論文の概要: Modeling International Mobility using Roaming Cell Phone Traces during COVID-19 Pandemic

• arxiv url: http://arxiv.org/abs/2201.02470v2
• Date: Mon, 21 Mar 2022 16:35:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-02 01:29:29.142016
• Title: Modeling International Mobility using Roaming Cell Phone Traces during COVID-19 Pandemic
• Title（参考訳）: 新型コロナウイルスパンデミック時のローミング携帯電話トレースを用いた国際モビリティのモデル化
• Authors: Massimiliano Luca, Bruno Lepri, Enrique Frias-Martinez, Andra Lutu
• Abstract要約: 本研究は、携帯電話が生成したローミングデータを用いて、国際移動度をモデル化することを提案する。 我々は、重力と放射モデルを用いて、非薬品介入導入前後の移動性の流れを捉える。
• 参考スコア（独自算出の注目度）: 5.405083130700855
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most of the studies related to human mobility are focused on intra-country mobility. However, there are many scenarios (e.g., spreading diseases, migration) in which timely data on international commuters are vital. Mobile phones represent a unique opportunity to monitor international mobility flows in a timely manner and with proper spatial aggregation. This work proposes using roaming data generated by mobile phones to model incoming and outgoing international mobility. We use the gravity and radiation models to capture mobility flows before and during the introduction of non-pharmaceutical interventions. However, traditional models have some limitations: for instance, mobility restrictions are not explicitly captured and may play a crucial role. To overtake such limitations, we propose the COVID Gravity Model (CGM), namely an extension of the traditional gravity model that is tailored for the pandemic scenario. This proposed approach overtakes, in terms of accuracy, the traditional models by 126.9% for incoming mobility and by 63.9% when modeling outgoing mobility flows.
• Abstract（参考訳）: 人間の移動に関する研究の多くは、国内移動に焦点を当てている。 しかし、国際通勤者に関するタイムリーなデータが不可欠であるシナリオ(病気の拡散、移住など)は数多く存在する。 携帯電話は、タイムリーかつ適切な空間アグリゲーションで国際移動フローを監視するユニークな機会である。 本研究では、携帯電話が生成したローミングデータを用いて、国際移動をモデル化することを提案する。 我々は,非薬剤的介入の導入前後の移動流を捉えるために重力・放射モデルを用いた。 しかし、従来のモデルにはいくつかの制限がある。例えば、モビリティの制限は明示的に捉えられず、重要な役割を果たす可能性がある。 このような制約を克服するため,我々は,パンデミックのシナリオに合わせた従来の重力モデルの拡張であるcovid-19 gravity model(cgm)を提案する。 この手法は、精度の点で従来のモデルよりも126.9%、モビリティフローのモデリングでは63.9%を上回ります。

関連論文リスト

• Quo Vadis, Motion Generation? From Large Language Models to Large Motion Models [70.78051873517285]
  我々は、最初の100万レベルのモーション生成ベンチマークであるMotionBaseを紹介する。 この膨大なデータセットを活用することで、我々の大きな動きモデルは幅広い動きに対して強いパフォーマンスを示す。 動作情報を保存し,コードブックの容量を拡大する,モーショントークン化のための新しい2次元ルックアップフリーアプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-04T10:48:54Z)
• Human Mobility Modeling with Limited Information via Large Language Models [11.90100976089832]
  本稿では,人間の移動性モデリングフレームワークであるLLM(Large Language Model)を提案する。 提案手法は,詳細な移動統計データへの依存を著しく低減する。 NHTSとSCAG-ABMのデータセットを用いて評価を行った。
  論文  参考訳（メタデータ） (2024-09-26T03:07:32Z)
• Deep Activity Model: A Generative Approach for Human Mobility Pattern Synthesis [11.90100976089832]
  我々は,人間の移動性モデリングと合成のための新しい生成的深層学習手法を開発した。 オープンソースのデータを使って、アクティビティパターンとロケーショントラジェクトリの両方を組み込む。 モデルはローカルデータで微調整できるため、さまざまな領域にわたるモビリティパターンを正確に表現することができる。
  論文  参考訳（メタデータ） (2024-05-24T02:04:10Z)
• GenAD: Generalized Predictive Model for Autonomous Driving [75.39517472462089]
  本稿では,自動運転分野における最初の大規模ビデオ予測モデルを紹介する。 我々のモデルはGenADと呼ばれ、新しい時間的推論ブロックでシーンを駆動する際の挑戦的なダイナミクスを扱う。 アクション条件付き予測モデルやモーションプランナーに適応することができ、現実世界の運転アプリケーションに大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2024-03-14T17:58:33Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• Rethinking Urban Mobility Prediction: A Super-Multivariate Time Series Forecasting Approach [71.67506068703314]
  長期の都市移動予測は、都市施設やサービスの効果的管理において重要な役割を担っている。 伝統的に、都市移動データはビデオとして構成され、経度と緯度を基本的なピクセルとして扱う。 本研究では,都市におけるモビリティ予測の新たな視点について紹介する。 都市移動データを従来のビデオデータとして単純化するのではなく、複雑な時系列と見なす。
  論文  参考訳（メタデータ） (2023-12-04T07:39:05Z)
• 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)
• Priority-Centric Human Motion Generation in Discrete Latent Space [59.401128190423535]
  テキスト・ツー・モーション生成のための優先中心運動離散拡散モデル(M2DM)を提案する。 M2DMは、コード崩壊に対処するために、グローバルな自己注意機構と正規化用語を組み込んでいる。 また、各動きトークンの重要度から決定される革新的なノイズスケジュールを用いた動き離散拡散モデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T10:40:16Z)
• Motion Transformer with Global Intention Localization and Local Movement Refinement [103.75625476231401]
  動き TRansformer (MTR) は、大域的意図の局所化と局所的な動きの洗練の合同最適化として、動き予測をモデル化する。 MTRは、限界運動予測と関節運動予測の両方において最先端の性能を達成する。
  論文  参考訳（メタデータ） (2022-09-27T16:23:14Z)
• Mobility signatures: a tool for characterizing cities using intercity mobility flows [1.1602089225841632]
  我々は、より広い移動ネットワークに都市がどのように埋め込まれているかを理解するためのツールとして、モビリティシグネチャを紹介した。 フィンランドの携帯電話ベースのデータに基づいて構築された2つのアプリケーションによるモビリティシグネチャ手法の可能性を示す。
  論文  参考訳（メタデータ） (2021-12-03T08:53:58Z)
• WiFiMod: Transformer-based Indoor Human Mobility Modeling using Passive Sensing [25.901165832790493]
  WiFiModはトランスフォーマーベースのデータ駆動型アプローチで、屋内の人間の移動を複数の空間スケールでモデル化する。 WiFiModは、現在の最先端モデルよりも少なくとも10%高い精度で予測できる。 WiFiModの現実的な3つの応用を提示する - (i) 新型コロナウイルスやICIの政策決定のための高密度ホットポケットを予測し、 (ii) 屋内モビリティの現実的なシミュレーションを作成し、 (iii) パーソナルアシスタントを設計する。
  論文  参考訳（メタデータ） (2021-04-20T08:45:17Z)

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。