論文の概要: Comparison of home detection algorithms using smartphone GPS data

• arxiv url: http://arxiv.org/abs/2401.06154v1
• Date: Thu, 21 Dec 2023 08:59:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-22 13:07:53.769653
• Title: Comparison of home detection algorithms using smartphone GPS data
• Title（参考訳）: スマートフォンGPSデータを用いた家検出アルゴリズムの比較
• Authors: Rajat Verma, Shagun Mittal, Zengxiang Lei, Xiaowei Chen, Satish V. Ukkusuri
• Abstract要約: 検出された家の位置の質を評価し、米国の4つの都市で8つのデータセットでそれらをテストするための3つの新しい指標を提案する。 3つの指標はいずれもHDAのパフォーマンスに一貫したランクを示し,提案したHDAは他よりも優れていた。
• 参考スコア（独自算出の注目度）: 8.455936861301325
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Estimation of people's home locations using location-based services data from smartphones is a common task in human mobility assessment. However, commonly used home detection algorithms (HDAs) are often arbitrary and unexamined. In this study, we review existing HDAs and examine five HDAs using eight high-quality mobile phone geolocation datasets. These include four commonly used HDAs as well as an HDA proposed in this work. To make quantitative comparisons, we propose three novel metrics to assess the quality of detected home locations and test them on eight datasets across four U.S. cities. We find that all three metrics show a consistent rank of HDAs' performances, with the proposed HDA outperforming the others. We infer that the temporal and spatial continuity of the geolocation data points matters more than the overall size of the data for accurate home detection. We also find that HDAs with high (and similar) performance metrics tend to create results with better consistency and closer to common expectations. Further, the performance deteriorates with decreasing data quality of the devices, though the patterns of relative performance persist. Finally, we show how the differences in home detection can lead to substantial differences in subsequent inferences using two case studies - (i) hurricane evacuation estimation, and (ii) correlation of mobility patterns with socioeconomic status. Our work contributes to improving the transparency of large-scale human mobility assessment applications.
• Abstract（参考訳）: スマートフォンの位置情報サービスデータを用いた自宅位置推定は,移動度評価において一般的な課題である。 しかし、一般的に使用されるホーム検出アルゴリズム(HDA)は、しばしば任意であり、未検討である。 本研究では,既存のHDAをレビューし,高品質な8つの携帯電話位置情報データセットを用いて5つのHDAについて検討する。 これらには4つのよく使われるHDAと、この研究で提案されたHDAが含まれている。 定量的な比較を行うために,検出された家の位置の質を評価し,米国の4都市の8つのデータセットで検証する3つの新しい指標を提案する。 3つの指標はいずれもHDAのパフォーマンスに一貫したランクを示し,提案したHDAは他よりも優れていた。 位置情報データポイントの時間的・空間的連続性は、正確な家検出のためのデータ全体のサイズよりも重要であると推定する。 また、高い(そして似たような)パフォーマンスメトリクスを持つHDAは、より良い一貫性と共通の期待に近い結果を生み出す傾向があります。 さらに、相対的な性能パターンは持続するが、装置のデータ品質の低下とともに性能が低下する。 最後に,2つのケーススタディを用いて,住宅検知の違いがその後の推論に重大な違いをもたらすことを示す。 (i)ハリケーン避難推定、 (ii)モビリティ・パターンと社会経済的地位の相関性 本研究は,大規模人力アセスメントアプリケーションの透明性向上に寄与する。

関連論文リスト

• Urban Mobility Assessment Using LLMs [19.591156495742922]
  本研究は,大規模言語モデル(LLM)を推進し,旅行調査を合成する,革新的なAIベースのアプローチを提案する。 本研究は, 異なるレベルの既存調査データと比較し, 全米各都市圏におけるこのアプローチの有効性について検討した。
  論文  参考訳（メタデータ） (2024-08-22T19:17:33Z)
• Learning Feature Inversion for Multi-class Anomaly Detection under General-purpose COCO-AD Benchmark [101.23684938489413]
  異常検出(AD)は、しばしば産業品質検査や医学的病変検査のための異常の検出に焦点が当てられている。 この研究はまず、COCOをADフィールドに拡張することにより、大規模で汎用的なCOCO-ADデータセットを構築する。 セグメンテーション分野のメトリクスにインスパイアされた我々は、より実用的なしきい値に依存したAD固有のメトリクスをいくつか提案する。
  論文  参考訳（メタデータ） (2024-04-16T17:38:26Z)
• Cross-Cluster Shifting for Efficient and Effective 3D Object Detection in Autonomous Driving [69.20604395205248]
  本稿では,自律運転における3次元物体検出のための3次元点検出モデルであるShift-SSDを提案する。 我々は、ポイントベース検出器の表現能力を解き放つために、興味深いクロスクラスタシフト操作を導入する。 我々は、KITTI、ランタイム、nuScenesデータセットに関する広範な実験を行い、Shift-SSDの最先端性能を実証した。
  論文  参考訳（メタデータ） (2024-03-10T10:36:32Z)
• PointHPS: Cascaded 3D Human Pose and Shape Estimation from Point Clouds [99.60575439926963]
  本稿では,実環境で捉えた点雲から正確な3次元HPSを実現するための基本的フレームワークであるPointHPSを提案する。 PointHPSは、カスケードアーキテクチャを通じてポイント機能を反復的に洗練する。 広範囲な実験により、ポイントHPSは強力な特徴抽出と処理方式を持ち、State-of-the-Art法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-08-28T11:10:14Z)
• On-device modeling of user's social context and familiar places from smartphone-embedded sensor data [7.310043452300736]
  本稿では,ユーザの社会的状況や位置を直接モバイルデバイス上でモデル化する,教師なしで軽量なアプローチを提案する。 ソーシャルなコンテキストにおいて、このアプローチはユーザーとそのデバイス間の物理的およびサイバーなソーシャルインタラクションのデータを利用する。 提案手法の有効性は,実世界の5つのデータセットを用いた3つの実験によって実証された。
  論文  参考訳（メタデータ） (2023-06-27T12:53:14Z)
• OOD-CV-v2: An extended Benchmark for Robustness to Out-of-Distribution Shifts of Individual Nuisances in Natural Images [59.51657161097337]
  OOD-CV-v2は、ポーズ、形状、テクスチャ、コンテキスト、気象条件の10のオブジェクトカテゴリのアウト・オブ・ディストリビューションの例を含むベンチマークデータセットである。 この新たなデータセットに加えて、一般的なベースライン手法を用いた広範な実験にも貢献する。
  論文  参考訳（メタデータ） (2023-04-17T20:39:25Z)
• Underwater Object Classification and Detection: first results and open challenges [1.1549572298362782]
  本研究は,水中環境における物体検出の問題点を概観する。 我々は、従来の最先端(SOTA)アルゴリズムの欠点を分析し、定量化する。
  論文  参考訳（メタデータ） (2022-01-04T04:54:08Z)
• DAPPER: Label-Free Performance Estimation after Personalization for Heterogeneous Mobile Sensing [95.18236298557721]
  DAPPER(Domain AdaPtation Performance EstimatoR)を提案する。 実世界の6つのベースラインと比較した4つのセンシングデータセットによる評価の結果,DAPPERの精度は39.8%向上した。
  論文  参考訳（メタデータ） (2021-11-22T08:49:33Z)
• An individual-level ground truth dataset for home location detection [0.7769712273444055]
  本研究は,65名の被験者を対象に,ホーム検出アルゴリズムの精度を評価する。 ストリームの選択とアルゴリズムが家庭検出に大きく影響していることが判明した。
  論文  参考訳（メタデータ） (2020-10-17T15:41:27Z)
• DecAug: Augmenting HOI Detection via Decomposition [54.65572599920679]
  現在のアルゴリズムでは、データセット内のトレーニングサンプルやカテゴリの不均衡が不足している。 本稿では,HOI検出のためのDECAugと呼ばれる効率的かつ効率的なデータ拡張手法を提案する。 実験の結果,V-COCOおよびHICODETデータセットの3.3mAPと1.6mAPの改善が得られた。
  論文  参考訳（メタデータ） (2020-10-02T13:59:05Z)

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。