論文の概要: A Survey on Spatio-temporal Data Analytics Systems
- arxiv url: http://arxiv.org/abs/2103.09883v1
- Date: Wed, 17 Mar 2021 19:46:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-20 07:29:41.920732
- Title: A Survey on Spatio-temporal Data Analytics Systems
- Title（参考訳）: 時空間データ分析システムに関する調査
- Authors: Md Mahbub Alam and Luis Torgo and Albert Bifet
- Abstract要約: 空間時間データ分析の分野では10年間の研究と開発が続けられてきた。
主な目標は、既存の作品をキャプチャ、管理、分析、視覚化するためのアルゴリズムを開発することでした。
- 参考スコア（独自算出の注目度）: 8.798250996263237
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Due to the surge of spatio-temporal data volume, the popularity of
location-based services and applications, and the importance of extracted
knowledge from spatio-temporal data to solve a wide range of real-world
problems, a plethora of research and development work has been done in the area
of spatial and spatio-temporal data analytics in the past decade. The main goal
of existing works was to develop algorithms and technologies to capture, store,
manage, analyze, and visualize spatial or spatio-temporal data. The researchers
have contributed either by adding spatio-temporal support with existing
systems, by developing a new system from scratch for processing spatio-temporal
data, or by implementing algorithms for mining spatio-temporal data. The
existing ecosystem of spatial and spatio-temporal data analytics can be
categorized into three groups, (1) spatial databases (SQL and NoSQL), (2) big
spatio-temporal data processing infrastructures, and (3) programming languages
and software tools for processing spatio-temporal data. Since existing surveys
mostly investigated big data infrastructures for processing spatial data, this
survey has explored the whole ecosystem of spatial and spatio-temporal
analytics along with an up-to-date review of big spatial data processing
systems. This survey also portrays the importance and future of spatial and
spatio-temporal data analytics.
- Abstract（参考訳）: 空間的・空間的・空間的データ分析の分野では,時空間データ量の増加,位置情報サービスやアプリケーションの普及,さらには時空間データから抽出した知識の多岐にわたる実世界の問題を解決することの重要性から,研究・開発が盛んに行われている。
既存の研究の主な目標は、空間的あるいは時空間的なデータをキャプチャ、保存、管理、分析、可視化するアルゴリズムと技術を開発することである。
研究者たちは、既存のシステムに時空間サポートを追加するか、時空間データを処理するための新しいシステムを開発するか、時空間データをマイニングするためのアルゴリズムを実装するかのどちらかに貢献している。
既存の時空間・時空間データ分析のエコシステムは,(1)空間データベース(SQLとNoSQL),(2)大規模時空間データ処理基盤,(3)時空間データ処理のためのプログラミング言語とソフトウェアツールの3つのグループに分類される。
既存の調査は主に空間データを処理するためのビッグデータインフラストラクチャを調査しているため、この調査は空間データおよび時空間分析のエコシステム全体を調査し、また、大規模データ処理システムの最新のレビューを行っている。
この調査は、空間的および時空間的データ分析の重要性と将来を描いている。
関連論文リスト
- Earth System Data Cubes: Avenues for advancing Earth system research [4.408949931570938]
地球系データキューブ(ESDC)は、このデータの洪水をシンプルで堅牢なフォーマットに変換するのに適したソリューションの1つとして登場した。
ESDCは、データをテンポラリグリッドを備えた分析可能なフォーマットに整理することで、これを実現している。
新たなクラウドベースの技術に照らして、データの潜在能力を最大限に実現するための障壁がある。
論文 参考訳（メタデータ） (2024-08-05T09:50:16Z) - Enabling High Data Throughput Reinforcement Learning on GPUs: A Domain Agnostic Framework for Data-Driven Scientific Research [90.91438597133211]
我々は、強化学習の適用において重要なシステムのボトルネックを克服するために設計されたフレームワークであるWarpSciを紹介する。
我々は、CPUとGPU間のデータ転送の必要性を排除し、数千のシミュレーションを同時実行可能にする。
論文 参考訳（メタデータ） (2024-08-01T21:38:09Z) - A Survey of Generative Techniques for Spatial-Temporal Data Mining [93.55501980723974]
本稿では,空間時間データマイニングにおける生成技術の統合に焦点を当てる。
本稿では,生成技術に基づく時空間法を包括的に分析する。
また、空間時間データマイニングパイプライン用に特別に設計された標準化されたフレームワークも導入されている。
論文 参考訳（メタデータ） (2024-05-15T12:07:43Z) - Large Models for Time Series and Spatio-Temporal Data: A Survey and
Outlook [95.32949323258251]
時系列データ、特に時系列データと時間時間データは、現実世界のアプリケーションで広く使われている。
大規模言語やその他の基礎モデルの最近の進歩は、時系列データマイニングや時間データマイニングでの使用の増加に拍車を掛けている。
論文 参考訳（メタデータ） (2023-10-16T09:06:00Z) - 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) - Graph Neural Network for spatiotemporal data: methods and applications [7.612070518526342]
グラフニューラルネットワーク(GNN)は、互いに依存したデータを理解する強力なツールとして登場した。
本稿では、時間領域におけるGNNの技術と応用について概観する。
論文 参考訳（メタデータ） (2023-05-30T02:27:17Z) - LibCity: A Unified Library Towards Efficient and Comprehensive Urban
Spatial-Temporal Prediction [74.08181247675095]
既存の分野には、さまざまなフォーマットで使用が難しいオープンソースデータなど、制限がある。
我々は、研究者に信頼性のある実験ツールと便利な開発フレームワークを提供するオープンソースライブラリ、LibCityを提案する。
論文 参考訳（メタデータ） (2023-04-27T17:19:26Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳（メタデータ） (2022-09-28T18:51:59Z) - A Novel Framework for Spatio-Temporal Prediction of Environmental Data
Using Deep Learning [0.0]
本稿では,深層学習を用いた気候・環境データの分解時間予測の枠組みを紹介する。
具体的には,完全時間信号の再構成を可能にする正規格子上に空間的にマッピング可能な関数を導入する。
実世界のシミュレーションデータへの応用は,提案フレームワークの有効性を示す。
論文 参考訳（メタデータ） (2020-07-23T07:44:04Z)
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。