論文の概要: Review of Passenger Flow Modelling Approaches Based on a Bibliometric Analysis
- arxiv url: http://arxiv.org/abs/2511.13742v1
- Date: Wed, 12 Nov 2025 07:13:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-19 16:23:52.666439
- Title: Review of Passenger Flow Modelling Approaches Based on a Bibliometric Analysis
- Title（参考訳）: ビブリオメトリ分析に基づく乗客フローモデリング手法の見直し
- Authors: Jonathan Hecht, Weilian Li, Ziyue Li, Youness Dehbi,
- Abstract要約: 本稿では,地方公共交通機関内における短期旅客フロー予測の分野に関する文献分析について述べる。
1984年から2024年までの814の出版物を扱う。
- 参考スコア（独自算出の注目度）: 6.753820018099341
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a bibliometric analysis of the field of short-term passenger flow forecasting within local public transit, covering 814 publications that span from 1984 to 2024. In addition to common bibliometric analysis tools, a variant of a citation network was developed, and topic modelling was conducted. The analysis reveals that research activity exhibited sporadic patterns prior to 2008, followed by a marked acceleration, characterised by a shift from conventional statistical and machine learning methodologies (e.g., ARIMA, SVM, and basic neural networks) to specialised deep learning architectures. Based on this insight, a connection to more general fields such as machine learning and time series modelling was established. In addition to modelling, spatial, linguistic, and modal biases were identified and findings from existing secondary literature were validated and quantified. This revealed existing gaps, such as constrained data fusion, open (multivariate) data, and underappreciated challenges related to model interpretability, cost-efficiency, and a balance between algorithmic performance and practical deployment considerations. In connection with the superordinate fields, the growth in relevance of foundation models is also noteworthy.
- Abstract（参考訳）: 本稿は,1984年から2024年までの814の出版物を対象とした,地方公共交通機関内における短期旅客フロー予測の分野に関する文献分析である。
一般的な文献分析ツールに加えて、引用ネットワークの変種を開発し、トピックモデリングを行った。
この分析は、2008年以前に研究活動が散発的なパターンを示し、続いて、従来の統計的および機械学習手法(例えば、ARIMA、SVM、ベーシックニューラルネットワーク)から、専門的なディープラーニングアーキテクチャへのシフトによって特徴付けられる顕著な加速が特徴であることを示している。
この知見に基づいて、機械学習や時系列モデリングといった、より一般的な分野への接続が確立された。
モデル化に加えて, 空間, 言語, モーダルバイアスが同定され, 既存の二次文献からの知見が検証され, 定量化された。
この結果、制約付きデータ融合、オープン(複数変数)データ、モデルの解釈可能性、コスト効率、アルゴリズムのパフォーマンスと実際のデプロイメントのバランスに関する過小評価された課題など、既存のギャップが明らかになった。
スーパーオーディネート分野に関連して、基礎モデルの関連性の増加も注目に値する。
関連論文リスト
- Foundation Models for Time Series: A Survey [0.27835153780240135]
トランスフォーマーベースの基礎モデルは時系列解析において支配的なパラダイムとして現れてきた。
この調査は、いくつかの分野にまたがって分類する新しい分類法を導入している。
論文 参考訳（メタデータ） (2025-04-05T01:27:55Z) - A Survey of Model Architectures in Information Retrieval [59.61734783818073]
2019年から現在までの期間は、情報検索(IR)と自然言語処理(NLP)における最大のパラダイムシフトの1つとなっている。
従来の用語ベースの手法から現代のニューラルアプローチまで,特にトランスフォーマーベースのモデルとそれに続く大規模言語モデル(LLM)の影響が注目されている。
今後の課題と今後の方向性について、先見的な議論で締めくくります。
論文 参考訳（メタデータ） (2025-02-20T18:42:58Z) - A Survey on Diffusion Models for Time Series and Spatio-Temporal Data [92.1255811066468]
時系列およびS時間データにおける拡散モデルの使用について概観し、それらをモデル、タスクタイプ、データモダリティ、実用的なアプリケーションドメインで分類する。
我々は拡散モデルを無条件型と条件付き型に分類し、時系列とS時間データを別々に議論する。
本調査は,医療,レコメンデーション,気候,エネルギー,オーディオ,交通など,さまざまな分野の応用を幅広くカバーしている。
論文 参考訳（メタデータ） (2024-04-29T17:19:40Z) - A Comprehensive Survey on Generative Diffusion Models for Structured
Data [0.0]
生成拡散モデルは 深層生成モデルにおいて 急激なパラダイムシフトを達成しました
構造化データは、ディープラーニング研究コミュニティから比較的限られた注目を集めている。
このレビューは、構造化データの生成拡散モデルの発展を促進する研究コミュニティの触媒となる。
論文 参考訳（メタデータ） (2023-06-07T04:26:41Z) - Assessment of Spatio-Temporal Predictors in the Presence of Missing and Heterogeneous Data [23.280400290071732]
ディープラーニングアプローチは、複雑さとスケールの増大にもかかわらず、現代的なデータのモデリングにおいて、卓越した予測性能を達成する。
予測モデルの品質を評価することは、従来の統計的仮定がもはや持たないため、より困難になる。
本稿では,時間的・時間的予測型ニューラルモデルの最適性を評価するための残差分析フレームワークを提案する。
論文 参考訳（メタデータ） (2023-02-03T12:55:08Z) - Temporal Relevance Analysis for Video Action Models [70.39411261685963]
まず,CNNに基づく行動モデルにより捉えたフレーム間の時間的関係を定量化する手法を提案する。
次に、時間的モデリングがどのように影響を受けるかをよりよく理解するために、包括的な実験と詳細な分析を行います。
論文 参考訳（メタデータ） (2022-04-25T19:06:48Z) - Predicting Multidimensional Data via Tensor Learning [0.0]
本研究では,本データセットの内在的多次元構造を保持するモデルを開発する。
モデルパラメータを推定するために、オルタネート・リースト・スクエアスアルゴリズムを開発した。
提案モデルは,予測文献に存在するベンチマークモデルより優れている。
論文 参考訳（メタデータ） (2020-02-11T11:57:07Z)
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。