論文の概要: Understanding collective human movement dynamics during large-scale
events using big geosocial data analytics
- arxiv url: http://arxiv.org/abs/2102.01175v1
- Date: Mon, 1 Feb 2021 21:18:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-13 02:37:23.150221
- Title: Understanding collective human movement dynamics during large-scale
events using big geosocial data analytics
- Title(参考訳): big geosocial data analyticsを用いた大規模イベントにおける集団行動の理解
- Authors: Junchuan Fan, Kathleen Stewart
- Abstract要約: そこで我々は,一般公開されたジオレファレンスツイートから大規模イベントに応答して,人間の運動動態を抽出する大規模データ分析フレームワークを開発した。
ジオレファレンスされたツイートのサンプリングバイアスを補正するため、人口別に異なる空間単位(例えば、郡、州)のツイート数を調整した。
この枠組みは、ハリケーンや地震など、他の大規模イベントにも容易に適用できる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With the rapid advancement of information and communication technologies,
many researchers have adopted alternative data sources from private data
vendors to study human movement dynamics in response to large-scale natural or
societal events. Big geosocial data such as georeferenced tweets are publicly
available and dynamically evolving as real-world events are happening, making
it more likely to capture the real-time sentiments and responses of
populations. However, precisely-geolocated geosocial data is scarce and biased
toward urban population centers. In this research, we developed a big geosocial
data analytical framework for extracting human movement dynamics in response to
large-scale events from publicly available georeferenced tweets. The framework
includes a two-stage data collection module that collects data in a more
targeted fashion in order to mitigate the data scarcity issue of georeferenced
tweets; in addition, a variable bandwidth kernel density estimation(VB-KDE)
approach was adopted to fuse georeference information at different spatial
scales, further augmenting the signals of human movement dynamics contained in
georeferenced tweets. To correct for the sampling bias of georeferenced tweets,
we adjusted the number of tweets for different spatial units (e.g., county,
state) by population. To demonstrate the performance of the proposed analytic
framework, we chose an astronomical event that occurred nationwide across the
United States, i.e., the 2017 Great American Eclipse, as an example event and
studied the human movement dynamics in response to this event. However, this
analytic framework can easily be applied to other types of large-scale events
such as hurricanes or earthquakes.
- Abstract(参考訳): 情報通信技術の急速な進歩に伴い、多くの研究者は、大規模な自然または社会的な出来事に対応するために、個人データベンダーの代替データソースを採用する。
ジオリファレンスされたつぶやきのような大きなジオソーシャルデータは、現実世界のイベントが起こっているときに公開され、動的に進化しているため、人口のリアルタイムな感情や反応を捉えやすい。
しかし、正確な位置情報は都市人口中心への偏りや偏りが少ない。
本研究では,公開されたジオリファレンスツイートから大規模イベントに応答して,人間の動きのダイナミクスを抽出するための大規模ジオソーシャルデータ分析フレームワークを開発した。
このフレームワークは、ジオレファレンスツイートのデータ不足を軽減するために、よりターゲット的な方法でデータを収集する2段階のデータ収集モジュールを含む。また、異なる空間スケールでジオレファレンス情報を融合するために、可変帯域カーネル密度推定(VB-KDE)アプローチを採用し、ジオレファレンスツイートに含まれる人間の動きの信号をさらに増強した。
ジオレファレンスされたツイートのサンプリングバイアスを補正するため、人口別に異なる空間単位(例えば、郡、州)のツイート数を調整した。
提案する分析フレームワークの性能を実証するため,米国全土で発生した天文学的イベント,すなわち2017年グレートアメリカン・エクリプスを事例として選択し,このイベントに対する人間の運動動態について検討した。
しかし、この分析枠組みはハリケーンや地震のような他の種類の大規模イベントにも容易に適用できる。
関連論文リスト
- Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。
大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。
また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
論文 参考訳(メタデータ) (2025-02-19T14:21:25Z) - K2: A Foundation Language Model for Geoscience Knowledge Understanding
and Utilization [105.89544876731942]
大規模言語モデル(LLM)は自然言語処理の一般分野において大きな成功を収めている。
我々は、地球科学におけるLLM研究をさらに促進するために開発された一連の資源とともに、地球科学における最初のLLMであるK2を提示する。
論文 参考訳(メタデータ) (2023-06-08T09:29:05Z) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳(メタデータ) (2023-06-05T03:36:01Z) - Building Dynamic Ontological Models for Place using Social Media Data
from Twitter and Sina Weibo [3.662177902714955]
我々は、ソーシャルメディアデータ(Twitter、Weibo)を使用して、北京、中国、サンディエゴの2つの異なる地域で動的オントロジーモデルを構築しています。
我々は、ジオタグ付きソーシャルメディアデータから地名の種類を特定し、ジオタグ付きポイントの半径のデフォルト探索を比較して分類する。
また,各地名の意味を単語雲のポイントワイド・ミューチュアル・インフォメーション(PMI)スコアを用いて検討した。
論文 参考訳(メタデータ) (2023-03-02T00:33:47Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳(メタデータ) (2022-11-04T09:58:57Z) - Fine-grained Geolocation Prediction of Tweets with Human Machine
Collaboration [3.147379819740595]
クロールツイートの投稿に位置情報タグが付くのは、$1%以下だ。
本研究では、何百万ものTwitter投稿とエンドユーザードメインの専門知識を利用して、ディープニューラルネットワークモデルを構築します。
複数のニューラルアーキテクチャ実験と協調的なヒューマンマシンワークフロー設計により、位置検出に関する現在進行中の研究は、有望な結果を示している。
論文 参考訳(メタデータ) (2021-06-25T03:51:02Z) - JRDB-Act: A Large-scale Multi-modal Dataset for Spatio-temporal Action,
Social Group and Activity Detection [54.696819174421584]
大学構内環境における生活行動の実際の分布を反映したマルチモーダルデータセットであるJRDB-Actを紹介する。
JRDB-Actには280万以上のアクションラベルがある。
JRDB-Actは、現場での対話に基づいて個人をグループ化するタスクに着想を得た社会集団識別アノテーションが付属している。
論文 参考訳(メタデータ) (2021-06-16T14:43:46Z) - HumAID: Human-Annotated Disaster Incidents Data from Twitter with Deep
Learning Benchmarks [5.937482215664902]
ソーシャルメディアのコンテンツは、どんなアプリケーションでも直接使うにはうるさい。
効果的な消費と意思決定を促進するために、利用可能なコンテンツをフィルタリング、分類、および簡潔に要約することが重要です。
19の災害イベントで2400万ツイートのプールから抽出された77万ツイートの大規模なデータセットを紹介します。
論文 参考訳(メタデータ) (2021-04-07T12:29:36Z) - Learning Large-scale Location Embedding From Human Mobility Trajectories
with Graphs [0.0]
本研究では,大規模LBSデータを用いて位置のベクトル表現を学習する。
このモデルは、人間のモビリティと空間情報にコンテキスト情報を組み込む。
GCN-L2Vは、他の場所埋め込み法や下流のGeo-Awareアプリケーションと相補的に適用することができる。
論文 参考訳(メタデータ) (2021-02-23T09:11:33Z) - Human in Events: A Large-Scale Benchmark for Human-centric Video
Analysis in Complex Events [106.19047816743988]
我々は、Human-in-Events(Human-in-Events)またはHiEve(HiEve)という、包括的なアノテーションを備えた新しい大規模データセットを提案する。
これには、複雑なイベントにおけるアクションインスタンスの最大数(>56k)と、長時間続くトラジェクトリの最大数(>1M)が含まれている。
多様なアノテーションに基づいて、アクション認識とポーズ推定のための2つのシンプルなベースラインを提示する。
論文 参考訳(メタデータ) (2020-05-09T18:24:52Z)
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。