論文の概要: Urban Landscape from the Structure of Road Network: A Complexity Perspective

• arxiv url: http://arxiv.org/abs/2201.10949v1
• Date: Wed, 26 Jan 2022 14:03:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 14:30:18.384813
• Title: Urban Landscape from the Structure of Road Network: A Complexity Perspective
• Title（参考訳）: 道路網の構造からみた都市景観 : 複雑性の観点から
• Authors: Hoai Nguyen Huynh and Muhamad Azfar Bin Ramli
• Abstract要約: モデル化されたネットワークエンティティの空間スケールと,その内に含まれる有用な情報量との関係について検討する。 本稿では,複雑性科学と情報理論のエントロピー尺度を用いて,ネットワークの各プレゼンテーションにおける情報量の定量化を行う。 得られたネットワークは, 都市プランナーが使用する計画境界と非常によく一致している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Spatial road networks have been widely employed to model the structure and connectivity of cities. In such representation, the question of spatial scale of the entities in the network, i.e. what its nodes and edges actually embody in reality, is of particular importance so that redundant information can be identified and eliminated to provide an improved understanding of city structure. To address this, we investigate in this work the relationship between the spatial scale of the modelled network entities against the amount of useful information contained within it. We employ an entropy measure from complexity science and information theory to quantify the amount of information residing in each presentation of the network subject to the spatial scale and show that it peaks at some intermediate scale. The resulting network presentation would allow us to have direct intuition over the hierarchical structure of the urban organisation, which is otherwise not immediately available from the traditional simple road network presentation. We demonstrate our methodology on the Singapore road network and find the critical spatial scale to be 85 m, at which the network obtained corresponds very well to the planning boundaries used by the local urban planners, revealing the essential urban connectivity structure of the city. Furthermore, the complexity measure is also capable of informing the secondary transitions that correspond well to higher-level hierarchical structures associated with larger-scale urban planning boundaries in Singapore.
• Abstract（参考訳）: 空間道路網は都市の構造と接続性をモデル化するために広く利用されている。 このような表現において、ネットワーク内の実体の空間的スケール、すなわちそのノードとエッジが実際に現実に具現化されているかという問題は、冗長な情報を識別して排除し、都市構造の理解を改善するために特に重要である。 そこで本研究では,モデル化されたネットワークエンティティの空間規模とそれに含まれる有用な情報量との関係について検討する。 本研究では,複雑性科学と情報理論のエントロピー測度を用いて,空間スケールのネットワークの各表現に係わる情報量を定量化し,ある中間スケールでピークを示す。 結果として得られたネットワークプレゼンテーションにより、従来の単純な道路ネットワークプレゼンテーションではすぐには利用できない都市組織の階層構造を直接直感できるようになります。 提案手法をシンガポールの道路網上で実証し, 得られたネットワークは, 都市計画者による都市計画境界と非常によく一致し, 都市の重要な都市接続構造を明らかにした。 さらに、シンガポールの大規模都市計画境界に関連する上位階層構造によく対応した二次的変遷を、複雑性尺度によって知らせることができる。

関連論文リスト

• Learning to Model Graph Structural Information on MLPs via Graph Structure Self-Contrasting [50.181824673039436]
  本稿では,グラフ構造情報をメッセージパッシングなしで学習するグラフ構造自己コントラスト(GSSC)フレームワークを提案する。 提案するフレームワークは,構造情報を事前知識として暗黙的にのみ組み込む,MLP(Multi-Layer Perceptrons)に基づいている。 これはまず、近傍の潜在的非形式的あるいはノイズの多いエッジを取り除くために構造的スペーシングを適用し、その後、スペーシングされた近傍で構造的自己コントラストを行い、ロバストなノード表現を学ぶ。
  論文  参考訳（メタデータ） (2024-09-09T12:56:02Z)
• Defining Neural Network Architecture through Polytope Structures of Dataset [53.512432492636236]
  本稿では, ニューラルネットワーク幅の上下境界を定義し, 問題となるデータセットのポリトープ構造から情報を得る。 本研究では,データセットのポリトープ構造を学習したニューラルネットワークから推定できる逆条件を探索するアルゴリズムを開発した。 MNIST、Fashion-MNIST、CIFAR10といった一般的なデータセットは、顔の少ない2つ以上のポリトップを用いて効率的にカプセル化できることが確立されている。
  論文  参考訳（メタデータ） (2024-02-04T08:57:42Z)
• Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
  本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。 AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。 2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2023-06-15T14:50:27Z)
• Complexity-aware Large Scale Origin-Destination Network Generation via Diffusion Model [24.582615553841396]
  Origin-Destination (OD) ネットワークは、市内の各地域から他の地域への人々の流れを推定する。 本稿では,ノードとエッジの条件付き結合確率分布を学習するために,ODネットワークの生成と拡散法の設計を提案する。
  論文  参考訳（メタデータ） (2023-06-08T02:02:55Z)
• Extracting Spatial Interaction Patterns between Urban Road Networks and Mixed Functions [4.198538504785438]
  ある地域の機能が混ざり合っているほど、その活力が増す可能性がある。 本研究は,道路ネットワークの構造の度合いが高いほど,関数の集約を惹きつける可能性が高くなることを示す。 また、地方レベルの多様化が都市機能の収集に役立つことも明らかにした。
  論文  参考訳（メタデータ） (2022-11-03T01:41:46Z)
• Neural Embeddings of Urban Big Data Reveal Emergent Structures in Cities [7.148078723492643]
  都市部の異質性を利用したニューラルネットワーク(GNN)を提案する。 アメリカ合衆国の16大都市圏において,何百万もの携帯電話利用者による大規模高解像度モビリティデータセットを用いて,都市部コンポーネント間の複雑な関係をエンコードしていることを示す。 異なる郡で訓練されたモデルによって生成された埋め込みは、他の郡における創発的空間構造の50%から60%を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-10-24T07:13:14Z)
• 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)
• Exploiting latent representation of sparse semantic layers for improved short-term motion prediction with Capsule Networks [0.12183405753834559]
  本稿では,HD(High-Definition)マップの小さな領域に対応するスパースなセマンティクス層の階層的表現を学習する文脈において,Capsule Networks(CapsNets)の利用を検討する。 CapsNetsに基づくアーキテクチャを使用することで、検出された画像内の特徴間の階層的関係を維持すると同時に、プール操作によってしばしば発生する空間データの損失を防ぐことができる。 本モデルでは,ネットワーク全体の規模を大幅に削減しつつ,予測に関する最近の研究よりも大幅な改善を実現していることを示す。
  論文  参考訳（メタデータ） (2021-03-02T11:13:43Z)
• Quantifying spatial homogeneity of urban road networks via graph neural networks [12.875369866362327]
  都市道路ネットワーク(URN)の空間均質性は、各異なるコンポーネントがネットワーク全体と類似しているかどうかを測定します。 グラフニューラルネットワークを使用して、世界中の30都市で11,790のURNサンプルをモデル化し、その予測可能性を使用して空間均質を定義します。
  論文  参考訳（メタデータ） (2021-01-01T19:45:04Z)
• On the use of local structural properties for improving the efficiency of hierarchical community detection methods [77.34726150561087]
  本研究では,階層型コミュニティ検出の効率向上のために,局所構造ネットワーク特性をプロキシとして利用する方法について検討する。 また,ネットワークプルーニングの性能への影響を,階層的コミュニティ検出をより効率的にするための補助的手法として検証する。
  論文  参考訳（メタデータ） (2020-09-15T00:16:12Z)
• Learning Connectivity of Neural Networks from a Topological Perspective [80.35103711638548]
  本稿では,ネットワークを解析のための完全なグラフに表現するためのトポロジ的視点を提案する。 接続の規模を反映したエッジに学習可能なパラメータを割り当てることにより、学習プロセスを異なる方法で行うことができる。 この学習プロセスは既存のネットワークと互換性があり、より大きな検索空間と異なるタスクへの適応性を持っている。
  論文  参考訳（メタデータ） (2020-08-19T04:53:31Z)

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。