論文の概要: A deep learning framework to generate realistic population and mobility
data
- arxiv url: http://arxiv.org/abs/2211.07369v1
- Date: Mon, 14 Nov 2022 14:05:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 19:18:19.926220
- Title: A deep learning framework to generate realistic population and mobility
data
- Title(参考訳): リアルな人口とモビリティデータを生成するディープラーニングフレームワーク
- Authors: Eren Arkangil, Mehmet Yildirimoglu, Jiwon Kim, Carlo Prato
- Abstract要約: 国勢調査と家庭旅行調査のデータセットは、定期的に家庭や個人から収集されている。
これらのデータセットは、プライバシの懸念による人口の限られたサンプルを表すか、集約されることが多い。
本稿では,社会経済的特徴(年齢,性別,産業など)とトリップチェーン(活動場所)の両方を含む合成人口を生成する枠組みを提案する。
- 参考スコア(独自算出の注目度): 5.180648702293017
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Census and Household Travel Survey datasets are regularly collected from
households and individuals and provide information on their daily travel
behavior with demographic and economic characteristics. These datasets have
important applications ranging from travel demand estimation to agent-based
modeling. However, they often represent a limited sample of the population due
to privacy concerns or are given aggregated. Synthetic data augmentation is a
promising avenue in addressing these challenges. In this paper, we propose a
framework to generate a synthetic population that includes both socioeconomic
features (e.g., age, sex, industry) and trip chains (i.e., activity locations).
Our model is tested and compared with other recently proposed models on
multiple assessment metrics.
- Abstract(参考訳): 国勢調査および世帯旅行調査データセットは、定期的に世帯や個人から収集され、人口統計と経済特性を備えた日々の旅行行動に関する情報を提供する。
これらのデータセットには、旅行需要推定からエージェントベースモデリングまで、重要な応用がある。
しかし、プライバシー上の懸念から人口の限られたサンプルを表すことや、集約されることが多い。
合成データ拡張は、これらの課題に対処する上で有望な手段である。
本稿では,社会経済的特徴(年齢,性別,産業など)とトリップチェーン(活動場所など)の両方を含む合成人口を生成する枠組みを提案する。
我々のモデルは、複数の評価指標で最近提案された他のモデルと比較される。
関連論文リスト
- Data Augmentation in Human-Centric Vision [54.97327269866757]
本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。
それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。
我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
論文 参考訳(メタデータ) (2024-03-13T16:05:18Z) - Regions are Who Walk Them: a Large Pre-trained Spatiotemporal Model
Based on Human Mobility for Ubiquitous Urban Sensing [24.48869607589127]
本研究では,人体移動データに含まれるリッチな情報を活用するために,トラジェクトリ(RAW)に基づく大規模時空間モデルを提案する。
提案手法は,人間の移動データのみに特色を持たず,ユーザのプロファイリングや地域分析に一定の関連性を示す。
論文 参考訳(メタデータ) (2023-11-17T11:55:11Z) - 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) - Large Models for Time Series and Spatio-Temporal Data: A Survey and
Outlook [95.32949323258251]
時系列データ、特に時系列データと時間時間データは、現実世界のアプリケーションで広く使われている。
大規模言語やその他の基礎モデルの最近の進歩は、時系列データマイニングや時間データマイニングでの使用の増加に拍車を掛けている。
論文 参考訳(メタデータ) (2023-10-16T09:06:00Z) - Continual Release of Differentially Private Synthetic Data [31.37064398694776]
微分プライベートな合成データを連続的にリリースする問題について検討する。
各ステップごとに、各ステップが新しいデータ要素をレポートするモデルを導入します。
本稿では,2種類のクエリを連続的に保存する合成データ生成アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-06-13T16:22:08Z) - Synthpop++: A Hybrid Framework for Generating A Country-scale Synthetic
Population [0.0]
人口調査は費用がかかり、時間がかかり、プライバシーの懸念も高まる可能性がある。
SynthPop++を導入し、複数の実世界のサーベイからのデータを組み合わせて、実スケールの合成人口を生成する。
実験の結果,インドにおける様々な行政単位の人口を人工的にシミュレートできることが示唆された。
論文 参考訳(メタデータ) (2023-04-24T17:27:56Z) - Beyond Privacy: Navigating the Opportunities and Challenges of Synthetic
Data [91.52783572568214]
合成データは、機械学習の世界において支配的な力となり、データセットを個々のニーズに合わせて調整できる未来を約束する。
合成データのより広範な妥当性と適用のために,コミュニティが克服すべき根本的な課題について論じる。
論文 参考訳(メタデータ) (2023-04-07T16:38:40Z) - Synthetic Data in Human Analysis: A Survey [16.562921709882865]
調査は、人間分析の分野の研究者や実践者を対象としている。
我々は,現在最先端の手法と合成データの利用の主な利点を要約した調査を行う。
また、利用可能な合成データセットと生成モデルの概要も提供する。
論文 参考訳(メタデータ) (2022-08-19T07:32:34Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳(メタデータ) (2022-07-19T16:15:11Z) - Generating synthetic mobility data for a realistic population with RNNs
to improve utility and privacy [3.3918638314432936]
本稿では, ディープリカレントニューラルネットワーク(RNN)を用いた合成モビリティデータ生成システムを提案する。
本システムは, 個体群分布を入力として, 対応する合成個体群の移動トレースを生成する。
生成したモビリティデータは,個々のレベルでの実際のデータから変化しながら,実際のデータの特徴を保っていることを示す。
論文 参考訳(メタデータ) (2022-01-04T13:58:22Z) - On the Efficacy of Adversarial Data Collection for Question Answering:
Results from a Large-Scale Randomized Study [65.17429512679695]
逆データ収集(ADC)では、人間の労働力がモデルとリアルタイムで対話し、誤った予測を誘発する例を作成しようとする。
ADCの直感的な魅力にも拘わらず、敵対的データセットのトレーニングがより堅牢なモデルを生成するかどうかは不明だ。
論文 参考訳(メタデータ) (2021-06-02T00:48:33Z)
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。