Fugu-MT 論文翻訳(概要): Future Directions in Human Mobility Science

論文の概要: Future Directions in Human Mobility Science

arxiv url: http://arxiv.org/abs/2408.00702v1
Date: Thu, 1 Aug 2024 16:49:24 GMT
ステータス: 処理完了
システム内更新日: 2024-08-04 19:57:15.739518
Title: Future Directions in Human Mobility Science
Title（参考訳）: 人間移動科学の将来展望
Authors: Luca Pappalardo, Ed Manley, Vedran Sekara, Laura Alessandretti,
Abstract要約: 空間認知がモビリティパターンをどのように形成するかをよりよく理解する必要性について論じる。我々は新しい交通形態をよりよく理解することの重要性を論じる。我々は、アルゴリズムがモビリティの振る舞いをどのように形成し、モデリングに有用なツールを提供するかについて論じる。
参考スコア（独自算出の注目度）: 2.1432216436876836
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We provide a brief review of human mobility science and present three key areas where we expect to see substantial advancements. We start from the mind and discuss the need to better understand how spatial cognition shapes mobility patterns. We then move to societies and argue the importance of better understanding new forms of transportation. We conclude by discussing how algorithms shape mobility behaviour and provide useful tools for modellers. Finally, we discuss how progress in these research directions may help us address some of the challenges our society faces today.
Abstract（参考訳）: 我々は、人間の移動科学の簡単なレビューと、大きな進歩を期待する3つの重要な領域を提示する。心から始め、空間認知がモビリティパターンをどのように形成するかをよりよく理解する必要性について論じる。社会に移行し、新しい交通形態をよりよく理解することの重要性を論じる。我々は、アルゴリズムがモビリティの振る舞いをどのように形成し、モデリングに有用なツールを提供するかについて論じる。最後に、これらの研究の方向性の進展が、現在社会が直面している課題のいくつかにどのように取り組むかについて議論する。

関連論文リスト

Human Mobility in the Metaverse [0.03072340427031969]
通勤コストの欠如にもかかわらず、新しい場所を探索する個人は時間が経つにつれて減少することがわかった。また, 土地価格と来訪の相関関係の欠如が, 物理的世界を特徴付けるパターンから逸脱していることも見いだした。我々のメタモビリティネットワークの特徴を予測する能力は、人間の移動を規定する法則が人間の力学の基本パターンに根ざしていることを示唆している。
論文参考訳（メタデータ） (2024-04-03T21:26:40Z)
Universal Humanoid Motion Representations for Physics-Based Control [71.46142106079292]
物理学に基づくヒューマノイド制御のための総合的な運動スキルを含む普遍的な運動表現を提案する。まず、大きな非構造運動データセットから人間の動きをすべて模倣できる動き模倣機を学習する。次に、模倣者から直接スキルを蒸留することで、動作表現を作成します。
論文参考訳（メタデータ） (2023-10-06T20:48:43Z)
Human Motion Generation: A Survey [67.38982546213371]
人間の動き生成は、自然の人間のポーズシーケンスを生成し、現実世界の応用に大きな可能性を示すことを目的としている。この分野のほとんどの研究は、テキスト、オーディオ、シーンコンテキストなどの条件信号に基づいて人間の動きを生成することに焦点を当てている。本稿では,人間の動作生成に関する総合的な文献レビューを紹介する。
論文参考訳（メタデータ） (2023-07-20T14:15:20Z)
Urban Mobility [0.0]
車両に搭載されたセンサから、携帯電話の記録、位置情報ベースのソーシャルネットワークトレース、GPSトラジェクトリなど、このアプローチを可能にするデータセットの概要を示す。次に、個人移動の生成モデルと予測モデル、および予測可能性の本質的な限界による制限について説明する。我々は、ライドシェアリング、マルチモダリティ、持続可能な輸送といったシステム全体の課題を含む、システムの観点から都市交通について議論する。
論文参考訳（メタデータ） (2022-11-01T09:58:49Z)
Vision Paper: Causal Inference for Interpretable and Robust Machine Learning in Mobility Analysis [71.2468615993246]
インテリジェントな輸送システムを構築するには、人工知能とモビリティ分析の複雑な組み合わせが必要である。ここ数年、高度なディープニューラルネットワークを使った輸送アプリケーションの開発が急速に進んでいる。このビジョンペーパーは、解釈可能性と堅牢性を必要とするディープラーニングに基づくモビリティ分析における研究課題を強調する。
論文参考訳（メタデータ） (2022-10-18T17:28:58Z)
GIMO: Gaze-Informed Human Motion Prediction in Context [75.52839760700833]
本研究では、高品質なボディポーズシーケンス、シーンスキャン、目視によるエゴ中心のビューを提供する大規模な人体動作データセットを提案する。私たちのデータ収集は特定のシーンに縛られません。視線の全可能性を実現するために,視線と運動枝の双方向通信を可能にする新しいネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2022-04-20T13:17:39Z)
Improving Urban Mobility: using artificial intelligence and new technologies to connect supply and demand [7.347028791196305]
インテリジェントトランスポートシステム(ITS)は,情報通信技術をどのように活用するかを交通問題に適用するかを検討することを目的としている。このパノラマでは、人工知能が特に機械学習の進歩において重要な役割を果たす。
論文参考訳（メタデータ） (2022-03-18T14:37:33Z)
Smart Mobility Ontology: Current Trends and Future Directions [8.551227913472632]
オントロジーはドメイン内の概念とそれらの間の関係の明示的かつ形式的な表現である。本章は、オントロジー開発全般の異なる側面を提示することを目的としている。交通、スマートシティ、商品センサーなど、現在利用可能なモビリティ関連ドメインを紹介します。
論文参考訳（メタデータ） (2020-12-15T21:28:43Z)
Deep Learning for Human Mobility: a Survey on Data and Models [5.9623431392389]
人間の移動性の研究は、社会の様々な側面に影響を及ぼすため、非常に重要である。電話記録、GPSトレース、ソーシャルメディア投稿などのデジタルモビリティデータの拡散は、深層学習を人間のモビリティに適用するきっかけとなった。我々の調査は、次の位置予測、群集の流れ予測、軌道生成に対する先進的なディープラーニングソリューションのガイドである。
論文参考訳（メタデータ） (2020-12-04T19:59:39Z)
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)
Learning Accurate and Human-Like Driving using Semantic Maps and Attention [152.48143666881418]
本稿では,より正確かつ人間らしく運転できるエンド・ツー・エンド駆動モデルについて検討する。 HERE Technologiesのセマンティックマップとビジュアルマップを活用し、既存のDrive360データセットを拡張します。私たちのモデルは、実世界の運転データ60時間3000kmのDrive360+HEREデータセットでトレーニングされ、評価されています。
論文参考訳（メタデータ） (2020-07-10T22:25:27Z)

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。