論文の概要: Urban Sensing based on Mobile Phone Data: Approaches, Applications and Challenges

• arxiv url: http://arxiv.org/abs/2008.12992v1
• Date: Sat, 29 Aug 2020 15:14:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-23 17:36:51.620966
• Title: Urban Sensing based on Mobile Phone Data: Approaches, Applications and Challenges
• Title（参考訳）: 携帯電話データに基づく都市センシング : アプローチ, 応用, 課題
• Authors: Mohammadhossein Ghahramani, MengChu Zhou, and Gang Wang
• Abstract要約: モバイルデータ分析における多くの関心は、人間とその行動に関連している。 本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
• 参考スコア（独自算出の注目度）: 67.71975391801257
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data volume grows explosively with the proliferation of powerful smartphones and innovative mobile applications. The ability to accurately and extensively monitor and analyze these data is necessary. Much concern in mobile data analysis is related to human beings and their behaviours. Due to the potential value that lies behind these massive data, there have been different proposed approaches for understanding corresponding patterns. To that end, monitoring people's interactions, whether counting them at fixed locations or tracking them by generating origin-destination matrices is crucial. The former can be used to determine the utilization of assets like roads and city attractions. The latter is valuable when planning transport infrastructure. Such insights allow a government to predict the adoption of new roads, new public transport routes, modification of existing infrastructure, and detection of congestion zones, resulting in more efficient designs and improvement. Smartphone data exploration can help research in various fields, e.g., urban planning, transportation, health care, and business marketing. It can also help organizations in decision making, policy implementation, monitoring and evaluation at all levels. This work aims to review the methods and techniques that have been implemented to discover knowledge from mobile phone data. We classify these existing methods and present a taxonomy of the related work by discussing their pros and cons.
• Abstract（参考訳）: データボリュームは、強力なスマートフォンと革新的なモバイルアプリケーションの増加によって爆発的に増加する。 これらのデータを正確かつ広範囲に監視および分析する能力が必要である。 モバイルデータ分析における多くの関心は、人間とその行動に関連している。 これらの膨大なデータの裏にある潜在的な価値から、対応するパターンを理解するための異なるアプローチが提案されている。 そのために、固定位置で数えるか、原点決定行列を生成して追跡するかといった人々のインタラクションを監視することが重要である。 前者は道路や都市アトラクションなどの資産の利用を判断するために使用することができる。 後者は輸送インフラの計画に有用である。 このような洞察により、政府は新しい道路、新しい公共交通路、既存のインフラの変更、混雑ゾーンの検出を予測でき、より効率的な設計と改善が可能になる。 スマートフォンのデータ探索は、都市計画、交通、医療、ビジネスマーケティングなど、さまざまな分野の研究に役立つ。 意思決定やポリシ実装,監視,評価など,あらゆるレベルでの組織を支援します。 本研究は,携帯電話データから知識を発見するために実装された手法と手法をレビューすることを目的とする。 我々は,これらの既存手法を分類し,それらの長所と短所を考察し,関連研究の分類法を提案する。

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)
• Big Data and Deep Learning in Smart Cities: A Comprehensive Dataset for AI-Driven Traffic Accident Detection and Computer Vision Systems [0.0]
  本研究は,スマートシティにおける最先端技術の適用について考察する。 本稿では,交通事故検出のための新しい包括的データセットを提案する。 このデータセットは学術研究を推進し、リアルタイムの事故検出アプリケーションを強化することが期待されている。
  論文  参考訳（メタデータ） (2024-01-07T21:50:24Z)
• On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
  AI技術の信頼性に関する深刻な懸念があった。 機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。 本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-24T14:01:53Z)
• A sequential transit network design algorithm with optimal learning under correlated beliefs [4.8951183832371]
  本研究では, 逐次的トランジットネットワーク設計と最適学習を組み合わせた人工知能駆動型アルゴリズムを提案する。 オペレータは、設計されたルートと実際の旅行需要との整合性からリスクを回避するために、徐々に経路システムを拡大する。 バリデーションのために、ニューヨーク市の公共利用マイクロデータエリアに基づく人工ネットワーク上に、新しいルートシステムを設計する。
  論文  参考訳（メタデータ） (2023-05-16T14:14:51Z)
• Berlin V2X: A Machine Learning Dataset from Multiple Vehicles and Radio Access Technologies [56.77079930521082]
  我々は,MLに基づく多種多様な研究への道を開くための詳細な測定キャンペーンを実施してきた。 得られたデータセットは、携帯電話(と2つの異なるオペレーター)とサイドリンク無線アクセス技術の両方のために、様々な都市環境にまたがるGPS位置の無線測定を提供する。 私たちは、MLが克服しなければならない課題と、MLが活用できる機能について、データの初期分析を提供しています。
  論文  参考訳（メタデータ） (2022-12-20T15:26:39Z)
• On Inferring User Socioeconomic Status with Mobility Records [61.0966646857356]
  本稿では,DeepSEIと呼ばれる,社会経済に配慮したディープモデルを提案する。 DeepSEIモデルはディープネットワークとリカレントネットワークと呼ばれる2つのネットワークを組み込んでいる。 実際の移動記録データ、POIデータ、住宅価格データについて広範な実験を行う。
  論文  参考訳（メタデータ） (2022-11-15T15:07:45Z)
• Feel Old Yet? Updating Mode of Transportation Distributions from Travel Surveys using Data Fusion with Mobile Phone Data [0.0]
  交通システムは典型的には従来のデータソースに依存し、時代遅れのトラベラーデータを提供する。 本研究では,携帯電話データを地理空間情報のコスト効率の高いリッチな情報源として活用する手法を提案する。 チリのサンティアゴでは,2012年から2020年の間に交通パターンが大きく変化した。
  論文  参考訳（メタデータ） (2022-04-20T14:27:58Z)
• Benchmarking high-fidelity pedestrian tracking systems for research, real-time monitoring and crowd control [55.41644538483948]
  実生活環境における高忠実な歩行者追跡は,群集動態研究において重要なツールである。 この技術が進歩するにつれて、社会においても益々有用になってきている。 歩行者追跡技術の研究と技術に成功させるためには、正確さの検証とベンチマークが不可欠である。 我々は、プライバシーに配慮した歩行者追跡技術のためのベンチマークスイートをコミュニティのオープンスタンダードに向けて提示し、議論する。
  論文  参考訳（メタデータ） (2021-08-26T11:45:26Z)
• 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)
• A Data-Driven Analytical Framework of Estimating Multimodal Travel Demand Patterns using Mobile Device Location Data [5.902556437760098]
  本稿では,スマートフォンの位置データからマルチモーダル旅行需要パターンを抽出するデータ駆動分析フレームワークを提案する。 トラベルモードインプテーションのための訓練された単層モデルとディープニューラルネットワークを開発した。 この枠組みは、近隣の鉄道、地下鉄、高速道路、バス路線への交通ルートの近接性を評価するためにマルチモーダル交通網も組み込んでいる。
  論文  参考訳（メタデータ） (2020-12-08T22:49:44Z)

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。