論文の概要: Predicting Space Tourism Demand Using Explainable AI

• arxiv url: http://arxiv.org/abs/2503.03113v2
• Date: Mon, 17 Mar 2025 22:40:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-19 14:11:47.936343
• Title: Predicting Space Tourism Demand Using Explainable AI
• Title（参考訳）: 説明可能なAIによる宇宙観光需要予測
• Authors: Tan-Hanh Pham, Jingchen Bi, Rodrigo Mesa-Arango, Kim-Doang Nguyen,
• Abstract要約: 本稿では,宇宙旅行需要予測の課題に対処するための,説明可能な信頼性の高い人工知能フレームワークを提案する。 本研究では,データにおける広範囲な依存関係を学習可能な,SpaceNetという新しい機械学習ネットワークを開発した。 調査の結果,旅行価格,年齢,年収,性別,死亡確率は,旅行希望の有無を決定する上で重要な特徴であることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Comprehensive forecasts of space tourism demand are crucial for businesses to optimize strategies and customer experiences in this burgeoning industry. Traditional methods struggle to capture the complex factors influencing an individual's decision to travel to space. In this paper, we propose an explainable and trustworthy artificial intelligence framework to address the challenge of predicting space tourism demand by following the National Institute of Standards and Technology guidelines. We develop a novel machine learning network, called SpaceNet, capable of learning wide-range dependencies in data and allowing us to analyze the relationships between various factors such as age, income, and risk tolerance. We investigate space travel demand in the US, categorizing it into four types: no travel, moon travel, suborbital, and orbital travel. To this end, we collected 1860 data points in many states and cities with different ages and then conducted our experiment with the data. From our experiments, the SpaceNet achieves an average ROC-AUC of 0.82 $\pm$ 0.088, indicating strong classification performance. Our investigation demonstrated that travel price, age, annual income, gender, and fatality probability are important features in deciding whether a person wants to travel or not. Beyond demand forecasting, we use explainable AI to provide interpretation for the travel-type decisions of an individual, offering insights into the factors driving interest in space travel, which is not possible with traditional classification methods. This knowledge enables businesses to tailor marketing strategies and optimize service offerings in this rapidly evolving market. To the best of our knowledge, this is the first work to implement an explainable and interpretable AI framework for investigating the factors influencing space tourism.
• Abstract（参考訳）: 宇宙観光需要の総括予測は、この急成長する産業における戦略と顧客体験を最適化するビジネスにとって不可欠である。 従来の手法は、個人の宇宙旅行の決定に影響を及ぼす複雑な要因を捉えるのに苦労する。 本稿では,ナショナル・インスティテュート・スタンダード・アンド・テクノロジー・ガイドラインに従って,宇宙旅行需要予測の課題に対処する,説明可能な信頼性の高い人工知能フレームワークを提案する。 本研究では,データへの幅広い依存を学習し,年齢,所得,リスク許容といったさまざまな要因間の関係を解析することのできる,SpaceNetと呼ばれる新しい機械学習ネットワークを開発した。 我々は、米国における宇宙旅行需要を調査し、旅行なし、月旅行、軌道下旅行、軌道上旅行の4つのタイプに分類した。 この目的のために、さまざまな年齢の州や都市で1860のデータを収集し、そのデータを用いて実験を行った。 実験の結果、SpaceNet は平均 ROC-AUC を 0.82$\pm$ 0.088 で達成し、高い分類性能を示した。 調査の結果,旅行価格,年齢,年収,性別,死亡確率は,旅行希望の有無を決定する上で重要な特徴であることがわかった。 需要予測以外にも、説明可能なAIを使用して、個人の旅行型決定の解釈を提供し、従来の分類法では不可能な宇宙旅行への関心を喚起する要因についての洞察を提供する。 この知識により、企業は、この急速に発展する市場でマーケティング戦略を調整し、サービス提供を最適化できる。 我々の知る限りでは、宇宙旅行に影響を与える要因を調査するための説明可能な、解釈可能なAIフレームワークを実装するのは、これが初めてである。

関連論文リスト

• ChinaTravel: A Real-World Benchmark for Language Agents in Chinese Travel Planning [50.7898120693695]
  ChinaTravelは、中国の旅行計画シナリオに特化して設計されたベンチマークである。 質問紙から旅行要求を収集し,構成的に一般化可能なドメイン特化言語を提案する。 実証研究により、旅行計画における神経象徴薬の可能性を明らかにし、27.9%の制約満足度を達成した。 我々は、オープン言語推論や未確認概念構成など、現実世界の旅行計画展開における重要な課題を特定します。
  論文  参考訳（メタデータ） (2024-12-18T10:10:12Z)
• Combining data from multiple sources for urban travel mode choice modelling [0.8437187555622164]
  環境に優しいモードに重点を置いて、人々がいつ異なる旅行モードを使うかを予測する必要性が高まっている。 ますます多くのケースにおいて、機械学習手法は、応答性や進行性の特徴が与えられた走行モードの選択を予測するために使われる。 本稿では,データドキュメンテーションジャーニーと,トランスポートオプションを要約するために計算した特徴を組み合わせたデータ融合を行うソフトウェアプラットフォームのアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-05-15T16:41:53Z)
• Wireless Crowd Detection for Smart Overtourism Mitigation [50.031356998422815]
  この章では、モバイルデバイスのワイヤレスアクティビティに基づいたオーバツーリズムを監視するための、低コストなアプローチについて説明する。 群集センサは、無線技術のトレース要素を検出することで、周囲のモバイルデバイスの数をカウントする。 いくつかの技術で検出プログラムを実行し、指紋解析の結果は匿名データベースにのみローカルに保存される。
  論文  参考訳（メタデータ） (2024-02-14T13:20:24Z)
• Forecasting Inter-Destination Tourism Flow via a Hybrid Deep Learning Model [7.769537533798236]
  ITF(Inter-Destination Tourism Flow, Inter-Destination Tourism Flow)は、目的地の役割の分類や訪問パターンのマイニングといった業務における観光管理に一般的に用いられている。 ITFの体積がマルチトラクションシステムの特徴にどのように影響されているかを理解するのは難しい。 ITF予測のためのグラフベースハイブリッドディープラーニングモデルを提案する。
  論文  参考訳（メタデータ） (2023-05-05T03:48:12Z)
• Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
  この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。 欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
  論文  参考訳（メタデータ） (2022-12-10T07:49:50Z)
• Examining spatial heterogeneity of ridesourcing demand determinants with explainable machine learning [9.307655320619984]
  本研究は、配車需要を形作る重要な要因を特定するために、機械学習に基づく分析フレームワークを適用した。 建設環境の重要性は、空間的な状況によって異なり、空港旅行における配車需要を予測する上で最も重要な要因となっている。 ライドソーシングの需要は通常、ダウンタウンでの旅行や、近隣での旅行、空港での旅行など、構築された環境の変化に最も反応する。
  論文  参考訳（メタデータ） (2022-09-16T14:47:33Z)
• NeBula: Quest for Robotic Autonomy in Challenging Environments; TEAM CoSTAR at the DARPA Subterranean Challenge [105.27989489105865]
  本稿では,TEAM CoSTARが開発したアルゴリズム,ハードウェア,ソフトウェアアーキテクチャについて述べる。 NeBula (Networked Belief-Aware Perceptual Autonomy) と呼ばれる当社の自律的ソリューションを紹介します。
  論文  参考訳（メタデータ） (2021-03-21T19:42:26Z)
• Impact of Autonomous Vehicle Technology on Long Distance Travel Behavior [0.0]
  本研究では、長距離走行における自動運転車の影響を予測するための旅行調査について分析した。 観光旅行にAVを使用すると、旅行者の数が増加し、より長い距離を選ぶよう促すことができる。 ビジネス旅行では、AV技術は旅行コストと仕事関連のストレスを減らすことができる。
  論文  参考訳（メタデータ） (2021-01-13T03:53:30Z)
• 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 to Move with Affordance Maps [57.198806691838364]
  物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。 従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。 学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
  論文  参考訳（メタデータ） (2020-01-08T04:05:11Z)

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。