論文の概要: Identifying Hidden Visits from Sparse Call Detail Record Data
- arxiv url: http://arxiv.org/abs/2106.12885v1
- Date: Thu, 24 Jun 2021 10:41:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-25 16:20:16.248702
- Title: Identifying Hidden Visits from Sparse Call Detail Record Data
- Title(参考訳): スパースコール詳細記録データからの隠れ訪問の同定
- Authors: Zhan Zhao, Haris N. Koutsopoulos, Jinhua Zhao
- Abstract要約: 本研究では,隠れた来訪者の統計的推測のためのラベル付きデータを得るためのデータ融合手法を提案する。
提案手法は,中国の大都市から300万人のユーザを対象とした実世界のCDRデータセットを用いて実証された。
- 参考スコア(独自算出の注目度): 4.640835690336652
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite a large body of literature on trip inference using call detail record
(CDR) data, a fundamental understanding of their limitations is lacking. In
particular, because of the sparse nature of CDR data, users may travel to a
location without being revealed in the data, which we refer to as a "hidden
visit". The existence of hidden visits hinders our ability to extract reliable
information about human mobility and travel behavior from CDR data. In this
study, we propose a data fusion approach to obtain labeled data for statistical
inference of hidden visits. In the absence of complementary data, this can be
accomplished by extracting labeled observations from more granular cellular
data access records, and extracting features from voice call and text messaging
records. The proposed approach is demonstrated using a real-world CDR dataset
of 3 million users from a large Chinese city. Logistic regression, support
vector machine, random forest, and gradient boosting are used to infer whether
a hidden visit exists during a displacement observed from CDR data. The test
results show significant improvement over the naive no-hidden-visit rule, which
is an implicit assumption adopted by most existing studies. Based on the
proposed model, we estimate that over 10% of the displacements extracted from
CDR data involve hidden visits. The proposed data fusion method offers a
systematic statistical approach to inferring individual mobility patterns based
on telecommunication records.
- Abstract(参考訳): コールディテールレコード(CDR)データを用いた旅行推測に関する文献は多いが,その限界に対する根本的な理解は欠如している。
特にcdrデータのばらばらな性質のため、データは明かされずに場所へ移動することが可能であり、これを「隠れ訪問」と呼ぶ。
隠れ訪問の存在は,cdrデータから人間の移動や旅行行動に関する信頼できる情報を抽出する能力を妨げる。
本研究では,隠れ訪問の統計的推測のためのラベル付きデータを得るためのデータ融合手法を提案する。
補完的なデータがない場合は、より細かいセルラーデータアクセスレコードからラベル付き観察データを取り出し、音声通話とテキストメッセージング記録から機能を抽出することでこれを実現できる。
提案手法は,中国大都市の300万人の実世界のcdrデータセットを用いて実証した。
CDRデータから観測された変位中に隠れた訪問が存在するかどうかを推定するために、ロジスティック回帰、支持ベクトルマシン、ランダム森林、勾配上昇を用いる。
実験の結果,既存の研究で採用されている暗黙の仮定であるnaive no-hidden-visitルールに対して有意な改善が認められた。
提案モデルに基づいて,CDRデータから抽出した変位の10%以上が隠れた訪問を伴うと推定した。
提案手法は,通信記録に基づいて個別の移動パターンを推定するための統計的手法を提供する。
関連論文リスト
- Self-Supervised Learning for User Localization [8.529237718266042]
機械学習技術は、ローカライゼーションタスクにおいて顕著な精度を示している。
大量のラベル付きデータ、特にChannel State Information(CSI)およびそれに対応する座標への依存は、依然としてボトルネックである。
CSIに基づくユーザローカライゼーションのための教師付き学習性能を高めるために,ラベルなしデータによる自己教師付き事前学習を活用する先駆的手法を提案する。
論文 参考訳(メタデータ) (2024-04-19T21:49:10Z) - 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) - Reconstructing human activities via coupling mobile phone data with
location-based social networks [20.303827107229445]
本稿では,携帯電話データと位置情報ソーシャルネットワーク(LBSN)データを結合することで,ユーザの行動を特定するためのデータ分析フレームワークを提案する。
我々は,10万人の携帯電話利用者の行動連鎖を再構築し,各活動タイプの時間的・空間的特徴を分析した。
論文 参考訳(メタデータ) (2023-06-06T06:37:14Z) - Disentangled Representation Learning for RF Fingerprint Extraction under
Unknown Channel Statistics [77.13542705329328]
本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。
提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。
実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2022-08-04T15:46:48Z) - Unsupervised Person Re-Identification with Wireless Positioning under
Weak Scene Labeling [131.18390399368997]
本稿では、弱いシーンラベリングの下で、視覚データと無線位置決めトラジェクトリの両方を用いて、教師なしの人物再識別を探索することを提案する。
具体的には、視覚データと無線情報の相補性をモデル化した、新しい教師なしマルチモーダルトレーニングフレームワーク(UMTF)を提案する。
我々のUMTFには、MMDA(Multimodal Data Association Strategy)とMMGN(Multimodal Graph Neural Network)が含まれている。
論文 参考訳(メタデータ) (2021-10-29T08:25:44Z) - User Localization Based on Call Detail Records [0.0]
コールディーテールレコード(CDR)は、人間の移動行動に相関している。
従来のCDRを用いた研究では、利用者を位置づけする際、セルタワーの送電能力は考慮されていない。
本研究は,CDRからのユーザ位置定位のための新しい手法を提案する。
論文 参考訳(メタデータ) (2021-08-20T13:03:13Z) - 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) - One Million Scenes for Autonomous Driving: ONCE Dataset [91.94189514073354]
自律運転シナリオにおける3次元物体検出のためのONCEデータセットを提案する。
データは、利用可能な最大の3D自動運転データセットよりも20倍長い144時間の運転時間から選択される。
我々はONCEデータセット上で、様々な自己教師的・半教師的手法を再現し、評価する。
論文 参考訳(メタデータ) (2021-06-21T12:28:08Z) - Provably Efficient Causal Reinforcement Learning with Confounded
Observational Data [135.64775986546505]
オフラインで収集されたデータセット(観測データ)を組み込んで、オンライン環境でのサンプル効率を改善する方法について検討する。
提案手法は,観測データを効率よく組み込んだ,分解された楽観的値反復 (DOVI) アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-06-22T14:49:33Z)
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。