論文の概要: LID Framework: A new method for geospatial and exploratory data analysis of potential innovation deter-minants at the neighborhood level

• arxiv url: http://arxiv.org/abs/2602.04679v1
• Date: Wed, 04 Feb 2026 15:52:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.602787
• Title: LID Framework: A new method for geospatial and exploratory data analysis of potential innovation deter-minants at the neighborhood level
• Title（参考訳）: LIDフレームワーク:近傍における潜在的なイノベーション・デタミナントの地理・探索データ分析のための新しい手法
• Authors: Eleni Oikonomaki, Belivanis Dimitris, Kakderi Christina,
• Abstract要約: 地域ごとの重要な要因を特定するために,ローカルイノベーション決定因子データベースとフレームワークを開発した。 ニューヨーク州とマサチューセッツ州の地区を、社会要因、経済特性、土地利用と移動性、形態学、環境の4つの側面で検討する。 結果は、代替データソースは、イノベーションのダイナミクスに関する洞察を高めるために、重要かつ未調査の可能性を秘めていることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The geography of innovation offers a framework to understand how territorial characteristics shape innovation, often via spatial and cognitive proximity. Empirical research has focused largely on national and regional scales, while urban and sub-regional geographies receive less attention. Local studies typically rely on limited indicators (e.g., firm-level data, patents, basic socioeconomic measures), with few offering a systematic framework integrating urban form, mobility, amenities, and human-capital proxies at the neighborhood scale. Our study investigates innovation at a finer spatial resolution, going beyond proprietary or static indicators. We develop the Local Innovation Determinants (LID) database and framework to identify key enabling factors across regions, combining traditional government data with publicly available data via APIs for a more granular understanding of spatial dynamics shaping innovation capacity. Using exploratory big and geospatial data analytics and random forest models, we examine neighborhoods in New York and Massachusetts across four dimensions: social factors, economic characteristics, land use and mobility, morphology, and environment. Results show that alternative data sources offer significant yet underexplored potential to enhance insights into innovation dynamics. City policymakers should consider neighborhood-specific determinants and characteristics when designing and implementing local innovation strategies.
• Abstract（参考訳）: イノベーションの地理は、しばしば空間的および認知的近接を通して、領域的特徴がどのようにイノベーションを形作るかを理解するための枠組みを提供する。 実証的研究は、主に全国規模と地域規模に焦点が当てられているが、都市部と郊外の地理学はあまり注目されていない。 地方研究は通常、限られた指標(例えば、ファームレベルデータ、特許、基本的な社会経済指標)に依存しており、都市形態、移動性、アメニティ、人間資本プロキシを近隣の規模で統合する体系的な枠組みを提供するものはほとんどない。 本研究では,より微細な空間分解能で,プロプライエタリあるいは静的な指標を超越したイノベーションについて検討する。 ローカルイノベーション決定因子(LID)データベースとフレームワークを開発し、従来の政府データとAPIによる公開データを組み合わせて、イノベーション能力を形成する空間力学をより詳細に理解する。 探索的大規模・地理空間データ分析とランダム森林モデルを用いて、社会要因、経済特性、土地利用と移動性、形態学、環境の4次元にわたって、ニューヨークとマサチューセッツ州の地区を調査する。 結果は、代替データソースは、イノベーションのダイナミクスに関する洞察を高めるために、重要かつ未調査の可能性を秘めていることを示している。 都市政策立案者は、地域イノベーション戦略を設計・実施する際に、地域固有の決定要因や特徴を考慮すべきである。

関連論文リスト

• Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
  本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。 私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
  論文  参考訳（メタデータ） (2024-07-22T12:32:09Z)
• Using Graph Neural Networks to Predict Local Culture [2.5870115809699783]
  本研究では, 周辺地域の内部特性に関する複数の情報ソースを結合し, 評価するグラフニューラルネットワーク(GNN)手法を提案する。 Yelpからパブリックな大規模データセットを探索することにより、近隣属性の予測における構造的連結性を考慮したアプローチの可能性を示す。
  論文  参考訳（メタデータ） (2024-02-27T21:43:14Z)
• Multi-Temporal Relationship Inference in Urban Areas [75.86026742632528]
  場所間の時間的関係を見つけることは、動的なオフライン広告やスマートな公共交通計画など、多くの都市アプリケーションに役立つ。 空間的に進化するグラフニューラルネットワーク(SEENet)を含むグラフ学習方式によるTrialの解を提案する。 SEConvは時間内アグリゲーションと時間間伝搬を実行し、位置メッセージパッシングの観点から、多面的に空間的に進化するコンテキストをキャプチャする。 SE-SSLは、位置表現学習を強化し、関係の空間性をさらに扱えるように、グローバルな方法でタイムアウェアな自己教師型学習タスクを設計する。
  論文  参考訳（メタデータ） (2023-06-15T07:48:32Z)
• A new perspective on the prediction of the innovation performance: A data driven methodology to identify innovation indicators through a comparative study of Boston's neighborhoods [0.0]
  この研究は、ボストンの35ジップコードエリアにまたがる、地理的に分散した大規模なデータセットを用いている。 ジップコード領域のイノベーションパフォーマンスを表現するため、イノベーションの場所に関連する新しいメトリクスが提案されている。
  論文  参考訳（メタデータ） (2023-04-04T05:45:50Z)
• A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
  本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。 このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
  論文  参考訳（メタデータ） (2022-11-04T09:58:57Z)
• Neural Embeddings of Urban Big Data Reveal Emergent Structures in Cities [7.148078723492643]
  都市部の異質性を利用したニューラルネットワーク(GNN)を提案する。 アメリカ合衆国の16大都市圏において,何百万もの携帯電話利用者による大規模高解像度モビリティデータセットを用いて,都市部コンポーネント間の複雑な関係をエンコードしていることを示す。 異なる郡で訓練されたモデルによって生成された埋め込みは、他の郡における創発的空間構造の50%から60%を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-10-24T07:13:14Z)
• 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)
• A Survey on Deep Learning for Localization and Mapping: Towards the Age of Spatial Machine Intelligence [48.67755344239951]
  包括的調査を行い、深層学習を用いた局所化とマッピングのための新しい分類法を提案する。 オードメトリ推定、マッピング、グローバルローカライゼーション、同時ローカライゼーション、マッピングなど、幅広いトピックがカバーされている。 この研究がロボティクス、コンピュータビジョン、機械学習コミュニティの新たな成果を結び付けることを願っている。
  論文  参考訳（メタデータ） (2020-06-22T19:01:21Z)
• Entropy as a measure of attractiveness and socioeconomic complexity in Rio de Janeiro metropolitan area [52.77024349608834]
  携帯電話のデータセットとエントロピーに基づく測度を用いて、位置の魅力を測定する。 その結果、エントロピーによって測定された特定の位置の魅力は、その位置の社会経済的地位の重要な記述者であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T15:58:56Z)

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。