論文の概要: Urban delineation through the lens of commute networks: Leveraging graph embeddings to distinguish socioeconomic groups in cities

• arxiv url: http://arxiv.org/abs/2507.11057v1
• Date: Tue, 15 Jul 2025 07:47:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-16 19:46:03.019022
• Title: Urban delineation through the lens of commute networks: Leveraging graph embeddings to distinguish socioeconomic groups in cities
• Title（参考訳）: 通勤ネットワークのレンズによる都市デライン化:都市における社会経済集団の識別にグラフ埋め込みを活用する
• Authors: Devashish Khulbe, Stanislav Sobolevsky,
• Abstract要約: 本稿では,都市デライン化を目的とした通勤ネットワークの利用を提案する。 グラフニューラルネットワークアーキテクチャを用いて都市部の低次元表現を導出する。 アメリカ全土での実験では、ネットワーク埋め込みが社会経済的な大きな格差をとらえる効果を実証している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Delineating areas within metropolitan regions stands as an important focus among urban researchers, shedding light on the urban perimeters shaped by evolving population dynamics. Applications to urban science are numerous, from facilitating comparisons between delineated districts and administrative divisions to informing policymakers of the shifting economic and labor landscapes. In this study, we propose using commute networks sourced from the census for the purpose of urban delineation, by modeling them with a Graph Neural Network (GNN) architecture. We derive low-dimensional representations of granular urban areas (nodes) using GNNs. Subsequently, nodes' embeddings are clustered to identify spatially cohesive communities in urban areas. Our experiments across the U.S. demonstrate the effectiveness of network embeddings in capturing significant socioeconomic disparities between communities in various cities, particularly in factors such as median household income. The role of census mobility data in regional delineation is also noted, and we establish the utility of GNNs in urban community detection, as a powerful alternative to existing methods in this domain. The results offer insights into the wider effects of commute networks and their use in building meaningful representations of urban regions.
• Abstract（参考訳）: 大都市圏の地域は都市研究者の間で重要な焦点であり、人口動態の進化によって形成された都市周辺に光を当てている。 都市科学への応用は、分断された地区と行政区画の比較を促進することから、経済や労働の環境の変化を政策立案者に知らせることまで、多岐にわたる。 本研究では,都市デライン化を目的として,人口統計から得られた通勤ネットワークをグラフニューラルネットワーク(GNN)アーキテクチャでモデル化することを提案する。 GNNを用いて粒状都市域(ノード)の低次元表現を導出する。 その後、ノードの埋め込みがクラスタ化され、都市部における空間的に密着したコミュニティが特定される。 米国中の実験では、ネットワーク埋め込みが様々な都市の社会経済的格差を、特に中央値の世帯所得などの要因で捉えた効果を実証している。 また, この領域における既存手法の強力な代替手段として, 都市コミュニティ検出におけるGNNの有用性を確立した。 その結果,通勤ネットワークが都市部において意味のある表現を構築する上で,より広範に生かした効果についての知見が得られた。

関連論文リスト

• Commute Networks as a Signature of Urban Socioeconomic Performance: Evaluating Mobility Structures with Deep Learning Models [44.99833362998488]
  通勤情報記録を信頼性・包括的情報源として利用して都市間の移動ネットワークを構築することを提案する。 ノードの特徴を考慮せずに,モビリティネットワーク構造が重要な予測性能を提供することを示す。 米国の12の主要都市で行った実験では、提案されたモデルが従来の機械学習モデルより優れていることが示された。
  論文  参考訳（メタデータ） (2025-07-05T12:38:59Z)
• Urban Forms Across Continents: A Data-Driven Comparison of Lausanne and Philadelphia [7.693465097015469]
  本研究では,地理的・文化的に異なる都市間での都市型を識別・比較するためのデータ駆動型枠組みを提案する。 ローザンヌ市,スイス市,フィラデルフィア市において,地形,多様性,緑地,興味点に関連する多次元的特徴を抽出した。 その結果, 規模, 密度, 文化状況の相違にもかかわらず, 両都市にまたがるクラスタタイプが出現している。
  論文  参考訳（メタデータ） (2025-05-05T18:13:22Z)
• InclusiViz: Visual Analytics of Human Mobility Data for Understanding and Mitigating Urban Segregation [41.758626973743525]
  InclusiVizは、都市分離の多段階解析のための新しいビジュアル分析システムである。 我々は、環境特徴を用いた社会集団間の移動パターン予測のためのディープラーニングモデルを構築し、説明可能なAIを付加した。 このシステムは、ユーザーが広範囲にわたる概要から細かな詳細まで、分離パターンを探索できる革新的な可視化技術を統合している。
  論文  参考訳（メタデータ） (2025-01-07T07:50:36Z)
• UrbanCross: Enhancing Satellite Image-Text Retrieval with Cross-Domain Adaptation [44.14603461930746]
  UrbanCrossは、クロスドメイン衛星画像テキスト検索のための新しいフレームワークである。 高品質でクロスドメインなデータセットを利用して、3カ国の広範なジオタグを付加する。 実験により、新しい都市環境への検索と適応において、アーバンクロスの優れた効率性が確認された。
  論文  参考訳（メタデータ） (2024-04-22T14:53:27Z)
• Uncover the nature of overlapping community in cities [4.497897224837208]
  本研究は,都市社会に固有の複雑な重なり合う性質を反映した,グラフに基づく物理対応深層学習フレームワークを提案する。 米国ミネソタ州ツインシティーズ都市圏(TCMA)における携帯電話の位置データを分析した結果、都市機能の複雑さの95.7%は、平日におけるコミュニティの重複構造に起因することがわかった。
  論文  参考訳（メタデータ） (2024-01-31T22:50:49Z)
• Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for Cross-City Semantic Segmentation using High-Resolution Domain Adaptation Networks [82.82866901799565]
  我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。 単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。 高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
  論文  参考訳（メタデータ） (2023-09-26T23:55:39Z)
• A Contextual Master-Slave Framework on Urban Region Graph for Urban Village Detection [68.84486900183853]
  都市域を階層的にモデル化する都市域グラフ(URG)を構築した。 そこで我々は,都市部をURGから効果的に検出する新しいコンテキスト・マスタ・スレーブ・フレームワークを設計した。 提案手法は,都市部における紫外線検出の一般性と特異性のバランスをとることができる。
  論文  参考訳（メタデータ） (2022-11-26T18:17:39Z)
• Effective Urban Region Representation Learning Using Heterogeneous Urban Graph Attention Network (HUGAT) [0.0]
  都市域の表現を学習するためのヘテロジニアスな都市グラフアテンションネットワーク(HUGAT)を提案する。 ニューヨークのデータに関する我々の実験では、HUGATは最先端のすべてのモデルより優れています。
  論文  参考訳（メタデータ） (2022-02-18T04:59:20Z)
• Neural Embeddings of Urban Big Data Reveal Emergent Structures in Cities [7.148078723492643]
  都市部の異質性を利用したニューラルネットワーク(GNN)を提案する。 アメリカ合衆国の16大都市圏において,何百万もの携帯電話利用者による大規模高解像度モビリティデータセットを用いて,都市部コンポーネント間の複雑な関係をエンコードしていることを示す。 異なる郡で訓練されたモデルによって生成された埋め込みは、他の郡における創発的空間構造の50%から60%を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-10-24T07:13:14Z)
• 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)
• Local Betweenness Centrality Analysis of 30 European Cities [0.0]
  長距離交通にとって重要な道路区画が大通り沿いに集中しているのに対し,短距離交通はCBD,歴史地区,住宅地区を中心にクラスターを形成していることを示す。 都市の計画立案者や意思決定者にとって,都市の状況を理解し,情報的意思決定を行う上で有用である。
  論文  参考訳（メタデータ） (2021-03-21T17:08:04Z)

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。