論文の概要: Urban-STA4CLC: Urban Theory-Informed Spatio-Temporal Attention Model for Predicting Post-Disaster Commercial Land Use Change

• arxiv url: http://arxiv.org/abs/2508.08976v1
• Date: Tue, 12 Aug 2025 14:39:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-13 21:07:34.459834
• Title: Urban-STA4CLC: Urban Theory-Informed Spatio-Temporal Attention Model for Predicting Post-Disaster Commercial Land Use Change
• Title（参考訳）: 都市-STA4CLC:都市理論による空間的意識モデルによる戦後の商業的土地利用変化の予測
• Authors: Ziyi Guo, Yan Wang,
• Abstract要約: 本研究では,戦後の土地利用変化予測のための都市理論インフォームド時空間意識モデルの設計と校正を行う。 都市理論によって導かれ、Urban-STA4CLCは空間的および時間的注意機構と3つの理論インフォームドモジュールを統合する。 このモデルは、繰り返し発生するハリケーンのシナリオ下での商業的土地利用の変化を予測する際に、非理論的ベースラインよりもはるかに優れた性能を発揮する。
• 参考スコア（独自算出の注目度）: 5.244716758485668
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Natural disasters such as hurricanes and wildfires increasingly introduce unusual disturbance on economic activities, which are especially likely to reshape commercial land use pattern given their sensitive to customer visitation. However, current modeling approaches are limited in capturing such complex interplay between human activities and commercial land use change under and following disturbances. Such interactions have been more effectively captured in current resilient urban planning theories. This study designs and calibrates a Urban Theory-Informed Spatio-Temporal Attention Model for Predicting Post-Disaster Commercial Land Use Change (Urban-STA4CLC) to predict both the yearly decline and expansion of commercial land use at census block level under cumulative impact of disasters on human activities over two years. Guided by urban theories, Urban-STA4CLC integrates both spatial and temporal attention mechanisms with three theory-informed modules. Resilience theory guides a disaster-aware temporal attention module that captures visitation dynamics. Spatial economic theory informs a multi-relational spatial attention module for inter-block representation. Diffusion theory contributes a regularization term that constrains land use transitions. The model performs significantly better than non-theoretical baselines in predicting commercial land use change under the scenario of recurrent hurricanes, with around 19% improvement in F1 score (0.8763). The effectiveness of the theory-guided modules was further validated through ablation studies. The research demonstrates that embedding urban theory into commercial land use modeling models may substantially enhance the capacity to capture its gains and losses. These advances in commercial land use modeling contribute to land use research that accounts for cumulative impacts of recurrent disasters and shifts in economic activity patterns.
• Abstract（参考訳）: ハリケーンや山火事などの自然災害は、経済活動に異常な混乱をもたらすことが多く、特に顧客の訪問に敏感なため、商業用土地の利用パターンを再形成する可能性が高い。 しかし、現状のモデリング手法は、人的活動と商業的土地利用の変化の間の複雑な相互作用の捉え方に限られている。 このような相互作用は、現在の都市計画理論においてより効果的に捉えられている。 本研究では,2年以上にわたる人的活動に対する災害の累積的影響下での国勢調査ブロックレベルでの商業的土地利用の年次減少と拡大を予測するために,都市理論を組み込んだ時空間的意識モデル(Urban-STA4CLC)を設計・校正する。 都市理論によって導かれ、Urban-STA4CLCは空間的および時間的注意機構と3つの理論インフォームドモジュールを統合する。 レジリエンス理論は、訪問動態を捉える災害対応の時間的注意モジュールを導く。 空間経済理論はブロック間表現のためのマルチリレーショナル空間アテンションモジュールを通知する。 拡散理論は、土地利用遷移を制約する正規化項に寄与する。 このモデルは,F1スコア(0.8763)の約19%の改善とともに,繰り返し発生するハリケーンのシナリオ下での商業的土地利用変化の予測において,非理論的ベースラインよりも大幅に向上する。 理論誘導加群の有効性はアブレーション研究によってさらに検証された。 この研究は、都市理論を商業的土地利用モデルに組み込むことで、その利益と損失を捉える能力を大幅に向上させることを実証している。 これらの商業的土地利用モデリングの進歩は、繰り返し発生する災害の累積的影響と経済活動パターンの変化を考慮に入れた土地利用研究に寄与する。

関連論文リスト

• Predicting Human Mobility in Disasters via LLM-Enhanced Cross-City Learning [11.567067262043544]
  DisasterMobLLMは、災害シナリオのモビリティ予測フレームワークである。 既存のディープモビリティ予測手法に統合することができる。 Acc@1の32.8%の改善とF1スコアの35.0%の改善を達成できる。
  論文  参考訳（メタデータ） (2025-07-26T01:45:27Z)
• A Data-Driven Approach to Enhancing Gravity Models for Trip Demand Prediction [21.445133878049333]
  本研究では, 地理的, 経済的, 社会的, 旅行的データを統合することにより, 重力モデルを強化するためのデータ駆動型手法を提案する。 機械学習技術を用いることで、変数間のより複雑なインタラクションを処理するために、従来のモデルの能力を拡張します。 その結果、R-2乗法は51.48%改善し、モデルの説明力は大幅に向上した。
  論文  参考訳（メタデータ） (2025-05-09T18:55:19Z)
• Applying Machine Learning Tools for Urban Resilience Against Floods [0.0]
  洪水は最も一般的で破壊的な自然災害の1つであり、都市部で深刻な社会的・経済的影響をもたらす。 本稿では,テヘランの第6地区において,最も効果的な洪水抵抗モデルについて検討する。
  論文  参考訳（メタデータ） (2024-12-09T04:56:33Z)
• CausalMob: Causal Human Mobility Prediction with LLMs-derived Human Intentions toward Public Events [13.839692239149889]
  公共イベントの因果効果を分析するために,因果予測モデルCausalMobを提案する。 大規模な実世界のデータに基づいて、実験結果から、CausalMobモデルが人間の移動予測に優れていることが示された。
  論文  参考訳（メタデータ） (2024-12-03T04:29:27Z)
• SPARTAN: A Sparse Transformer Learning Local Causation [63.29645501232935]
  因果構造は、環境の変化に柔軟に適応する世界モデルにおいて中心的な役割を果たす。 本研究では,SPARse TrANsformer World Model(SPARTAN)を提案する。 オブジェクト指向トークン間の注意パターンに空間規則を適用することで、SPARTANは、将来のオブジェクト状態を正確に予測するスパース局所因果モデルを特定する。
  論文  参考訳（メタデータ） (2024-11-11T11:42:48Z)
• Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
  地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。 我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。 本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
  論文  参考訳（メタデータ） (2024-09-11T19:31:56Z)
• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Adaptive Reinforcement Learning Model for Simulation of Urban Mobility during Crises [2.5876546798940616]
  本研究では,通常の状況下で人間の移動パターンを学習できる適応型強化学習モデルを提案し,検証する。 提案したモデルの適用例は,ヒューストンの状況と,2017年8月にハリケーン・ハーベイによって引き起こされた洪水シナリオに示されている。
  論文  参考訳（メタデータ） (2020-09-02T21:47:18Z)
• Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
  本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。 地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
  論文  参考訳（メタデータ） (2020-02-05T10:11:26Z)

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。