考訳（メタデータ） (2022-06-28T17:08:47Z) - LDC-Net: A Unified Framework for Localization, Detection and Counting in
Dense Crowds [103.8635206945196]
視覚的群集分析の急速な発展は、単に密度マップを要約するのではなく、位置決めや検出によって人を数える傾向を示している。
群集の局所化と検出に関する最近の研究には,1) 群集を扱えない典型的な検出法と,大規模に変化する群集を扱えないこと,2) 密度マップ法は,特に高密度群集や大規模群集において,位置とボックスの予測における性能不足に悩まされていること,の2つの制限がある。
論文 参考訳（メタデータ） (2021-10-10T07:55:44Z) - Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。
従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。
本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
論文 参考訳（メタデータ） (2021-05-22T10:17:38Z) - Graph Convolutional Networks for traffic anomaly [4.172516437934823]
イベント検出は輸送において重要なタスクであり、そのタスクは大規模なイベントが都市交通ネットワークの大部分を破壊した時点のポイントを検出することである。
空間的および時間的交通パターンを完全に把握することは課題であるが、効果的な異常検出には重要な役割を果たす。
我々は, 交通条件を表す有向重み付きグラフ群において, 時間間隔毎に異常を検知する新しい手法で問題を定式化する。
論文 参考訳（メタデータ） (2020-12-25T22:36:22Z)
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。