論文の概要: Grab the Reins of Crowds: Estimating the Effects of Crowd Movement
Guidance Using Causal Inference
- arxiv url: http://arxiv.org/abs/2102.03980v1
- Date: Mon, 8 Feb 2021 03:17:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-09 18:42:58.860174
- Title: Grab the Reins of Crowds: Estimating the Effects of Crowd Movement
Guidance Using Causal Inference
- Title（参考訳）: 群集のひずみをつかむ:因果推論を用いた群集移動誘導の効果の推定
- Authors: Koh Takeuchi:Ryo Nishida:Hisashi Kashima:Masaki Onishi
- Abstract要約: 過去のデータから観衆運動指導の効果を推定する問題を考察する。
深層表現学習における最近の2つの手法を空間データ分析と因果推論に活用する。
提案手法は,最先端手法から推定誤差を最大56%削減する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Crowd movement guidance has been a fascinating problem in various fields,
such as easing traffic congestion in unusual events and evacuating people from
an emergency-affected area. To grab the reins of crowds, there has been
considerable demand for a decision support system that can answer a typical
question: ``what will be the outcomes of each of the possible options in the
current situation. In this paper, we consider the problem of estimating the
effects of crowd movement guidance from past data. To cope with limited amount
of available data biased by past decision-makers, we leverage two recent
techniques in deep representation learning for spatial data analysis and causal
inference. We use a spatial convolutional operator to extract effective spatial
features of crowds from a small amount of data and use balanced representation
learning based on the integral probability metrics to mitigate the selection
bias and missing counterfactual outcomes. To evaluate the performance on
estimating the treatment effects of possible guidance, we use a multi-agent
simulator to generate realistic data on evacuation scenarios in a crowded
theater, since there are no available datasets recording outcomes of all
possible crowd movement guidance. The results of three experiments demonstrate
that our proposed method reduces the estimation error by at most 56% from
state-of-the-art methods.
- Abstract（参考訳）: 群衆移動指導は、異常なイベントにおける交通渋滞の緩和や緊急対応地域からの避難など、様々な分野で興味深い問題となっている。
群衆の足跡をつかむために、典型的な質問に答えることができる意思決定支援システムのためのかなりの需要がありました。
本稿では,過去のデータから群集移動指導の効果を推定する問題について考察する。
過去の意思決定者がバイアスする限られたデータ量に対処するために、空間データ分析と因果推論のための深層表現学習の2つの最近の技術を活用します。
空間畳み込み演算子を用いて、少数のデータから群衆の効果的な空間的特徴を抽出し、積分確率指標に基づくバランスの取れた表現学習を用いて、選択バイアスと非現実的結果の軽減を図る。
劇場の避難シナリオに関する現実的なデータを生成するために,多エージェントシミュレータを用いて誘導可能な誘導の処理効果を推定する性能を評価するため,観客の移動誘導の成果を記録するデータセットが存在しないため,混雑劇場における避難シナリオの現実的なデータを生成する。
3つの実験の結果,提案手法は最先端手法から推定誤差を最大56%低減できることが判明した。
関連論文リスト
- Be Aware of the Neighborhood Effect: Modeling Selection Bias under Interference [50.95521705711802]
従来の研究では、予測モデルの偏りのない学習を実現するために、選択バイアスに対処することに注力してきた。
本稿では、因果推論の観点から、近隣効果を干渉問題として公式に定式化する。
本稿では,近隣効果の存在下で選択バイアスに対処できる新しい理想的損失を提案する。
論文 参考訳（メタデータ） (2024-04-30T15:20:41Z) - Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
実際には、因果研究者は先験を念頭において1つの結果を持っていない。
政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。
本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
論文 参考訳（メタデータ） (2024-04-29T08:16:30Z) - Approximating Counterfactual Bounds while Fusing Observational, Biased
and Randomised Data Sources [64.96984404868411]
我々は、複数の、偏見のある、観察的、介入的な研究からのデータを統合するという問題に対処する。
利用可能なデータの可能性は局所的な最大値を持たないことを示す。
次に、同じアプローチが複数のデータセットの一般的なケースにどのように対処できるかを示す。
論文 参考訳（メタデータ） (2023-07-31T11:28:24Z) - Continual Causal Inference with Incremental Observational Data [8.543321506666636]
観測データを用いて因果効果を推定するための連続因果効果表現学習法を提案する。
提案手法は,原データに対する推定能力を損なうことなく,新たなデータの因果効果を連続的に推定する。
論文 参考訳（メタデータ） (2023-03-03T08:33:15Z) - 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) - Learning Bias-Invariant Representation by Cross-Sample Mutual
Information Minimization [77.8735802150511]
対象タスクが誤用したバイアス情報を除去するために,クロスサンプル対逆脱バイアス法(CSAD)を提案する。
相関測定は, 対向的偏り評価において重要な役割を担い, クロスサンプル型相互情報推定器によって行われる。
我々は,提案手法の最先端手法に対する利点を検証するために,公開データセットの徹底的な実験を行った。
論文 参考訳（メタデータ） (2021-08-11T21:17:02Z) - Social NCE: Contrastive Learning of Socially-aware Motion
Representations [87.82126838588279]
実験結果から, 提案手法は最近の軌道予測, 行動クローニング, 強化学習アルゴリズムの衝突速度を劇的に低減することがわかった。
本手法は,ニューラルネットワークの設計に関する仮定をほとんど示さないため,神経運動モデルのロバスト性を促進する汎用的手法として使用できる。
論文 参考訳（メタデータ） (2020-12-21T22:25:06Z) - Matching in Selective and Balanced Representation Space for Treatment
Effects Estimation [10.913802831701082]
深層表現学習とマッチングに基づく特徴選択表現マッチング(FSRM)手法を提案する。
本研究では, FSRM法の性能を3つのデータセットで評価し, 現状の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-09-15T02:07:34Z) - Pedestrian Action Anticipation using Contextual Feature Fusion in
Stacked RNNs [19.13270454742958]
交差点における歩行者行動予測問題の解法を提案する。
提案手法では,シーン動的・視覚的特徴の両面から収集した情報を徐々にネットワークに融合する新しいRNNアーキテクチャを用いる。
論文 参考訳（メタデータ） (2020-05-13T20:59:37Z) - Counterfactual Propagation for Semi-Supervised Individual Treatment
Effect Estimation [21.285425135761795]
個別治療効果(英: individual treatment effect、ITE)とは、特定の標的に特定の行動をとる結果の期待された改善を示す。
本研究では、より容易に利用可能な未ラベルのインスタンスを利用する半教師付きITE推定問題について考察する。
本稿では,最初の半教師付きITT推定法である反実伝搬法を提案する。
論文 参考訳（メタデータ） (2020-05-11T13:32:38Z) - Generalization Bounds and Representation Learning for Estimation of
Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。
我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。
これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文 参考訳（メタデータ） (2020-01-21T10:16:33Z)
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。