論文の概要: Origin-Conditional Trajectory Encoding: Measuring Urban Configurational Asymmetries through Neural Decomposition

• arxiv url: http://arxiv.org/abs/2512.03755v1
• Date: Wed, 03 Dec 2025 12:54:16 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 11:58:44.884307
• Title: Origin-Conditional Trajectory Encoding: Measuring Urban Configurational Asymmetries through Neural Decomposition
• Title（参考訳）: 原位置軌道符号化:ニューラル分解による都市構成対称性の測定
• Authors: Stephen Law, Tao Yang, Nanjiang Chen, Xuhui Lin,
• Abstract要約: 本研究では,原点に依存した非対称性を保ちながら空間的および運動的表現を学習する条件付き軌道エンコーダを提案する。 この枠組みは、都市ナビゲーションを共通の認知パターンと原点固有の空間的物語に分解する。 6つの総合都市の結果と北京の西京地区における実世界検証の結果は、都市形態が体系的な認知的不平等を生み出すことを示している。
• 参考スコア（独自算出の注目度）: 3.4560970433900366
• License:
• Abstract: Urban analytics increasingly relies on AI-driven trajectory analysis, yet current approaches suffer from methodological fragmentation: trajectory learning captures movement patterns but ignores spatial context, while spatial embedding methods encode street networks but miss temporal dynamics. Three gaps persist: (1) lack of joint training that integrates spatial and temporal representations, (2) origin-agnostic treatment that ignores directional asymmetries in navigation ($A \to B \ne B \to A$), and (3) over-reliance on auxiliary data (POIs, imagery) rather than fundamental geometric properties of urban space. We introduce a conditional trajectory encoder that jointly learns spatial and movement representations while preserving origin-dependent asymmetries using geometric features. This framework decomposes urban navigation into shared cognitive patterns and origin-specific spatial narratives, enabling quantitative measurement of cognitive asymmetries across starting locations. Our bidirectional LSTM processes visibility ratio and curvature features conditioned on learnable origin embeddings, decomposing representations into shared urban patterns and origin-specific signatures through contrastive learning. Results from six synthetic cities and real-world validation on Beijing's Xicheng District demonstrate that urban morphology creates systematic cognitive inequalities. This provides urban planners quantitative tools for assessing experiential equity, offers architects insights into layout decisions' cognitive impacts, and enables origin-aware analytics for navigation systems.
• Abstract（参考訳）: 軌跡学習は動きパターンをキャプチャするが、空間的コンテキストを無視する一方、空間的埋め込み手法はストリートネットワークを符号化するが、時間的ダイナミクスを見逃す。 3つのギャップは,(1)空間的・時間的表現を統合した共同訓練の欠如,(2)ナビゲーションにおける方向非対称性を無視する原点非依存治療(A \to B \ne B \to A$),(3)都市空間の基本的な幾何学的性質よりも補助データ(POI,画像)の過度な信頼,である。 幾何的特徴を用いて原点に依存した非対称性を保ちながら空間的および運動的表現を共同で学習する条件付き軌道エンコーダを提案する。 この枠組みは、都市のナビゲーションを共通の認知パターンと原点固有の空間的物語に分解し、開始地点間での認知的対称性の定量的測定を可能にする。 両方向LSTMプロセスの可視性および曲率特性は,学習可能な原点埋め込みに規定され,表現を共有都市パターンに分解し,コントラスト学習を通じて原点固有のシグネチャに分解する。 6つの総合都市の結果と、北京のXicheng地区における実世界検証の結果は、都市形態が体系的な認知的不平等を生み出すことを示している。 これは、経験的エクイティを評価するための定量的ツールを提供し、レイアウト決定の認知的影響に関するアーキテクトの洞察を提供する。

関連論文リスト

• Cognitive Maps in Language Models: A Mechanistic Analysis of Spatial Planning [2.1115884707107715]
  我々はグリッド環境における3つの空間学習パラダイムに基づいてGPT-2モデルを訓練する。 行動、表現、機械的分析を用いて、2つの基本的な異なる学習アルゴリズムを明らかにする。
  論文  参考訳（メタデータ） (2025-11-17T13:46:19Z)
• SPHERE: Semantic-PHysical Engaged REpresentation for 3D Semantic Scene Completion [52.959716866316604]
  カメラベース3Dセマンティックシーンコンプリート(SSC)は自動運転システムにおいて重要な課題である。 本稿では,SPHERE (Semantic-PHysical Engaged Representation) を提案する。 SPHEREは、意味情報と物理的情報の共同利用のためのボクセルとガウス表現を統合している。
  論文  参考訳（メタデータ） (2025-09-14T09:07:41Z)
• Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
  我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。 提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。 本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
  論文  参考訳（メタデータ） (2025-06-26T11:53:59Z)
• Cross-Modal Geometric Hierarchy Fusion: An Implicit-Submap Driven Framework for Resilient 3D Place Recognition [9.411542547451193]
  本稿では,密度に依存しない幾何学的推論により3次元位置認識を再定義するフレームワークを提案する。 具体的には、元のシーンポイント雲密度の干渉に免疫する弾性点に基づく暗黙の3次元表現を導入する。 これら2種類の情報を活用することで,鳥眼視と3Dセグメントの両視点から幾何学的情報を融合する記述子を得る。
  論文  参考訳（メタデータ） (2025-06-17T07:04:07Z)
• How does spatial structure affect psychological restoration? A method based on Graph Neural Networks and Street View Imagery [4.989590204932523]
  都市部における空間構造と復元品質の関係を明らかにするために,空間依存型グラフニューラルネットワーク(GNN)を提案する。 道路のトポロジ的関係を非ユークリッド的なデータ構造としてモデル化した都市レベルのグラフは、復元の質を測定するために用いられた。
  論文  参考訳（メタデータ） (2023-11-29T05:20:10Z)
• Spatio-Temporal Graph Few-Shot Learning with Cross-City Knowledge Transfer [58.6106391721944]
  クロスシティの知識は、データ不足の都市から学んだモデルを活用して、データ不足の都市の学習プロセスに役立てるという、その将来性を示している。 本稿では,ST-GFSLと呼ばれるS時間グラフのためのモデルに依存しない数ショット学習フレームワークを提案する。 本研究では,4つの交通速度予測ベンチマークの総合的な実験を行い,ST-GFSLの有効性を最先端手法と比較した。
  論文  参考訳（メタデータ） (2022-05-27T12:46:52Z)
• 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)
• Spatial-Temporal Correlation and Topology Learning for Person Re-Identification in Videos [78.45050529204701]
  クロススケール空間時空間相関をモデル化し, 識別的, 堅牢な表現を追求する新しい枠組みを提案する。 CTLはCNNバックボーンとキーポイント推定器を使用して人体から意味的局所的特徴を抽出する。 グローバルな文脈情報と人体の物理的接続の両方を考慮して、多スケールグラフを構築するためのコンテキスト強化トポロジーを探求する。
  論文  参考訳（メタデータ） (2021-04-15T14:32:12Z)
• Neural Topological SLAM for Visual Navigation [112.73876869904]
  意味論を生かし、近似幾何学的推論を行う空間のトポロジ的表現を設計する。 本稿では,ノイズのあるアクティベーションの下でそのような表現を構築し,維持し,使用することができる教師付き学習ベースアルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2020-05-25T17:56:29Z)

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。