論文の概要: User Localization Based on Call Detail Records

• arxiv url: http://arxiv.org/abs/2108.09157v1
• Date: Fri, 20 Aug 2021 13:03:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-23 17:06:08.186381
• Title: User Localization Based on Call Detail Records
• Title（参考訳）: コールディテール記録に基づくユーザのローカライズ
• Authors: Buddhi Ayesha, Bhagya Jeewanthi, Charith Chitraranjan, Amal Shehan Perera, Amal S. Kumarage
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding human mobility is essential for many fields, including transportation planning. Currently, surveys are the primary source for such analysis. However, in the recent past, many researchers have focused on Call Detail Records (CDR) for identifying travel patterns. CDRs have shown correlation to human mobility behavior. However, one of the main issues in using CDR data is that it is difficult to identify the precise location of the user due to the low spacial resolution of the data and other artifacts such as the load sharing effect. Existing approaches have certain limitations. Previous studies using CDRs do not consider the transmit power of cell towers when localizing the users and use an oversimplified approach to identify load sharing effects. Furthermore, they consider the entire population of users as one group neglecting the differences in mobility patterns of different segments of users. This research introduces a novel methodology to user position localization from CDRs through improved detection of load sharing effects, by taking the transmit power into account, and segmenting the users into distinct groups for the purpose of learning any parameters of the model. Moreover, this research uses several methods to address the existing limitations and validate the generated results using nearly 4 billion CDR data points with travel survey data and voluntarily collected mobile data.
• Abstract（参考訳）: 交通計画を含む多くの分野において、人間の移動性を理解することは不可欠である。 現在、このような分析の主要な情報源は調査である。 しかし、近年、多くの研究者が旅行パターンを特定するためにCDR(Call Detail Records)に注目している。 CDRは人間の移動行動と相関している。 しかし、CDRデータを使用する場合の大きな問題の1つは、データと負荷共有効果などの他のアーティファクトの解像度が低いため、ユーザの正確な位置を特定することが難しいことである。 既存のアプローチには一定の制限がある。 cdrを用いた以前の研究では、ユーザをローカライズする際にセルタワーの送信電力を考慮せず、負荷共有効果を特定するために単純化されたアプローチを用いる。 さらに、利用者の全体は、異なるセグメントの移動パターンの違いを無視する一つのグループであると考えている。 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導入し,負荷共有効果の検出を改善し,送信電力を考慮に入れ,モデルのパラメータを学習するために,ユーザを異なるグループに分割する手法を提案する。 さらに本研究は,既存の制限に対処し,40億近いcdrデータポイントと旅行調査データと自発的に収集したモバイルデータを用いて,生成した結果の検証を行う。

関連論文リスト

• Revisiting Multi-Granularity Representation via Group Contrastive Learning for Unsupervised Vehicle Re-identification [2.4822156881137367]
  教師なし車両用ReIDフレームワーク(MGR-GCL)を提案する。 識別可能な特徴を学習するために、多粒度CNN表現を統合する。 ターゲットデータセットの擬似ラベルを生成し、ドメイン適応プロセスを容易にする。
  論文  参考訳（メタデータ） (2024-10-29T02:24:36Z)
• Downstream-Pretext Domain Knowledge Traceback for Active Learning [138.02530777915362]
  本稿では、下流知識と事前学習指導のデータ相互作用をトレースするダウンストリーム・プレテキスト・ドメイン知識トレース(DOKT)手法を提案する。 DOKTは、トレースバックの多様性指標とドメインベースの不確実性推定器から構成される。 10のデータセットで行った実験は、我々のモデルが他の最先端の手法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-07-20T01:34:13Z)
• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• Causal Mode Multiplexer: A Novel Framework for Unbiased Multispectral Pedestrian Detection [47.00174564102467]
  多スペクトル歩行者検出器は, 統計的相関を超える例において, 一般化能力の低下を示す。 マルチスペクトル入力と予測の因果関係を効果的に学習する新しい因果モード多重化フレームワークを提案する。 我々は,マルチスペクトル歩行者検出におけるモダリティバイアスを評価するために,新しいデータセット(ROTX-MP)を構築した。
  論文  参考訳（メタデータ） (2024-03-02T19:54:53Z)
• Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
  安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。 ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。 しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。 我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
  論文  参考訳（メタデータ） (2023-08-24T01:30:18Z)
• Towards Multi-User Activity Recognition through Facilitated Training Data and Deep Learning for Human-Robot Collaboration Applications [2.3274633659223545]
  本研究では、シングルユーザに関するデータを収集し、後処理でそれらをマージすることで、マルチユーザアクティビティに関するデータを集める方法を提案する。 同じ設定で記録されたユーザのグループに関するトレーニングデータを使用する場合と比較して、この方法で収集されたデータをHRC設定のペアに使用し、同様のパフォーマンスを得ることができる。
  論文  参考訳（メタデータ） (2023-02-11T19:27:07Z)
• Explaining Cross-Domain Recognition with Interpretable Deep Classifier [100.63114424262234]
  解釈可能なDeep(IDC)は、ターゲットサンプルの最も近いソースサンプルを、分類器が決定を下す証拠として学習する。 我々のIDCは、精度の劣化がほとんどなく、最適なリジェクションオプションの分類を効果的に調整する、より説明可能なモデルに導かれる。
  論文  参考訳（メタデータ） (2022-11-15T15:58:56Z)
• Role of Data Augmentation Strategies in Knowledge Distillation for Wearable Sensor Data [6.638638309021825]
  ウェアラブルデバイスにおける時系列データに対するKDの適用性と課題について検討する。 KD中に拡張アプローチを選択するコヒーレントな戦略が存在するかどうかはまだ分かっていない。 本研究は,人的活動と鎮静行動に関する大規模介入研究から得られた,小規模のデータベースを一般公開したデータベースについて考察する。
  論文  参考訳（メタデータ） (2022-01-01T04:40:14Z)
• Identifying Hidden Visits from Sparse Call Detail Record Data [4.640835690336652]
  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。
  論文  参考訳（メタデータ） (2021-06-24T10:41:47Z)
• Learning Domain Invariant Representations for Generalizable Person Re-Identification [71.35292121563491]
  ReID(Generalizable person Re-Identification)は、最近のコンピュータビジョンコミュニティで注目を集めている。 DIR-ReID(Domain Invariant Representations for Generalizable Person Re-Identification)という新しい一般化フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-29T18:59:48Z)
• Stance Detection Benchmark: How Robust Is Your Stance Detection? [65.91772010586605]
  Stance Detection (StD) は、あるトピックやクレームに対する著者の姿勢を検出することを目的としている。 マルチデータセット学習環境において、さまざまなドメインの10のStDデータセットから学習するStDベンチマークを導入する。 このベンチマーク設定では、5つのデータセットに新しい最先端結果を表示することができます。
  論文  参考訳（メタデータ） (2020-01-06T13:37:51Z)

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。