論文の概要: Area Modeling using Stay Information for Large-Scale Users and Analysis
for Influence of COVID-19
- arxiv url: http://arxiv.org/abs/2401.10648v1
- Date: Fri, 19 Jan 2024 11:48:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-22 16:12:00.174249
- Title: Area Modeling using Stay Information for Large-Scale Users and Analysis
for Influence of COVID-19
- Title（参考訳）: 大規模ユーザを対象とした静止情報を用いた地域モデリングとCOVID-19の影響分析
- Authors: Kazuyuki Shoji, Shunsuke Aoki, Takuro Yonezawa, Nobuo Kawaguchi
- Abstract要約: 地域の利用は季節的な変化やパンデミックなど様々な出来事のために、時間とともに変化する。
地域モデリングの分野では,情報のある地域を特徴付ける研究が数多く存在する。
本稿では,Word2Vecにインスパイアされたエリアモデリング手法であるArea2Vecを提案する。
- 参考スコア（独自算出の注目度）: 2.6044668705725287
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding how people use area in a city can be a valuable information in
a wide range of fields, from marketing to urban planning. Area usage is subject
to change over time due to various events including seasonal shifts and
pandemics. Before the spread of smartphones, this data had been collected
through questionnaire survey. However, this is not a sustainable approach in
terms of time to results and cost. There are many existing studies on area
modeling, which characterize an area with some kind of information, using Point
of Interest (POI) or inter-area movement data. However, since POI is data that
is statically tied to space, and inter-area movement data ignores the behavior
of people within an area, existing methods are not sufficient in terms of
capturing area usage changes. In this paper, we propose a novel area modeling
method named Area2Vec, inspired by Word2Vec, which models areas based on
people's location data. This method is based on the discovery that it is
possible to characterize an area based on its usage by using people's stay
information in the area. And it is a novel method that can reflect the
dynamically changing people's behavior in an area in the modeling results. We
validated Area2vec by performing a functional classification of areas in a
district of Japan. The results show that Area2Vec can be usable in general area
analysis. We also investigated area usage changes due to COVID-19 in two
districts in Japan. We could find that COVID-19 made people refrain from
unnecessary going out, such as visiting entertainment areas.
- Abstract（参考訳）: 都市の人々がどのように地域を利用するかを理解することは、マーケティングから都市計画まで、幅広い分野において貴重な情報となる。
地域利用は季節変化やパンデミックなど様々なイベントによって時間とともに変化する。
スマートフォンの普及以前、このデータはアンケートによって収集されていた。
しかし、これは結果とコストに関して持続的なアプローチではありません。
関心のポイント(POI)や地域間移動データを用いて,何らかの情報を持つ地域を特徴付ける地域モデリングに関する研究が数多く行われている。
しかし,POIは空間に静的に結びついているデータであり,地域間移動データは地域内の人々の行動を無視しているため,地域利用の変化を捉える上では,既存の手法では不十分である。
本稿では,Word2Vecにインスパイアされた新しいエリアモデリング手法であるArea2Vecを提案する。
本手法は,地域住民の滞在情報を用いて,その利用状況に基づいて地域を特徴付けることができるという発見に基づいている。
そして、モデリング結果において、ある領域における人々の行動の動的変化を反映する新しい手法である。
本研究では,地域の機能的分類によってArea2vecを検証した。
その結果,Area2Vecは一般領域分析に利用できることがわかった。
また,わが国の2地区における新型コロナウイルス(covid-19)による地域利用の変化についても調査した。
新型コロナウイルス(COVID-19)は、エンターテイメントエリアの訪問など不要な外出を控える可能性がある。
関連論文リスト
- FUSU: A Multi-temporal-source Land Use Change Segmentation Dataset for Fine-grained Urban Semantic Understanding [6.833536116934201]
都市セマンティック理解のための土地利用変化セグメンテーションデータセットであるFUSUを紹介した。
FUSUは、これまでで最も詳細な土地利用分類システムであり、17のクラスと300億ピクセルのアノテーションがある。
中国南部と北部の5つの都市部で847km2をカバーし、0.2-0.5mの地中サンプルと月毎の光学・レーダー衛星時系列の両時間高解像度衛星画像を含んでいる。
論文 参考訳（メタデータ） (2024-05-29T12:56:11Z) - Regions are Who Walk Them: a Large Pre-trained Spatiotemporal Model
Based on Human Mobility for Ubiquitous Urban Sensing [24.48869607589127]
本研究では,人体移動データに含まれるリッチな情報を活用するために,トラジェクトリ(RAW)に基づく大規模時空間モデルを提案する。
提案手法は,人間の移動データのみに特色を持たず,ユーザのプロファイリングや地域分析に一定の関連性を示す。
論文 参考訳（メタデータ） (2023-11-17T11:55:11Z) - A Visual Analytics System for Profiling Urban Land Use Evolution [5.053505466956614]
Urban ChroniclesはオープンソースのWebベースのビジュアル分析システムで、土地利用パターンの変化のインタラクティブな探索を可能にする。
数年にわたって異なるスケールでデータを探索することで,システムの能力を示す。
論文 参考訳（メタデータ） (2021-12-12T02:36:54Z) - Learning Continuous Environment Fields via Implicit Functions [144.4913852552954]
本研究では,到達距離(シーン内の任意の位置から目標までの距離)を,実現可能な軌道に沿って符号化する新しいシーン表現を提案する。
本研究では,2次元迷路や屋内3次元シーンにおけるエージェントの動的挙動を直接導出できることを実証する。
論文 参考訳（メタデータ） (2021-11-27T22:36:58Z) - PANet: Perspective-Aware Network with Dynamic Receptive Fields and
Self-Distilling Supervision for Crowd Counting [63.84828478688975]
本稿では,視点問題に対処するため,PANetと呼ばれる新しい視点認識手法を提案する。
対象物のサイズが視点効果によって1つの画像で大きく変化するという観測に基づいて,動的受容場(DRF)フレームワークを提案する。
このフレームワークは、入力画像に応じて拡張畳み込みパラメータによって受容野を調整することができ、モデルが各局所領域についてより識別的な特徴を抽出するのに役立つ。
論文 参考訳（メタデータ） (2021-10-31T04:43:05Z) - Learning Large-scale Location Embedding From Human Mobility Trajectories
with Graphs [0.0]
本研究では,大規模LBSデータを用いて位置のベクトル表現を学習する。
このモデルは、人間のモビリティと空間情報にコンテキスト情報を組み込む。
GCN-L2Vは、他の場所埋め込み法や下流のGeo-Awareアプリケーションと相補的に適用することができる。
論文 参考訳（メタデータ） (2021-02-23T09:11:33Z) - 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) - Toward Accurate Person-level Action Recognition in Videos of Crowded
Scenes [131.9067467127761]
我々は、シーンの情報を完全に活用し、新しいデータを集めることで、アクション認識を改善することに集中する。
具体的には、各フレームの空間的位置を検出するために、強い人間の検出器を採用する。
そして、行動認識モデルを適用して、HIEデータセットとインターネットから多様なシーンを持つ新しいデータの両方でビデオフレームから時間情報を学ぶ。
論文 参考訳（メタデータ） (2020-10-16T13:08:50Z) - Dataset Cartography: Mapping and Diagnosing Datasets with Training
Dynamics [118.75207687144817]
我々はデータセットを特徴付け、診断するモデルベースのツールであるData Mapsを紹介した。
私たちは、トレーニング中の個々のインスタンス上でのモデルの振る舞いという、ほとんど無視された情報のソースを活用しています。
以上の結果から,データ量から品質へのフォーカスの変化は,ロバストなモデルとアウト・オブ・ディストリビューションの一般化に繋がる可能性が示唆された。
論文 参考訳（メタデータ） (2020-09-22T20:19:41Z) - 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) - FADACS: A Few-shot Adversarial Domain Adaptation Architecture for
Context-Aware Parking Availability Sensing [5.160087162892865]
本研究では,駐車場データの不十分な地域での駐車状況を予測するために,駐車状況検知のためのエンドツーエンドの移動学習フレームワークを設計する。
このフレームワークは2つの課題を克服する。1) 既存のデータ駆動モデルに十分なデータを提供できない実世界のケースが多く、2) センサデータと異種コンテキスト情報をマージすることは困難である。
論文 参考訳（メタデータ） (2020-07-13T08:25:26Z)
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。