論文の概要: Deep Generative Model for Human Mobility Behavior

• arxiv url: http://arxiv.org/abs/2510.06473v1
• Date: Tue, 07 Oct 2025 21:22:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.205636
• Title: Deep Generative Model for Human Mobility Behavior
• Title（参考訳）: 人体移動行動の深部生成モデル
• Authors: Ye Hong, Yatao Zhang, Konrad Schindler, Martin Raubal,
• Abstract要約: 我々は, 空間規模が数日から数週間に及ぶ現実的な移動軌道を生成する, 深層生成モデルであるモビリティジェネレーションを提示する。 行動属性と環境コンテキストをリンクすることで、MobilityGenは、ロケーション訪問のスケーリング法則、アクティビティ時間割当、目的地選択などの重要なパターンを再現する。 MobilityGenは、旅行モード間で都市空間へのアクセスがどのように異なるか、そして、共プレゼンスダイナミクスが社会的露出と分離を形作るかといった、以前のモデルでは達成不可能な洞察を与える。
• 参考スコア（独自算出の注目度）: 23.82250417079054
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Understanding and modeling human mobility is central to challenges in transport planning, sustainable urban design, and public health. Despite decades of effort, simulating individual mobility remains challenging because of its complex, context-dependent, and exploratory nature. Here, we present MobilityGen, a deep generative model that produces realistic mobility trajectories spanning days to weeks at large spatial scales. By linking behavioral attributes with environmental context, MobilityGen reproduces key patterns such as scaling laws for location visits, activity time allocation, and the coupled evolution of travel mode and destination choices. It reflects spatio-temporal variability and generates diverse, plausible, and novel mobility patterns consistent with the built environment. Beyond standard validation, MobilityGen yields insights not attainable with earlier models, including how access to urban space varies across travel modes and how co-presence dynamics shape social exposure and segregation. Our work establishes a new framework for mobility simulation, paving the way for fine-grained, data-driven studies of human behavior and its societal implications.
• Abstract（参考訳）: 人間の移動性を理解し、モデル化することは、輸送計画、持続可能な都市デザイン、公衆衛生における課題の中心である。 数十年の努力にもかかわらず、複雑な、文脈に依存し、探索的な性質のために、個人のモビリティをシミュレートするのは難しいままである。 本稿では,大規模な空間スケールで数日から数週間にわたって,現実的な移動軌道を生成できるモデルであるモビリティジェネレーションを提案する。 行動属性と環境コンテキストをリンクすることで、モビリティGenは、ロケーション訪問のスケーリング法則、アクティビティタイムアロケーション、旅行モードと目的地選択の複合進化などの重要なパターンを再現する。 時空間変動を反映し、構築された環境に整合した多様で可塑性で斬新なモビリティパターンを生成する。 標準的なバリデーション以外にも、モビリティGenは、都市空間へのアクセスが旅行モードによってどのように異なるか、そしてコプレゼンスダイナミクスが社会的露出と分離を形作るかといった、以前のモデルでは達成できない洞察を与える。 我々の研究は、人間の行動とその社会的意味に関する、きめ細かいデータ駆動研究のための新しいモビリティ・シミュレーションの枠組みを確立する。

関連論文リスト

• FloGAN: Scenario-Based Urban Mobility Flow Generation via Conditional GANs and Dynamic Region Decoupling [2.579904461452466]
  既存の生成モデルは歴史的軌跡に大きく依存しており、人口密度や土地利用の変化のような進化する要因を見落としていることが多い。 力学的なアプローチは人口密度と施設分布を取り入れているが、静的シナリオを仮定する。 本研究では,シミュレーション都市シナリオに適した原位置移動フローを生成するためのデータ駆動型手法を提案する。
  論文  参考訳（メタデータ） (2025-07-16T09:12:38Z)
• Exploring the effect of spatial scales in studying urban mobility pattern [0.0]
  本稿では,シンガポールにおける公共交通機関の流動データを用いた都市移動パターンの説明において,空間スケールが重力モデルの性能に与える影響を考察する。 その結果,重力モデルが最適である最適中間空間スケールの存在が示唆された。
  論文  参考訳（メタデータ） (2025-06-20T05:39:39Z)
• From Points to Places: Towards Human Mobility-Driven Spatiotemporal Foundation Models via Understanding Places [0.30693357740321775]
  本稿では,複数スケールにわたる人体移動と位置意味論を統合した空間基盤モデルを提案する。 我々の目標は、次世代地理空間インテリジェンスのためのスケーラブルでコンテキスト対応のモデルの開発をガイドすることです。
  論文  参考訳（メタデータ） (2025-06-17T14:27:24Z)
• A Survey of World Models for Autonomous Driving [55.520179689933904]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 世界モデルは、マルチセンサーデータ、セマンティックキュー、時間ダイナミクスを統合する駆動環境の高忠実度表現を提供する。 今後の研究は、自己指導型表現学習、マルチモーダル融合、高度なシミュレーションにおける重要な課題に対処する必要がある。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• HUMOS: Human Motion Model Conditioned on Body Shape [54.20419874234214]
  身体形状に基づく生成運動モデルを構築するための新しいアプローチを提案する。 非ペアデータを使ってこのモデルをトレーニングすることが可能であることを示す。 得られたモデルは、多種多様で、物理的に妥当で、動的に安定した人間の動きを生成する。
  論文  参考訳（メタデータ） (2024-09-05T23:50:57Z)
• MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
  最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。 公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。 本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
  論文  参考訳（メタデータ） (2024-07-11T17:56:49Z)
• Deep Activity Model: A Generative Approach for Human Mobility Pattern Synthesis [11.90100976089832]
  我々は,人間の移動性モデリングと合成のための新しい生成的深層学習手法を開発した。 オープンソースのデータを使って、アクティビティパターンとロケーショントラジェクトリの両方を組み込む。 モデルはローカルデータで微調整できるため、さまざまな領域にわたるモビリティパターンを正確に表現することができる。
  論文  参考訳（メタデータ） (2024-05-24T02:04:10Z)
• Continuous Trajectory Generation Based on Two-Stage GAN [50.55181727145379]
  本稿では,道路網上の連続軌道を生成するために,新たな2段階生成対向フレームワークを提案する。 具体的には、A*アルゴリズムの人間の移動性仮説に基づいてジェネレータを構築し、人間の移動性について学習する。 判別器では, 逐次報酬と移動ヤウ報酬を組み合わせることで, 発電機の有効性を高める。
  論文  参考訳（メタデータ） (2023-01-16T09:54:02Z)
• 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)

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。