論文の概要: Predicting Next Useful Location With Context-Awareness: The
State-Of-The-Art
- arxiv url: http://arxiv.org/abs/2401.08081v1
- Date: Tue, 16 Jan 2024 03:15:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-17 15:13:01.017966
- Title: Predicting Next Useful Location With Context-Awareness: The
State-Of-The-Art
- Title（参考訳）: コンテキスト認識による次なる有用な場所の予測:最新技術
- Authors: Alireza Nezhadettehad, Arkady Zaslavsky, Rakib Abdur, Siraj Ahmed
Shaikh, Seng W. Loke, Guang-Li Huang, Alireza Hassani
- Abstract要約: モバイルオブジェクトの将来の位置を予測することは、積極的なインテリジェンスによって位置情報サービスを強化します。
スマートフォンや位置情報センサー技術の最近の進歩は、膨大な歴史的、リアルタイムなコンテキスト情報を活用する素晴らしい機会となる。
この調査は、コンテキスト認識による次の有用な位置予測問題の概要を提供する。
- 参考スコア（独自算出の注目度）: 3.777994173458501
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Predicting the future location of mobile objects reinforces location-aware
services with proactive intelligence and helps businesses and decision-makers
with better planning and near real-time scheduling in different applications
such as traffic congestion control, location-aware advertisements, and
monitoring public health and well-being. The recent developments in the
smartphone and location sensors technology and the prevalence of using
location-based social networks alongside the improvements in artificial
intelligence and machine learning techniques provide an excellent opportunity
to exploit massive amounts of historical and real-time contextual information
to recognise mobility patterns and achieve more accurate and intelligent
predictions. This survey provides a comprehensive overview of the next useful
location prediction problem with context-awareness. First, we explain the
concepts of context and context-awareness and define the next location
prediction problem. Then we analyse nearly thirty studies in this field
concerning the prediction method, the challenges addressed, the datasets and
metrics used for training and evaluating the model, and the types of context
incorporated. Finally, we discuss the advantages and disadvantages of different
approaches, focusing on the usefulness of the predicted location and
identifying the open challenges and future work on this subject by introducing
two potential use cases of next location prediction in the automotive industry.
- Abstract（参考訳）: モバイルオブジェクトの将来の位置を予測することは、積極的なインテリジェンスによって位置認識サービスを強化し、交通渋滞制御や位置認識広告、公衆衛生や福祉の監視など、さまざまなアプリケーションにおける計画とほぼリアルタイムなスケジューリングを支援する。
スマートフォンと位置情報センサー技術の最近の進歩と、人工知能と機械学習技術の改善とともに、位置情報ベースのソーシャルネットワークの利用の普及は、大量の歴史的およびリアルタイムのコンテキスト情報を活用し、モビリティパターンを認識し、より正確でインテリジェントな予測を実現する素晴らしい機会を提供する。
本調査は,コンテキスト認識を伴う次の有用な位置予測問題の包括的概要を提供する。
まず,コンテキストとコンテキスト認識の概念を説明し,次の位置予測問題を定義する。
次に,予測手法,対処課題,モデルのトレーニングと評価に使用されるデータセットとメトリクス,組み込まれたコンテキストの種類について,この分野で約30の研究結果を分析した。
最後に,様々なアプローチの利点とデメリットについて論じ,予測位置の有用性に着目し,自動車産業における次の位置予測の2つの潜在的なユースケースを導入することにより,課題と今後の課題を明らかにする。
関連論文リスト
- Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。
私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
論文 参考訳（メタデータ） (2024-07-22T12:32:09Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳（メタデータ） (2023-08-02T23:39:24Z) - Crowd Safety Manager: Towards Data-Driven Active Decision Support for
Planning and Control of Crowd Events [1.3764085113103222]
リスクレベルの評価と予測を目的とした包括的フレームワークであるBortieモデルを紹介する。
提案されたフレームワークは、ScheveningenのCrowd Safety Managerプロジェクトに適用される。
論文 参考訳（メタデータ） (2023-07-31T18:47:56Z) - 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) - A Study of Situational Reasoning for Traffic Understanding [63.45021731775964]
トラフィック領域における状況推論のための3つの新しいテキストベースのタスクを考案する。
先行作業における言語推論タスクにまたがる一般化能力を示す知識強化手法を4つ採用する。
本稿では,データ分割におけるモデル性能の詳細な解析を行い,モデル予測を分類的に検討する。
論文 参考訳（メタデータ） (2023-06-05T01:01:12Z) - What Should I Know? Using Meta-gradient Descent for Predictive Feature
Discovery in a Single Stream of Experience [63.75363908696257]
計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。
この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。
本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
論文 参考訳（メタデータ） (2022-06-13T21:31:06Z) - Predicting Future Occupancy Grids in Dynamic Environment with
Spatio-Temporal Learning [63.25627328308978]
本稿では,将来の占有予測を生成するための時間的予測ネットワークパイプラインを提案する。
現在のSOTAと比較して、我々の手法は3秒の長い水平線での占有を予測している。
我々は、さらなる研究を支援するために、nulisに基づくグリッド占有データセットを公開します。
論文 参考訳（メタデータ） (2022-05-06T13:45:32Z) - Exploring Context Generalizability in Citywide Crowd Mobility
Prediction: An Analytic Framework and Benchmark [4.367050939292982]
本稿では,コンテキストの一般化性を評価するための統合分析フレームワークと大規模ベンチマークを提案する。
我々は,自転車の走行,地下鉄の乗客流,電気自動車の充電需要といった,群衆の移動予測タスクで実験を行った。
より多くのコンテキスト機能を使用すると、既存のコンテキストモデリング技術で予測がより良くなるとは限らない。
文脈モデリング手法では、ゲート単位を用いて生の文脈特徴を深部予測モデルに組み込むことで、優れた一般化性が得られる。
論文 参考訳（メタデータ） (2021-06-30T13:19:41Z) - Online Co-movement Pattern Prediction in Mobility Data [1.5790464310310084]
私達は共同動きパターンのオンライン予測の問題の正確な解決を提供します。
本手法の精度を計算するために,共動パターン類似度測定法を提案する。
本ソリューションの精度は,海事領域の実際のデータセット上で実験的に実証される。
論文 参考訳（メタデータ） (2021-02-17T17:01:32Z) - 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)
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。