論文の概要: Data-Driven Discrete Geofence Design Using Binary Quadratic Programming

• arxiv url: http://arxiv.org/abs/2509.24679v1
• Date: Mon, 29 Sep 2025 12:15:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.967272
• Title: Data-Driven Discrete Geofence Design Using Binary Quadratic Programming
• Title（参考訳）: バイナリ二次計画法を用いたデータ駆動離散ジオフェンス設計
• Authors: Keisuke Otaki, Akihisa Okada, Tadayoshi Matsumori, Hiroaki Yoshida,
• Abstract要約: 都市部や高解像度の地域でジオフェンスを使用する際の課題は、しばしば重複し、政治的地区の境界線や道路セグメントと一致しないことである。 本研究では,人間の移動データから任意の形状をジオフェンスとして抽出し,この問題を緩和する問題に対処する。 離散ジオフェンスを抽出するための異なる手法を開発し,比較する。
• 参考スコア（独自算出の注目度）: 4.339839287869652
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Geofences have attracted significant attention in the design of spatial and virtual regions for managing and engaging spatiotemporal events. By using geofences to monitor human activity across their boundaries, content providers can create spatially triggered events that include notifications about points of interest within a geofence by pushing spatial information to the devices of users. Traditionally, geofences were hand-crafted by providers. In addition to the hand-crafted approach, recent advances in collecting human mobility data through mobile devices can accelerate the automatic and data-driven design of geofences, also known as the geofence design problem. Previous approaches assume circular shapes; thus, their flexibility is insufficient, and they can only handle geofence-based applications for large areas with coarse resolutions. A challenge with using circular geofences in urban and high-resolution areas is that they often overlap and fail to align with political district boundaries and road segments, such as one-way streets and median barriers. In this study, we address the problem of extracting arbitrary shapes as geofences from human mobility data to mitigate this problem. In our formulation, we cast the existing optimization problems for circular geofences to 0-1 integer programming problems to represent arbitrary shapes. Although 0-1 integer programming problems are computationally hard, formulating them as quadratic (unconstrained) binary optimization problems enables efficient approximation of optimal solutions, because this allows the use of specialized quadratic solvers, such as the quantum annealing, and other state-of-the-art algorithms. We then develop and compare different formulation methods to extract discrete geofences. We confirmed that our new modeling approach enables flexible geofence design.
• Abstract（参考訳）: ジオフェンスは空間的および仮想的な領域の設計において、時空間イベントの管理とエンゲージメントのために大きな注目を集めている。 ジオフェンスを使用して境界を越えて人間の活動を監視することで、コンテンツプロバイダは、ユーザデバイスに空間情報をプッシュすることで、ジオフェンス内の関心点に関する通知を含む空間的にトリガされたイベントを作成することができる。 伝統的に、ジオフェンスは提供者によって手作りされた。 手作りのアプローチに加えて、モバイルデバイスを介して人間の移動データを収集する最近の進歩は、ジオフェンス設計問題として知られるジオフェンスの自動的およびデータ駆動設計を加速させる。 従来のアプローチでは円形の形状を仮定しており、その柔軟性は不十分であり、粗い解像度の広い領域に対してのみジオフェンスベースのアプリケーションを扱うことができる。 都市部や高解像度の地域で円形のジオフェンスを使用する場合の課題は、しばしば重複し、一方通行の通りや中央障壁のような政治的地区の境界線や道路セグメントと一致しないことである。 本研究では,人間の移動データから任意の形状をジオフェンスとして抽出し,この問題を緩和する問題に対処する。 定式化では、任意の形状を表すために、円形ジオフェンスに対する既存の最適化問題を0-1整数計画問題にキャストした。 0-1整数計画問題の計算は困難であるが、二項最適化問題として定式化することで最適解の効率的な近似が可能となる。 次に、異なる定式化法を開発し、比較し、離散ジオフェンスを抽出する。 我々は新しいモデリング手法が柔軟なジオフェンス設計を可能にすることを確認した。

関連論文リスト

• Deformable Dynamic Convolution for Accurate yet Efficient Spatio-Temporal Traffic Prediction [1.7268829007643391]
  変形可能な動的畳み込みネットワーク(Deformable Dynamic Convolutional Network, DDCN)は、変形可能な動的操作と受容的な動的操作の両方を統合する新しいCNNベースのアーキテクチャである。 DDCNは計算コストを大幅に削減しつつ、競争力のある予測性能を実現し、大規模かつリアルタイムなデプロイメントの可能性を強調している。
  論文  参考訳（メタデータ） (2025-07-13T06:49:35Z)
• Constrained Machine Learning Through Hyperspherical Representation [4.129133569151574]
  凸領域と有界領域の出力空間における制約を強制する新しい手法を提案する。 提案手法は,他の手法に匹敵する予測性能を有し,制約満足度を100%保証し,推論時の計算コストを最小限に抑える。
  論文  参考訳（メタデータ） (2025-04-11T10:19:49Z)
• Partial Transport for Point-Cloud Registration [11.62232246430338]
  本稿では, 最適部分輸送問題に基づく総合的な非剛性登録手法を提案する。 提案アルゴリズムをスライシングにより拡張し,計算効率を向上する。 提案手法の有効性を実証し, 各種の3次元および2次元非剛性登録問題のベースラインと比較する。
  論文  参考訳（メタデータ） (2023-09-27T17:04:22Z)
• Neural Fields with Hard Constraints of Arbitrary Differential Order [61.49418682745144]
  我々は、ニューラルネットワークに厳しい制約を課すための一連のアプローチを開発する。 制約は、ニューラルネットワークとそのデリバティブに適用される線形作用素として指定することができる。 私たちのアプローチは、広範囲の現実世界のアプリケーションで実証されています。
  論文  参考訳（メタデータ） (2023-06-15T08:33:52Z)
• Score-based Diffusion Models in Function Space [137.70916238028306]
  拡散モデルは、最近、生成モデリングの強力なフレームワークとして登場した。 この研究は、関数空間における拡散モデルをトレーニングするためのDDO(Denoising Diffusion Operators)と呼ばれる数学的に厳密なフレームワークを導入する。 データ解像度に依存しない固定コストで、対応する離散化アルゴリズムが正確なサンプルを生成することを示す。
  論文  参考訳（メタデータ） (2023-02-14T23:50:53Z)
• Task-Guided IRL in POMDPs that Scales [22.594913269327353]
  逆線形強化学習(IRL)では、学習エージェントは、専門家のデモンストレーションを用いて、基礎となるタスクをコードする報酬関数を推論する。 ほとんどのIRL技術は、POMDPの計算前方問題(報酬関数を与えられた最適ポリシーを計算)を必要とする。 我々は,データ効率を向上しながら,情報量を削減するアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-12-30T21:08:57Z)
• Data-informed Deep Optimization [3.331457049134526]
  本稿では,データインフォームド・ディープ・最適化(DiDo)による高次元設計問題の解法を提案する。 我々は、ディープニューラルネットワーク(DNN)を用いて、実現可能な領域を学習し、目的関数に適合する実行可能なポイントをサンプリングする。 以上の結果から,DNN による DiDo のアプローチは柔軟で,現実的な高次元設計問題の解決に有効であることが示唆された。
  論文  参考訳（メタデータ） (2021-07-17T02:53:54Z)
• Offline Model-Based Optimization via Normalized Maximum Likelihood Estimation [101.22379613810881]
  データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。 この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。 我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
  論文  参考訳（メタデータ） (2021-02-16T06:04:27Z)
• Differentiable Causal Discovery from Interventional Data [141.41931444927184]
  本稿では、介入データを活用可能なニューラルネットワークに基づく理論的基盤化手法を提案する。 提案手法は,様々な環境下での美術品の状態と良好に比較できることを示す。
  論文  参考訳（メタデータ） (2020-07-03T15:19:17Z)

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。