論文の概要: Mapping the Urban Mobility Intelligence Frontier: A Scientometric Analysis of Data-Driven Pedestrian Trajectory Prediction and Simulation

• arxiv url: http://arxiv.org/abs/2510.10327v1
• Date: Sat, 11 Oct 2025 19:58:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.890795
• Title: Mapping the Urban Mobility Intelligence Frontier: A Scientometric Analysis of Data-Driven Pedestrian Trajectory Prediction and Simulation
• Title（参考訳）: 都市モビリティ・インテリジェンスフロンティアのマッピング:データ駆動歩行者軌道予測とシミュレーションのサイエントメトリック分析
• Authors: Junhao Xu, Hui Zeng,
• Abstract要約: 本研究は,データ駆動型歩行者軌道予測と群集シミュレーションに関する総合的な科学的分析を行う。 結果は、人工知能、都市情報学、および群衆行動モデリングの強い収束性を示す。
• 参考スコア（独自算出の注目度）: 9.952614688579738
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding and predicting pedestrian dynamics has become essential for shaping safer, more responsive, and human-centered urban environments. This study conducts a comprehensive scientometric analysis of research on data-driven pedestrian trajectory prediction and crowd simulation, mapping its intellectual evolution and interdisciplinary structure. Using bibliometric data from the Web of Science Core Collection, we employ SciExplorer and Bibliometrix to identify major trends, influential contributors, and emerging frontiers. Results reveal a strong convergence between artificial intelligence, urban informatics, and crowd behavior modeling--driven by graph neural networks, transformers, and generative models. Beyond technical advances, the field increasingly informs urban mobility design, public safety planning, and digital twin development for smart cities. However, challenges remain in ensuring interpretability, inclusivity, and cross-domain transferability. By connecting methodological trajectories with urban applications, this work highlights how data-driven approaches can enrich urban governance and pave the way for adaptive, socially responsible mobility intelligence in future cities.
• Abstract（参考訳）: 歩行者動態の理解と予測は、より安全で、より応答性があり、人間中心の都市環境を形成するために欠かせないものとなっている。 本研究では,データ駆動型歩行者軌道予測と群集シミュレーションの研究を包括的に分析し,その知的進化と学際構造をマッピングする。 Web of Science Core Collectionの文献データを用いて、SciExplorerとBibliometrixを使用して、主要なトレンド、影響力のあるコントリビュータ、新興フロンティアを特定します。 その結果、人工知能、都市情報学、およびグラフニューラルネットワーク、トランスフォーマー、生成モデルによって駆動される群衆行動モデリングの強い収束が明らかとなった。 技術的な進歩に加えて、この分野は、スマートシティのための都市モビリティデザイン、公共安全計画、デジタルツイン開発をますます知らしめている。 しかし、解釈可能性、傾き、ドメイン間の転送性を保証することは依然として課題である。 この研究は、方法論的軌跡と都市応用を結びつけることによって、データ駆動型アプローチが都市のガバナンスを豊かにし、将来の都市における適応的で社会的に責任のあるモビリティインテリジェンスを実現する方法を明らかにする。

関連論文リスト

• A Survey of Physics-Informed AI for Complex Urban Systems [15.128346492508234]
  都市における物理インフォームドAI手法の総合的なレビューを行う。 既存のアプローチは,3つのパラダイム – 物理集約型AI,物理AIハイブリッドアンサンブル,AI集約型物理 – に分類する。 本研究では,エネルギー,環境,経済,交通,情報,公共サービス,緊急管理,都市システムという8つの主要都市領域にまたがる応用について検討する。
  論文  参考訳（メタデータ） (2025-06-09T06:19:14Z)
• Generative AI in Transportation Planning: A Survey [41.38132349994159]
  我々は、交通計画においてGenAIを活用するための最初の包括的枠組みを提示する。 交通計画の観点から, 記述的, 予測的, 生成的, シミュレーション, 説明可能なタスクの自動化におけるGenAIの役割を検討する。 データ不足、説明可能性、バイアス軽減、ドメイン固有の評価フレームワークの開発など、重要な課題に対処する。
  論文  参考訳（メタデータ） (2025-03-10T10:33:31Z)
• 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)
• SMA-Hyper: Spatiotemporal Multi-View Fusion Hypergraph Learning for Traffic Accident Prediction [2.807532512532818]
  現在のデータ駆動モデルは、しばしばデータ空間と多様な都市データソースの統合に苦しむ。 本稿では,交通事故予測のための動的学習フレームワークを提案する。 これは、高次のクロスリージョン学習を可能にするデュアル適応グラフ学習機構を組み込んでいる。 また、事故データと都市機能の複数のビューを融合させる事前注意機構も採用している。
  論文  参考訳（メタデータ） (2024-07-24T21:10:34Z)
• Leveraging Generative AI for Urban Digital Twins: A Scoping Review on the Autonomous Generation of Urban Data, Scenarios, Designs, and 3D City Models for Smart City Advancement [7.334114326621768]
  生成人工知能(AI)モデルは、データとコード生成において独自の価値を示してきた。 この調査は、一般的な生成AIモデルとその応用分野の導入と、既存の都市科学応用のレビューから始まる。 このレビューに基づいて、次世代の都市デジタル双生児に生成AIモデルを統合する可能性と技術的戦略について検討する。
  論文  参考訳（メタデータ） (2024-05-29T19:23:07Z)
• Vision Paper: Causal Inference for Interpretable and Robust Machine Learning in Mobility Analysis [71.2468615993246]
  インテリジェントな輸送システムを構築するには、人工知能とモビリティ分析の複雑な組み合わせが必要である。 ここ数年、高度なディープニューラルネットワークを使った輸送アプリケーションの開発が急速に進んでいる。 このビジョンペーパーは、解釈可能性と堅牢性を必要とするディープラーニングに基づくモビリティ分析における研究課題を強調する。
  論文  参考訳（メタデータ） (2022-10-18T17:28:58Z)
• From Cities to Series: Complex Networks and Deep Learning for Improved Spatial and Temporal Analytics* [0.0]
  この論文は複雑なネットワークと機械学習技術を組み合わせて、パンデミック、垂直移動、およびストリートネットワークで観察される人間の現象の理解を改善する。 i) 集中治療室における流行の伝播, 天気予報, 患者モニタリングの応用により, 空間的および時間的データで観測される動的なプロセスをモデル化できる新しいニューラルネットワークアーキテクチャ, (ii) ブラジルのすべての都市間における人間の移動性の範囲におけるリンクを分析し予測するための機械学習手法を貢献する。
  論文  参考訳（メタデータ） (2022-06-01T11:04:11Z)
• AI in Smart Cities: Challenges and approaches to enable road vehicle automation and smart traffic control [56.73750387509709]
  SCCは、活動やユーティリティの自動化と最適化による効率向上を目指すデータ中心の社会を構想しています。 本稿では、SCCにおけるAIの視点を説明し、道路車両の自動化とスマート交通制御を可能にする交通で使用されるAIベースの技術の概要を示す。
  論文  参考訳（メタデータ） (2021-04-07T14:31:08Z)

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。