論文の概要: CityNet: A Multi-city Multi-modal Dataset for Smart City Applications
- arxiv url: http://arxiv.org/abs/2106.15802v1
- Date: Wed, 30 Jun 2021 04:05:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-02 00:55:34.168837
- Title: CityNet: A Multi-city Multi-modal Dataset for Smart City Applications
- Title（参考訳）: CityNet: スマートシティアプリケーションのためのマルチシティマルチモーダルデータセット
- Authors: Xu Geng, Yilun Jin, Zhengfei Zheng, Yu Yang, Yexin Li, Han Tian, Peibo
Duan, Leye Wang, Jiannong Cao, Hai Yang, Qiang Yang, Kai Chen
- Abstract要約: CityNetは、7つの都市からのデータを含むマルチモーダルな都市データセットで、それぞれが3つのデータソースから来ている。
CityNetの利用を容易にするため、我々は広範囲にわたる機械学習実験を実施している。
時間的予測、伝達学習、強化学習。
- 参考スコア（独自算出の注目度）: 33.42581185977997
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data-driven approaches have been applied to many problems in urban computing.
However, in the research community, such approaches are commonly studied under
data from limited sources, and are thus unable to characterize the complexity
of urban data coming from multiple entities and the correlations among them.
Consequently, an inclusive and multifaceted dataset is necessary to facilitate
more extensive studies on urban computing. In this paper, we present CityNet, a
multi-modal urban dataset containing data from 7 cities, each of which coming
from 3 data sources. We first present the generation process of CityNet as well
as its basic properties. In addition, to facilitate the use of CityNet, we
carry out extensive machine learning experiments, including spatio-temporal
predictions, transfer learning, and reinforcement learning. The experimental
results not only provide benchmarks for a wide range of tasks and methods, but
also uncover internal correlations among cities and tasks within CityNet that,
with adequate leverage, can improve performances on various tasks. With the
benchmarking results and the correlations uncovered, we believe that CityNet
can contribute to the field of urban computing by supporting research on many
advanced topics.
- Abstract（参考訳）: データ駆動アプローチは、都市コンピューティングの多くの問題に適用されてきた。
しかし,研究コミュニティでは,そのような手法は限られた資料から得られたデータに基づいて一般的に研究されており,複数のエンティティから得られる都市データの複雑さやそれらの相関を特徴付けることはできない。
したがって、都市コンピューティングのより広範な研究を促進するためには、包括的で多面的なデータセットが必要である。
本稿では,3つのデータソースから得られる7つの都市からのデータを含むマルチモーダル都市データセットであるCityNetを提案する。
まず,CityNetの生成プロセスと基本特性について述べる。
また,CityNetの利用を容易にするため,時空間予測や伝達学習,強化学習など,幅広い機械学習実験を実施している。
実験結果は、幅広いタスクとメソッドのベンチマークを提供するだけでなく、CityNet内の都市とタスク間の内部相関を明らかにすることで、様々なタスクのパフォーマンスを向上させることができる。
ベンチマーク結果と相関関係が明らかになったことから,CityNetは多くの先進的なトピックの研究を支援することで,都市コンピューティングの分野に貢献できると考えている。
関連論文リスト
- Urban Region Embeddings from Service-Specific Mobile Traffic Data [1.6670661711668906]
本稿では,サービス固有のモバイルトラフィックデータから都市部埋め込みを作成する手法を提案する。
本手法が都市特性を効果的に把握できることを実証する。
全体として、この研究は、都市研究のためのサービス固有のモバイルトラフィックデータの可能性を強調している。
論文 参考訳（メタデータ） (2024-11-20T12:13:07Z) - ControlCity: A Multimodal Diffusion Model Based Approach for Accurate Geospatial Data Generation and Urban Morphology Analysis [6.600555803960957]
本稿では,アクセス可能なVGIデータと完全なVGIデータを利用して,都市建物のフットプリントデータの生成を支援するマルチソース地理データ変換ソリューションを提案する。
次に,多モード拡散モデルに基づく地理データ変換手法であるControlCityを提案する。
世界の22都市での実験では、ControlCityが実際の都市建築パターンをシミュレートすることに成功している。
論文 参考訳（メタデータ） (2024-09-25T16:03:33Z) - Deep Learning for Cross-Domain Data Fusion in Urban Computing: Taxonomy, Advances, and Outlook [28.103555959143645]
本稿では,都市コンピューティングに適した深層学習に基づくデータ融合手法の最近の進歩を体系的にレビューする最初の調査を提案する。
提案手法は,特徴ベース,アライメントベース,コントラストベース,生成ベース融合の4つのカテゴリに分類される。
さらに, 都市計画, 交通, 経済, 公共安全, 社会, 環境, エネルギーの7つのタイプに分類した。
論文 参考訳（メタデータ） (2024-02-29T16:56:23Z) - 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) - The Urban Toolkit: A Grammar-based Framework for Urban Visual Analytics [5.674216760436341]
都市問題の複雑な性質と利用可能なデータの圧倒的な量は、これらの取り組みを実用的な洞察に翻訳する上で大きな課題を提起している。
興味のある特徴を分析する際、都市の専門家は、異なるテーマ(例えば、日光アクセス、人口統計)と物理的(例えば、建物、ストリートネットワーク)のデータ層を変換し、統合し、視覚化しなければならない。
これにより、プログラマにとって視覚的なデータ探索とシステム実装が難しくなり、コンピュータ科学以外の都市の専門家にとって高い入り口障壁となる。
論文 参考訳（メタデータ） (2023-08-15T13:43:04Z) - LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。
しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。
カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
論文 参考訳（メタデータ） (2023-06-14T05:48:36Z) - DataPerf: Benchmarks for Data-Centric AI Development [81.03754002516862]
DataPerfは、MLデータセットとデータ中心アルゴリズムを評価するための、コミュニティ主導のベンチマークスイートである。
私たちは、この反復的な開発をサポートするために、複数の課題を抱えたオープンなオンラインプラットフォームを提供しています。
ベンチマーク、オンライン評価プラットフォーム、ベースライン実装はオープンソースである。
論文 参考訳（メタデータ） (2022-07-20T17:47:54Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。
我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。
フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
論文 参考訳（メタデータ） (2021-04-30T12:47:52Z) - Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset,
Benchmarks and Challenges [52.624157840253204]
我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。
私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。
我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
論文 参考訳（メタデータ） (2020-09-07T14:47:07Z)
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。