論文の概要: From Point Data to Geographic Boundaries: Regionalizing Crowdsourced Latency Measurements
- arxiv url: http://arxiv.org/abs/2405.11138v3
- Date: Mon, 12 Aug 2024 11:54:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-13 21:12:59.790351
- Title: From Point Data to Geographic Boundaries: Regionalizing Crowdsourced Latency Measurements
- Title(参考訳): 点データから地理的境界へ:クラウドソースによるレイテンシ測定の地域化
- Authors: Taveesh Sharma, Paul Schmitt, Francesco Bronzino, Nick Feamster, Nicole Marwell,
- Abstract要約: インターネットのパフォーマンスをサンプリングするための安定な境界を構築するために,クラウドソーシングデータセットの空間解析を行う。
サンプリングバウンダリの安定性は、インターネットのパフォーマンス格差の真の性質を反映する。
これらの結果は,インターネット性能の分布を正確に評価し,最適化する上で,空間モデルの重要性を浮き彫りにしている。
- 参考スコア(独自算出の注目度): 6.921364920053057
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Despite significant investments in access network infrastructure, universal access to high-quality Internet connectivity remains a challenge. Policymakers often rely on large-scale, crowdsourced measurement datasets to assess the distribution of access network performance across geographic areas. These decisions typically rest on the assumption that Internet performance is uniformly distributed within predefined social boundaries. However, this assumption may not be valid for two reasons: crowdsourced measurements often exhibit non-uniform sampling densities within geographic areas; and predefined social boundaries may not align with the actual boundaries of Internet infrastructure. In this paper, we present a spatial analysis on crowdsourced datasets for constructing stable boundaries for sampling Internet performance. We hypothesize that greater stability in sampling boundaries will reflect the true nature of Internet performance disparities than misleading patterns observed as a result of data sampling variations. We apply and evaluate a series of statistical techniques to: aggregate Internet performance over geographic regions; overlay interpolated maps with various sampling unit choices; and spatially cluster boundary units to identify contiguous areas with similar performance characteristics. We assess the effectiveness of the techniques we apply by comparing the similarity of the resulting boundaries for monthly samples drawn from the dataset. Our evaluation shows that the combination of techniques we apply achieves higher similarity compared to directly calculating central measures of network metrics over census tracts or neighborhood boundaries. These findings underscore the important role of spatial modeling in accurately assessing and optimizing the distribution of Internet performance, to inform policy, network operations, and long-term planning decisions.
- Abstract(参考訳): アクセスネットワークインフラに多大な投資をしているにもかかわらず、高品質なインターネット接続への普遍的なアクセスは依然として課題である。
政策立案者は、地理的領域にわたるアクセスネットワーク性能の分布を評価するために、大規模でクラウドソースの計測データセットを利用することが多い。
これらの決定は一般的に、インターネットのパフォーマンスが事前に定義された社会的境界内で均一に分散されているという仮定に基づいている。
しかし、この仮定は2つの理由により有効ではないかもしれない: クラウドソースされた測定は、しばしば地理的領域内で一様でないサンプリング密度を示す; 事前定義された社会的境界は、インターネットインフラの実際の境界と一致しない。
本稿では,インターネットのパフォーマンスをサンプリングするための安定な境界を構築するために,クラウドソーシングデータセットの空間的解析を行う。
サンプリング境界における安定性の向上は,データサンプリングのばらつきによって観測された誤解を招くパターンよりも,インターネットの性能格差の真の性質を反映する,という仮説を立てる。
地理的領域におけるインターネット性能の集約、様々なサンプリング単位選択による補間マップのオーバーレイ、類似した性能特性を持つ連続領域を特定するための空間的クラスタ境界ユニットなど、一連の統計手法を適用して評価する。
本手法の有効性は,データセットから得られた月次サンプルについて,結果の境界の類似性を比較することで評価する。
提案手法を組み合わせることで,センサストラクションや地区境界におけるネットワークメトリクスの中央値を直接計算するよりも,高い類似性が得られることを示す。
これらの知見は、インターネット性能の分布を正確に評価し、最適化し、政策、ネットワーク運用、長期計画決定を通知する上で、空間モデルが重要な役割を担っていることを裏付けるものである。
関連論文リスト
- Sifting out communities in large sparse networks [2.666294200266662]
大規模ネットワークにおけるクラスタリングの結果の質を定量化するための直感的な客観的関数を導入する。
この領域に特に適したコミュニティを特定するために,2段階の手法を用いる。
数万のノードからなる大規模ネットワークにおける複雑な遺伝的相互作用を同定する。
論文 参考訳(メタデータ) (2024-05-01T18:57:41Z) - Multimodal Urban Areas of Interest Generation via Remote Sensing Imagery
and Geographical Prior [9.85003064364004]
AOI(Urban Area-of-interest)は、多角形境界が定義された都市機能ゾーンである。
本稿では,正確なAOI境界を同時に検出し,AOIの信頼性を検証するための総合的なエンドツーエンド多モードディープラーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2024-01-12T12:54:30Z) - Dual Latent State Learning: Exploiting Regional Network Similarities for QoS Prediction [5.090646311505991]
本稿では,新しいディープラーニングフレームワークである地域ベースデュアル潜在状態学習ネットワーク(R2SL)を紹介する。
R2SLは2つの異なる地域ネットワーク潜在状態を引き出すことで、地域ネットワークの振舞いのニュアンスを捉える。
我々のR2SLアプローチは、オブジェクトに固有の地域ネットワークの類似性を十分に活用することで、正確な予測のための革新的な道を開く。
論文 参考訳(メタデータ) (2023-10-07T19:35:07Z) - Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for
Cross-City Semantic Segmentation using High-Resolution Domain Adaptation
Networks [82.82866901799565]
我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。
単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。
高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
論文 参考訳(メタデータ) (2023-09-26T23:55:39Z) - Region2Vec: Community Detection on Spatial Networks Using Graph
Embedding with Node Attributes and Spatial Interactions [2.1793134762413437]
本稿では,空間ネットワーク上でのGCNに基づくコミュニティ検出手法「rea2vec」を提案する。
提案手法は,共通属性を共有し,空間的相互作用が激しい領域に対して,まずノード埋め込みを生成する。
実験の結果,既存の手法が相互に類似性や空間的相互作用を交換する一方で,領域2vecは両者のバランスを保っていることが明らかとなった。
論文 参考訳(メタデータ) (2022-10-10T02:32:55Z) - Unsupervised Domain-adaptive Hash for Networks [81.49184987430333]
ドメイン適応型ハッシュ学習はコンピュータビジョンコミュニティでかなりの成功を収めた。
UDAHと呼ばれるネットワークのための教師なしドメイン適応型ハッシュ学習手法を開発した。
論文 参考訳(メタデータ) (2021-08-20T12:09:38Z) - On the use of local structural properties for improving the efficiency
of hierarchical community detection methods [77.34726150561087]
本研究では,階層型コミュニティ検出の効率向上のために,局所構造ネットワーク特性をプロキシとして利用する方法について検討する。
また,ネットワークプルーニングの性能への影響を,階層的コミュニティ検出をより効率的にするための補助的手法として検証する。
論文 参考訳(メタデータ) (2020-09-15T00:16:12Z) - Cross-Domain Facial Expression Recognition: A Unified Evaluation
Benchmark and Adversarial Graph Learning [85.6386289476598]
我々は,クロスドメイン全体的特徴共適応のための新しい逆グラフ表現適応(AGRA)フレームワークを開発した。
我々は,いくつかの一般的なベンチマークで広範囲かつ公平な評価を行い,提案したAGRAフレームワークが従来の最先端手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2020-08-03T15:00:31Z) - Multi-level Graph Convolutional Networks for Cross-platform Anchor Link
Prediction [47.047999403900775]
クロスプラットフォームのアカウントマッチングは、ソーシャルネットワークの分析において重要な役割を果たす。
本稿では,ローカルネットワーク構造とハイパーグラフ構造の両方において,マルチレベルグラフの畳み込みを考慮した新しいフレームワークを提案する。
提案手法は,既存の作業におけるデータ不足を克服し,必ずしもユーザ人口統計情報に依存しない。
論文 参考訳(メタデータ) (2020-06-02T22:01:27Z) - Constructing Geographic and Long-term Temporal Graph for Traffic
Forecasting [88.5550074808201]
交通予測のための地理・長期時間グラフ畳み込み型ニューラルネットワーク(GLT-GCRNN)を提案する。
本研究では,地理的・長期的時間的パターンを共有する道路間のリッチな相互作用を学習する交通予測のための新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2020-04-23T03:50:46Z)
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。