Fugu-MT 論文翻訳(概要): Learning Individual Movement Shifts After Urban Disruptions with Social Infrastructure Reliance

論文の概要: Learning Individual Movement Shifts After Urban Disruptions with Social Infrastructure Reliance

arxiv url: http://arxiv.org/abs/2510.23989v1
Date: Tue, 28 Oct 2025 01:44:55 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-29 15:35:36.711172
Title: Learning Individual Movement Shifts After Urban Disruptions with Social Infrastructure Reliance
Title（参考訳）: 社会基盤に頼った都市崩壊後の個人行動の変容
Authors: Shangde Gao, Zelin Xu, Zhe Jiang,
Abstract要約: ディスラプティブな出来事に続く個々のムーブメントパターンの変化は、コミュニティリソースに対する要求の変化を明らかにします。本研究では、個人の社会基盤のレジリエンス(SIR)を条件付きディープラーニングモデルに組み込んで、個々の動きパターンと局所的な空間的文脈との間の複雑な関係を捉える。実験により、個人のSIRと空間コンテキストを取り入れることで、モデルが活動後の個々の動きパターンを予測する能力を高めることが示されている。
参考スコア（独自算出の注目度）: 3.990737753422094
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Shifts in individual movement patterns following disruptive events can reveal changing demands for community resources. However, predicting such shifts before disruptive events remains challenging for several reasons. First, measures are lacking for individuals' heterogeneous social infrastructure resilience (SIR), which directly influences their movement patterns, and commonly used features are often limited or unavailable at scale, e.g., sociodemographic characteristics. Second, the complex interactions between individual movement patterns and spatial contexts have not been sufficiently captured. Third, individual-level movement may be spatially sparse and not well-suited to traditional decision-making methods for movement predictions. This study incorporates individuals' SIR into a conditioned deep learning model to capture the complex relationships between individual movement patterns and local spatial context using large-scale, sparse individual-level data. Our experiments demonstrate that incorporating individuals' SIR and spatial context can enhance the model's ability to predict post-event individual movement patterns. The conditioned model can capture the divergent shifts in movement patterns among individuals who exhibit similar pre-event patterns but differ in SIR.
Abstract（参考訳）: ディスラプティブな出来事に続く個々のムーブメントパターンの変化は、コミュニティリソースに対する要求の変化を明らかにします。しかし、破壊的な出来事が起こる前にそのような変化を予測することは、いくつかの理由から難しいままである。第一に、個人の運動パターンに直接影響を及ぼす不均一な社会基盤レジリエンス(SIR)に対する対策が欠如しており、一般的に使用される特徴は、例えば社会デマグラフィーの特徴など、大規模に制限または利用できないことが多い。第二に、個々の動きパターンと空間的文脈の間の複雑な相互作用は十分に捉えられていない。第三に、個人レベルの動きは空間的に疎らであり、移動予測の伝統的な意思決定方法には適していない。本研究では,個人のSIRを条件付き深層学習モデルに組み込んで,大規模でスパースな個人レベルのデータを用いて,個々の動きパターンと局所的な空間的文脈との複雑な関係を捉える。我々の実験は、個人のSIRと空間コンテキストを取り入れることで、個人の動きパターンを予測できるモデルの能力を高めることを実証した。条件付きモデルは、類似の事前パターンを示すが、SIRでは異なる個人間の移動パターンの発散を捉えることができる。

関連論文リスト

BeSTAD: Behavior-Aware Spatio-Temporal Anomaly Detection for Human Mobility Data [8.023221981615988]
本研究では,大規模人口を対象とした個人行動シグネチャをキャプチャする,教師なしのフレームワークBeSTADを提案する。 BeSTADは、位置の意味と時間的パターンを統合する意味的に豊かなモビリティ表現を学習する。 BeSTADは、一貫したセマンティックアライメントとクロス周期の行動比較によって異常を識別する。
論文参考訳（メタデータ） (2025-10-14T02:33:06Z)
A Universal Model for Human Mobility Prediction [7.542075639525391]
個人軌跡と群集の流れの両方に適用可能なユニバーサルな人体移動予測モデル(UniMob)を提案する。このモデルでは,MAPE と Accuracy@5 で 14% 以上,25% 以上のパフォーマンス向上を実現している。
論文参考訳（メタデータ） (2024-12-19T07:38:13Z)
Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文参考訳（メタデータ） (2024-02-19T15:57:39Z)
Spatio-Temporal Branching for Motion Prediction using Motion Increments [55.68088298632865]
HMP(Human Motion Prediction)はその多種多様な応用により、人気のある研究トピックとして浮上している。従来の手法は手作りの機能と機械学習技術に依存している。 HMPのためのインクリメンタル情報を用いた時空間分岐ネットワークを提案する。
論文参考訳（メタデータ） (2023-08-02T12:04:28Z)
Learning signatures of decision making from many individuals playing the same game [54.33783158658077]
我々は、個人の「行動スタイル」を符号化する表現を学習する予測フレームワークを設計する。我々は,3本腕のバンディットタスクを行う1,000人の人間による大規模行動データセットに本手法を適用した。
論文参考訳（メタデータ） (2023-02-21T21:41:53Z)
Diverse Human Motion Prediction Guided by Multi-Level Spatial-Temporal Anchors [21.915057426589744]
本稿では,サンプルの精度と多様性を促進するために,ランダムなサンプルコードと,決定論的に学習可能なコンポーネントであるアンカーを分離する,単純かつ効果的なアプローチを提案する。原則として、時空間アンカーベースサンプリング(STARS)は、異なる動き予測器に適用できる。
論文参考訳（メタデータ） (2023-02-09T18:58:07Z)
Forecasting Human Trajectory from Scene History [51.72069374835107]
我々は,暗黙の場面の規則性から学習することで,将来の軌跡を予測することを提案する。本研究では,シーン履歴情報を歴史的グループ軌跡と個々人のインタラクションの2つのタイプに分類する。本稿では,シーン履歴をシンプルかつ効果的なアプローチで活用する,SHENet(Scene History Excavating Network)を提案する。
論文参考訳（メタデータ） (2022-10-17T03:56:02Z)
Conditioned Human Trajectory Prediction using Iterative Attention Blocks [70.36888514074022]
本研究では,都市環境における歩行者位置予測を目的とした,簡易かつ効果的な歩行者軌道予測モデルを提案する。我々のモデルは、複数のアテンションブロックとトランスフォーマーを反復的に実行できるニューラルネットワークアーキテクチャである。ソーシャルマスク, 動的モデル, ソーシャルプーリング層, 複雑なグラフのような構造を明示的に導入することなく, SoTAモデルと同等の結果が得られることを示す。
論文参考訳（メタデータ） (2022-06-29T07:49:48Z)
Social-DualCVAE: Multimodal Trajectory Forecasting Based on Social Interactions Pattern Aware and Dual Conditional Variational Auto-Encoder [14.05141917351931]
マルチモーダル軌道予測のための条件付き変分自動エンコーダ(Social-DualCVAE)を提案する。これは、過去の軌跡だけでなく、教師なしの相互作用パターンの分類にもとづく生成モデルに基づいている。提案手法は,広く用いられているトラジェクトリ・ベンチマークで評価され,従来の最先端手法よりも優れていた。
論文参考訳（メタデータ） (2022-02-08T16:04:47Z)
Dynamic predictability and spatio-temporal contexts in human mobility [0.5748187237966766]
本研究では,個人レベルのモビリティパターンが,モビリティにおける規則性の性質について,多種多様な情報を伝達する方法について検討する。以上の結果から,予測可能性状態における文脈的・活動的シグネチャの存在が示唆され,短期的・高次モビリティ予測へのデータ駆動型アプローチの可能性が示唆された。
論文参考訳（メタデータ） (2022-01-04T23:11:14Z)
SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian Trajectory Prediction [59.064925464991056]
ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。 SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
論文参考訳（メタデータ） (2021-12-05T01:49:18Z)

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。