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

• Urban Mobility Assessment Using LLMs [19.591156495742922]
  本研究は,大規模言語モデル(LLM)を推進し,旅行調査を合成する,革新的なAIベースのアプローチを提案する。 本研究は, 異なるレベルの既存調査データと比較し, 全米各都市圏におけるこのアプローチの有効性について検討した。
  論文  参考訳（メタデータ） (2024-08-22T19:17:33Z)
• Generative Models for Synthetic Urban Mobility Data: A Systematic Literature Review [44.99833362998488]
  この体系的なレビューは、この異質で活発な研究分野の現状に関する構造化された比較概要を提供する。 レビューされたモデルの適用性に特に焦点が当てられている。
  論文  参考訳（メタデータ） (2024-07-12T11:54:29Z)
• Reconsidering utility: unveiling the limitations of synthetic mobility data generation algorithms in real-life scenarios [49.1574468325115]
  実世界の応用性の観点から,5つの最先端合成手法の有用性を評価した。 我々は、GPS追跡タクシーのような細粒度都市の動きを符号化するいわゆる旅行データに焦点を当てる。 あるモデルは妥当な時間内にデータを生成することができず、別のモデルはマップマッチングの要件を満たすためにあまりに多くのジャンプを生成する。
  論文  参考訳（メタデータ） (2024-07-03T16:08:05Z)
• Deep Temporal Deaggregation: Large-Scale Spatio-Temporal Generative Models [5.816964541847194]
  本稿では,最新技術よりもパフォーマンスとスケールが大幅に向上する時系列の変圧器に基づく拡散モデルTDDPMを提案する。 これは、いくつかのシーケンス長、標準データセット、評価尺度にまたがる新しい包括的なベンチマークで評価される。
  論文  参考訳（メタデータ） (2024-06-18T09:16:11Z)
• A Survey on Diffusion Models for Time Series and Spatio-Temporal Data [92.1255811066468]
  時系列およびS時間データにおける拡散モデルの使用について概観し、それらをモデル、タスクタイプ、データモダリティ、実用的なアプリケーションドメインで分類する。 我々は拡散モデルを無条件型と条件付き型に分類し、時系列とS時間データを別々に議論する。 本調査は,医療,レコメンデーション,気候,エネルギー,オーディオ,交通など,さまざまな分野の応用を幅広くカバーしている。
  論文  参考訳（メタデータ） (2024-04-29T17:19:40Z)
• 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)
• 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)
• Synthpop++: A Hybrid Framework for Generating A Country-scale Synthetic Population [0.680303951699936]
  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)
• 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)

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。