論文の概要: A Deep Learning Representation of Spatial Interaction Model for
Resilient Spatial Planning of Community Business Clusters
- arxiv url: http://arxiv.org/abs/2401.04849v1
- Date: Tue, 9 Jan 2024 23:42:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-11 15:54:19.763075
- Title: A Deep Learning Representation of Spatial Interaction Model for
Resilient Spatial Planning of Community Business Clusters
- Title（参考訳）: コミュニティビジネスクラスタのレジリエントな空間計画のための空間相互作用モデルの深層学習表現
- Authors: Haiyan Hao and Yan Wang
- Abstract要約: 本稿では,コミュニティビジネスクラスタと取引エリア間の訪問フローを予測するためのSIM-GATモデルを提案する。
グラフベースのディープラーニングモデル、すなわちGraph AttenTion Network(GAT)は、ビジネスのクラスタと相互依存性をキャプチャするために使用される。
- 参考スコア（独自算出の注目度）: 4.8051028509814575
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing Spatial Interaction Models (SIMs) are limited in capturing the
complex and context-aware interactions between business clusters and trade
areas. To address the limitation, we propose a SIM-GAT model to predict
spatiotemporal visitation flows between community business clusters and their
trade areas. The model innovatively represents the integrated system of
business clusters, trade areas, and transportation infrastructure within an
urban region using a connected graph. Then, a graph-based deep learning model,
i.e., Graph AttenTion network (GAT), is used to capture the complexity and
interdependencies of business clusters. We developed this model with data
collected from the Miami metropolitan area in Florida. We then demonstrated its
effectiveness in capturing varying attractiveness of business clusters to
different residential neighborhoods and across scenarios with an eXplainable AI
approach. We contribute a novel method supplementing conventional SIMs to
predict and analyze the dynamics of inter-connected community business
clusters. The analysis results can inform data-evidenced and place-specific
planning strategies helping community business clusters better accommodate
their customers across scenarios, and hence improve the resilience of community
businesses.
- Abstract（参考訳）: 既存の空間相互作用モデル(SIM)は、ビジネスクラスタと貿易領域の間の複雑なコンテキスト対応の相互作用を捉える場合に限られる。
この制限に対処するために,コミュニティビジネスクラスタと取引エリア間の時空間訪問フローを予測するSIM-GATモデルを提案する。
このモデルは、連結グラフを用いて、都市域内のビジネスクラスタ、貿易エリア、交通インフラの統合システムを革新的に表現する。
次に、グラフベースのディープラーニングモデル、すなわちGraph AttenTion Network(GAT)を使用して、ビジネスクラスタの複雑さと相互依存性をキャプチャする。
フロリダのマイアミ大都市圏から収集したデータを用いて,このモデルを開発した。
次に、eXplainable AIアプローチを用いて、さまざまな住宅地区やシナリオにまたがるビジネスクラスタのさまざまな魅力を捕捉する効果を実証した。
本稿では,コミュニティ間ビジネスクラスタのダイナミクスを予測・解析するために,従来のSIMを補完する新しい手法を提案する。
分析結果は、コミュニティビジネスクラスタがシナリオを越えて顧客を適合させるのに役立つデータ提供型および場所固有の計画戦略を通知し、それによってコミュニティビジネスのレジリエンスを向上させる。
関連論文リスト
- Meta-Transfer Learning Empowered Temporal Graph Networks for Cross-City Real Estate Appraisal [28.752306064729474]
ディープラーニングは、Webプラットフォームからの実質的なオンライントランザクションデータを活用することで、不動産評価に大きな可能性を秘めている。
本稿では,MetaTransfer Learning Empowered Temporal Graph Networks (MetaTransfer)を提案する。
論文 参考訳（メタデータ） (2024-10-11T16:16:38Z) - FedNE: Surrogate-Assisted Federated Neighbor Embedding for Dimensionality Reduction [47.336599393600046]
textscFedNEは、textscFedAvgフレームワークと対照的なNEテクニックを統合する新しいアプローチである。
我々は、合成データセットと実世界のデータセットの両方について包括的な実験を行う。
論文 参考訳（メタデータ） (2024-09-17T19:23:24Z) - 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) - Multi-Temporal Relationship Inference in Urban Areas [75.86026742632528]
場所間の時間的関係を見つけることは、動的なオフライン広告やスマートな公共交通計画など、多くの都市アプリケーションに役立つ。
空間的に進化するグラフニューラルネットワーク(SEENet)を含むグラフ学習方式によるTrialの解を提案する。
SEConvは時間内アグリゲーションと時間間伝搬を実行し、位置メッセージパッシングの観点から、多面的に空間的に進化するコンテキストをキャプチャする。
SE-SSLは、位置表現学習を強化し、関係の空間性をさらに扱えるように、グローバルな方法でタイムアウェアな自己教師型学習タスクを設計する。
論文 参考訳（メタデータ） (2023-06-15T07:48:32Z) - Look Around! A Neighbor Relation Graph Learning Framework for Real
Estate Appraisal [6.14249607864916]
本稿では,不動産評価のための新しい近隣関係グラフ学習フレームワーク(ReGram)を提案する。
ReGramは、アテンションメカニズムにより、ターゲットトランザクションと周辺地域の関係を組み込む。
さまざまなシナリオによる実世界のデータセットの実験では、ReGramが最先端の手法をしっかりと上回っていることが示されている。
論文 参考訳（メタデータ） (2022-12-23T08:20:19Z) - A variational Bayesian spatial interaction model for estimating revenue
and demand at business facilities [15.242014520266391]
本研究では,事業施設における潜在的な収益や需要を推定する問題について検討し,その発生メカニズムを解明する。
そこで我々はベイズ空間相互作用モデルを構築し,そのモデルを用いて特定の事業所の収益を確率論的に予測する。
我々は, 1500以上のパブと15万の顧客地域を含む, 英国ロンドンにおけるパブ活動のための実世界の大規模空間データセットを構築した。
論文 参考訳（メタデータ） (2021-08-05T13:03:20Z) - Modelling Urban Dynamics with Multi-Modal Graph Convolutional Networks [8.767281392253976]
都市部の人気と成長をより良くモデル化することを目的とした新しいディープラーニングフレームワークを提案します。
空間的特徴とトポロジカル特徴の両方を時間モデルに統合し、その後のタイムステップで会場の需要を予測するディープラーニングアーキテクチャを紹介します。
最新のディープラーニングモデルと比較して、私たちのモデルはRSMEをロンドンで28%、パリで13%削減します。
論文 参考訳（メタデータ） (2021-04-29T20:00:47Z) - Modelling Cooperation and Competition in Urban Retail Ecosystems with
Complex Network Metrics [8.767281392253976]
まず,各地域における新事業の役割を検討するためのモデリングフレームワークを提案する。
位置技術プラットフォームfoursquareの縦長データセットを使って、世界中の26の主要都市にまたがる新しい会場の影響をモデル化する。
次に、データ駆動のメトリクスを考案し、その周辺の小売業者に対する新しい会場の影響に関する第一次相関を捉えます。
最後に、新しい会場が地域の小売エコシステムに与える影響を予測するために、教師付き機械学習モデルを構築します。
論文 参考訳（メタデータ） (2021-04-28T19:18:23Z) - Cooperative Policy Learning with Pre-trained Heterogeneous Observation
Representations [51.8796674904734]
事前訓練された異種観察表現を用いた新たな協調学習フレームワークを提案する。
エンコーダ-デコーダに基づくグラフアテンションを用いて、複雑な相互作用と異種表現を学習する。
論文 参考訳（メタデータ） (2020-12-24T04:52:29Z) - Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。
また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
論文 参考訳（メタデータ） (2020-12-01T11:46:03Z) - Topology-based Clusterwise Regression for User Segmentation and Demand
Forecasting [63.78344280962136]
本研究は,パブリックおよび新規な商用データ集合を用いて,アナリストがユーザベースをクラスタリングし,詳細なレベルで需要を計画できることを示す。
本研究は,TDAに基づく時系列クラスタリングと行列因数分解法によるクラスタ回帰を実践者にとって実行可能なツールとして導入することを目的とする。
論文 参考訳（メタデータ） (2020-09-08T12:10:10Z)
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。