論文の概要: Defining the urban "local" with low dimensional manifolds of human mobility networks

• arxiv url: http://arxiv.org/abs/2510.17174v1
• Date: Mon, 20 Oct 2025 05:30:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.319433
• Title: Defining the urban "local" with low dimensional manifolds of human mobility networks
• Title（参考訳）: 人間移動ネットワークの低次元多様体を用いた都市「ローカル」の定義
• Authors: Hezhishi Jiang, Liyan Xu, Tianshu Li, Jintong Tang, Zekun Chen, Yuxuan Wang, Haoran Liu, Hongmou Zhang, Huanfa Chen, Yu Liu,
• Abstract要約: 本稿では,人間の移動ネットワークにおける局所性を定義し,検出するトポロジカル・フレームワークを提案する。 これらの人体移動ネットワークの局所性は、地理的局所性に直接マップする厳密な幾何学的実体であることを実証的に実証する。
• 参考スコア（独自算出の注目度）: 17.167479894268354
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Urban science has largely relied on universal models, rendering the heterogeneous and locally specific nature of cities effectively invisible. Here we introduce a topological framework that defines and detects localities in human mobility networks. We empirically demonstrate that these human mobility network localities are rigorous geometric entities that map directly to geographic localities, revealing that human mobility networks lie on manifolds of dimension <=5. This representation provides a compact theoretical foundation for spatial embedding and enables efficient applications to facility location and propagation modeling. Our approach reconciles local heterogeneity with universal representation, offering a new pathway toward a more comprehensive urban science.
• Abstract（参考訳）: 都市科学は普遍的なモデルに大きく依存しており、都市の異質性や地域固有の性質を効果的に見えないものにしている。 本稿では,人間の移動ネットワークにおける局所性を定義し,検出するトポロジカル・フレームワークを提案する。 これらの移動ネットワークの局所性は、地理的局所性に直接マップする厳密な幾何学的実体であり、人間の移動ネットワークが次元 <=5 の多様体上にあることを実証的に示す。 この表現は空間埋め込みのためのコンパクトな理論基盤を提供し、配置位置と伝播モデリングへの効率的な応用を可能にする。 我々のアプローチは、より包括的な都市科学への新たな道筋を提供するため、局所的な異質性と普遍的な表現を一致させる。

関連論文リスト

• Predicting Large-scale Urban Network Dynamics with Energy-informed Graph Neural Diffusion [51.198001060683296]
  ネットワーク化された都市システムは人、資源、サービスのフローを促進する。 グラフニューラルネットワークのような現在のモデルは、将来性を示しているが、有効性と効率性のトレードオフに直面している。 本論文は,本質的なモデル設計を伝えるための物理法則からインスピレーションを得て,このトレードオフに対処する。
  論文  参考訳（メタデータ） (2025-07-31T01:24:01Z)
• Commute Networks as a Signature of Urban Socioeconomic Performance: Evaluating Mobility Structures with Deep Learning Models [44.99833362998488]
  通勤情報記録を信頼性・包括的情報源として利用して都市間の移動ネットワークを構築することを提案する。 ノードの特徴を考慮せずに,モビリティネットワーク構造が重要な予測性能を提供することを示す。 米国の12の主要都市で行った実験では、提案されたモデルが従来の機械学習モデルより優れていることが示された。
  論文  参考訳（メタデータ） (2025-07-05T12:38:59Z)
• 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)
• Can LLMs Learn to Map the World from Local Descriptions? [50.490593949836146]
  本研究では,Large Language Models (LLMs) がコヒーレントなグローバル空間認識を構築できるかどうかを検討する。 都市環境を模擬した実験により, LLMは実空間分布に一致した潜在表現を示すことを示した。
  論文  参考訳（メタデータ） (2025-05-27T08:22:58Z)
• JADE: Joint-aware Latent Diffusion for 3D Human Generative Modeling [62.77347895550087]
  JADEは人体形状の変化を微粒化制御で学習する生成フレームワークである。 私たちの重要な洞察は、人体を骨格構造に分解する共同認識の潜伏表現です。 提案した分解条件下でのコヒーレントで可塑性な人体形状を生成するため,カスケードパイプラインも提案する。
  論文  参考訳（メタデータ） (2024-12-29T14:18:35Z)
• Generating Synthetic Mobility Networks with Generative Adversarial Networks [3.3528341717949197]
  MoGANは、GAN(Generative Adversarial Networks)に基づいて、現実的なモビリティネットワークを生成するモデルである。 我々は、自転車とタクシーの公共データセットの実験を行い、MoGANが古典的な重力・放射線モデルより優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-22T16:59:35Z)
• Urban Landscape from the Structure of Road Network: A Complexity Perspective [0.0]
  モデル化されたネットワークエンティティの空間スケールと,その内に含まれる有用な情報量との関係について検討する。 本稿では,複雑性科学と情報理論のエントロピー尺度を用いて,ネットワークの各プレゼンテーションにおける情報量の定量化を行う。 得られたネットワークは, 都市プランナーが使用する計画境界と非常によく一致している。
  論文  参考訳（メタデータ） (2022-01-26T14:03:12Z)
• Neural Embeddings of Urban Big Data Reveal Emergent Structures in Cities [7.148078723492643]
  都市部の異質性を利用したニューラルネットワーク(GNN)を提案する。 アメリカ合衆国の16大都市圏において,何百万もの携帯電話利用者による大規模高解像度モビリティデータセットを用いて,都市部コンポーネント間の複雑な関係をエンコードしていることを示す。 異なる郡で訓練されたモデルによって生成された埋め込みは、他の郡における創発的空間構造の50%から60%を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-10-24T07:13:14Z)
• 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)
• Quantifying spatial homogeneity of urban road networks via graph neural networks [12.875369866362327]
  都市道路ネットワーク(URN)の空間均質性は、各異なるコンポーネントがネットワーク全体と類似しているかどうかを測定します。 グラフニューラルネットワークを使用して、世界中の30都市で11,790のURNサンプルをモデル化し、その予測可能性を使用して空間均質を定義します。
  論文  参考訳（メタデータ） (2021-01-01T19:45:04Z)
• Learning to Move with Affordance Maps [57.198806691838364]
  物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。 従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。 学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
  論文  参考訳（メタデータ） (2020-01-08T04:05:11Z)

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。