論文の概要: COLA: Cross-city Mobility Transformer for Human Trajectory Simulation

• arxiv url: http://arxiv.org/abs/2403.01801v1
• Date: Mon, 4 Mar 2024 07:45:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-06 19:49:00.506952
• Title: COLA: Cross-city Mobility Transformer for Human Trajectory Simulation
• Title（参考訳）: COLA:人間軌道シミュレーションのための都市間移動変換器
• Authors: Yu Wang, Tongya Zheng, Yuxuan Liang, Shunyu Liu, Mingli Song
• Abstract要約: モデル非依存転送フレームワークを用いた都市間mObiLity trAnsformer (COLA) を開発した。 COLAはトランスフォーマーを、都市固有の特性のためのプライベートモジュールと、都市・ユニバーサルモビリティパターンのための共有モジュールに分割する。 実装された都市間ベースラインは,その優位性と有効性を示している。
• 参考スコア（独自算出の注目度）: 44.157114416533915
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Human trajectory data produced by daily mobile devices has proven its usefulness in various substantial fields such as urban planning and epidemic prevention. In terms of the individual privacy concern, human trajectory simulation has attracted increasing attention from researchers, targeting at offering numerous realistic mobility data for downstream tasks. Nevertheless, the prevalent issue of data scarcity undoubtedly degrades the reliability of existing deep learning models. In this paper, we are motivated to explore the intriguing problem of mobility transfer across cities, grasping the universal patterns of human trajectories to augment the powerful Transformer with external mobility data. There are two crucial challenges arising in the knowledge transfer across cities: 1) how to transfer the Transformer to adapt for domain heterogeneity; 2) how to calibrate the Transformer to adapt for subtly different long-tail frequency distributions of locations. To address these challenges, we have tailored a Cross-city mObiLity trAnsformer (COLA) with a dedicated model-agnostic transfer framework by effectively transferring cross-city knowledge for human trajectory simulation. Firstly, COLA divides the Transformer into the private modules for city-specific characteristics and the shared modules for city-universal mobility patterns. Secondly, COLA leverages a lightweight yet effective post-hoc adjustment strategy for trajectory simulation, without disturbing the complex bi-level optimization of model-agnostic knowledge transfer. Extensive experiments of COLA compared to state-of-the-art single-city baselines and our implemented cross-city baselines have demonstrated its superiority and effectiveness. The code is available at https://github.com/Star607/Cross-city-Mobility-Transformer.
• Abstract（参考訳）: 都市計画や疫病予防など,様々な分野において,日常的モバイルデバイスによる人為的軌跡データの有用性が証明されている。 個人のプライバシーに関する懸念から、人間の軌道シミュレーションは研究者から注目を集め、下流タスクに多数の現実的なモビリティデータを提供することを目標としている。 それでも、データ不足の大きな問題は、間違いなく既存のディープラーニングモデルの信頼性を低下させる。 本稿では,都市間移動の興味深い問題を探究し,人間の軌跡の普遍的なパターンを把握し,外部モビリティデータを用いたトランスフォーマーの強化を図る。 都市間の知識移転には2つの重要な課題がある。 1) 変圧器をドメインの不均一性に適応させる方法 2) 位置の細長い周波数分布を微妙に異なるものに適応させるための変圧器の校正方法。 これらの課題に対処するために,我々は,人間軌道シミュレーションのためのクロスシティ知識を効果的に伝達することにより,専用モデル非依存なトランスファーフレームワークを備えたクロスシティモビリティトランスフォーマ(cola)を開発した。 第一に、COLAはトランスフォーマーを都市固有の特性のためのプライベートモジュールと、都市・大学移動パターンのための共有モジュールに分割する。 第二に、COLAは、モデルに依存しない知識伝達の複雑な二段階最適化を邪魔することなく、トラジェクトリシミュレーションに軽量で効果的なポストホック調整戦略を利用する。 最先端のシングルシティベースラインと比較したcolaの広範な実験と実装したクロスシティベースラインは、その優越性と有効性を示している。 コードはhttps://github.com/Star607/Cross-city-Mobility-Transformerで公開されている。

関連論文リスト

• Mitigating Covariate Shift in Imitation Learning for Autonomous Vehicles Using Latent Space Generative World Models [60.87795376541144]
  World Model(ワールドモデル)は、エージェントの次の状態を予測できるニューラルネットワークである。 エンド・ツー・エンドのトレーニングでは、人間のデモで観察された状態と整合してエラーから回復する方法を学ぶ。 クローズドループ試験における先行技術に有意な改善がみられた定性的,定量的な結果を示す。
  論文  参考訳（メタデータ） (2024-09-25T06:48:25Z)
• Deep Activity Model: A Generative Approach for Human Mobility Pattern Synthesis [11.90100976089832]
  我々は,人間の移動性モデリングと合成のための新しい生成的深層学習手法を開発した。 オープンソースのデータを使って、アクティビティパターンとロケーショントラジェクトリの両方を組み込む。 モデルはローカルデータで微調整できるため、さまざまな領域にわたるモビリティパターンを正確に表現することができる。
  論文  参考訳（メタデータ） (2024-05-24T02:04:10Z)
• TransFlower: An Explainable Transformer-Based Model with Flow-to-Flow Attention for Commuting Flow Prediction [18.232085070775835]
  通勤パターンの予測にフロー・ツー・フロー・アテンションを用いた,説明可能なトランスフォーマーベースのモデルであるTransFlowerを紹介した。 我々のモデルは、既存の手法を最大30.8%のCommon Part of Commutersで上回ります。
  論文  参考訳（メタデータ） (2024-02-23T16:00:04Z)
• MobilityGPT: Enhanced Human Mobility Modeling with a GPT model [12.01839817432357]
  我々はこれらの問題に対処するために、自己回帰生成タスクとして、人間のモビリティモデリングを再構築する。 本稿では,ジオスパティカル・アウェア・ジェネレーティブ・モデルであるモビリティGPTを提案する。 実世界のデータセットの実験では、モビリティGPTは最先端の手法よりも優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-02-05T18:22:21Z)
• Rethinking Urban Mobility Prediction: A Super-Multivariate Time Series Forecasting Approach [71.67506068703314]
  長期の都市移動予測は、都市施設やサービスの効果的管理において重要な役割を担っている。 伝統的に、都市移動データはビデオとして構成され、経度と緯度を基本的なピクセルとして扱う。 本研究では,都市におけるモビリティ予測の新たな視点について紹介する。 都市移動データを従来のビデオデータとして単純化するのではなく、複雑な時系列と見なす。
  論文  参考訳（メタデータ） (2023-12-04T07:39:05Z)
• Leveraging the Power of Data Augmentation for Transformer-based Tracking [64.46371987827312]
  トラッキング用にカスタマイズされた2つのデータ拡張手法を提案する。 まず、動的探索半径機構と境界サンプルのシミュレーションにより、既存のランダムトリミングを最適化する。 第2に,背景干渉などの問題に対するモデルを可能にする,トークンレベルの機能混在強化戦略を提案する。
  論文  参考訳（メタデータ） (2023-09-15T09:18:54Z)
• Emergent Agentic Transformer from Chain of Hindsight Experience [96.56164427726203]
  簡単なトランスフォーマーベースモデルが時間差と模倣学習に基づくアプローチの両方と競合することを示す。 単純なトランスフォーマーベースのモデルが時間差と模倣学習ベースのアプローチの両方で競合するのはこれが初めてである。
  論文  参考訳（メタデータ） (2023-05-26T00:43:02Z)
• Continuous Trajectory Generation Based on Two-Stage GAN [50.55181727145379]
  本稿では,道路網上の連続軌道を生成するために,新たな2段階生成対向フレームワークを提案する。 具体的には、A*アルゴリズムの人間の移動性仮説に基づいてジェネレータを構築し、人間の移動性について学習する。 判別器では, 逐次報酬と移動ヤウ報酬を組み合わせることで, 発電機の有効性を高める。
  論文  参考訳（メタデータ） (2023-01-16T09:54:02Z)
• Sim-to-Real Transfer for Quadrupedal Locomotion via Terrain Transformer [31.581743045813557]
  様々な地形における四足歩行制御のための高容量トランスモデルを提案する。 シミュレーション・トゥ・リアルシナリオにおいてTransformerをよりよく活用するために、オフライン事前学習段階とオンライン修正段階からなる新しい2段階トレーニングフレームワークを提案する。 シミュレーション実験により、TERTはリターン、エネルギー消費、制御のスムーズさの観点から、様々な地形における最先端のベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2022-12-15T11:44:11Z)
• Online Trajectory Prediction for Metropolitan Scale Mobility Digital Twin [13.07036447576714]
  都市におけるモビリティの"何が起きているか"と"何が起こるか"を知ることは、データ駆動型スマートシティシステムの構築ブロックである。 粗くきめ細かなレベルの予測を階層化する2段階の人体移動予測器を提案する。 関東地方における実世界の携帯電話GPSデータを用いて,本手法を検証した。
  論文  参考訳（メタデータ） (2022-06-21T11:34:54Z)

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。