論文の概要: Exploring the Usage of Online Food Delivery Data for Intra-Urban Job and
Housing Mobility Detection and Characterization
- arxiv url: http://arxiv.org/abs/2012.03739v1
- Date: Fri, 4 Dec 2020 02:48:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-22 02:45:40.162835
- Title: Exploring the Usage of Online Food Delivery Data for Intra-Urban Job and
Housing Mobility Detection and Characterization
- Title（参考訳）: 都市内業務におけるオンライン食品配送データの利用と住宅移動度検出とキャラクタリゼーション
- Authors: Yawen Zhang, Seth Spielman, Qi Liu, Si Shen, Jason Shuo Zhang, Qin Lv
- Abstract要約: 私たちは北京で人気のオンライン食品注文・配達サービスから何百万もの注文を受け取りました。
従来のデータソースよりも、空間的・時間的解像度の高いジョブやハウジングの動きを検出できます。
以上の結果から,通勤距離が仕事や住宅の移動にとって重要な要因であることが示唆された。
- 参考スコア（独自算出の注目度）: 12.56027868436052
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human mobility plays a critical role in urban planning and policy-making.
However, at certain spatial and temporal resolutions, it is very challenging to
track, for example, job and housing mobility. In this study, we explore the
usage of a new modality of dataset, online food delivery data, to detect job
and housing mobility. By leveraging millions of meal orders from a popular
online food ordering and delivery service in Beijing, China, we are able to
detect job and housing moves at much higher spatial and temporal resolutions
than using traditional data sources. Popular moving seasons and
origins/destinations can be well identified. More importantly, we match the
detected moves to both macro- and micro-level factors so as to characterize job
and housing dynamics. Our findings suggest that commuting distance is a major
factor for job and housing mobility. We also observe that: (1) For home movers,
there is a trade-off between lower housing cost and shorter commuting distance
given the urban spatial structure; (2) For job hoppers, those who frequently
work overtime are more likely to reduce their working hours by switching jobs.
While this new modality of dataset has its limitations, we believe that
ensemble approaches would be promising, where a mash-up of multiple datasets
with different characteristic limitations can provide a more comprehensive
picture of job and housing dynamics. Our work demonstrates the effectiveness of
utilizing food delivery data to detect and analyze job and housing mobility,
and contributes to realizing the full potential of ensemble-based approaches.
- Abstract（参考訳）: ヒトのモビリティは都市計画や政策立案において重要な役割を担っている。
しかし、ある空間的・時間的解像度では、例えば仕事や住宅の移動などの追跡は非常に困難である。
本研究では,仕事や住宅の移動性を検出するために,オンラインフードデリバリーデータであるデータセットの新しいモダリティの利用について検討する。
中国の北京で人気のオンライン食品注文・配送サービスから何百万もの注文を受け付けることで、従来のデータソースよりもはるかに高い空間的・時間的解像度で、仕事や住宅の移動を検出できるのです。
一般的な動きの季節や起源・運命はよく特定できる。
より重要なことは、検出された動きをマクロとマイクロレベルの両方の要素に合わせ、仕事と住宅のダイナミクスを特徴づける。
以上の結果から,通勤距離は仕事や住宅移動の大きな要因であることが示唆された。
また,(1)住宅移動者の場合,都市空間構造を考えると,住宅コストの低減と通勤距離の短縮との間にはトレードオフがあり,(2)就業ホッパーの場合,残業頻度が高い場合,仕事の切り替えによって労働時間を短縮する傾向が強い。
この新しいデータセットのモダリティには制限があるが、異なる特徴を持つ複数のデータセットのマッシュアップがジョブやハウジングのダイナミクスをより包括的に表現できるような、アンサンブルアプローチは有望だと考えています。
本研究は,雇用・住宅の移動性の検出・分析に食品配送データを活用することの有効性を実証し,アンサンブルに基づくアプローチの潜在可能性の実現に寄与する。
関連論文リスト
- Labor Migration Modeling through Large-scale Job Query Data [36.87413768190629]
本稿では,大規模ジョブクエリデータを活用した深層学習に基づく時空間労働移動分析フレームワークDHG-SILを提案する。
具体的には,世界最大規模の検索エンジンからの求人情報による労働移動のプロキシとして,まず最初に労働移動の意図を取得する。
都市の移動特性を定量化するための4つの解釈変数を導入し、都市表現と協調して最適化する。
論文 参考訳（メタデータ） (2024-10-03T16:24:14Z) - Urban Mobility Assessment Using LLMs [19.591156495742922]
本研究は,大規模言語モデル(LLM)を推進し,旅行調査を合成する,革新的なAIベースのアプローチを提案する。
本研究は, 異なるレベルの既存調査データと比較し, 全米各都市圏におけるこのアプローチの有効性について検討した。
論文 参考訳（メタデータ） (2024-08-22T19:17:33Z) - MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。
公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。
本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
論文 参考訳（メタデータ） (2024-07-11T17:56:49Z) - Be More Real: Travel Diary Generation Using LLM Agents and Individual Profiles [21.72229002939936]
本研究では,現実の文脈に応じたリアルな軌跡を生成するためのエージェントベースフレームワーク(MobAgent)を提案する。
当フレームワークを0.2万回の旅行調査データで検証し,個人化された正確な旅行日記を作成する上での有効性を実証した。
本研究は、実世界の移動データを通して、人間の移動性に関する詳細かつ洗練された理解を提供するLLMの能力を強調した。
論文 参考訳（メタデータ） (2024-07-10T09:11:57Z) - Deep Activity Model: A Generative Approach for Human Mobility Pattern Synthesis [11.90100976089832]
我々は,人間の移動性モデリングと合成のための新しい生成的深層学習手法を開発した。
オープンソースのデータを使って、アクティビティパターンとロケーショントラジェクトリの両方を組み込む。
モデルはローカルデータで微調整できるため、さまざまな領域にわたるモビリティパターンを正確に表現することができる。
論文 参考訳（メタデータ） (2024-05-24T02:04:10Z) - Rethinking Urban Mobility Prediction: A Super-Multivariate Time Series
Forecasting Approach [71.67506068703314]
長期の都市移動予測は、都市施設やサービスの効果的管理において重要な役割を担っている。
伝統的に、都市移動データはビデオとして構成され、経度と緯度を基本的なピクセルとして扱う。
本研究では,都市におけるモビリティ予測の新たな視点について紹介する。
都市移動データを従来のビデオデータとして単純化するのではなく、複雑な時系列と見なす。
論文 参考訳（メタデータ） (2023-12-04T07:39:05Z) - 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) - 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) - 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) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
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。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z) - The Residence History Inference Problem [0.4924126492174801]
オンライントレースから人の居住履歴を計算する問題に対する正確な解決策を提供する。
最適な居住履歴の計算は難易度が高いため,本手法は今後の研究に有用であると考えられる。
論文 参考訳（メタデータ） (2020-03-09T14:02:08Z)
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。