論文の概要: Origin-Destination Extraction from Large-Scale Route Search Records for Tourism Trend Analysis
- arxiv url: http://arxiv.org/abs/2507.19544v1
- Date: Thu, 24 Jul 2025 02:44:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-29 16:23:55.574147
- Title: Origin-Destination Extraction from Large-Scale Route Search Records for Tourism Trend Analysis
- Title（参考訳）: 観光トレンド分析のための大規模経路探索記録からの原点推定抽出
- Authors: Hangli Ge, Dizhi Huang, Xiaojie Yang, Lifeng Lin, Kazuma Hatano, Takeshi Kawasaki, Noboru Koshizuka,
- Abstract要約: この調査は3億8000万件の経路探索ログを分析し、観光地に関するオンライン検索行動を調査した。
その結果,サーチボリュームの傾向とピーク観光シーズンの期間との間には強い相関関係が認められた。
- 参考スコア（独自算出の注目度）: 1.413488665073795
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a novel method for transforming large-scale historical expressway route search records into a three-dimensional (3D) Origin-Destination (OD) map, enabling data compression, efficient spatiotemporal sampling and statistical analysis. The study analyzed over 380 million expressway route search logs to investigate online search behavior related to tourist destinations. Several expressway interchanges (ICs) near popular attractions, such as those associated with spring flower viewing, autumn foliage and winter skiing, are examined and visualized. The results reveal strong correlations between search volume trends and the duration of peak tourism seasons. This approach leverages cyberspace behavioral data as a leading indicator of physical movement, providing a proactive tool for traffic management and tourism planning.
- Abstract（参考訳）: 本稿では,大規模高速道路経路探索記録を3次元(3次元)オリジン・デスティネーション(OD)マップに変換し,データ圧縮,効率的な時空間サンプリング,統計的解析を可能にする新しい手法を提案する。
本研究は、観光地に関するオンライン検索行動を調べるために、3億8000万以上の高速道路ルート探索ログを分析した。
春の花見や秋の葉,冬のスキーなど,人気のある観光地に近いいくつかの高速道路インターチェンジ(IC)を調査,可視化した。
その結果,サーチボリュームの傾向とピーク観光シーズンの期間との間には強い相関関係が認められた。
このアプローチは、物理的な動きの指標としてサイバースペースの行動データを活用し、交通管理と観光計画のための積極的なツールを提供する。
関連論文リスト
- DELTAv2: Accelerating Dense 3D Tracking [79.63990337419514]
本稿では,ビデオ中の高密度3次元点追跡を高速化するための新しいアルゴリズムを提案する。
極小点の小さな部分集合で追跡を開始し、トラックされた軌道の集合を段階的に拡大する粗大な戦略を導入する。
新たに追加されたトラジェクトリは学習可能なモジュールを使用しており、トラッキングネットワークとともにエンドツーエンドでトレーニングされている。
論文 参考訳（メタデータ） (2025-08-02T03:15:47Z) - A Predictive and Optimization Approach for Enhanced Urban Mobility Using Spatiotemporal Data [0.0]
本研究では,機械学習アルゴリズムと実交通情報を組み合わせた都市移動性向上手法を提案する。
ニューヨーク市の黄色いタクシー旅行のデータを用いて,旅行時間と渋滞解析の予測モデルを構築した。
本研究は、高度データ駆動方式による都市渋滞の低減と交通効率の向上を目的とした継続的な取り組みに寄与する。
論文 参考訳（メタデータ） (2024-10-07T16:16:49Z) - Forecasting Inter-Destination Tourism Flow via a Hybrid Deep Learning
Model [7.769537533798236]
ITF(Inter-Destination Tourism Flow, Inter-Destination Tourism Flow)は、目的地の役割の分類や訪問パターンのマイニングといった業務における観光管理に一般的に用いられている。
ITFの体積がマルチトラクションシステムの特徴にどのように影響されているかを理解するのは難しい。
ITF予測のためのグラフベースハイブリッドディープラーニングモデルを提案する。
論文 参考訳（メタデータ） (2023-05-05T03:48:12Z) - OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。
OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。
様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
論文 参考訳（メタデータ） (2023-04-20T16:31:22Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - SRRT: Exploring Search Region Regulation for Visual Object Tracking [58.68120400180216]
探索領域規則追跡(SRRT)と呼ばれる新しい追跡パラダイムを提案する。
SRRTでは,各フレームに対して最適な探索領域を動的に推定するために,提案された探索領域レギュレータを適用している。
大規模なLaSOTベンチマークでは、SRRTはSiamRPN++とTransTをAUCの4.6%と3.1%で改善した。
論文 参考訳（メタデータ） (2022-07-10T11:18:26Z) - Deep Learning based Urban Vehicle Trajectory Analytics [1.3706331473063877]
この論文は、都市交通網における車両を指す「都市自動車軌道」に焦点を当てている。
本論文の目的は,都市自動車軌道分析のためのディープラーニングモデルを開発することである。
論文 参考訳（メタデータ） (2021-11-15T01:44:18Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - A Graph Convolutional Network with Signal Phasing Information for
Arterial Traffic Prediction [63.470149585093665]
動脈交通予測は 現代のインテリジェント交通システムの発展に 重要な役割を担っています
動脈交通予測に関する既存の研究の多くは、ループセンサからの流量と占有率の時間的測定のみを考慮し、上流と下流の検出器間のリッチな空間的関係を無視している。
我々は,信号タイミング計画から発生する空間情報を用いて,深層学習アプローチである拡散畳み込みリカレントニューラルネットワークを強化することで,このギャップを埋める。
論文 参考訳（メタデータ） (2020-12-25T01:40:29Z) - Deep Learning on Traffic Prediction: Methods, Analysis and Future
Directions [32.25707921285397]
本稿では,複数の観点からの交通予測における深層学習に基づくアプローチに関する包括的調査を行う。
まず,既存の交通予測手法を要約し,分類について述べる。
第2に、異なるトラフィック予測アプリケーションにおける最先端のアプローチをリストアップする。
論文 参考訳（メタデータ） (2020-04-18T08:28:10Z) - Street-level Travel-time Estimation via Aggregated Uber Data [2.838842554577539]
都市部における道路セグメントに沿った時間的パターンの推定は,交通技術者や都市計画者にとって重要な課題である。
本研究では,大都市圏の街路レベルの走行時間を推定するために,粗粒度および集約された走行時間データを活用する手法を提案する。
論文 参考訳（メタデータ） (2020-01-13T21:14:38Z)
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。