論文の概要: A Data-driven Region Generation Framework for Spatiotemporal Transportation Service Management

• arxiv url: http://arxiv.org/abs/2306.02806v1
• Date: Mon, 5 Jun 2023 11:58:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-06 15:20:12.516436
• Title: A Data-driven Region Generation Framework for Spatiotemporal Transportation Service Management
• Title（参考訳）: 時空間交通サービス管理のためのデータ駆動地域生成フレームワーク
• Authors: Liyue Chen, Jiangyi Fang, Zhe Yu, Yongxin Tong, Shaosheng Cao, Leye Wang
• Abstract要約: MAUP (modably isal unit problem) は空間データ管理と解析の基本的な問題である。 既存の領域生成手法の多くは手動で指定されている(例えば、固定サイズグリッド)。 本研究では,重要な特徴を持つ領域を指定可能なデータ駆動型領域生成フレームワークであるRereaGenを提案する。
• 参考スコア（独自算出の注目度）: 17.13561457429991
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: MAUP (modifiable areal unit problem) is a fundamental problem for spatial data management and analysis. As an instantiation of MAUP in online transportation platforms, region generation (i.e., specifying the areal unit for service operations) is the first and vital step for supporting spatiotemporal transportation services such as ride-sharing and freight transport. Most existing region generation methods are manually specified (e.g., fixed-size grids), suffering from poor spatial semantic meaning and inflexibility to meet service operation requirements. In this paper, we propose RegionGen, a data-driven region generation framework that can specify regions with key characteristics (e.g., good spatial semantic meaning and predictability) by modeling region generation as a multi-objective optimization problem. First, to obtain good spatial semantic meaning, RegionGen segments the whole city into atomic spatial elements based on road networks and obstacles (e.g., rivers). Then, it clusters the atomic spatial elements into regions by maximizing various operation characteristics, which is formulated as a multi-objective optimization problem. For this optimization problem, we propose a multi-objective co-optimization algorithm. Extensive experiments verify that RegionGen can generate more suitable regions than traditional methods for spatiotemporal service management.
• Abstract（参考訳）: MAUP (modably isal unit problem) は空間データ管理と解析の基本的な問題である。 オンライン輸送プラットフォームにおけるMAUPのインスタンス化として、地域創出(サービス運用のアダル・ユニットの指定)は、配車や貨物輸送といった時空間輸送サービスを支援するための第1かつ重要なステップである。 既存の領域生成手法のほとんどは手動で指定されている(固定サイズのグリッドなど)。 本稿では,領域生成を多目的最適化問題としてモデル化することで,重要な特徴(例えば,空間意味と予測可能性)を持つ領域を特定できるデータ駆動型領域生成フレームワークであるRereaGenを提案する。 まず、良好な空間意味を得るために、RereaGenは都市全体を道路網や障害物(川など)に基づいて原子空間要素に分割する。 そして、多目的最適化問題として定式化された様々な動作特性を最大化することにより、原子空間要素を領域に集約する。 この最適化問題に対して,多目的共最適化アルゴリズムを提案する。 大規模な実験では、RereaGenは時空間サービス管理の従来の方法よりも適切なリージョンを生成することができる。

関連論文リスト

• A History-Guided Regional Partitioning Evolutionary Optimization for Solving the Flexible Job Shop Problem with Limited Multi-load Automated Guided Vehicles [6.3926046314748834]
  本研究では,限られた多負荷AGVを用いたフレキシブルなジョブショップスケジューリング問題に対して,歴史誘導型地域分割アルゴリズム(HRPEO)を提案する。 その結果,HRPEOはFJSPMAの解決に有利であることがわかった。
  論文  参考訳（メタデータ） (2024-09-27T13:33:19Z)
• Region-Transformer: Self-Attention Region Based Class-Agnostic Point Cloud Segmentation [4.435186990319961]
  そこで我々は,クラス非依存の点雲分割のための領域変換器と呼ばれる領域変換器モデルを提案する。 このモデルは、領域を反復的に拡大または縮小するために、領域成長アプローチと自己保持機構を利用する。 Region-Transformerモデルは、ロボット工学、デジタルツインニング、自動運転車などの応用で柔軟なポイントクラウドセグメンテーションを実現するための有望なアプローチである。
  論文  参考訳（メタデータ） (2024-03-03T06:13:43Z)
• Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese Geographic Re-Ranking [61.60169764507917]
  中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。 そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
  論文  参考訳（メタデータ） (2023-09-04T13:44:50Z)
• 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)
• Semantic Segmentation by Early Region Proxy [53.594035639400616]
  本稿では,学習可能な領域のテッセルレーションとしてイメージを解釈することから始まる,新規で効率的なモデリングについて述べる。 領域のコンテキストをモデル化するために,Transformerを用いてシーケンス・ツー・シーケンス方式で領域を符号化する。 現在、符号化された領域埋め込みの上に、領域ごとのセマンティックセグメンテーションを行う。
  論文  参考訳（メタデータ） (2022-03-26T10:48:32Z)
• Region-Based Semantic Factorization in GANs [67.90498535507106]
  本稿では,任意の画像領域についてGAN(Generative Adversarial Networks)が学習した潜在意味を分解するアルゴリズムを提案する。 適切に定義された一般化されたレイリー商を通して、アノテーションや訓練なしにそのような問題を解く。 様々な最先端のGANモデルに対する実験結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-02-19T17:46:02Z)
• Domain Adaptive Object Detection via Feature Separation and Alignment [11.4768983507572]
  対向型ドメイン適応オブジェクト検出法(DAOD)が急速に開発されている。 本稿では,grey-scale feature separation (gsfs) モジュール,local-global feature alignment (lgfa) モジュール,および region-instance-level alignment (rila) モジュールからなる特徴分離アライメントネットワーク (fsanet) を確立する。 私達のFSANetはターゲット ドメインの検出でよりよい性能を達成し、最先端の方法を超過します。
  論文  参考訳（メタデータ） (2020-12-16T01:44:34Z)
• Real-time Semantic Segmentation via Spatial-detail Guided Context Propagation [49.70144583431999]
  本研究では,リアルタイムセマンティックセグメンテーションを実現するための空間詳細ガイド付きコンテキスト伝搬ネットワーク(SGCPNet)を提案する。 浅い層の空間的詳細を利用して低解像度のグローバルコンテキストの伝播を誘導し、失われた空間情報を効果的に再構成することができる。 69.5%のmIoUセグメンテーション精度を実現し、GeForce GTX 1080 Tiの768x1536イメージ上で178.5 FPSに達する。
  論文  参考訳（メタデータ） (2020-05-22T07:07:26Z)
• Spatial Attention Pyramid Network for Unsupervised Domain Adaptation [66.75008386980869]
  教師なし領域適応は様々なコンピュータビジョンタスクにおいて重要である。 教師なし領域適応のための新しい空間注意ピラミッドネットワークを設計する。 我々の手法は最先端の手法に対して大きなマージンで好適に機能する。
  論文  参考訳（メタデータ） (2020-03-29T09:03:23Z)

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。