論文の概要: Fair Transit Stop Placement: A Clustering Perspective and Beyond

• arxiv url: http://arxiv.org/abs/2602.06776v1
• Date: Fri, 06 Feb 2026 15:31:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 22:18:26.448597
• Title: Fair Transit Stop Placement: A Clustering Perspective and Beyond
• Title（参考訳）: Fair Transit Stop Placement: クラスタリングの視点とそれを超えるもの
• Authors: Haris Aziz, Ling Gai, Yuhang Guo, Jeremy Vollen,
• Abstract要約: 一般距離空間におけるトランジット停止配置(TrSP)問題について検討する。 エージェントはソース・デスティネーション・ペアの間を移動でき、直接歩くか、選択されたトランジット・ストップを経由してシャトルサービスを利用することができる。 正当性表現(JR)とコアによるTrSPの公平性について検討する。
• 参考スコア（独自算出の注目度）: 9.063386588556966
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the transit stop placement (TrSP) problem in general metric spaces, where agents travel between source-destination pairs and may either walk directly or utilize a shuttle service via selected transit stops. We investigate fairness in TrSP through the lens of justified representation (JR) and the core, and uncover a structural correspondence with fair clustering. Specifically, we show that a constant-factor approximation to proportional fairness in clustering can be used to guarantee a constant-factor biparameterized approximation to core. We establish a lower bound of 1.366 on the approximability of JR, and moreover show that no clustering algorithm can approximate JR within a factor better than 3. Going beyond clustering, we propose the Expanding Cost Algorithm, which achieves a tight 2.414-approximation for JR, but does not give any bounded core guarantee. In light of this, we introduce a parameterized algorithm that interpolates between these approaches, and enables a tunable trade-off between JR and core. Finally, we complement our results with an experimental analysis using small-market public carpooling data.
• Abstract（参考訳）: 一般距離空間におけるトランジットストップ配置 (TrSP) 問題について検討し, エージェントが直接歩くか, 選択したトランジットストップを介してシャトルサービスを利用することができる。 正当性表現(JR)とコアのレンズを用いてTrSPの公正性を調査し、公正クラスタリングによる構造的対応を明らかにする。 具体的には、クラスタリングにおける比例フェアネスに対する定数係数近似が、コアに対する定数因子の2パラメータ化近似を保証するために使用できることを示す。 我々はJRの近似性に1.366の低い境界を定め、さらに、クラスタリングアルゴリズムがJRを3.3倍の精度で近似できないことを示す。 クラスタリングを超えて,JRの2.414近似を厳密に達成する拡張コストアルゴリズムを提案する。 そこで本研究では,これらの手法を補間するパラメータ化アルゴリズムを導入し,JRとコア間の調整可能なトレードオフを実現する。 最後に、小市場における公共カープールデータを用いた実験分析により、その結果を補完する。

関連論文リスト

• Near-Optimal Clustering in Mixture of Markov Chains [74.3828414695655]
  我々は、長さ$H$の軌跡を、大きさ$S$の有限状態空間上の未知のエルゴードマルコフ鎖の1つによって生成される、$T$ trajectories of length $H$の問題を研究する。 我々は、連鎖の遷移核間の重み付きKL分散によって支配されるクラスタリングエラー率に基づいて、インスタンス依存で高い確率の低い境界を導出する。 次に,新しい2段階クラスタリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-06-02T05:10:40Z)
• Stable Trajectory Clustering: An Efficient Split and Merge Algorithm [1.9253333342733674]
  クラスタリングアルゴリズムは、パターンを特定するために特徴によってデータポイントをグループ化する。 本稿ではDBSCAN線分クラスタリングに基づく全軌道クラスタリングとサブ軌道クラスタリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-04-30T17:11:36Z)
• Proportional Fairness in Non-Centroid Clustering [34.91134564352282]
  我々は、グループフェアネスを保証することを目的として、最近開発された、比例フェアクラスタリングのフレームワークを再考する。 フレームワークを非セントロイドクラスタリングに拡張し、エージェントの損失はそのクラスタ内の他のエージェントの関数である。 我々は、GreedyCaptureアルゴリズムの適応を用いて、我々が確立できる最良の近似が自然損失関数には適用されないことを示す。
  論文  参考訳（メタデータ） (2024-10-30T17:53:49Z)
• Self-Supervised Graph Embedding Clustering [70.36328717683297]
  K-means 1-step dimensionality reduction clustering method は,クラスタリングタスクにおける次元性の呪いに対処する上で,いくつかの進歩をもたらした。 本稿では,K-meansに多様体学習を統合する統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-24T08:59:51Z)
• Distribution-Based Trajectory Clustering [14.781854651899705]
  軌道クラスタリングは、軌道データの共通パターンの発見を可能にする。 距離測定には高い計算コストと低い忠実度という2つの課題がある。 我々は,最近の分散カーネル(IDK)を3つの課題に対処するための主要なツールとして利用することを提案する。
  論文  参考訳（メタデータ） (2023-10-08T11:28:34Z)
• Rethinking k-means from manifold learning perspective [122.38667613245151]
  平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。 具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。 異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
  論文  参考訳（メタデータ） (2023-05-12T03:01:41Z)
• (k, l)-Medians Clustering of Trajectories Using Continuous Dynamic Time Warping [57.316437798033974]
  本研究では,トラジェクトリの集中型クラスタリングの問題について考察する。 我々はDTWの連続バージョンを距離測定として使用することを提案し、これをCDTW(Continuous dynamic time warping)と呼ぶ。 一連の軌道から中心を計算し、その後反復的に改善する実践的な方法を示す。
  論文  参考訳（メタデータ） (2020-12-01T13:17:27Z)

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。