論文の概要: Deep Learning for Human Mobility: a Survey on Data and Models
- arxiv url: http://arxiv.org/abs/2012.02825v1
- Date: Fri, 4 Dec 2020 19:59:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-22 20:46:26.384660
- Title: Deep Learning for Human Mobility: a Survey on Data and Models
- Title(参考訳): ヒューマンモビリティのためのディープラーニング:データとモデルに関する調査
- Authors: Massimiliano Luca, Gianni Barlacchi, Bruno Lepri, Luca Pappalardo
- Abstract要約: 人間の移動性の研究は、社会の様々な側面に影響を及ぼすため、非常に重要である。
電話記録、GPSトレース、ソーシャルメディア投稿などのデジタルモビリティデータの拡散は、深層学習を人間のモビリティに適用するきっかけとなった。
我々の調査は、次の位置予測、群集の流れ予測、軌道生成に対する先進的なディープラーニングソリューションのガイドである。
- 参考スコア(独自算出の注目度): 5.9623431392389
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The study of human mobility is crucial due to its impact on several aspects
of our society, such as disease spreading, urban planning, well-being,
pollution, and more. The proliferation of digital mobility data, such as phone
records, GPS traces, and social media posts, combined with the outstanding
predictive power of artificial intelligence, triggered the application of deep
learning to human mobility. In particular, the literature is focusing on three
tasks: next-location prediction, i.e., predicting an individual's future
locations; crowd flow prediction, i.e., forecasting flows on a geographic
region; and trajectory generation, i.e., generating realistic individual
trajectories. Existing surveys focus on single tasks, data sources, mechanistic
or traditional machine learning approaches, while a comprehensive description
of deep learning solutions is missing. This survey provides: (i) basic notions
on mobility and deep learning; (ii) a review of data sources and public
datasets; (iii) a description of deep learning models and (iv) a discussion
about relevant open challenges. Our survey is a guide to the leading deep
learning solutions to next-location prediction, crowd flow prediction, and
trajectory generation. At the same time, it helps deep learning scientists and
practitioners understand the fundamental concepts and the open challenges of
the study of human mobility.
- Abstract(参考訳): 人類の移動性に関する研究は、病気の普及、都市計画、幸福、汚染など、社会の様々な側面に影響を及ぼすため、非常に重要である。
電話記録、GPSトレース、ソーシャルメディア投稿などのデジタルモビリティデータの拡散は、人工知能の卓越した予測力と相まって、深層学習を人間のモビリティに適用するきっかけとなった。
特に、次の位置予測、すなわち個人の将来の位置を予測すること、群衆の流れ予測、すなわち地理的領域のフローを予測すること、軌道生成、すなわち現実的な個人軌道を生成することの3つのタスクに焦点を当てている。
既存の調査では、シングルタスク、データソース、メカニカルあるいは従来の機械学習アプローチにフォーカスしているが、ディープラーニングソリューションの包括的な説明は欠落している。
i)モビリティとディープラーニングに関する基本的な概念、(ii)データソースと公開データセットのレビュー、(iii)ディープラーニングモデルの説明、(iv)関連するオープンチャレンジに関する議論。
我々の調査は、次の位置予測、群集の流れ予測、軌道生成に対する先進的なディープラーニングソリューションのガイドである。
同時に、これは深層学習の科学者や実践者が人間のモビリティ研究の基本的な概念とオープンな課題を理解するのに役立つ。
関連論文リスト
- Human Action Anticipation: A Survey [86.415721659234]
行動予測に関する文献は、行動予測、活動予測、意図予測、目標予測など、様々なタスクにまたがる。
我々の調査は、この断片化された文献を結びつけることを目的としており、最近の技術革新とモデルトレーニングと評価のための新しい大規模データセットの開発をカバーしています。
論文 参考訳(メタデータ) (2024-10-17T21:37:40Z) - Deep Learning for Trajectory Data Management and Mining: A Survey and Beyond [58.63558696061679]
軌道計算は、位置サービス、都市交通、公共安全など、様々な実用用途において重要である。
トラジェクトリ・コンピューティングのためのディープラーニング(DL4Traj)の開発と最近の進歩について概観する。
特に、軌道計算を増強する可能性を持つ大規模言語モデル(LLM)の最近の進歩をカプセル化する。
論文 参考訳(メタデータ) (2024-03-21T05:57:27Z) - 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) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳(メタデータ) (2022-07-19T16:15:11Z) - Enhancing crowd flow prediction in various spatial and temporal
granularities [0.02578242050187029]
本稿では,グラフ畳み込みネットワークに基づくクラウドフロー予測のソリューションであるCrowdNetを提案する。
我々のモデルは、都市環境における人間の変位を予測・説明するための信頼性の高い深層学習モデルの設計における一歩である。
論文 参考訳(メタデータ) (2022-03-12T12:03:47Z) - 3D Human Motion Prediction: A Survey [23.605334184939164]
人間の3D動作予測は、与えられたシーケンスから将来のポーズを予測するもので、コンピュータビジョンとマシンインテリジェンスにおいて大きな重要性と課題である。
既存の公開文献からの関連作品のふりかえりと分析を目的として, 人間の3次元動作予測に関する総合的な調査を行った。
論文 参考訳(メタデータ) (2022-03-03T09:46:43Z) - Predicting the Future from First Person (Egocentric) Vision: A Survey [18.07516837332113]
この調査は、自我中心のビジョンから将来の予測の文脈における研究の進化を要約する。
アプリケーション、デバイス、既存の問題、一般的に使用されるデータセット、モデル、入力モダリティの概要を説明している。
我々の分析は、自我中心の視覚から将来の予測方法が、様々なアプリケーションに重大な影響を与えることを強調している。
論文 参考訳(メタデータ) (2021-07-28T14:58:13Z) - Deep Learning-Based Human Pose Estimation: A Survey [66.01917727294163]
人間のポーズ推定は、過去10年間に注目を集めてきた。
ヒューマン・コンピュータ・インタラクション、モーション・アナリティクス、拡張現実、バーチャル・リアリティーなど幅広い用途で利用されている。
最近のディープラーニングベースのソリューションは、人間のポーズ推定において高いパフォーマンスを実現している。
論文 参考訳(メタデータ) (2020-12-24T18:49:06Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳(メタデータ) (2020-07-07T17:19:56Z)
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。