論文の概要: Detecting and Analyzing Mobility Hotspots using Surface Networks
- arxiv url: http://arxiv.org/abs/2006.03499v1
- Date: Sat, 30 May 2020 14:11:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-17 22:28:25.018115
- Title: Detecting and Analyzing Mobility Hotspots using Surface Networks
- Title（参考訳）: 表面ネットワークを用いたモビリティホットスポットの検出と解析
- Authors: Yujie Hu, Harvey J Miller, Xiang Li
- Abstract要約: カーネル密度推定を用いて、多数の移動体の集合を滑らかで連続的な表面に変換する。
次に、表面の臨界幾何学的特徴を抽出するトポロジカルアルゴリズムを開発する。
本手法を中国上海市で収集したタクシーデータに適用する。
- 参考スコア（独自算出の注目度）: 4.409889336732851
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Capabilities for collecting and storing data on mobile objects have increased
dramatically over the past few decades. A persistent difficulty is summarizing
large collections of mobile objects. This paper develops methods for extracting
and analyzing hotspots or locations with relatively high levels of mobility
activity. We use kernel density estimation (KDE) to convert a large collection
of mobile objects into a smooth, continuous surface. We then develop a
topological algorithm to extract critical geometric features of the surface;
these include critical points (peaks, pits and passes) and critical lines
(ridgelines and course-lines). We connect the peaks and corresponding
ridgelines to produce a surface network that summarizes the topological
structure of the surface. We apply graph theoretic indices to analytically
characterize the surface and its changes over time. To illustrate our approach,
we apply the techniques to taxi cab data collected in Shanghai, China. We find
increases in the complexity of the hotspot spatial distribution during normal
activity hours in the late morning, afternoon and evening and a spike in the
connectivity of the hotspot spatial distribution in the morning as taxis
concentrate on servicing travel to work. These results match with scientific
and anecdotal knowledge about human activity patterns in the study area.
- Abstract（参考訳）: モバイルオブジェクト上のデータの収集と保存能力は、過去数十年間で劇的に増加している。
永続的な困難は、モバイルオブジェクトの大規模なコレクションをまとめることである。
本稿では,比較的高い移動度でホットスポットや場所を抽出・分析する方法を開発した。
我々は,モバイルオブジェクトの大規模なコレクションを滑らかで連続的な表面に変換するために,カーネル密度推定 (kde) を用いる。
次に,臨界点(ピーク,ピット,パス)と臨界線(リッジライン,コースライン)を含む,曲面の臨界幾何学的特徴を抽出するトポロジカルアルゴリズムを開発した。
我々は、ピークと対応するリッジラインを接続し、表面のトポロジカル構造を要約する表面ネットワークを作成する。
グラフ理論の指標を用いて、時間とともに表面とその変化を解析的に特徴付ける。
このアプローチを説明するために,中国の上海で収集したタクシーデータに適用する。
早朝, 午後, 夕方の通常活動時間におけるホットスポット空間分布の複雑さの増加と, タクシーがワークへのサービスに集中するにつれ, 朝のホットスポット空間分布の接続性の急激な増加がみられた。
これらの結果は、研究領域における人間の活動パターンに関する科学的・逸話的な知識と一致する。
関連論文リスト
- TPP-Gaze: Modelling Gaze Dynamics in Space and Time with Neural Temporal Point Processes [63.95928298690001]
ニューラル・テンポラル・ポイント・プロセス(TPP)に基づく新規かつ原則化されたスキャンパスダイナミクスのアプローチであるTPP-Gazeを提案する。
提案手法は,最先端手法と比較して総合的に優れた性能を示す。
論文 参考訳（メタデータ） (2024-10-30T19:22:38Z) - Kriformer: A Novel Spatiotemporal Kriging Approach Based on Graph Transformers [5.4381914710364665]
本研究は, 環境問題として, スパースセンサの配置と信頼性の低いデータに対処する。
グラフクリフォーマーモデルであるKriformerは、限られた資源であっても、空間的および時間的相関をマイニングすることで、センサのない場所でデータを推定する。
論文 参考訳（メタデータ） (2024-09-23T11:01:18Z) - Improving embedding of graphs with missing data by soft manifolds [51.425411400683565]
グラフ埋め込みの信頼性は、連続空間の幾何がグラフ構造とどの程度一致しているかに依存する。
我々は、この問題を解決することができる、ソフト多様体と呼ばれる新しい多様体のクラスを導入する。
グラフ埋め込みにソフト多様体を用いることで、複雑なデータセット上のデータ解析における任意のタスクを追求するための連続空間を提供できる。
論文 参考訳（メタデータ） (2023-11-29T12:48:33Z) - PASTA: PArallel Spatio-Temporal Attention with spatial auto-correlation
gating for fine-grained crowd flow prediction [33.08230699138568]
空間的自己相関ゲーティングを備えたニューラルネットワークPArallel Spatioを導入する。
提案手法の構成要素は,空間的自己相関ゲーティング,マルチスケール残差ブロック,時間的注意ゲーティングモジュールである。
論文 参考訳（メタデータ） (2023-10-02T14:10:42Z) - Spatiotemporal k-means [39.98633724527769]
マルチスケールクラスタを解析できるk-means (STk) と呼ばれる2つの時間クラスタリング手法を提案する。
我々は、STkMがより複雑な機械学習タスク、特にビデオにおける関心の検出と追跡の教師なし領域にどのように拡張できるかを示す。
論文 参考訳（メタデータ） (2022-11-10T04:40:31Z) - Deep Learning based Urban Vehicle Trajectory Analytics [1.3706331473063877]
この論文は、都市交通網における車両を指す「都市自動車軌道」に焦点を当てている。
本論文の目的は,都市自動車軌道分析のためのディープラーニングモデルを開発することである。
論文 参考訳（メタデータ） (2021-11-15T01:44:18Z) - 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) - DS-Net: Dynamic Spatiotemporal Network for Video Salient Object
Detection [78.04869214450963]
時間情報と空間情報のより効果的な融合のための新しい動的時空間ネットワーク(DSNet)を提案する。
提案手法は最先端アルゴリズムよりも優れた性能が得られることを示す。
論文 参考訳（メタデータ） (2020-12-09T06:42:30Z) - Spatio-Temporal Hybrid Graph Convolutional Network for Traffic
Forecasting in Telecommunication Networks [8.753378989033322]
人口密度の高い大都市圏から収集したデータに基づいて, セルネットワークトラフィックの特性と, 依存関係の複雑度に光を当てた。
具体的には、トラフィックが動的および静的な空間依存性と多様な周期時間パターンの両方を示すことを観察する。
STHGCN(Spatio-Temporal Hybrid Graph Convolutional Network)という,ディープラーニングに基づく効果的なアプローチを提案する。
論文 参考訳（メタデータ） (2020-09-17T08:54:16Z) - Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。
本稿では,従来のアプローチのさらなる発展について述べる。
複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
論文 参考訳（メタデータ） (2020-08-09T09:26:30Z) - A Spatial-Temporal Attentive Network with Spatial Continuity for
Trajectory Prediction [74.00750936752418]
空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。
まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。
第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
論文 参考訳（メタデータ） (2020-03-13T04:35:50Z)
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。