論文の概要: A Survey of Route Recommendations: Methods, Applications, and Opportunities

• arxiv url: http://arxiv.org/abs/2403.00284v1
• Date: Fri, 1 Mar 2024 05:04:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 18:03:47.076805
• Title: A Survey of Route Recommendations: Methods, Applications, and Opportunities
• Title（参考訳）: 経路勧告に関する調査:方法・応用・選択肢
• Authors: Shiming Zhang, Zhipeng Luo, Li Yang, Fei Teng, Tianrui Li
• Abstract要約: 本調査は、都市コンピューティングに基づくルートレコメンデーション業務の総合的なレビューを提供する。 従来の機械学習と最新のディープラーニングの手法を多数分類する。 本稿では,都市コンピューティングのシナリオにおける経路変換に関する新しい応用を多数提示する。
• 参考スコア（独自算出の注目度）: 21.723010003921182
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nowadays, with advanced information technologies deployed citywide, large data volumes and powerful computational resources are intelligentizing modern city development. As an important part of intelligent transportation, route recommendation and its applications are widely used, directly influencing citizens` travel habits. Developing smart and efficient travel routes based on big data (possibly multi-modal) has become a central challenge in route recommendation research. Our survey offers a comprehensive review of route recommendation work based on urban computing. It is organized by the following three parts: 1) Methodology-wise. We categorize a large volume of traditional machine learning and modern deep learning methods. Also, we discuss their historical relations and reveal the edge-cutting progress. 2) Application\-wise. We present numerous novel applications related to route commendation within urban computing scenarios. 3) We discuss current problems and challenges and envision several promising research directions. We believe that this survey can help relevant researchers quickly familiarize themselves with the current state of route recommendation research and then direct them to future research trends.
• Abstract（参考訳）: 現在、都市全域に展開する先進的な情報技術により、大規模なデータボリュームと強力な計算資源が現代の都市開発をインテリジェント化している。 インテリジェント交通の重要な部分として、ルートレコメンデーションとその応用が広く使われ、市民の旅行習慣に直接影響を与えている。 ビッグデータ(マルチモーダル)に基づくスマートで効率的な旅行経路の開発は、ルートレコメンデーション研究の中心的な課題となっている。 本調査は,都市コンピューティングに基づく経路推薦作業の包括的レビューを提供する。 以下の3部で構成されている。 1)方法論について。 私たちは、伝統的な機械学習と現代のディープラーニングの方法の多くを分類します。 また, 歴史的関係を議論し, 最先端の進展を明らかにする。 2) 申請書を交付する。 本稿では,都市コンピューティングシナリオにおける経路推薦に関する多くの新しい応用について述べる。 3) 今後の課題と課題について検討し, 有望な研究の方向性を示唆する。 この調査は、関連する研究者がルートレコメンデーション研究の現状を迅速に把握し、今後の研究動向に導くのに役立つと信じています。

関連論文リスト

• Continual Learning for Smart City: A Survey [20.248023419047847]
  継続的学習(CL)は、変化する環境に適応するためにモデルを常に更新する、新しい機械学習パラダイムである。 本調査は,スマートシティ開発に広く用いられている継続的学習手法の総合的なレビューを提供する。
  論文  参考訳（メタデータ） (2024-04-01T07:59:29Z)
• Deep Learning for Trajectory Data Management and Mining: A Survey and Beyond [58.63558696061679]
  軌道計算は、位置サービス、都市交通、公共安全など、様々な実用用途において重要である。 トラジェクトリ・コンピューティングのためのディープラーニング(DL4Traj)の開発と最近の進歩について概観する。 特に、軌道計算を増強する可能性を持つ大規模言語モデル(LLM)の最近の進歩をカプセル化する。
  論文  参考訳（メタデータ） (2024-03-21T05:57:27Z)
• Deep Learning for Cross-Domain Data Fusion in Urban Computing: Taxonomy, Advances, and Outlook [28.103555959143645]
  本稿では,都市コンピューティングに適した深層学習に基づくデータ融合手法の最近の進歩を体系的にレビューする最初の調査を提案する。 提案手法は,特徴ベース,アライメントベース,コントラストベース,生成ベース融合の4つのカテゴリに分類される。 さらに, 都市計画, 交通, 経済, 公共安全, 社会, 環境, エネルギーの7つのタイプに分類した。
  論文  参考訳（メタデータ） (2024-02-29T16:56:23Z)
• A sequential transit network design algorithm with optimal learning under correlated beliefs [4.8951183832371]
  本研究では, 逐次的トランジットネットワーク設計と最適学習を組み合わせた人工知能駆動型アルゴリズムを提案する。 オペレータは、設計されたルートと実際の旅行需要との整合性からリスクを回避するために、徐々に経路システムを拡大する。 バリデーションのために、ニューヨーク市の公共利用マイクロデータエリアに基づく人工ネットワーク上に、新しいルートシステムを設計する。
  論文  参考訳（メタデータ） (2023-05-16T14:14:51Z)
• Milestones in Autonomous Driving and Intelligent Vehicles Part I: Control, Computing System Design, Communication, HD Map, Testing, and Human Behaviors [72.63895188785922]
  本論文の目的は、ADのすべてのセクションを包含し、最新の技術的マイルストーンを要約し、ADとIVの開発を迅速に理解するために、上級者を指導することである。
  論文  参考訳（メタデータ） (2023-05-12T02:32:01Z)
• Deep Learning for Embodied Vision Navigation: A Survey [108.13766213265069]
  身体的視覚ナビゲーション」問題では、エージェントが3D環境をナビゲートする必要がある。 本稿では、総合的な文献調査を提供することで、視覚ナビゲーションの具体的分野における現在の研究の概要を確立することを試みる。
  論文  参考訳（メタデータ） (2021-07-07T12:09:04Z)
• The 5th AI City Challenge [51.83023045451549]
  第5回AIシティチャレンジには38カ国305チームが参加した。 アルゴリズムの有効性と計算効率の両面で評価を行った。 結果は、スマートトランスポーテーションにおけるAIの約束を示している。
  論文  参考訳（メタデータ） (2021-04-25T19:15:27Z)
• Advances and Challenges in Conversational Recommender Systems: A Survey [133.93908165922804]
  現在の会話レコメンダーシステム(CRS)で使用されるテクニックの体系的なレビューを提供します。 CRS開発の主な課題を5つの方向にまとめます。 これらの研究の方向性は、情報検索(IR)、自然言語処理(NLP)、人間とコンピュータの相互作用(HCI)などの複数の研究分野を含みます。
  論文  参考訳（メタデータ） (2021-01-23T08:53:15Z)
• 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)
• Deep Learning on Traffic Prediction: Methods, Analysis and Future Directions [32.25707921285397]
  本稿では,複数の観点からの交通予測における深層学習に基づくアプローチに関する包括的調査を行う。 まず,既存の交通予測手法を要約し,分類について述べる。 第2に、異なるトラフィック予測アプリケーションにおける最先端のアプローチをリストアップする。
  論文  参考訳（メタデータ） (2020-04-18T08:28:10Z)

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。