論文の概要: Urban Anomaly Analytics: Description, Detection, and Prediction
- arxiv url: http://arxiv.org/abs/2004.12094v1
- Date: Sat, 25 Apr 2020 09:23:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 22:21:06.508757
- Title: Urban Anomaly Analytics: Description, Detection, and Prediction
- Title（参考訳）: 都市異常分析 : 記述・検出・予測
- Authors: Mingyang Zhang, Tong Li, Yue Yu, Yong Li, Pan Hui, Yu Zheng
- Abstract要約: データ駆動型都市異常解析フレームワークは、都市ビッグデータと機械学習アルゴリズムを使用して、異常を自動的に検出し、予測する。
まず,4種類の都市異常,交通異常,予期せぬ群集,環境異常,個人異常について概説する。
我々は,様々なデバイス,すなわち軌道,旅行記録,CDR,都市センサ,イベント記録,環境データ,ソーシャルメディア,監視カメラから得られた様々な種類の都市データセットを要約する。
- 参考スコア（独自算出の注目度）: 25.63938589632499
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Urban anomalies may result in loss of life or property if not handled
properly. Automatically alerting anomalies in their early stage or even
predicting anomalies before happening are of great value for populations.
Recently, data-driven urban anomaly analysis frameworks have been forming,
which utilize urban big data and machine learning algorithms to detect and
predict urban anomalies automatically. In this survey, we make a comprehensive
review of the state-of-the-art research on urban anomaly analytics. We first
give an overview of four main types of urban anomalies, traffic anomaly,
unexpected crowds, environment anomaly, and individual anomaly. Next, we
summarize various types of urban datasets obtained from diverse devices, i.e.,
trajectory, trip records, CDRs, urban sensors, event records, environment data,
social media and surveillance cameras. Subsequently, a comprehensive survey of
issues on detecting and predicting techniques for urban anomalies is presented.
Finally, research challenges and open problems as discussed.
- Abstract（参考訳）: 都市異常は、適切に扱わなければ、生命や財産が失われる可能性がある。
早期の異常を自動で警告したり、発生前の異常を予測したりすることは、人口にとって大きな価値がある。
近年,都市ビッグデータと機械学習アルゴリズムを用いて都市異常を自動的に検出・予測するデータ駆動型都市異常解析フレームワークが作成されている。
本研究では,都市異常解析に関する最新研究を総合的に概観する。
まず、交通異常、予期せぬ群衆、環境異常、個人の異常という4つの主要なタイプの都市異常の概要を示す。
次に,軌道,旅行記録,CDR,都市センサ,イベント記録,環境データ,ソーシャルメディア,監視カメラなど,多様なデバイスから得られるさまざまな種類の都市データセットを要約する。
その後,都市異常の検出と予測手法に関する包括的調査を行った。
最後に、研究課題とオープン問題について論じる。
関連論文リスト
- Early Detection of Critical Urban Events using Mobile Phone Network Data [1.215595725505415]
ネットワークシグナリングデータ(NSD)は、個人による携帯電話サービスに関する継続的な時間情報を提供する可能性がある。
NSDは、火災、大事故、スタンプ、テロ攻撃、スポーツやレジャーの集まりなど、重要な都市イベントの早期発見を可能にする。
本稿では,高度NSDが交通サービス消費の異常を検出できるという実証的証拠を提示する。
論文 参考訳（メタデータ） (2024-05-29T14:31:39Z) - Data Augmentation in Human-Centric Vision [54.97327269866757]
本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。
それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。
我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
論文 参考訳（メタデータ） (2024-03-13T16:05:18Z) - Unified Data Management and Comprehensive Performance Evaluation for
Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。
都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。
多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
論文 参考訳（メタデータ） (2023-08-24T16:20:00Z) - Spatiotemporal and Semantic Zero-inflated Urban Anomaly Prediction [8.340857178859768]
本研究では,3次元のパターンと影響要因の相互依存性と相互依存性を共同で捉えるSTSを提案する。
我々は、ゼロインフレード問題を解くために、カスタマイズされた損失関数を持つマルチタスク予測モジュールを使用する。
4つの実世界のデータセットを用いた2つのアプリケーションシナリオの実験は、STSの優位性を示している。
論文 参考訳（メタデータ） (2023-04-04T06:48:07Z) - Learning Citywide Patterns of Life from Trajectory Monitoring [0.0]
異常データストリームを監視し、時間とともに正常なパターンを明示的に抽出することで、生活パターンを学習する。
ポルト・タクシーのデータセットから、主要な祝日と新たに発見された輸送異常の両方を含む、興味あるパターンを抽出する。
スマートシティや自動運転車,都市計画・管理など,多くの分野において,正常・異常な道路交通行動の段階的な学習能力が期待できる。
論文 参考訳（メタデータ） (2022-06-30T15:28:15Z) - Urban Rhapsody: Large-scale exploration of urban soundscapes [12.997538969557649]
騒音は都市環境の主要な品質問題の一つである。
環境騒音レベルを高時間分解能で監視するために、低コストのセンサーを配置することができる。
それらが生成するデータの量とデータの複雑さは、重要な分析上の課題を生じさせる。
本稿では,最先端の音声表現,機械学習,視覚分析を組み合わせたフレームワークであるUrban Rhapsodyを提案する。
論文 参考訳（メタデータ） (2022-05-25T22:02:36Z) - Predicting Seriousness of Injury in a Traffic Accident: A New Imbalanced
Dataset and Benchmark [62.997667081978825]
本稿では,交通事故における傷害の重大性を予測するために,機械学習アルゴリズムの性能を評価する新しいデータセットを提案する。
データセットは、英国運輸省から公開されているデータセットを集約することで作成される。
論文 参考訳（メタデータ） (2022-05-20T21:15:26Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。
我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。
フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
論文 参考訳（メタデータ） (2021-04-30T12:47:52Z) - C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods
Ahead of COVID-19 Outbreak [54.39837683016444]
C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。
C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。
新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
論文 参考訳（メタデータ） (2020-12-22T17:02:54Z) - Indexical Cities: Articulating Personal Models of Urban Preference with
Geotagged Data [0.0]
本研究は,都市空間における個人の嗜好を特徴付け,特定の観測者に対する未知の好ましくない場所のスペクトルを予測する。
多くの都市認識研究とは異なり、我々の意図は都市品質の客観的な尺度を提供する手段ではなく、都市や都市についての個人的な見解を表現することである。
論文 参考訳（メタデータ） (2020-01-23T11:00:19Z)
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。