論文の概要: Unsupervised embedding and similarity detection of microregions using
public transport schedules
- arxiv url: http://arxiv.org/abs/2111.02405v1
- Date: Wed, 3 Nov 2021 11:56:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-05 14:59:57.030218
- Title: Unsupervised embedding and similarity detection of microregions using
public transport schedules
- Title(参考訳): 公共輸送スケジュールを用いた微小領域の教師なし埋め込みと類似性検出
- Authors: Piotr Gramacki
- Abstract要約: この論文は、公共交通機関の可用性情報をベクトル空間に埋め込む方法を開発した。
欧州48都市から公共交通機関の時刻表が収集された。
公共交通機関に類似した特徴を持つ地域を特定する手法も提案した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The role of spatial data in tackling city-related tasks has been growing in
recent years. To use them in machine learning models, it is often necessary to
transform them into a vector representation, which has led to the development
in the field of spatial data representation learning. There is also a growing
variety of spatial data types for which representation learning methods are
proposed. Public transport timetables have so far not been used in the task of
learning representations of regions in a city. In this work, a method is
developed to embed public transport availability information into vector space.
To conduct experiments on its application, public transport timetables were
collected from 48 European cities. Using the H3 spatial indexing method, they
were divided into micro-regions. A method was also proposed to identify regions
with similar characteristics of public transport offers. On its basis, a
multi-level typology of public transport offers in the regions was defined.
This thesis shows that the proposed representation method makes it possible to
identify micro-regions with similar public transport characteristics between
the cities, and can be used to evaluate the quality of public transport
available in a city.
- Abstract(参考訳): 近年,都市関連課題に取り組むための空間データの役割が増大している。
機械学習モデルでそれを使うには、それらをベクトル表現に変換することがしばしば必要であり、空間データ表現学習の分野の発展に繋がる。
また,表現学習手法を提案する空間データ型も増加している。
公共交通機関の時刻表は、都市内の地域の表現を学ぶタスクにはこれまで使われていなかった。
本研究では,公共交通機関の可用性情報をベクトル空間に埋め込む手法を開発した。
その適用実験を行うため、ヨーロッパの48都市から公共交通機関の時刻表が集められた。
H3空間インデクシング法を用いてマイクロリージョンに分割した。
公共交通機関に類似した特徴を持つ地域を特定する手法も提案した。
その根拠として、地域の公共交通提供の多水準型が定義された。
本論文は,提案手法により,都市間における公共交通特性の類似したマイクロリージョンの識別が可能であり,都市内で利用可能な公共交通の質を評価することができることを示す。
関連論文リスト
- Mapping High-level Semantic Regions in Indoor Environments without
Object Recognition [50.624970503498226]
本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。
地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。
グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
論文 参考訳(メタデータ) (2024-03-11T18:09:50Z) - A generalized vector-field framework for mobility [0.0]
本稿では,任意の種類の移動に有効な個人軌跡から始まる一般ベクトル場表現を提案する。
個人の選挙が運動場のメソスコピック特性をどのように決定するかを示す。
筆者らのフレームワークは, メソスコピックな都市移動において, 隠れ対称性を捉えるための重要なツールである。
論文 参考訳(メタデータ) (2023-09-04T07:50:08Z) - highway2vec -- representing OpenStreetMap microregions with respect to
their road network characteristics [3.5960954499553512]
本稿では,道路インフラストラクチャ特性に関するマイクロリージョンの埋め込みを生成する手法を提案する。
私たちは、いくつかの都市のOpenStreetMapロードネットワークをベースとしています。
地図六角形が道路網にどの程度近いかを検出するベクトル表現を得た。
論文 参考訳(メタデータ) (2023-04-26T23:16:18Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳(メタデータ) (2022-09-28T18:51:59Z) - gtfs2vec -- Learning GTFS Embeddings for comparing Public Transport
Offer in Microregions [8.24748878314036]
欧州48都市を選択し、GTFSフォーマットで公共交通機関の時刻表を収集しました。
各地域における公共交通機関の可利用量と多様さを記述した機能を作成しました。
次に、同様の領域を特定するために階層的クラスタリングアプローチを使用しました。
論文 参考訳(メタデータ) (2021-11-01T14:10:55Z) - PAC: Partial Area Cluster for adjusting the distribution of
transportation platforms in modern cities [0.6423239719448168]
輸送プラットフォームの不合理な分布は、低利用率をもたらす。
パーシャル・エリア・クラスタ(PAC)は、元の分布を変更して更新することで利用を改善することを提案した。
経験から、公共交通機関の利用が20%増加したことが示されている。
論文 参考訳(メタデータ) (2021-07-06T10:04:18Z) - Real-time Outdoor Localization Using Radio Maps: A Deep Learning
Approach [59.17191114000146]
LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。
我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
論文 参考訳(メタデータ) (2021-06-23T17:27:04Z) - 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) - Unavailable Transit Feed Specification: Making it Available with
Recurrent Neural Networks [8.968417883198374]
一般論として、公共交通機関の需要は、使用を拒む声が高まり、その品質が要求される。
本稿では,データマイニングと機械学習技術を活用した革新的な手法を用いて,公共交通機関に関する利用できないデータの利用を目標とする。
論文 参考訳(メタデータ) (2021-02-20T12:17:20Z) - 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) - Explicit Domain Adaptation with Loosely Coupled Samples [85.9511585604837]
本稿では,ドメイン間の明示的なマッピングを学習するトランスファーラーニングフレームワークを提案する。
その解釈可能性のために、これは自律運転のような安全クリティカルなアプリケーションにとって有益である。
論文 参考訳(メタデータ) (2020-04-24T21:23:45Z)
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。