論文の概要: Tracing Footsteps of Similar Cities: Modeling Urban Economic Vitality with Dynamic Inter-City Graph Embeddings
- arxiv url: http://arxiv.org/abs/2511.22325v1
- Date: Thu, 27 Nov 2025 10:55:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-01 19:47:55.524847
- Title: Tracing Footsteps of Similar Cities: Modeling Urban Economic Vitality with Dynamic Inter-City Graph Embeddings
- Title（参考訳）: 類似都市の追跡過程:動的都市間グラフ埋め込みによる都市経済の活力のモデル化
- Authors: Xiaofeng Li, Xiangyi Xiao, Xiaocong Du, Ying Zhang, Haipeng Zhang,
- Abstract要約: ECO-GROWは、都市経済の活力をモデル化する都市埋め込みを生成するための枠組みである。
産業リンク、POI類似性、マイグレーション類似性、時間ネットワークの進化を15年にわたって統合している。
ECO-GROWが起業家活動や雇用動向を予測する上で優れていることを示す実験結果が得られた。
- 参考スコア（独自算出の注目度）: 10.847787808008023
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Urban economic vitality is a crucial indicator of a city's long-term growth potential, comprising key metrics such as the annual number of new companies and the population employed. However, modeling urban economic vitality remains challenging. This study develops ECO-GROW, a multi-graph framework modeling China's inter-city networks (2005-2021) to generate urban embeddings that model urban economic vitality. Traditional approaches relying on static city-level aggregates fail to capture a fundamental dynamic: the developmental trajectory of one city today may mirror that of its structurally similar counterparts tomorrow. ECO-GROW overcomes this limitation by integrating industrial linkages, POI similarities, migration similarities and temporal network evolution over 15 years. The framework combines a Dynamic Top-K GCN to adaptively select influential inter-city connections and an adaptive Graph Scorer mechanism to dynamically weight cross-regional impacts. Additionally, the model incorporates a link prediction task based on Barabasi Proximity, optimizing the graph representation. Experimental results demonstrate ECO-GROW's superior accuracy in predicting entrepreneurial activities and employment trends compared to conventional models. By open-sourcing our code, we enable government agencies and public sector organizations to leverage big data analytics for evidence-based urban planning, economic policy formulation, and resource allocation decisions that benefit society at large.
- Abstract（参考訳）: 都市経済の活力は、新しい企業の年次数や雇用する人口といった重要な指標を含む、都市の長期的な成長の可能性の重要な指標である。
しかし、都市経済の活力のモデル化は依然として困難である。
本研究では,中国の都市間ネットワーク(2005-2021)をモデル化したマルチグラフフレームワークであるECO-GROWを開発した。
静的な都市レベルの集合体に依存する従来のアプローチは、基本的なダイナミクスを捉えていない。
ECO-GROWはこの制限を克服し、産業リンク、POI類似性、マイグレーション類似性、時間ネットワークの進化を15年にわたって統合した。
このフレームワークは、動的Top-K GCNを使って、重要な都市間接続を適応的に選択し、また、地域間影響を動的に重み付けするための適応的なGraph Scorerメカニズムを組み合わせる。
さらに、このモデルはバラバシ近似に基づくリンク予測タスクを導入し、グラフ表現を最適化する。
ECO-GROWが従来のモデルに比べて起業家活動や雇用動向を予測するのに優れていることを示す実験結果が得られた。
コードをオープンソース化することで、政府機関や公共機関が、エビデンスベースの都市計画、経済政策の定式化、そして社会全体に役立つ資源配分決定にビッグデータ分析を活用できるようになります。
関連論文リスト
- Urban-R1: Reinforced MLLMs Mitigate Geospatial Biases for Urban General Intelligence [64.36291202666212]
アーバン・ジェネラル・インテリジェンス(UGI)とは、複雑な都市環境を理解し、推論できるAIシステムである。
近年, LLM と MLLM の教師付き微調整 (SFT) を用いた都市基盤モデルの構築が進められている。
MLLMをUGIの目的と整合させる強化学習に基づくポストトレーニングフレームワークであるUrban-R1を提案する。
論文 参考訳（メタデータ） (2025-10-18T15:59:09Z) - 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) - DynamiX: Large-Scale Dynamic Social Network Simulator [101.65679342680542]
DynamiXは、動的ソーシャルネットワークモデリングに特化した新しい大規模ソーシャルネットワークシミュレータである。
世論のリーダーに対しては、情報ストリームに基づくリンク予測手法を提案し、同様の姿勢で潜在的ユーザを推薦する。
一般ユーザに対しては,不等式指向の行動決定モジュールを構築する。
論文 参考訳（メタデータ） (2025-07-26T12:13:30Z) - 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) - Collaborative Imputation of Urban Time Series through Cross-city Meta-learning [54.438991949772145]
メタ学習型暗黙的ニューラル表現(INR)を利用した新しい協調的計算パラダイムを提案する。
次に,モデルに依存しないメタ学習による都市間協調学習手法を提案する。
20のグローバル都市から得られた多様な都市データセットの実験は、我々のモデルの優れた計算性能と一般化可能性を示している。
論文 参考訳（メタデータ） (2025-01-20T07:12:40Z) - Dynamic Urban Planning: an Agent-Based Model Coupling Mobility Mode and
Housing Choice. Use case Kendall Square [5.620109882646823]
本稿では,住民の行動パターンを特徴付けるエージェントモデルを提案する。
この意思決定プロセスに影響を与える基準の現実的な識別と表現は、潜在的住宅インセンティブの影響を理解し評価するのに役立ちます。
論文 参考訳（メタデータ） (2021-06-28T10:54:44Z) - Times Series Forecasting for Urban Building Energy Consumption Based on
Graph Convolutional Network [20.358180125750046]
建設業はアメリカにおけるエネルギー消費の40%以上を占めている。
UBEMはエネルギー効率の良いコミュニティの設計を支援する基盤である。
データ駆動型モデル統合工学または物理知識は、都市建設エネルギーシミュレーションを大幅に改善することができる。
論文 参考訳（メタデータ） (2021-05-27T19:02:04Z) - 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) - Modelling Urban Dynamics with Multi-Modal Graph Convolutional Networks [8.767281392253976]
都市部の人気と成長をより良くモデル化することを目的とした新しいディープラーニングフレームワークを提案します。
空間的特徴とトポロジカル特徴の両方を時間モデルに統合し、その後のタイムステップで会場の需要を予測するディープラーニングアーキテクチャを紹介します。
最新のディープラーニングモデルと比較して、私たちのモデルはRSMEをロンドンで28%、パリで13%削減します。
論文 参考訳（メタデータ） (2021-04-29T20:00:47Z) - Empowering Urban Governance through Urban Science: Multi-scale Dynamics
of Urban Systems Worldwide [0.0]
現在の都市科学は将来の都市政策に有用な基盤を提供することができる。
都市の進化に関する国際比較は、国家の領土の枠組みが都市システムの力学と厳密に一致しているとは限らないため、しばしば不確実な結果をもたらす。
地域・国家境界を超えた都市の動的ネットワークを考慮した都市システムの構築を提案する。
論文 参考訳（メタデータ） (2020-05-20T12:47:40Z) - Socioeconomic correlations of urban patterns inferred from aerial
images: interpreting activation maps of Convolutional Neural Networks [0.10152838128195464]
都市化は近代社会にとって大きな課題であり、社会経済的不平等を広げつつ経済機会へのより良いアクセスを約束する。
ここでは,フランス全土の社会経済的地位を航空画像から予測し,都市トポロジの観点からクラスの活性化マップを解釈することによって,このギャップを埋める。
これらの結果は解釈可能なモデルを構築するための道を開くもので、都市化とその影響をよりよく追跡し理解するのに役立ちます。
論文 参考訳（メタデータ） (2020-04-10T04:57:20Z)
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。