論文の概要: HD-GEN: A High-Performance Software System for Human Mobility Data Generation Based on Patterns of Life

• arxiv url: http://arxiv.org/abs/2601.01219v1
• Date: Sat, 03 Jan 2026 16:01:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:22.124625
• Title: HD-GEN: A High-Performance Software System for Human Mobility Data Generation Based on Patterns of Life
• Title（参考訳）: HD-GEN:生活パターンに基づく人体移動データ生成のための高性能ソフトウェアシステム
• Authors: Hossein Amiri, Joon-Seok Kim, Hamdi Kavak, Andrew Crooks, Dieter Pfoser, Carola Wenk, Andreas Züfle,
• Abstract要約: 大規模な個人レベルの人体移動データセットの校正、生成、処理、可視化のための包括的ソフトウェアパイプラインを導入する。 データ生成エンジンは、OpenStreetMapデータを用いて地理的に接地されたシミュレーションを構築する。 遺伝的アルゴリズムに基づくキャリブレーションモジュールの微調整パラメータは、実世界の移動特性に適合する。 データ処理スイートは、生のシミュレーションログを下流アプリケーションに適した構造化フォーマットに変換する。
• 参考スコア（独自算出の注目度）: 1.9739979974462676
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Understanding individual-level human mobility is critical for a wide range of applications. Real-world trajectory datasets provide valuable insights into actual movement behaviors but are often constrained by data sparsity and participant bias. Synthetic data, by contrast, offer scalability and flexibility but frequently lack realism. To address this gap, we introduce a comprehensive software pipeline for calibrating, generating, processing, and visualizing large-scale individual-level human mobility datasets that combine the realism of empirical data with the control and extensibility of Patterns-of-Life simulations. Our system consists of four integrated components. (1) a data generation engine constructs geographically grounded simulations using OpenStreetMap data to produce diverse mobility logs. (2) a genetic algorithm-based calibration module fine-tunes simulation parameters to align with real-world mobility characteristics, such as daily trip counts and radius of gyration, enabling realistic behavioral modeling. (3) a data processing suite transforms raw simulation logs into structured formats suitable for downstream applications, including model training and benchmarking. (4) a visualization module extracts key mobility patterns and insights from the processed datasets and presents them through intuitive visual analytics for improved interpretability.
• Abstract（参考訳）: 個人レベルの人間のモビリティを理解することは、幅広い応用に不可欠である。 実世界の軌道データセットは、実際の動きの振る舞いに関する貴重な洞察を提供するが、しばしばデータ空間とバイアスによって制約される。 対照的に、合成データはスケーラビリティと柔軟性を提供するが、リアリズムを欠いていることが多い。 このギャップに対処するために、経験的データのリアリズムとPatterns-of-Lifeシミュレーションの制御と拡張性を組み合わせた、大規模な個人レベルの人体移動データセットの校正、生成、処理、可視化のための包括的なソフトウェアパイプラインを導入する。 私たちのシステムは4つの統合コンポーネントで構成されています。 1)データ生成エンジンは,OpenStreetMapデータを用いて地理的に接地したシミュレーションを構築し,多様なモビリティログを生成する。 2) 遺伝的アルゴリズムを用いたキャリブレーションモジュールの微調整パラメーターを用いて, 日々の旅行数やジャイレーション半径などの実世界の移動特性と整合し, 現実的な行動モデルを実現する。 (3)データ処理スイートは、生のシミュレーションログを、モデルトレーニングやベンチマークを含む下流アプリケーションに適した構造化フォーマットに変換する。 (4) 可視化モジュールは、処理されたデータセットから重要なモビリティパターンや洞察を抽出し、直感的な視覚分析によって解釈性を向上させる。

関連論文リスト

• SimScale: Learning to Drive via Real-World Simulation at Scale [45.08991279559151]
  本稿では,既存の運転ログ上に巨大な未確認状態を合成可能な,新規でスケーラブルなシミュレーションフレームワークを提案する。 我々のパイプラインは、高度なニューラルレンダリングとリアクティブ環境を利用して、高忠実度マルチビュー観測を生成する。 我々は、これらの新しいシミュレーション状態に対する擬似経験的軌跡生成機構を開発し、行動監視を行う。
  論文  参考訳（メタデータ） (2025-11-28T17:17:38Z)
• SIMS-V: Simulated Instruction-Tuning for Spatial Video Understanding [64.86119288520419]
  マルチモーダル言語モデルは時間と空間の空間的推論に苦しむ。 SIMS-Vは3次元シミュレータの特権情報を利用するシステムデータ生成フレームワークである。 提案手法は,実世界の空間的タスクの具体的改善を図りながら,一般的な映像理解の性能を維持しながら,堅牢な一般化を実証する。
  論文  参考訳（メタデータ） (2025-11-06T18:53:31Z)
• UrbanTwin: Building High-Fidelity Digital Twins for Sim2Real LiDAR Perception and Evaluation [3.1508266388327324]
  本チュートリアルでは,高忠実度ディジタルツイン(HiFi DT)を構築するための再現可能なワークフローを導入し,リアルな合成データセットを生成する。 衛星画像やOpenStreetMap,センサ仕様などのオープンソースリソースを用いて,静的な地形,道路インフラストラクチャ,動的トラフィックをモデル化するための実践的な手順を概説する。 結果として得られる環境は、スケーラブルで費用効率のよいデータ生成をサポートし、堅牢なSim2Real学習を実現する。
  論文  参考訳（メタデータ） (2025-09-03T00:12:15Z)
• Physics-Learning AI Datamodel (PLAID) datasets: a collection of physics simulations for machine learning [0.15469999759898032]
  PLAIDは物理シミュレーションのデータセットを表現および共有するためのフレームワークである。 PLAIDはシミュレーションデータを記述するための統一標準を定義する。 PLAID標準の下で,構造力学と計算流体力学を網羅した6つのデータセットをリリースする。
  論文  参考訳（メタデータ） (2025-05-05T18:59:17Z)
• Reinforcement Learning with Human Feedback for Realistic Traffic Simulation [53.85002640149283]
  効果的なシミュレーションの鍵となる要素は、人間の知識と整合した現実的な交通モデルの導入である。 本研究では,現実主義に対する人間の嗜好のニュアンスを捉えることと,多様な交通シミュレーションモデルを統合することの2つの主な課題を明らかにする。
  論文  参考訳（メタデータ） (2023-09-01T19:29:53Z)
• Development of a Realistic Crowd Simulation Environment for Fine-grained Validation of People Tracking Methods [0.7223361655030193]
  この研究は、群衆シミュレーションの拡張(CrowdSim2)を開発し、人追跡アルゴリズムの適用性を証明する。 シミュレータは非常に人気のあるUnity 3Dエンジンを使用して開発されており、特に環境におけるリアリズムの側面に焦点を当てている。 IOU-Tracker、Deep-Sort、Deep-TAMAという3つのトラッキング手法が生成されたデータセットの検証に使用された。
  論文  参考訳（メタデータ） (2023-04-26T09:29:58Z)
• TrafficBots: Towards World Models for Autonomous Driving Simulation and Motion Prediction [149.5716746789134]
  我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。 動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。 オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
  論文  参考訳（メタデータ） (2023-03-07T18:28:41Z)
• Learning to Simulate Realistic LiDARs [66.7519667383175]
  リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。 本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。 我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
  論文  参考訳（メタデータ） (2022-09-22T13:12:54Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)

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。