論文の概要: An Interdisciplinary Survey on Origin-destination Flows Modeling: Theory and Techniques
- arxiv url: http://arxiv.org/abs/2306.10048v4
- Date: Wed, 09 Oct 2024 10:10:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-10 14:28:44.002259
- Title: An Interdisciplinary Survey on Origin-destination Flows Modeling: Theory and Techniques
- Title（参考訳）: 原点決定フローモデリングに関する学際的調査:理論と技術
- Authors: Can Rong, Jingtao Ding, Yong Li,
- Abstract要約: Origin-Detination (OD) フローモデリングは、複数の分野にわたる広範囲にわたる研究対象である。
地域経済学、都市地理学、社会物理学は、ODフローの基盤となるメカニズムを探求するために理論的な研究手法を採用することに長けている。
交通、都市計画、コンピュータ科学は、主にOD予測、OD構築、OD推定、OD予測の4つの実践的な問題に対処することに焦点を当てている。
- 参考スコア（独自算出の注目度）: 9.335629475691091
- License:
- Abstract: Origin-destination (OD) flow modeling is an extensively researched subject across multiple disciplines, such as the investigation of travel demand in transportation and spatial interaction modeling in geography. However, researchers from different fields tend to employ their own unique research paradigms and lack interdisciplinary communication, preventing the cross-fertilization of knowledge and the development of novel solutions to challenges. This article presents a systematic interdisciplinary survey that comprehensively and holistically scrutinizes OD flows from utilizing fundamental theory to studying the mechanism of population mobility and solving practical problems with engineering techniques, such as computational models. Specifically, regional economics, urban geography, and sociophysics are adept at employing theoretical research methods to explore the underlying mechanisms of OD flows. They have developed three influential theoretical models: the gravity model, the intervening opportunities model, and the radiation model. These models specifically focus on examining the fundamental influences of distance, opportunities, and population on OD flows, respectively. In the meantime, fields such as transportation, urban planning, and computer science primarily focus on addressing four practical problems: OD prediction, OD construction, OD estimation, and OD forecasting. Advanced computational models, such as deep learning models, have gradually been introduced to address these problems more effectively. Finally, based on the existing research, this survey summarizes current challenges and outlines future directions for this topic. Through this survey, we aim to break down the barriers between disciplines in OD flow-related research, fostering interdisciplinary perspectives and modes of thinking.
- Abstract（参考訳）: オリジン・デスティネーション・フロー・モデリング(OD)は、輸送における旅行需要の調査や地理における空間的相互作用・モデリングなど、様々な分野にわたる広範囲にわたる研究対象である。
しかし、異なる分野の研究者は独自の研究パラダイムを採用し、学際的なコミュニケーションを欠く傾向にあり、知識のクロス・ファーティライズや課題に対する新しい解決策の開発を妨げている。
本稿では,基本理論の活用から人口移動のメカニズムの研究,および計算モデルなどの工学的手法による実践的問題の解決に至るまで,ODフローを包括的かつ一括的に精査する系統的学際調査について述べる。
特に、地域経済学、都市地理学、社会物理学は、ODフローの基盤となるメカニズムを探求するために理論的な研究手法を採用することに長けている。
彼らは重力モデル、干渉機会モデル、放射モデルという3つの重要な理論モデルを開発した。
これらのモデルはそれぞれ、ODフローにおける距離、機会、人口の基本的な影響を調べることに焦点を当てている。
一方、交通、都市計画、計算機科学といった分野は、主にOD予測、OD構築、OD推定、OD予測の4つの実践的な問題に対処することに焦点を当てている。
ディープラーニングモデルのような高度な計算モデルは、これらの問題により効果的に対処するために徐々に導入されてきた。
最後に,既存研究に基づき,現状の課題を概説し,今後の方向性を概説する。
本調査は,ODフロー関連研究における規律間の障壁を解消し,学際的視点と思考様式を育成することを目的としている。
関連論文リスト
- A Survey on Diffusion Models for Inverse Problems [110.6628926886398]
本稿では, 事前学習した拡散モデルを用いて, さらなる学習を必要とせず, 逆問題の解法について概説する。
逆問題に対する潜伏拡散モデルの使用に伴う具体的な課題と潜在的な解決策について論じる。
論文 参考訳（メタデータ） (2024-09-30T17:34:01Z) - Spatio-Temporal Graphical Counterfactuals: An Overview [11.616701619068804]
反現実は、人工知能がデータから知識を学習する上で、重要かつ困難なトピックである。
本研究の目的は,思考を比較し,異なる対実モデル,理論,アプローチについて議論することである。
論文 参考訳（メタデータ） (2024-07-02T01:34:13Z) - 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) - A Review of Graph Neural Networks in Epidemic Modeling [14.28921518883576]
新型コロナウイルスのパンデミックが始まって以来、疫学モデルの研究への関心が高まっている。
グラフニューラルネットワーク(Graph Neural Networks)は、伝染病の研究において、徐々に人気が高まっているツールだ。
論文 参考訳（メタデータ） (2024-03-28T21:54:48Z) - A Survey of Reasoning with Foundation Models [235.7288855108172]
推論は、交渉、医療診断、刑事捜査など、様々な現実世界の環境において重要な役割を担っている。
本稿では,推論に適応する基礎モデルを提案する。
次に、基礎モデルにおける推論能力の出現の背後にある潜在的な将来方向を掘り下げる。
論文 参考訳（メタデータ） (2023-12-17T15:16:13Z) - Targeted Reduction of Causal Models [55.11778726095353]
因果表現学習(Causal Representation Learning)は、シミュレーションで解釈可能な因果パターンを明らかにするための有望な道を提供する。
本稿では、複雑な相互作用可能なモデルを因果因子の簡潔な集合に凝縮する方法であるTCR(Targeted Causal Reduction)を紹介する。
複雑なモデルから解釈可能な高レベルな説明を生成する能力は、玩具や機械システムで実証されている。
論文 参考訳（メタデータ） (2023-11-30T15:46:22Z) - Foundation Models for Decision Making: Problems, Methods, and
Opportunities [124.79381732197649]
大規模に多様なデータに基づいて事前訓練された基礎モデルは、幅広いビジョンと言語タスクにおいて異常な能力を示してきた。
ファンデーションモデルをトレーニングし、他のエージェントと対話し、長期的な推論を行うための新しいパラダイムが生まれている。
基礎モデルと意思決定の交わりにおける研究は、強力な新しいシステムを作るための大きな約束である。
論文 参考訳（メタデータ） (2023-03-07T18:44:07Z) - A Causal Research Pipeline and Tutorial for Psychologists and Social
Scientists [7.106986689736828]
因果関係は世界を理解する科学的努力の基本的な部分である。
残念なことに、因果関係は心理学や社会科学の多くの分野においていまだに曖昧である。
研究に因果的アプローチを採用することの重要性に対する多くの勧告によって、我々は、必然的に因果的理論を研究パイプラインの他の部分と調和させるために、心理学における研究の典型的なアプローチを再構築する。
論文 参考訳（メタデータ） (2022-06-10T15:11:57Z) - DIME: Fine-grained Interpretations of Multimodal Models via Disentangled
Local Explanations [119.1953397679783]
我々は,マルチモーダルモデルの解釈における最先端化に注力する。
提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
論文 参考訳（メタデータ） (2022-03-03T20:52:47Z) - A methodology for co-constructing an interdisciplinary model: from model
to survey, from survey to model [0.9799637101641152]
本稿は,多分野研究プロジェクトの枠組みにおけるこれらの重要な疑問に答えることを目的としている。
本研究の主な貢献は,多分野対話専用のツールの提案である。
また、関連する異なる分野によって実行される豊かな知的過程の反射的分析を提案する。
論文 参考訳（メタデータ） (2020-11-27T08:41:47Z) - Multi-agent Trajectory Prediction with Fuzzy Query Attention [15.12743751614964]
複数のエージェントを持つシーンの軌道予測は、交通予測、歩行者追跡、経路計画といった多くの領域において難しい問題である。
この課題に対処する一般的なアーキテクチャとして、運動の重要な帰納バイアス、すなわち慣性、相対運動、意図、相互作用をモデル化する。
論文 参考訳（メタデータ） (2020-10-29T19:12:12Z)
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。