論文の概要: RailEstate: An Interactive System for Metro Linked Property Trends
- arxiv url: http://arxiv.org/abs/2511.00078v1
- Date: Wed, 29 Oct 2025 17:32:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 16:37:26.567796
- Title: RailEstate: An Interactive System for Metro Linked Property Trends
- Title（参考訳）: RailEstate:Metro Linked Property Trendsのためのインタラクティブシステム
- Authors: Chen-Wei Chang, Yu-Chieh Cheng, Yun-En Tsai, Fanglan Chen, Chang-Tien Lu,
- Abstract要約: RailEstateは、空間分析、自然言語インタフェース、インタラクティブな予測を統合した、新しいWebベースのシステムである。
ユーザは、ZIPコードレベルの価格パターンをインタラクティブに探索したり、長期的なトレンドを調査したり、あらゆる地下鉄駅周辺の将来の住宅価格を予測することができる。
- 参考スコア（独自算出の注目度）: 13.339419223210546
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Access to metro systems plays a critical role in shaping urban housing markets by enhancing neighborhood accessibility and driving property demand. We present RailEstate, a novel web based system that integrates spatial analytics, natural language interfaces, and interactive forecasting to analyze how proximity to metro stations influences residential property prices in the Washington metropolitan area. Unlike static mapping tools or generic listing platforms, RailEstate combines 25 years of historical housing data with transit infrastructure to support low latency geospatial queries, time series visualizations, and predictive modeling. Users can interactively explore ZIP code level price patterns, investigate long term trends, and forecast future housing values around any metro station. A key innovation is our natural language chatbot, which translates plain-English questions e.g., What is the highest price in Falls Church in the year 2000? into executable SQL over a spatial database. This unified and interactive platform empowers urban planners, investors, and residents to derive actionable insights from metro linked housing data without requiring technical expertise.
- Abstract（参考訳）: 都市圏システムへのアクセスは、近隣のアクセシビリティを高め、不動産需要を推し進めることによって都市住宅市場を形成する上で重要な役割を担っている。
ワシントン大都市圏の住宅価格にどの程度の近さが及ぼすかを分析するために,空間分析,自然言語インタフェース,インタラクティブな予測を統合した新しいWebベースシステムであるRailEstateを提案する。
静的マッピングツールや一般的なリスティングプラットフォームとは異なり、RailEstateは25年間の歴史的住宅データをトランジットインフラストラクチャと組み合わせて、低レイテンシな地理空間クエリ、時系列可視化、予測モデリングをサポートする。
ユーザは、ZIPコードレベルの価格パターンをインタラクティブに探索したり、長期的なトレンドを調査したり、あらゆる地下鉄駅周辺の将来の住宅価格を予測することができる。
自然言語チャットボットは,2000年のフォールズ教会でもっとも高い価格帯は何か,といった平易な質問を翻訳します。
空間データベース上で実行可能SQLに変換する。
この統合されたインタラクティブなプラットフォームは、都市計画者、投資家、住民に、技術的な専門知識を必要とせずに、メトロリンクされた住宅データから実用的な洞察を導き出す権限を与える。
関連論文リスト
- Interest Networks (iNETs) for Cities: Cross-Platform Insights and Urban Behavior Explanations [0.0]
位置情報に基づくソーシャルネットワーク(LBSN)は、iNETによる都市行動モデリングのためのリッチな基盤を提供する(関心ネットワーク)
この研究は、プラットフォーム間のiNET(Google PlacesとFoursquare)と空間的粒度を比較し、粗いレベルがより一貫性のあるクロスプラットフォームパターンを示すことを示している。
我々は,異なるユーザタイプに対して,高関心の都市部を予測するマルチレベル・説明可能なレコメンデーションシステムを開発した。
論文 参考訳（メタデータ） (2025-07-07T13:34:15Z) - Meta-Transfer Learning Empowered Temporal Graph Networks for Cross-City Real Estate Appraisal [28.752306064729474]
ディープラーニングは、Webプラットフォームからの実質的なオンライントランザクションデータを活用することで、不動産評価に大きな可能性を秘めている。
本稿では,MetaTransfer Learning Empowered Temporal Graph Networks (MetaTransfer)を提案する。
論文 参考訳（メタデータ） (2024-10-11T16:16:38Z) - 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) - Social Intelligence Data Infrastructure: Structuring the Present and Navigating the Future [59.78608958395464]
私たちは、包括的な社会AI分類と480のNLPデータセットからなるデータライブラリで構成される、ソーシャルAIデータインフラストラクチャを構築しています。
インフラストラクチャにより、既存のデータセットの取り組みを分析し、異なるソーシャルインテリジェンスの観点から言語モデルのパフォーマンスを評価することができます。
多面的なデータセットの必要性、言語と文化の多様性の向上、より長期にわたる社会的状況、そして将来のソーシャルインテリジェンスデータ活動におけるよりインタラクティブなデータの必要性が示されている。
論文 参考訳（メタデータ） (2024-02-28T00:22:42Z) - 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) - Predicting Future Occupancy Grids in Dynamic Environment with
Spatio-Temporal Learning [63.25627328308978]
本稿では,将来の占有予測を生成するための時間的予測ネットワークパイプラインを提案する。
現在のSOTAと比較して、我々の手法は3秒の長い水平線での占有を予測している。
我々は、さらなる研究を支援するために、nulisに基づくグリッド占有データセットを公開します。
論文 参考訳（メタデータ） (2022-05-06T13:45:32Z) - Spatio-Temporal Dynamic Graph Relation Learning for Urban Metro Flow
Prediction [10.300311879377734]
トランスファー駅やノントランスファー駅など、異なる地下鉄駅には独自の交通パターンがある。
メトロステーションの複雑な時間的動的関係をモデル化することは困難である。
論文 参考訳（メタデータ） (2022-04-06T08:07:40Z) - The Hitchhiker's Guide to Fused Twins: A Review of Access to Digital
Twins in situ in Smart Cities [2.2515303891664358]
本稿では,Digital Twins(DTs)とSituated Analytics(Situated Analytics)を融合双生児(FTs)の基礎として検討する。
DTは、モデル、シミュレーション、(リモートで)知覚されたデータ、文脈認識、相互作用を通じて、現実世界の物理双対(PT)を表現する。
我々は、Situated Analyticsを通じてDTをPTに埋め込み、Fused Twins(FTs)を形成するという概念を前進させる。
論文 参考訳（メタデータ） (2022-02-15T00:17:40Z) - Integrating Floor Plans into Hedonic Models for Rent Price Appraisal [0.0]
本研究では,オンライン不動産プラットフォームにおけるマンションフロア計画の視覚的自動分析が,ヘドニック賃貸価格評価をいかに高めるかを検討する。
歴史的価格データからフロアプランの価格関連設計を学ぶために,2段階の深層学習手法を提案する。
9174の不動産リストのユニークなデータセットに基づく経験的分析は、現在のヘドニックモデルが利用可能なデータを過小に活用していることを示唆している。
論文 参考訳（メタデータ） (2021-02-16T14:05:33Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z) - Physical-Virtual Collaboration Modeling for Intra-and Inter-Station
Metro Ridership Prediction [116.66657468425645]
本研究では,複雑なライダーシップパターンをテーラー設計グラフから効果的に学習できる物理仮想協調グラフネットワーク(PVCGN)を提案する。
特に、物理グラフは、研究されたメトロシステムの現実的なトポロジーに基づいて直接構築される。
類似度グラフと相関グラフを仮想トポロジで構築し, 駅間交通流の類似度と相関関係を導出する。
論文 参考訳（メタデータ） (2020-01-14T16:47:54Z)
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。