論文の概要: Demographics-Informed Neural Network for Multi-Modal Spatiotemporal forecasting of Urban Growth and Travel Patterns Using Satellite Imagery

• arxiv url: http://arxiv.org/abs/2506.12456v2
• Date: Fri, 20 Jun 2025 01:43:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 12:57:34.479964
• Title: Demographics-Informed Neural Network for Multi-Modal Spatiotemporal forecasting of Urban Growth and Travel Patterns Using Satellite Imagery
• Title（参考訳）: 衛星画像を用いた都市成長・旅行パターンのマルチモーダル時空間予測のためのデモグラフィックインフォームニューラルネットワーク
• Authors: Eugene Kofi Okrah Denteh, Andrews Danyo, Joshua Kofi Asamoah, Blessing Agyei Kyem, Armstrong Aboah,
• Abstract要約: 本研究は,都市空間の変容を予測するために設計された,新しい階層情報深層学習フレームワークを提案する。 提案モデルは,衛星画像と人口統計データを統合した,時間的にゲートされた残差接続を備えたエンコーダ・デコーダアーキテクチャを用いている。 この研究は、衛星画像シーケンスと、それに対応する人口動態と旅行行動特性を組み合わせた総合的なマルチモーダルデータセットにも貢献する。
• 参考スコア（独自算出の注目度）: 3.378738346115004
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study presents a novel demographics informed deep learning framework designed to forecast urban spatial transformations by jointly modeling geographic satellite imagery, socio-demographics, and travel behavior dynamics. The proposed model employs an encoder-decoder architecture with temporal gated residual connections, integrating satellite imagery and demographic data to accurately forecast future spatial transformations. The study also introduces a demographics prediction component which ensures that predicted satellite imagery are consistent with demographic features, significantly enhancing physiological realism and socioeconomic accuracy. The framework is enhanced by a proposed multi-objective loss function complemented by a semantic loss function that balances visual realism with temporal coherence. The experimental results from this study demonstrate the superior performance of the proposed model compared to state-of-the-art models, achieving higher structural similarity (SSIM: 0.8342) and significantly improved demographic consistency (Demo-loss: 0.14 versus 0.95 and 0.96 for baseline models). Additionally, the study validates co-evolutionary theories of urban development, demonstrating quantifiable bidirectional influences between built environment characteristics and population patterns. The study also contributes a comprehensive multimodal dataset pairing satellite imagery sequences (2012-2023) with corresponding demographic and travel behavior attributes, addressing existing gaps in urban and transportation planning resources by explicitly connecting physical landscape evolution with socio-demographic patterns.
• Abstract（参考訳）: 本研究では, 地理衛星画像, 社会デコグラフィ, 旅行行動動態を共同でモデル化することにより, 都市空間の変容を予測するために設計された, 新たな人口情報深層学習フレームワークを提案する。 提案モデルでは,衛星画像と人口統計データを統合し,将来的な空間変換を正確に予測するエンコーダ・デコーダアーキテクチャを採用している。 この研究ではまた、予測衛星画像が人口動態の特徴と一致していることを保証する人口動態予測コンポーネントを導入し、生理的リアリズムと社会経済的正確性を大幅に向上させた。 このフレームワークは、視覚リアリズムと時間的コヒーレンスとのバランスをとる意味的損失関数によって補完される多目的損失関数によって強化される。 本研究は, 提案モデルの性能を最先端モデルと比較し, 高い構造的類似性(SSIM: 0.8342) を実現し, 人口構成の整合性を大幅に向上した(Demo-loss: 0.14 vs 0.95 and 0.96 for baseline model)。 さらに, 都市開発における共進化理論を検証し, 建設環境特性と人口パターンとの間にある定量的な双方向的影響を実証した。 この研究は、都市・交通計画資源の既存のギャップに対処し、物理的景観の進化と社会デコグラフィーのパターンを明示的に結びつけることで、人口動態と旅行行動特性を包括的に組み合わせた総合的マルチモーダルデータセット(2012-2023)にも貢献する。

関連論文リスト

• Causality-Aware Next Location Prediction Framework based on Human Mobility Stratification [8.617901269321218]
  本研究では,旅行パターンの移動性に着目した,次の位置予測のための因果認識フレームワークを提案する。 提案するフレームワークは,複数の次の位置予測パラダイムを統合するプラグイン・アンド・プレイモジュールとして設計されている。
  論文  参考訳（メタデータ） (2025-03-23T19:30:24Z)
• 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)
• Is Synthetic Image Useful for Transfer Learning? An Investigation into Data Generation, Volume, and Utilization [62.157627519792946]
  ブリッジドトランスファー(ブリッジドトランスファー)と呼ばれる新しいフレームワークを導入する。このフレームワークは、当初、トレーニング済みモデルの微調整に合成画像を使用し、転送性を向上させる。 合成画像と実画像のスタイルアライメントを改善するために,データセットスタイルの逆変換方式を提案する。 提案手法は10の異なるデータセットと5つの異なるモデルで評価され、一貫した改善が示されている。
  論文  参考訳（メタデータ） (2024-03-28T22:25:05Z)
• Deep autoregressive modeling for land use land cover [0.0]
  ランド・ユース/ランド・カバー・モデリング(LULC)は、地理的特徴と地形、生態学、人間発達に関連する異なる空間パターンの間の長距離依存関係のために難しい課題である。 土地利用の空間パターンのモデル化とコンピュータビジョンからのイメージインペインティングの課題との密接な関係を同定し,約1900万個のLULCをモデル化するための改良されたPixelCNNアーキテクチャについて検討する。
  論文  参考訳（メタデータ） (2024-01-02T18:03:57Z)
• Spatial-Temporal Graph Learning with Adversarial Contrastive Adaptation [19.419836274690816]
  効率的な自己教師型学習を実現するための空間時空間グラフ学習モデル(GraphST)を提案する。 提案手法は, 重要な多視点自己教師情報の蒸留を自動化する, 対向的コントラスト学習パラダイムである。 実生活データセット上での様々な時空間予測タスクにおいて,提案手法の優位性を示す。
  論文  参考訳（メタデータ） (2023-06-19T03:09:35Z)
• Mitigating Urban-Rural Disparities in Contrastive Representation Learning with Satellite Imagery [19.93324644519412]
  土地被覆の特徴の特定における都市と農村の格差のリスクを考察する。 本稿では,畳み込みニューラルネットワークモデルの多レベル潜在空間を非バイアス化する手法として,コントラッシブラーニングを用いた高密度表現(FairDCL)を提案する。 得られた画像表現は、下流の都市と農村の予測格差を軽減し、現実の衛星画像の最先端のベースラインを上回ります。
  論文  参考訳（メタデータ） (2022-11-16T04:59:46Z)
• Safety-compliant Generative Adversarial Networks for Human Trajectory Forecasting [95.82600221180415]
  群衆における人間予測は、社会的相互作用をモデル化し、衝突のないマルチモーダル分布を出力するという課題を提示する。 SGANv2は、動き時間相互作用モデリングと変圧器に基づく識別器設計を備えた安全に配慮したSGANアーキテクチャである。
  論文  参考訳（メタデータ） (2022-09-25T15:18:56Z)
• 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)
• Using satellite imagery to understand and promote sustainable development [87.72561825617062]
  持続可能な開発成果を理解するために衛星画像を用いた成長する文献を合成する。 我々は、重要な人間関係の結果と、衛星画像の量の増大と解像度について、地上データの質を定量化する。 不足およびノイズの多いトレーニングデータの観点から、モデル構築に対する最近の機械学習アプローチをレビューする。
  論文  参考訳（メタデータ） (2020-09-23T05:20:00Z)
• Socioeconomic correlations of urban patterns inferred from aerial images: interpreting activation maps of Convolutional Neural Networks [0.10152838128195464]
  都市化は近代社会にとって大きな課題であり、社会経済的不平等を広げつつ経済機会へのより良いアクセスを約束する。 ここでは,フランス全土の社会経済的地位を航空画像から予測し,都市トポロジの観点からクラスの活性化マップを解釈することによって,このギャップを埋める。 これらの結果は解釈可能なモデルを構築するための道を開くもので、都市化とその影響をよりよく追跡し理解するのに役立ちます。
  論文  参考訳（メタデータ） (2020-04-10T04:57:20Z)

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。