論文の概要: Hierarchical accompanying and inhibiting patterns on the spatial arrangement of taxis' local hotspots

• arxiv url: http://arxiv.org/abs/2310.11806v4
• Date: Wed, 08 Jan 2025 12:49:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-09 14:53:55.640660
• Title: Hierarchical accompanying and inhibiting patterns on the spatial arrangement of taxis' local hotspots
• Title（参考訳）: タクシーの局所ホットスポットの空間配置における階層的付随と抑制パターン
• Authors: Xiao-Jian Chen, Quanhua Dong, Changjiang Xiao, Zhou Huang, Keli Wang, Weiyu Zhang, Yu Liu,
• Abstract要約: 局所ホットスポットは小規模のホットスポットであり、中心付近で最も密度が高い。 人気のあるホットスポットは通常、あまり人気のないホットスポットに囲まれているが、人気のあるホットスポットが多い地域は、あまり人気のないホットスポットの存在を妨げている。 両方のパターンにインスパイアされたKNNモデルが開発され、これらの関係を記述し、最も人気のないホットスポットの空間分布を再現することに成功した。
• 参考スコア（独自算出の注目度）: 5.871351978138292
• License:
• Abstract: The spatial arrangement of taxi hotspots indicates their inherent distribution relationships, reflecting their spatial organization structure, and has received attention in urban studies. Previous studies have primarily explored large-scale hotspots through visual analysis or simple indices, which typically spans hundreds or even thousands of meters. However, the spatial arrangement patterns of small-scale hotspots representing specific popular pick-up and drop-off locations have been largely overlooked. In this study, we quantitatively examine the spatial arrangement of local hotspots in Wuhan and Beijing, China, using taxi trajectory data. Local hotspots are small-scale hotspots with the highest density near the center. Their optimal radius is adaptively calculated based on the data, which is 90 m * 90 m and 110 m * 110 m in Wuhan and Beijing, respectively. Popular hotspots are typically surrounded by less popular ones, although regions with many popular hotspots inhibit the presence of less popular ones. These configurations are termed as hierarchical accompanying and inhibiting patterns. Finally, inspired by both patterns, a KNN-based model is developed to describe these relationships and successfully reproduce the spatial distribution of less popular hotspots based on the most popular ones. These insights enhance our understanding of local urban structures and support urban planning.
• Abstract（参考訳）: タクシーホットスポットの空間配置は,その空間構造を反映して固有の分布関係を示し,都市研究に注目されている。 これまでの研究では、視覚分析や単純な指標を通じて、数百メートルから数千メートルに及ぶ大規模なホットスポットを探索してきた。 しかし, 小型ホットスポットの空間配置パターンは, 主に見過ごされている。 本研究では,中国・武漢市と北京市における地域ホットスポットの空間配置について,タクシーの軌跡データを用いて定量的に検討した。 局所ホットスポットは小規模のホットスポットであり、中心付近で最も密度が高い。 最適な半径は、武漢と北京でそれぞれ90m * 90mと110m * 110mというデータに基づいて、適応的に計算される。 人気のあるホットスポットは通常、あまり人気のないホットスポットに囲まれているが、人気のあるホットスポットが多い地域は、あまり人気のないホットスポットの存在を妨げている。 これらの構成は階層的な伴奏であり、パターンを阻害する。 最後に、両方のパターンに着想を得て、これらの関係を記述し、最もポピュラーでないホットスポットの空間分布を再現するKNNモデルを開発した。 これらの知見は、都市構造の理解を高め、都市計画を支援する。

関連論文リスト

• OpenUAS: Embeddings of Cities in Japan with Anchor Data for Cross-city Analysis of Area Usage Patterns [0.9530591903982806]
  このデータセットは、市場分析、都市計画、交通インフラ、感染予測といった分野における地域機能の分析に有用である。 オフィス地区や住宅地区など市内各地区の特徴を、埋設技術を用いて捉えている。 本研究では,このアンカーデータセットを,日本の8大都市において,複数の期間の領域埋め込みデータセットとともに公開する。
  論文  参考訳（メタデータ） (2024-07-29T10:43:15Z)
• High-resolution Population Maps Derived from Sentinel-1 and Sentinel-2 [17.830362329876493]
  POPCORN は、Sentinel-1 と Sentinel-2 の衛星画像のみを無料で利用できる人口マッピング手法である。 我々は400人未満の地域国勢調査に基づいて100mのGSDを持つルワンダの人口地図を作成した。 POPCORNは、ビルトアップされたエリアの明示的なマップと、ローカルなビルの占有率を検索する。
  論文  参考訳（メタデータ） (2023-11-23T13:43:14Z)
• Pre-training Contextual Location Embeddings in Personal Trajectories via Efficient Hierarchical Location Representations [30.493743596793212]
  人間の移動データから生成された位置の埋め込みを事前学習することは、位置情報ベースのサービスにとって一般的な方法となっている。 これまでの研究では、1万個未満の異なる場所を処理しており、これは現実世界の応用では不十分である。 本研究では,異なる規模の複数のグリッドの組み合わせとして位置を表現することによって,トレーニング対象の場所数を効率的に削減するGeo-Tokenizerを提案する。
  論文  参考訳（メタデータ） (2023-10-02T14:40:24Z)
• PASTA: PArallel Spatio-Temporal Attention with spatial auto-correlation gating for fine-grained crowd flow prediction [33.08230699138568]
  空間的自己相関ゲーティングを備えたニューラルネットワークPArallel Spatioを導入する。 提案手法の構成要素は,空間的自己相関ゲーティング,マルチスケール残差ブロック,時間的注意ゲーティングモジュールである。
  論文  参考訳（メタデータ） (2023-10-02T14:10:42Z)
• 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)
• Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
  ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。 従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。 本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
  論文  参考訳（メタデータ） (2023-06-05T03:36:01Z)
• Boosting Crowd Counting via Multifaceted Attention [109.89185492364386]
  大規模なバリエーションは、しばしば群衆画像の中に存在する。 CNNの固定サイズ畳み込みカーネルも、最近の視覚変換器の固定サイズアテンションも、このような変動には対処できない。 局所空間関係符号化におけるトランスフォーマーモデルを改善するための多面的注意ネットワーク(MAN)を提案する。
  論文  参考訳（メタデータ） (2022-03-05T01:36:43Z)
• LDC-Net: A Unified Framework for Localization, Detection and Counting in Dense Crowds [103.8635206945196]
  視覚的群集分析の急速な発展は、単に密度マップを要約するのではなく、位置決めや検出によって人を数える傾向を示している。 群集の局所化と検出に関する最近の研究には,1) 群集を扱えない典型的な検出法と,大規模に変化する群集を扱えないこと,2) 密度マップ法は,特に高密度群集や大規模群集において,位置とボックスの予測における性能不足に悩まされていること,の2つの制限がある。
  論文  参考訳（メタデータ） (2021-10-10T07:55:44Z)
• Zero-Shot Multi-View Indoor Localization via Graph Location Networks [66.05980368549928]
  屋内ローカライゼーションは、位置ベースアプリケーションにおける基本的な問題である。 本稿では,インフラストラクチャフリーで多視点画像に基づく屋内ローカライゼーションを実現するために,新しいニューラルネットワークアーキテクチャであるGraph Location Networks(GLN)を提案する。 GLNは、メッセージパッシングネットワークを通じて画像から抽出されたロバストな位置表現に基づいて位置予測を行う。 新たにゼロショット屋内ローカライズ設定を導入し,提案したGLNを専用ゼロショットバージョンに拡張することで,その課題に対処する。
  論文  参考訳（メタデータ） (2020-08-06T07:36:55Z)
• Detecting and Analyzing Mobility Hotspots using Surface Networks [4.409889336732851]
  カーネル密度推定を用いて、多数の移動体の集合を滑らかで連続的な表面に変換する。 次に、表面の臨界幾何学的特徴を抽出するトポロジカルアルゴリズムを開発する。 本手法を中国上海市で収集したタクシーデータに適用する。
  論文  参考訳（メタデータ） (2020-05-30T14:11:26Z)
• Measuring Spatial Subdivisions in Urban Mobility with Mobile Phone Data [58.720142291102135]
  2050年までに世界の人口の3分の2が都市部に住んでいる。 この成長は、都市が持続可能性を測定し計画する能力よりも速く、より複雑である。 都市がなぜ包括的になるのかを理解するために,空間分割を識別し特徴付ける手法を定義する。
  論文  参考訳（メタデータ） (2020-02-20T14:37:46Z)

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。