Fugu-MT 論文翻訳(概要): Mining GIS Data to Predict Urban Sprawl

論文の概要: Mining GIS Data to Predict Urban Sprawl

arxiv url: http://arxiv.org/abs/2103.11338v1
Date: Sun, 21 Mar 2021 08:41:35 GMT
ステータス: 処理完了
システム内更新日: 2021-03-25 07:10:30.222402
Title: Mining GIS Data to Predict Urban Sprawl
Title（参考訳）: 都市スプロール予測のためのGISデータのマイニング
Authors: Anita Pampoore-Thampi, Aparna S. Varde, Danlin Yu
Abstract要約: 本稿では,地理情報システム(GIS)におけるデータ処理と分析の興味深い問題に対処し,都市スプロールの明確な視点を実現する。都市スプロール(urban sprawl)とは、自動車依存や住宅と商業の分離といった影響を伴う、低密度地域の拡大と拡大を指す用語である。
参考スコア（独自算出の注目度）: 1.5239252118069764
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: This paper addresses the interesting problem of processing and analyzing data in geographic information systems (GIS) to achieve a clear perspective on urban sprawl. The term urban sprawl refers to overgrowth and expansion of low-density areas with issues such as car dependency and segregation between residential versus commercial use. Sprawl has impacts on the environment and public health. In our work, spatiotemporal features related to real GIS data on urban sprawl such as population growth and demographics are mined to discover knowledge for decision support. We adapt data mining algorithms, Apriori for association rule mining and J4.8 for decision tree classification to geospatial analysis, deploying the ArcGIS tool for mapping. Knowledge discovered by mining this spatiotemporal data is used to implement a prototype spatial decision support system (SDSS). This SDSS predicts whether urban sprawl is likely to occur. Further, it estimates the values of pertinent variables to understand how the variables impact each other. The SDSS can help decision-makers identify problems and create solutions for avoiding future sprawl occurrence and conducting urban planning where sprawl already occurs, thus aiding sustainable development. This work falls in the broad realm of geospatial intelligence and sets the stage for designing a large scale SDSS to process big data in complex environments, which constitutes part of our future work.
Abstract（参考訳）: 本稿では,地理情報システム(GIS)におけるデータ処理と分析の興味深い問題に対処し,都市スプロールの明確な視点を実現する。都市スプロール」という用語は、自動車依存や住宅と商業の分離といった問題を伴う低密度地域の過密と拡大を指す。スプロールは環境と公衆衛生に影響を及ぼす。本研究では,人口増加や人口統計などの都市スプロールに関するGISデータに関連する時空間的特徴を抽出し,意思決定支援の知識を明らかにする。我々はデータマイニングアルゴリズム、アソシエーションルールマイニングのためのApriori、決定木分類のためのJ4.8、地理空間解析のためのArcGISツールを配置する。この時空間データマイニングによって発見された知識は、空間決定支援システム(SDSS)のプロトタイプの実装に使用される。このSDSSは都市スプロールが起こる可能性を予測する。さらに、関連する変数の値を推定し、変数が相互にどのように影響するかを理解する。 SDSSは、意思決定者が問題を特定し、将来のスプロールの発生を回避し、既にスプロールが発生した都市計画を実施するためのソリューションを作成するのに役立つ。この作業は、地理空間知能の広い領域に収まり、私たちの将来の作業の一部である複雑な環境でビッグデータを処理するために、大規模なsdsを設計する段階を定めています。

関連論文リスト

GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
論文参考訳（メタデータ） (2023-10-10T00:03:23Z)
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)
GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。まず,地理的適応のための大規模データセットGeoNetを紹介する。第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
論文参考訳（メタデータ） (2023-03-27T17:59:34Z)
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)
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)
Attention-based Contextual Multi-View Graph Convolutional Networks for Short-term Population Prediction [0.0]
我々は、意図に基づくコンテキストグラフ畳み込みネットワーク(ACMV-GCNViews)と呼ばれる新しいディープラーニングモデルを提案する。まず、都市環境情報に基づいて複数のグラフを構築し、それからACM-GCNViewsはグラフネットワークを用いた様々なビューから空間相関をキャプチャする。携帯電話で収集した人口データを用いて,提案手法がベースライン法より優れていることを示す。
論文参考訳（メタデータ） (2022-03-01T14:37:04Z)
A Visual Analytics System for Profiling Urban Land Use Evolution [5.053505466956614]
Urban ChroniclesはオープンソースのWebベースのビジュアル分析システムで、土地利用パターンの変化のインタラクティブな探索を可能にする。数年にわたって異なるスケールでデータを探索することで,システムの能力を示す。
論文参考訳（メタデータ） (2021-12-12T02:36:54Z)
GANmapper: geographical content filling [0.0]
本稿では,GAN(Generative Adversarial Network)を用いた空間データ生成手法を提案する。当社のコントリビューションでは、粗大で広く利用可能な地理空間データを使用して、構築された環境のより細かいスケールで、あまり利用できない機能のマップを作成しています。我々は、土地利用データと道路ネットワークを入力として、建物のフットプリントを生成し、世界中の9都市で実験を行う。
論文参考訳（メタデータ） (2021-08-07T05:50:54Z)
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)
Urban land-use analysis using proximate sensing imagery: a survey [3.79474411753363]
近接センシング画像を活用した研究は、都市土地利用分析におけるローカルデータの必要性に対処する大きな可能性を実証している。本稿では,近位センシングから土地利用分析までの最新手法と公開データセットを概観し,要約する。
論文参考訳（メタデータ） (2021-01-13T01:30:21Z)
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)

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。