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
- Deep Learning for Cross-Domain Data Fusion in Urban Computing: Taxonomy,
Advances, and Outlook [28.940006485828544]
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) - Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for
Cross-City Semantic Segmentation using High-Resolution Domain Adaptation
Networks [82.82866901799565]
我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。
単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。
高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
論文 参考訳(メタデータ) (2023-09-26T23:55:39Z) - 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) - 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) - A Cross-City Federated Transfer Learning Framework: A Case Study on
Urban Region Profiling [24.103961649276584]
本稿では,データ不足やプライバシー問題に対処する新しいクロスシティ・フェデレーション・トランスファー・ラーニング・フレームワーク(CcFTL)を提案する。
CcFTLは、複数のリッチデータソース都市から対象都市にリレーショナル知識を転送する。
都市域のプロファイリングをスマートシティの応用として捉え,提案手法を実世界の研究で評価する。
論文 参考訳(メタデータ) (2022-05-31T12:41:01Z) - 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) - GANs for Urban Design [0.0]
本論文で検討されたトピックは、都市ブロックの設計にGenerative Adversarial Networksを応用することである。
この研究は、都市の形態学的特性に適応できる柔軟なモデルを提示する。
論文 参考訳(メタデータ) (2021-05-04T19:50:24Z) - 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) - City limits in the age of smartphones and urban scaling [0.0]
都市計画は、都市システム全体にわたる都市境界を定義するための適切な基準をまだ欠いている。
ICTは、都市システムのより正確な記述を記述する可能性を提供する。
都市境界を定義するため,大量の携帯電話記録に計算手法を適用した。
論文 参考訳(メタデータ) (2020-05-06T17:31:21Z)
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。