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

• 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)
• 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)
• 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。