論文の概要: InclusiViz: Visual Analytics of Human Mobility Data for Understanding and Mitigating Urban Segregation
- arxiv url: http://arxiv.org/abs/2501.03594v1
- Date: Tue, 07 Jan 2025 07:50:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-08 15:49:55.765126
- Title: InclusiViz: Visual Analytics of Human Mobility Data for Understanding and Mitigating Urban Segregation
- Title(参考訳): InclusiViz:都市セグメンテーションの理解と緩和のための人間のモビリティデータのビジュアル分析
- Authors: Yue Yu, Yifang Wang, Yongjun Zhang, Huamin Qu, Dongyu Liu,
- Abstract要約: InclusiVizは、都市分離の多段階解析のための新しいビジュアル分析システムである。
我々は、環境特徴を用いた社会集団間の移動パターン予測のためのディープラーニングモデルを構築し、説明可能なAIを付加した。
このシステムは、ユーザーが広範囲にわたる概要から細かな詳細まで、分離パターンを探索できる革新的な可視化技術を統合している。
- 参考スコア(独自算出の注目度): 41.758626973743525
- License:
- Abstract: Urban segregation refers to the physical and social division of people, often driving inequalities within cities and exacerbating socioeconomic and racial tensions. While most studies focus on residential spaces, they often neglect segregation across "activity spaces" where people work, socialize, and engage in leisure. Human mobility data offers new opportunities to analyze broader segregation patterns, encompassing both residential and activity spaces, but challenges existing methods in capturing the complexity and local nuances of urban segregation. This work introduces InclusiViz, a novel visual analytics system for multi-level analysis of urban segregation, facilitating the development of targeted, data-driven interventions. Specifically, we developed a deep learning model to predict mobility patterns across social groups using environmental features, augmented with explainable AI to reveal how these features influence segregation. The system integrates innovative visualizations that allow users to explore segregation patterns from broad overviews to fine-grained detail and evaluate urban planning interventions with real-time feedback. We conducted a quantitative evaluation to validate the model's accuracy and efficiency. Two case studies and expert interviews with social scientists and urban analysts demonstrated the system's effectiveness, highlighting its potential to guide urban planning toward more inclusive cities.
- Abstract(参考訳): 都市分離は、しばしば都市内の不平等を駆り立て、社会経済的・人種的緊張を悪化させる、人々の身体的・社会的分裂を指す。
ほとんどの研究は住宅地に焦点を当てているが、人々が働き、社交し、レジャーに従事している「活動空間」をまたいだ隔離を無視することが多い。
ヒトの移動データは、居住空間と活動空間の両方を含むより広い分離パターンを分析する新しい機会を提供するが、都市分離の複雑さと局所的なニュアンスを捉える既存の方法に挑戦する。
この研究は、都市分離の多段階分析のための新しいビジュアル分析システムであるInclusiVizを導入し、ターゲットとなるデータ駆動型介入の開発を促進する。
具体的には、環境特徴を用いた社会集団間の移動パターンを予測するためのディープラーニングモデルを構築し、これらの特徴が分離にどのように影響するかを明らかにするために、説明可能なAIで拡張した。
このシステムは、ユーザーが広い概要から細かい細部まで分離パターンを探索し、都市計画の介入をリアルタイムのフィードバックで評価できる革新的な可視化技術を統合している。
モデルの精度と効率を評価するために定量的評価を行った。
社会科学者と都市アナリストとの2つのケーススタディと専門家インタビューは、このシステムの有効性を示し、より包括的な都市に向けて都市計画を導く可能性を強調した。
関連論文リスト
- Collaborative Imputation of Urban Time Series through Cross-city Meta-learning [54.438991949772145]
メタ学習型暗黙的ニューラル表現(INR)を利用した新しい協調的計算パラダイムを提案する。
次に,モデルに依存しないメタ学習による都市間協調学習手法を提案する。
20のグローバル都市から得られた多様な都市データセットの実験は、我々のモデルの優れた計算性能と一般化可能性を示している。
論文 参考訳(メタデータ) (2025-01-20T07:12:40Z) - Uncover the nature of overlapping community in cities [4.497897224837208]
本研究は,都市社会に固有の複雑な重なり合う性質を反映した,グラフに基づく物理対応深層学習フレームワークを提案する。
米国ミネソタ州ツインシティーズ都市圏(TCMA)における携帯電話の位置データを分析した結果、都市機能の複雑さの95.7%は、平日におけるコミュニティの重複構造に起因することがわかった。
論文 参考訳(メタデータ) (2024-01-31T22:50:49Z) - Time-space dynamics of income segregation: a case study of Milan's
neighbourhoods [0.0]
本研究では,都市活動の時間的ダイナミクスに埋め込まれたソーシャルミキシングを3次元的に分析する空間を提案する。
住宅地は夜間に社会的な混合を奨励しないが、労働時間によって包摂が促進され、市中心部は交流のレベルが高められている。
レジャーエリアは、公共交通機関や様々な関心点といった都市の特徴によって、社会的相互作用の潜在的ファシリテーターとして出現する。
論文 参考訳(メタデータ) (2023-09-29T14:50:13Z) - Unified Data Management and Comprehensive Performance Evaluation for
Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。
都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。
多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
論文 参考訳(メタデータ) (2023-08-24T16:20:00Z) - Multi-Temporal Relationship Inference in Urban Areas [75.86026742632528]
場所間の時間的関係を見つけることは、動的なオフライン広告やスマートな公共交通計画など、多くの都市アプリケーションに役立つ。
空間的に進化するグラフニューラルネットワーク(SEENet)を含むグラフ学習方式によるTrialの解を提案する。
SEConvは時間内アグリゲーションと時間間伝搬を実行し、位置メッセージパッシングの観点から、多面的に空間的に進化するコンテキストをキャプチャする。
SE-SSLは、位置表現学習を強化し、関係の空間性をさらに扱えるように、グローバルな方法でタイムアウェアな自己教師型学習タスクを設計する。
論文 参考訳(メタデータ) (2023-06-15T07:48:32Z) - Causal Reasoning Meets Visual Representation Learning: A Prospective
Study [117.08431221482638]
解釈可能性の欠如、堅牢性、分布外一般化が、既存の視覚モデルの課題となっている。
人間レベルのエージェントの強い推論能力にインスパイアされた近年では、因果推論パラダイムの開発に多大な努力が注がれている。
本稿では,この新興分野を包括的に概観し,注目し,議論を奨励し,新たな因果推論手法の開発の急激さを先導することを目的とする。
論文 参考訳(メタデータ) (2022-04-26T02:22:28Z) - Neural Embeddings of Urban Big Data Reveal Emergent Structures in Cities [7.148078723492643]
都市部の異質性を利用したニューラルネットワーク(GNN)を提案する。
アメリカ合衆国の16大都市圏において,何百万もの携帯電話利用者による大規模高解像度モビリティデータセットを用いて,都市部コンポーネント間の複雑な関係をエンコードしていることを示す。
異なる郡で訓練されたモデルによって生成された埋め込みは、他の郡における創発的空間構造の50%から60%を捉えることができることを示す。
論文 参考訳(メタデータ) (2021-10-24T07:13:14Z) - Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。
我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。
フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
論文 参考訳(メタデータ) (2021-04-30T12:47:52Z) - Automatic Extraction of Urban Outdoor Perception from Geolocated
Free-Texts [1.8419317899207144]
本稿では,人々の知覚を抽出するための,自動的かつ汎用的なアプローチを提案する。
我々は、シカゴ、ニューヨーク、ロンドンにおける都市屋外の文脈における我々のアプローチを例示する。
本手法は,異なる視点を考慮し,都市部をよりよく理解する上で有効であることを示す。
論文 参考訳(メタデータ) (2020-10-13T14:59:46Z) - City limits in the age of smartphones and urban scaling [0.0]
都市計画は、都市システム全体にわたる都市境界を定義するための適切な基準をまだ欠いている。
ICTは、都市システムのより正確な記述を記述する可能性を提供する。
都市境界を定義するため,大量の携帯電話記録に計算手法を適用した。
論文 参考訳(メタデータ) (2020-05-06T17:31:21Z)
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。