論文の概要: Exploring the effect of spatial scales in studying urban mobility pattern

• arxiv url: http://arxiv.org/abs/2506.16762v1
• Date: Fri, 20 Jun 2025 05:39:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:05.351091
• Title: Exploring the effect of spatial scales in studying urban mobility pattern
• Title（参考訳）: 都市移動パターン研究における空間スケールの効果の探索
• Authors: Hoai Nguyen Huynh,
• Abstract要約: 本稿では,シンガポールにおける公共交通機関の流動データを用いた都市移動パターンの説明において,空間スケールが重力モデルの性能に与える影響を考察する。 その結果,重力モデルが最適である最適中間空間スケールの存在が示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Urban mobility plays a crucial role in the functioning of cities, influencing economic activity, accessibility, and quality of life. However, the effectiveness of analytical models in understanding urban mobility patterns can be significantly affected by the spatial scales employed in the analysis. This paper explores the impact of spatial scales on the performance of the gravity model in explaining urban mobility patterns using public transport flow data in Singapore. The model is evaluated across multiple spatial scales of origin and destination locations, ranging from individual bus stops and train stations to broader regional aggregations. Results indicate the existence of an optimal intermediate spatial scale at which the gravity model performs best. At the finest scale, where individual transport nodes are considered, the model exhibits poor performance due to noisy and highly variable travel patterns. Conversely, at larger scales, model performance also suffers as over-aggregation of transport nodes results in excessive generalisation which obscures the underlying mobility dynamics. Furthermore, distance-based spatial aggregation of transport nodes proves to outperform administrative boundary-based aggregation, suggesting that actual urban organisation and movement patterns may not necessarily align with imposed administrative divisions. These insights highlight the importance of selecting appropriate spatial scales in mobility analysis and urban modelling in general, offering valuable guidance for urban and transport planning efforts aimed at enhancing mobility in complex urban environments.
• Abstract（参考訳）: 都市移動は、経済活動、アクセシビリティ、生活の質に影響を与える都市の機能において重要な役割を担っている。 しかし, 都市移動パターンの理解における解析モデルの有効性は, 解析における空間スケールの影響が大きい。 本稿では,シンガポールにおける公共交通機関の流動データを用いた都市移動パターンの説明において,空間スケールが重力モデルの性能に与える影響を考察する。 このモデルは、各バス停や駅からより広い地域集合まで、複数の場所と目的地の空間スケールで評価されている。 その結果,重力モデルが最適である最適中間空間スケールの存在が示唆された。 個々の輸送ノードが考慮される最も優れたスケールでは、ノイズと高度に可変な走行パターンのために、モデルは性能が劣る。 逆に、大規模では、輸送ノードの過剰集約が、基盤となるモビリティのダイナミクスを曖昧にする過度な一般化をもたらすため、モデル性能も損なわれる。 さらに、移動ノードの距離に基づく空間的集約は、行政境界に基づく集約よりも優れており、実際の都市組織や移動パターンは、強制された行政区分と必ずしも一致しない可能性があることを示唆している。 これらの知見は、複雑な都市環境におけるモビリティ向上を目的とした都市・交通計画に価値あるガイダンスを提供するとともに、モビリティ分析や都市モデリング全般において適切な空間スケールを選択することの重要性を強調している。

関連論文リスト

• Street network sub-patterns and travel mode [0.5670066649802191]
  そこで我々は,密度,接続性,空間構成などの構造指標を用いて,米国の9大都市圏の建築環境を分類した。 得られた形態型は, 記述的統計, 限界効果推定, ポストホック統計検査により, モビリティーパターンに関連づけられた。 これらの結果から, 都市形態はモビリティ計画において重要な変数として扱われるべきであり, 持続可能な都市政策設計に空間型を組み込むことを実証的に支援すべきであると考えられる。
  論文  参考訳（メタデータ） (2025-07-25T19:49:51Z)
• FloGAN: Scenario-Based Urban Mobility Flow Generation via Conditional GANs and Dynamic Region Decoupling [2.579904461452466]
  既存の生成モデルは歴史的軌跡に大きく依存しており、人口密度や土地利用の変化のような進化する要因を見落としていることが多い。 力学的なアプローチは人口密度と施設分布を取り入れているが、静的シナリオを仮定する。 本研究では,シミュレーション都市シナリオに適した原位置移動フローを生成するためのデータ駆動型手法を提案する。
  論文  参考訳（メタデータ） (2025-07-16T09:12:38Z)
• TrajMoE: Spatially-Aware Mixture of Experts for Unified Human Mobility Modeling [10.338272381612112]
  都市間モビリティモデリングのための統一的でスケーラブルなモデルであるTrajMoEを提案する。 TrajMoEは,(1)都市間における空間意味論の不整合,(2)多様な都市移動パターンの2つの課題に対処する。 広範な実験により、TrajMoEは競争力基盤モデルよりも27%の相対的な改善を達成している。
  論文  参考訳（メタデータ） (2025-05-24T12:17:47Z)
• Graph Network Modeling Techniques for Visualizing Human Mobility Patterns [8.537183852577687]
  グラフを連続空間に埋め込むことにより,高速なグラフマッチング,グラフ時系列モデリング,移動力学の可視化といった問題を軽減する手法を開発した。 本研究では,トラジェクトリから収集したモビリティデータをネットワーク構造やモビリティフローの変化パターンに変換する方法を実証し,マッチンググラフと未マッチンググラフの平均誤差を40%減少させるダウンストリームタスクに利用できることを示した。
  論文  参考訳（メタデータ） (2025-04-04T02:21:44Z)
• MobiCLR: Mobility Time Series Contrastive Learning for Urban Region Representations [18.07010464073212]
  インフローとアウトフローのモビリティパターンから意味論的に意味のある埋め込みをキャプチャする新しい都市域表現学習モデルを提案する。 シカゴ、ニューヨーク、ワシントンD.C.で、収入、教育の達成、社会的脆弱性を予測する実験を行っている。
  論文  参考訳（メタデータ） (2025-02-05T06:18:43Z)
• 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)
• How Cars Move: Analyzing Driving Dynamics for Safer Urban Traffic [12.414957984956043]
  PriorMotionは、動的解析を駆動することで、運動パターンを体系的に発見するように設計されたデータ統合フレームワークである。 提案手法は,都市交通の空間的時間的傾向を捉えるために,マルチスケールな経験的観察とカスタマイズされた分析ツールを組み合わせる。
  論文  参考訳（メタデータ） (2024-12-05T09:56:24Z)
• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• Deep Activity Model: A Generative Approach for Human Mobility Pattern Synthesis [11.90100976089832]
  我々は,人間の移動性モデリングと合成のための新しい生成的深層学習手法を開発した。 オープンソースのデータを使って、アクティビティパターンとロケーショントラジェクトリの両方を組み込む。 モデルはローカルデータで微調整できるため、さまざまな領域にわたるモビリティパターンを正確に表現することができる。
  論文  参考訳（メタデータ） (2024-05-24T02:04:10Z)
• COLA: Cross-city Mobility Transformer for Human Trajectory Simulation [44.157114416533915]
  モデル非依存転送フレームワークを用いた都市間mObiLity trAnsformer (COLA) を開発した。 COLAはトランスフォーマーを、都市固有の特性のためのプライベートモジュールと、都市・ユニバーサルモビリティパターンのための共有モジュールに分割する。 実装された都市間ベースラインは,その優位性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-04T07:45:29Z)
• Rethinking Urban Mobility Prediction: A Super-Multivariate Time Series Forecasting Approach [71.67506068703314]
  長期の都市移動予測は、都市施設やサービスの効果的管理において重要な役割を担っている。 伝統的に、都市移動データはビデオとして構成され、経度と緯度を基本的なピクセルとして扱う。 本研究では,都市におけるモビリティ予測の新たな視点について紹介する。 都市移動データを従来のビデオデータとして単純化するのではなく、複雑な時系列と見なす。
  論文  参考訳（メタデータ） (2023-12-04T07:39:05Z)
• 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)
• 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)

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。