論文の概要: Understanding human mobility patterns in Chicago: an analysis of taxi
data using clustering techniques
- arxiv url: http://arxiv.org/abs/2306.12094v1
- Date: Wed, 21 Jun 2023 08:14:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-22 14:18:40.305019
- Title: Understanding human mobility patterns in Chicago: an analysis of taxi
data using clustering techniques
- Title（参考訳）: シカゴにおける人間の移動パターンの理解 : クラスタリングによるタクシーデータの解析
- Authors: Harish Chauhan, Nikunj Gupta, Zoe Haskell-Craig
- Abstract要約: シカゴ市をケーススタディとして、2016年にタクシーの乗車データを調べ、近所がどのように相互接続されているかを理解することを目標にしている。
この分析は、近隣住民がタクシーを使って旅行している感覚を与え、新しい公共交通機関の開発に焦点をあてることを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Understanding human mobility patterns is important in applications as diverse
as urban planning, public health, and political organizing. One rich source of
data on human mobility is taxi ride data. Using the city of Chicago as a case
study, we examine data from taxi rides in 2016 with the goal of understanding
how neighborhoods are interconnected. This analysis will provide a sense of
which neighborhoods individuals are using taxis to travel between, suggesting
regions to focus new public transit development efforts. Additionally, this
analysis will map traffic circulation patterns and provide an understanding of
where in the city people are traveling from and where they are heading to -
perhaps informing traffic or road pollution mitigation efforts. For the first
application, representing the data as an undirected graph will suffice. Transit
lines run in both directions so simply a knowledge of which neighborhoods have
high rates of taxi travel between them provides an argument for placing public
transit along those routes. However, in order to understand the flow of people
throughout a city, we must make a distinction between the neighborhood from
which people are departing and the areas to which they are arriving - this
requires methods that can deal with directed graphs. All developed codes can be
found at https://github.com/Nikunj-Gupta/Spectral-Clustering-Directed-Graphs.
- Abstract（参考訳）: 人間の移動パターンを理解することは、都市計画、公衆衛生、政治組織など、多様なアプリケーションにおいて重要である。
人間の移動に関する豊富なデータの一つは、タクシーの乗車データである。
シカゴ市をケーススタディとして利用し、2016年のタクシー利用データを調査し、地区の相互接続状況を理解することを目的としている。
この分析は、近隣住民がタクシーを使って旅行している感覚を与え、新しい公共交通機関の開発に焦点をあてることを提案する。
さらに、この分析は交通循環のパターンをマッピングし、交通や道路汚染の軽減に向け、都市がどこから向かっているのか、どこに向かっているのかを理解する。
最初のアプリケーションでは、データを無向グラフとして表現すれば十分です。
両方向を走行する路線は、その間のタクシーの移動率が高い地区の知識だけで、公共交通機関を設置する議論がある。
しかし、都市全体の人々の流れを理解するためには、人々が出発する地域と到着する地域を区別する必要がある。
開発コードはすべてhttps://github.com/Nikunj-Gupta/Spectral-Clustering-Directed-Graphsにある。
関連論文リスト
- Comparative Analysis of Human Mobility Patterns: Utilizing Taxi and Mobile (SafeGraph) Data to Investigate Neighborhood-Scale Mobility in New York City [0.0]
本研究では,ニューヨーク市近郊におけるタクシー旅行記録とSafeGraphデータセットを用いた移動性の違いについて検討した。
以上の結果から,タクシーの需要が常に高いロウアー・マンハッタンなどの場所からの移動度は,タクシーのデータによって把握される傾向が示唆された。
対照的にSafeGraphのデータは、自家用車での通勤が一般的であるが、歩行者の多い地域での旅行を過小評価する。
論文 参考訳（メタデータ） (2024-10-21T19:40:23Z) - BjTT: A Large-scale Multimodal Dataset for Traffic Prediction [49.93028461584377]
従来の交通予測手法は、交通トレンドを予測するために、過去の交通データに依存している。
本研究では,交通システムを記述するテキストと生成モデルを組み合わせることで,交通生成にどのように応用できるかを考察する。
本稿では,テキスト・トラフィック生成のための最初の拡散モデルChatTrafficを提案する。
論文 参考訳（メタデータ） (2024-03-08T04:19:56Z) - Graph-based Topology Reasoning for Driving Scenes [102.35885039110057]
TopoNetは、従来の知覚タスクを超えてトラフィック知識を抽象化できる最初のエンドツーエンドフレームワークである。
TopoNetを,難解なシーン理解ベンチマークOpenLane-V2で評価した。
論文 参考訳（メタデータ） (2023-04-11T15:23:29Z) - GoRela: Go Relative for Viewpoint-Invariant Motion Forecasting [121.42898228997538]
精度や一般化を犠牲にすることなく、全てのエージェントとマップに対して効率的な共有符号化を提案する。
不均一空間グラフにおけるエージェントとマップ要素間の幾何学的関係を表現するために、ペアワイズ相対的な位置符号化を利用する。
我々のデコーダは視点非依存であり、レーングラフ上でエージェント目標を予測し、多様かつコンテキスト対応のマルチモーダル予測を可能にする。
論文 参考訳（メタデータ） (2022-11-04T16:10:50Z) - Exploring Human Mobility for Multi-Pattern Passenger Prediction: A Graph
Learning Framework [10.75153377806738]
グラフ畳み込みネットワーク(GCN)に基づく多パターン乗客フロー予測フレームワークMPGCNを提案する。
我々はGCNを用いて、有用なトポロジ情報から特徴を抽出し、バスの乗客に隠された移動パターンを認識するディープクラスタリング手法を導入する。
我々の知る限り、この論文は、グラフ学習からバスの乗客フローを予測するためのマルチパターンアプローチを採用した最初の試みである。
論文 参考訳（メタデータ） (2022-02-17T06:17:23Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - Discovering Underground Maps from Fashion [80.02941583103612]
本研究では,都市部の地下地図を自動的に作成する手法を提案する。
本手法は,都市全域から公開されている画像を用いて,類似のファッションセンスを持つ地域を探索し,地図を監督せずにセグメント化する。
論文 参考訳（メタデータ） (2020-12-04T23:40:59Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z) - Leveraging the Self-Transition Probability of Ordinal Pattern Transition
Graph for Transportation Mode Classification [0.0]
本稿では,交通モード分類における自己遷移の確率という,通常のパターン遷移グラフから保持される特徴の利用を提案する。
提案手法は,これらを組み合わせた場合であっても,置換エントロピーや統計的複雑度よりも精度がよい。
論文 参考訳（メタデータ） (2020-07-16T23:25:09Z) - Extracting Spatiotemporal Demand for Public Transit from Mobility Data [0.0]
都市人口の変化は、交通サービスの効率的な管理にいくつかの課題をもたらす。
都市における公共交通機関の需要を簡易に推定する手法を提案する。
論文 参考訳（メタデータ） (2020-06-05T10:21:31Z)
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。