論文の概要: Evaluating geospatial context information for travel mode detection
- arxiv url: http://arxiv.org/abs/2305.19428v2
- Date: Mon, 16 Oct 2023 08:50:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-18 05:00:46.591638
- Title: Evaluating geospatial context information for travel mode detection
- Title(参考訳): 旅行モード検出のための地理空間コンテキスト情報の評価
- Authors: Ye Hong, Emanuel St\"udeli, Martin Raubal
- Abstract要約: 本研究では,移動モード検出のための地理空間的コンテキスト情報の寄与を評価するための分析パイプラインを提案する。
本報告では,鉄道や道路網との距離など,インフラネットワークとの関係を記述した特徴が,モデルの予測に大きく寄与している。
最終的に、地理空間のコンテキストが、異なる移動モードの識別に異なる貢献をしていることが明らかとなった。
- 参考スコア(独自算出の注目度): 2.4004628912753234
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Detecting travel modes from global navigation satellite system (GNSS)
trajectories is essential for understanding individual travel behavior and a
prerequisite for achieving sustainable transport systems. While studies have
acknowledged the benefits of incorporating geospatial context information into
travel mode detection models, few have summarized context modeling approaches
and analyzed the significance of these context features, hindering the
development of an efficient model. Here, we identify context representations
from related work and propose an analytical pipeline to assess the contribution
of geospatial context information for travel mode detection based on a random
forest model and the SHapley Additive exPlanation (SHAP) method. Through
experiments on a large-scale GNSS tracking dataset, we report that features
describing relationships with infrastructure networks, such as the distance to
the railway or road network, significantly contribute to the model's
prediction. Moreover, features related to the geospatial point entities help
identify public transport travel, but most land-use and land-cover features
barely contribute to the task. We finally reveal that geospatial contexts have
distinct contributions in identifying different travel modes, providing
insights into selecting appropriate context information and modeling
approaches. The results from this study enhance our understanding of the
relationship between movement and geospatial context and guide the
implementation of effective and efficient transport mode detection models.
- Abstract(参考訳): 地球航法衛星システム(GNSS)軌道から旅行モードを検出することは、個々の旅行行動を理解する上で不可欠であり、持続可能な輸送システムを実現するための前提条件である。
地理空間的コンテキスト情報を旅行モード検出モデルに組み込むことの利点を研究は認めているが、コンテキストモデリングアプローチを要約し、これらのコンテキスト特徴の意義を分析し、効率的なモデルの開発を妨げるものはほとんどない。
本稿では,関連する作業から文脈表現を同定し,ランダムフォレストモデルとシャプリー加法(shap)法に基づいて,旅行モード検出のための地理空間的コンテキスト情報の寄与度を評価する解析パイプラインを提案する。
大規模GNSS追跡データセットの実験を通じて,鉄道や道路ネットワークとの距離などのインフラストラクチャネットワークとの関係を記述した特徴が,モデルの予測に大きく寄与していることを報告する。
さらに、地理空間的要素に関連する特徴は公共交通機関の移動を識別するのに役立つが、土地利用と土地被覆のほとんどの特徴はこのタスクにはほとんど寄与しない。
地理空間的コンテキストは、異なる移動モードを識別し、適切なコンテキスト情報やモデリングアプローチを選択するための洞察を提供する上で、異なる貢献をすることが明らかとなった。
本研究は,移動と地理空間的文脈の関係の理解を深め,効果的かつ効率的な移動モード検出モデルの実装を導くものである。
関連論文リスト
- Assessment of a new GeoAI foundation model for flood inundation mapping [4.312965283062856]
そこで本稿は,IBM-NASAのPrithviによる地空間基盤モデルの性能評価を行い,地空間解析の重要課題である洪水浸水マッピングを支援する。
実験では、ベンチマークデータセットであるSen1Floods11を使用し、モデルの予測可能性、一般化可能性、転送可能性を評価する。
以上の結果から, 未確認領域におけるセグメンテーションにおけるPrithviモデルの性能上の優位性が示された。
論文 参考訳(メタデータ) (2023-09-25T19:50:47Z) - BEVBert: Multimodal Map Pre-training for Language-guided Navigation [75.23388288113817]
視覚・言語ナビゲーション(VLN)における空間認識型マップベース事前学習パラダイムを提案する。
我々は,グローバルなトポロジカルマップにおけるナビゲーション依存性をモデル化しながら,不完全な観測を明示的に集約し,重複を取り除くための局所距離マップを構築した。
ハイブリッドマップをベースとして,マルチモーダルマップ表現を学習するための事前学習フレームワークを考案し,空間認識型クロスモーダル推論を強化し,言語誘導ナビゲーションの目標を導出する。
論文 参考訳(メタデータ) (2022-12-08T16:27:54Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳(メタデータ) (2022-11-04T09:58:57Z) - RSG-Net: Towards Rich Sematic Relationship Prediction for Intelligent
Vehicle in Complex Environments [72.04891523115535]
本稿では,オブジェクトの提案から潜在的意味関係を予測するグラフ畳み込みネットワークRSG-Netを提案する。
実験の結果、このネットワークはロードシーングラフデータセットに基づいてトレーニングされており、エゴ車両周辺のオブジェクト間の潜在的な意味関係を効率的に予測できることがわかった。
論文 参考訳(メタデータ) (2022-07-16T12:40:17Z) - A semi-supervised geometric-driven methodology for supervised fishing
activity detection on multi-source AIS tracking messages [11.969292109862856]
本稿では,AISデータから漁業活動を検出するための幾何学的半教師付きアプローチを提案する。
船舶経路の形状を記述する特徴を抽出するために,メッセージに含まれる情報を探索する方法を示す。
AISデータストリーム上のリカレントニューラルネットワークを用いて,50種類の漁船の全航路におけるF$スコアの約87%を網羅した解を提案する。
論文 参考訳(メタデータ) (2022-07-12T13:17:37Z) - Deep Inverse Reinforcement Learning for Route Choice Modeling [0.6853165736531939]
経路選択モデリングは交通計画と需要予測の基本的な課題である。
本研究では,リンクベース経路選択モデルのための一般的な逆強化学習(IRL)フレームワークを提案する。
中国上海のタクシーGPSデータに基づく実験結果から,提案モデルの性能改善を検証した。
論文 参考訳(メタデータ) (2022-06-18T06:33:06Z) - Aerial Images Meet Crowdsourced Trajectories: A New Approach to Robust
Road Extraction [110.61383502442598]
我々は、Cross-Modal Message Propagation Network (CMMPNet)と呼ばれる新しいニューラルネットワークフレームワークを紹介する。
CMMPNetは、モダリティ固有の表現学習のための2つのディープオートエンコーダと、クロスモーダル表現洗練のためのテーラー設計のデュアルエンハンスメントモジュールで構成されている。
実世界の3つのベンチマーク実験により, CMMPNetによる堅牢な道路抽出の有効性が示された。
論文 参考訳(メタデータ) (2021-11-30T04:30:10Z) - SOON: Scenario Oriented Object Navigation with Graph-based Exploration [102.74649829684617]
人間のように3Dエンボディ環境のどこからでも言語ガイドされたターゲットに向かって移動する能力は、インテリジェントロボットの「聖杯」目標の1つです。
ほとんどのビジュアルナビゲーションベンチマークは、ステップバイステップの詳細な命令セットに導かれ、固定された出発点から目標に向かって移動することに焦点を当てている。
このアプローチは、人間だけが物体とその周囲がどのように見えるかを説明する現実世界の問題から逸脱し、ロボットにどこからでも航行を依頼する。
論文 参考訳(メタデータ) (2021-03-31T15:01:04Z) - Object Goal Navigation using Goal-Oriented Semantic Exploration [98.14078233526476]
本研究は,未確認環境における対象カテゴリーのインスタンスにナビゲートするオブジェクトゴールナビゲーションの問題を研究する。
本稿では,表層的なセマンティックマップを構築し,効率的に環境を探索する「ゴール指向セマンティック探索」というモジュールシステムを提案する。
論文 参考訳(メタデータ) (2020-07-01T17:52:32Z) - Learning Geo-Contextual Embeddings for Commuting Flow Prediction [20.600183945696863]
インフラ・土地利用情報に基づく通勤フローの予測は都市計画・公共政策開発に不可欠である。
重力モデルのような従来のモデルは、主に物理原理から派生し、現実のシナリオにおける予測力によって制限される。
本研究では,空間的相関を空間的コンテキスト情報から捉えて,通勤フロー予測を行うモデルであるGeo-contextual Multitask Embedding Learner (GMEL)を提案する。
論文 参考訳(メタデータ) (2020-05-04T17:45:18Z)
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。