Fugu-MT 論文翻訳(概要): Mobilkit: A Python Toolkit for Urban Resilience and Disaster Risk Management Analytics using High Frequency Human Mobility Data

論文の概要: Mobilkit: A Python Toolkit for Urban Resilience and Disaster Risk Management Analytics using High Frequency Human Mobility Data

arxiv url: http://arxiv.org/abs/2107.14297v2
Date: Thu, 16 Sep 2021 08:54:13 GMT
ステータス: 処理完了
システム内更新日: 2023-03-20 11:12:28.409628
Title: Mobilkit: A Python Toolkit for Urban Resilience and Disaster Risk Management Analytics using High Frequency Human Mobility Data
Title（参考訳）: Mobilkit: 高頻度ヒューマンモビリティデータを用いた都市回復と災害リスク管理分析のためのPythonツールキット
Authors: Enrico Ubaldi, Takahiro Yabe, Nicholas K. W. Jones, Maham Faisal Khan, Satish V. Ukkusuri, Riccardo Di Clemente, Emanuele Strano
Abstract要約: 我々は、GPS位置情報を用いて、複製可能でスケーラブルな事後分析を行うように設計されたオープンソースのPythonベースのツールキットを提案する。 textitMobilkitのプライバシー、システム機能、潜在的な拡張について論じる。
参考スコア（独自算出の注目度）: 4.525676373095223
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Increasingly available high-frequency location datasets derived from smartphones provide unprecedented insight into trajectories of human mobility. These datasets can play a significant and growing role in informing preparedness and response to natural disasters. However, limited tools exist to enable rapid analytics using mobility data, and tend not to be tailored specifically for disaster risk management. We present an open-source, Python-based toolkit designed to conduct replicable and scalable post-disaster analytics using GPS location data. Privacy, system capabilities, and potential expansions of \textit{Mobilkit} are discussed.
Abstract（参考訳）: スマートフォンから得られる高頻度の位置データセットの増加は、人間の移動性に関する前例のない洞察を与える。これらのデータセットは、自然災害に対する準備と対応を知らせる重要な役割を担っている。しかし、モビリティデータを用いた迅速な分析を可能にするツールは限られており、災害リスク管理に特化していない。本稿では,gps位置情報を用いたレプリカブルでスケーラブルなポストディスタスタ解析を行うための,pythonベースのオープンソースツールキットを提案する。プライバシー,システム機能,およびtextit{Mobilkit}の潜在的な拡張について論じる。

関連論文リスト

SMA-Hyper: Spatiotemporal Multi-View Fusion Hypergraph Learning for Traffic Accident Prediction [2.807532512532818]
現在のデータ駆動モデルは、しばしばデータ空間と多様な都市データソースの統合に苦しむ。本稿では,交通事故予測のための動的学習フレームワークを提案する。これは、高次のクロスリージョン学習を可能にするデュアル適応グラフ学習機構を組み込んでいる。また、事故データと都市機能の複数のビューを融合させる事前注意機構も採用している。
論文参考訳（メタデータ） (2024-07-24T21:10:34Z)
Deep Learning for Trajectory Data Management and Mining: A Survey and Beyond [58.63558696061679]
軌道計算は、位置サービス、都市交通、公共安全など、様々な実用用途において重要である。トラジェクトリ・コンピューティングのためのディープラーニング(DL4Traj)の開発と最近の進歩について概観する。特に、軌道計算を増強する可能性を持つ大規模言語モデル(LLM)の最近の進歩をカプセル化する。
論文参考訳（メタデータ） (2024-03-21T05:57:27Z)
JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文参考訳（メタデータ） (2023-11-05T18:59:31Z)
MyDigitalFootprint: an extensive context dataset for pervasive computing applications at the edge [7.310043452300736]
MyDigitalFootprintは、スマートフォンセンサーデータ、物理的な近接情報、オンラインソーシャルネットワークのインタラクションを含む大規模なデータセットである。自然環境における31人のボランティアユーザーによる2ヶ月の計測で、制限なしの行動を可能にする。データセットの有効性を示すために,各種機械学習タスクを利用したコンテキスト認識3つのアプリケーションを提案する。
論文参考訳（メタデータ） (2023-06-28T07:59:47Z)
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)
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)
Predicting Seriousness of Injury in a Traffic Accident: A New Imbalanced Dataset and Benchmark [62.997667081978825]
本稿では,交通事故における傷害の重大性を予測するために,機械学習アルゴリズムの性能を評価する新しいデータセットを提案する。データセットは、英国運輸省から公開されているデータセットを集約することで作成される。
論文参考訳（メタデータ） (2022-05-20T21:15:26Z)
Privacy-Aware Human Mobility Prediction via Adversarial Networks [10.131895986034314]
本研究では,LSTMをベースとした新たな逆方向学習機構を実装し,従来の位置情報データ(移動データ)のプライバシー保護機能表現を共有目的に実現した。我々は,軌道再構成リスク,ユーザ再識別リスク,移動予測可能性の観点から,移動データセットのユーティリティプライバシトレードオフを定量化する。
論文参考訳（メタデータ） (2022-01-19T10:41:10Z)
Flood Analytics Information System (FAIS) Version 4.00 Manual [0.0]
このプロジェクトは、洪水リスク評価と意思決定のために、ビッグデータ分析アプローチと機械学習と、ツイートの自然言語処理(NLP)を併用する最初の試みだった。複数のPythonパッケージが開発され、Flood Analytics Information System (FAIS)に統合された。
論文参考訳（メタデータ） (2021-11-30T15:46:38Z)
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)
Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and On-Device Inference [49.88536971774444]
慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
論文参考訳（メタデータ） (2020-01-13T04:41:54Z)

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。