論文の概要: Establishing validated standards for Home and Work location Detection
- arxiv url: http://arxiv.org/abs/2506.20679v1
- Date: Mon, 23 Jun 2025 15:21:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-27 19:53:09.811358
- Title: Establishing validated standards for Home and Work location Detection
- Title（参考訳）: ホーム・ワーク位置検出のための検証基準の確立
- Authors: Silvia de Sojo, Lorenzo Lucchini, Ollin D. Langle-Chimal, Samuel P. Fraiberger, Laura Alessandretti,
- Abstract要約: 移動データから自宅や職場の場所を識別する堅牢なアルゴリズムであるHoWDeを提案する。
HoWDeは、2つのユニークな地道データセットを使用して、それぞれ最大97%と88%の家庭および職場検出精度を達成している。
透過的で検証されたパイプラインを通じて、社内での事前処理をサポートすることにより、プライバシー保護のモビリティデータの共有も容易になる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Smartphone location data have transformed urban mobility research, providing unprecedented insights into how people navigate and interact in cities. However, leveraging location data at scale presents methodological challenges. Accurately identifying individuals' home and work locations is critical for a range of applications, including commuting analysis, unemployment estimation, and urban accessibility studies. Despite their widespread use, home-work detection methods lack a standardized framework that accounts for differing data quality and that is validated against ground-truth observations. This limits the comparability and reproducibility of results across studies and datasets. In this paper, we present HoWDe, a robust algorithm for identifying home and work locations from mobility data, explicitly designed to handle missing data and varying data quality across individuals. Using two unique ground-truth datasets comprising over 5100 individuals from more than 80 countries, HoWDe achieves home and work detection accuracies of up to 97% and 88%, respectively, with consistent performance across countries and demographic groups. We examine how parameter choices shape the trade-off between accuracy and user retention, and demonstrate how these methodological decisions influence downstream applications such as employment estimation and commuting pattern analysis. By supporting in-house pre-processing through a transparent and validated pipeline, HoWDe also facilitates the sharing of privacy-preserving mobility data. Together, our tools and findings establish methodological standards that support more robust, scalable, and reproducible mobility research at both individual and urban scales.
- Abstract（参考訳）: スマートフォンの位置情報は都市移動の研究に変化をもたらし、人々が都市をナビゲートし、どのように交流するかに関する前例のない洞察を与えている。
しかし,大規模に位置情報を活用すれば,方法論的な課題が浮かび上がる。
通勤分析、失業推定、都市アクセシビリティ研究など、個人の家や職場の正確な特定は、様々な応用に欠かせない。
ホームワーク検出手法は広く使われているが、データ品質の異なる標準フレームワークが欠如しており、地上の真実観測に対して検証されている。
これにより、研究とデータセット間の結果の可視性と再現性が制限される。
本稿では、モビリティデータから自宅や職場の場所を識別するロバストなアルゴリズムであるHoWDeを提案する。
80か国以上から5100人以上の個人からなる2つの独特な地道データセットを使用して、HoWDeは、それぞれ97%と88%の家庭および職場検出精度を達成し、国と人口集団間で一貫したパフォーマンスを実現している。
パラメータ選択が精度とユーザ保持の間のトレードオフをどう形成するかを考察し、これらの方法論的決定が、雇用推定や通勤パターン分析などの下流アプリケーションにどのように影響するかを実証する。
透過的で検証されたパイプラインを通じて、社内での事前処理をサポートすることにより、プライバシー保護のモビリティデータの共有も容易になる。
本研究は, より堅牢で, スケーラブルで, 再現可能なモビリティ研究を支援する方法論標準を, 個人規模と都市規模の両方で確立した。
関連論文リスト
- Predictive Probability Density Mapping for Search and Rescue Using An Agent-Based Approach with Sparse Data [0.294944680995069]
本研究では,失明者の多様な心理的プロファイルを再現するエージェントベースモデルを提案する。
このモデルにより、エージェントは自律的に意思決定をしながら現実世界の風景をナビゲートできる。
本研究は, 探索・救助作業に使用可能な柔軟なエージェントを導入し, 各種地理的位置の適応性を提供する。
論文 参考訳（メタデータ） (2024-12-17T20:37:26Z) - Urban Mobility Assessment Using LLMs [19.591156495742922]
本研究は,大規模言語モデル(LLM)を推進し,旅行調査を合成する,革新的なAIベースのアプローチを提案する。
本研究は, 異なるレベルの既存調査データと比較し, 全米各都市圏におけるこのアプローチの有効性について検討した。
論文 参考訳（メタデータ） (2024-08-22T19:17:33Z) - Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。
私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
論文 参考訳（メタデータ） (2024-07-22T12:32:09Z) - Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings [44.4879068879732]
本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。
その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。
ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
論文 参考訳（メタデータ） (2022-07-28T12:29:39Z) - Data-SUITE: Data-centric identification of in-distribution incongruous
examples [81.21462458089142]
Data-SUITEは、ID(In-distriion)データの不連続領域を特定するためのデータ中心のフレームワークである。
我々は,Data-SUITEの性能保証とカバレッジ保証を実証的に検証する。
論文 参考訳（メタデータ） (2022-02-17T18:58:31Z) - Generating synthetic mobility data for a realistic population with RNNs
to improve utility and privacy [3.3918638314432936]
本稿では, ディープリカレントニューラルネットワーク(RNN)を用いた合成モビリティデータ生成システムを提案する。
本システムは, 個体群分布を入力として, 対応する合成個体群の移動トレースを生成する。
生成したモビリティデータは,個々のレベルでの実際のデータから変化しながら,実際のデータの特徴を保っていることを示す。
論文 参考訳（メタデータ） (2022-01-04T13:58:22Z) - TraND: Transferable Neighborhood Discovery for Unsupervised Cross-domain
Gait Recognition [77.77786072373942]
本稿では、教師なしクロスドメイン歩行認識のための領域ギャップを橋渡しするTransferable Neighborhood Discovery (TraND) フレームワークを提案する。
我々は、潜在空間におけるラベルなしサンプルの自信ある近傍を自動的に発見するために、エンドツーエンドのトレーニング可能なアプローチを設計する。
提案手法は,CASIA-BとOU-LPの2つの公開データセットに対して,最先端の結果を得る。
論文 参考訳（メタデータ） (2021-02-09T03:07:07Z) - Exploring the Usage of Online Food Delivery Data for Intra-Urban Job and
Housing Mobility Detection and Characterization [12.56027868436052]
私たちは北京で人気のオンライン食品注文・配達サービスから何百万もの注文を受け取りました。
従来のデータソースよりも、空間的・時間的解像度の高いジョブやハウジングの動きを検出できます。
以上の結果から,通勤距離が仕事や住宅の移動にとって重要な要因であることが示唆された。
論文 参考訳（メタデータ） (2020-12-04T02:48:53Z) - 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) - Jointly Predicting Job Performance, Personality, Cognitive Ability,
Affect, and Well-Being [42.67003631848889]
本研究では,身体的および生理的行動,心理的状態と特徴,職能を統合した個人予測分析のためのベンチマークを作成する。
我々は、データマイニング技術をベンチマークとして設計し、ウェアラブルセンサから得られた真のノイズと不完全なデータを用いて、12の標準化された精確なテストに基づいて19の構造を予測する。
論文 参考訳（メタデータ） (2020-06-10T14:30:29Z)
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。