論文の概要: A New Lens on Homelessness: Daily Tent Monitoring with 311 Calls and Street Images

• arxiv url: http://arxiv.org/abs/2508.06409v2
• Date: Mon, 11 Aug 2025 15:43:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 13:12:52.315841
• Title: A New Lens on Homelessness: Daily Tent Monitoring with 311 Calls and Street Images
• Title（参考訳）: ホームレスの新しいレンズ:311コールとストリートイメージによる毎日のテントモニタリング
• Authors: Wooyong Jung, Sola Kim, Dongwook Kim, Maryam Tabar, Dongwon Lee,
• Abstract要約: 本研究では,サンフランシスコのホームレステントのトレンドを追跡し,予測するために,クラウドソーシングによる公開データを用いた新しいアプローチを提案する。 我々の予測モデルは、日次や近隣の詳細な変動を捉え、伝統的に見落とされがちなパターンを明らかにする。
• 参考スコア（独自算出の注目度）: 9.081592780949125
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Homelessness in the United States has surged to levels unseen since the Great Depression. However, existing methods for monitoring it, such as point-in-time (PIT) counts, have limitations in terms of frequency, consistency, and spatial detail. This study proposes a new approach using publicly available, crowdsourced data, specifically 311 Service Calls and street-level imagery, to track and forecast homeless tent trends in San Francisco. Our predictive model captures fine-grained daily and neighborhood-level variations, uncovering patterns that traditional counts often overlook, such as rapid fluctuations during the COVID-19 pandemic and spatial shifts in tent locations over time. By providing more timely, localized, and cost-effective information, this approach serves as a valuable tool for guiding policy responses and evaluating interventions aimed at reducing unsheltered homelessness.
• Abstract（参考訳）: 米国のホームレスは世界恐慌以来、目立たないレベルまで急増している。 しかし、PIT(point-in-time)カウントなどの既存のモニタリング手法では、周波数、一貫性、空間的詳細といった制限がある。 本研究では,サンフランシスコのホームレステントのトレンドを追跡し,予測するために,クラウドソーシングデータ,特に311サービスコールとストリートレベルの画像を用いた新しいアプローチを提案する。 私たちの予測モデルは、新型コロナウイルス(COVID-19)のパンデミックによる急激な変動や、時間とともにテントの場所の空間的変化など、伝統的に見落とされがちなパターンを明らかにする。 よりタイムリーで、ローカライズされ、費用効果の高い情報を提供することにより、このアプローチは、政策対応を導き、未解決のホームレスを減らすことを目的とした介入を評価するための貴重なツールとして機能する。

関連論文リスト

• A Weak Supervision Learning Approach Towards an Equitable Mobility Estimation [0.9204149287692597]
  3m解像度の衛星画像を用いて駐車場の占有度を推定する弱い監視枠組みを提案する。 我々は、大型駐車場におけるAUCの0.92を達成するペアワイズ比較モデルを訓練する。 提案手法は、高価な高解像度画像への依存を最小限に抑え、スケーラブルな都市モビリティ解析を約束する。
  論文  参考訳（メタデータ） (2025-05-07T08:27:18Z)
• Multimodal video analysis for crowd anomaly detection using open access tourism cameras [76.93566452564627]
  マルチモーダル手法を用いて,映像形式から時系列形式の情報抽出による群集異常の検出を提案する。 この手法がモレラのTurisme Comunitat Valencianaのウェブカメラに応用されたことにより、優れた成果が得られた。
  論文  参考訳（メタデータ） (2024-05-21T11:56:01Z)
• CityPulse: Fine-Grained Assessment of Urban Change with Street View Time Series [12.621355888239359]
  都市変革は、個人と地域社会の両方に大きな社会的影響を及ぼす。 本研究では,大規模に構築された環境における物理的変化を効果的に捉えるために,エンドツーエンドの変更検出モデルを提案する。 我々のアプローチは既存のデータセットを補完し、都市の変化をきめ細やかに正確に評価する可能性がある。
  論文  参考訳（メタデータ） (2024-01-02T08:57:09Z)
• Self-supervised learning unveils change in urban housing from street-level images [2.0971479389679337]
  Street2Vecは、手動のアノテーションなしで季節や日々の変更に不変ながら、都市構造を組み込む。 ロンドンの住宅供給の点レベルの変化をストリートレベルの画像から特定し、主要な変化とマイナーな変化を区別した。 この能力は、より活気があり、公平で持続可能な都市に向けた都市計画や政策決定のためのタイムリーな情報を提供することができる。
  論文  参考訳（メタデータ） (2023-09-20T14:35:23Z)
• Counting Crowds in Bad Weather [68.50690406143173]
  本研究では,悪天候シナリオにおいて,ロバストな群集カウント手法を提案する。 モデルでは,外見のバリエーションが大きいことを考慮し,効果的な特徴と適応的なクエリを学習する。 実験の結果,提案アルゴリズムは,ベンチマークデータセット上で異なる気象条件下での群集のカウントに有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-06-02T00:00:09Z)
• Spatial-Temporal Hypergraph Self-Supervised Learning for Crime Prediction [60.508960752148454]
  本研究では,犯罪予測におけるラベル不足問題に対処する空間的ハイパーグラフ自己監視学習フレームワークを提案する。 都市空間全体における犯罪の地域的依存性をエンコードするクロスリージョンハイパーグラフ構造学習を提案する。 また,2段階の自己指導型学習パラダイムを設計し,局所的・世界的空間的犯罪パターンを共同で捉えるだけでなく,地域的自己差別の強化による疎犯罪表現を補う。
  論文  参考訳（メタデータ） (2022-04-18T23:46:01Z)
• C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods Ahead of COVID-19 Outbreak [54.39837683016444]
  C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。 C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。 新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
  論文  参考訳（メタデータ） (2020-12-22T17:02:54Z)
• Predicting Livelihood Indicators from Community-Generated Street-Level Imagery [70.5081240396352]
  本稿では,クラウドソースによるストリートレベルの画像から重要な生活指標を予測するための,安価でスケーラブルで解釈可能なアプローチを提案する。 全国的に代表される世帯調査で収集した地上データと比較することにより,貧困,人口,健康の指標を正確に予測する上でのアプローチの有効性を実証した。
  論文  参考訳（メタデータ） (2020-06-15T18:12:12Z)

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。