論文の概要: Nationwide Hourly Population Estimating at the Neighborhood Scale in the United States Using Stable-Attendance Anchor Calibration

• arxiv url: http://arxiv.org/abs/2602.12291v1
• Date: Sat, 31 Jan 2026 13:51:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 12:01:13.52832
• Title: Nationwide Hourly Population Estimating at the Neighborhood Scale in the United States Using Stable-Attendance Anchor Calibration
• Title（参考訳）: 安定型アンカーキャリブレーションを用いた米国における地域別人口推定
• Authors: Huan Ning, Zhenlong Li, Manzhu Yu, Xiao Huang, Shiyan Zhang, Shan Qiao,
• Abstract要約: 現在の人口データセットは、主に静的であり、日々の移動によって引き起こされる人間の存在の強い時間的ダイナミクスを捉えることができない。 最近のスマートフォンベースのモビリティデータは、前例のない浸透範囲を提供しているが、これらの機会論的観察を正確な人口推定に翻訳することは依然として困難である。 そこで本稿では,アメリカ全土のブロック群における時給集団の存在感を再構築するための,SAAC (Stable-Attendance Anchor) フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 4.17605349790235
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional population datasets are largely static and therefore unable to capture the strong temporal dynamics of human presence driven by daily mobility. Recent smartphone-based mobility data offer unprecedented spatiotemporal coverage, yet translating these opportunistic observations into accurate population estimates remains challenging due to incomplete sensing, spatially heterogeneous device penetration, and unstable observation processes. We propose a Stable-Attendance Anchor Calibration (SAAC) framework to reconstruct hourly population presence at the Census block group level across the United States. SAAC formulates population estimation as a balance-based population accounting problem, combining residential population with time-varying inbound and outbound mobility inferred from device-event observations. To address observation bias and identifiability limitations, the framework leverages locations with highly regular attendance as calibration anchors, using high schools in this study. These anchors enable estimation of observation scaling factors that correct for under-recorded mobility events. By integrating anchor-based calibration with an explicit sampling model, SAAC enables consistent conversion from observed device events to population presence at fine temporal resolution. The inferred population patterns are consistent with established empirical findings in prior mobility and urban population studies. SAAC provides a generalizable framework for transforming large-scale, biased digital trace data into interpretable dynamic population products, with implications for urban science, public health, and human mobility research. The hourly population estimates can be accessed at: https://gladcolor.github.io/hourly_population.
• Abstract（参考訳）: 従来の人口データセットは大部分が静的であるため、日々の移動によって引き起こされる人間の存在の強い時間的ダイナミクスを捉えることはできない。 最近のスマートフォンベースの移動データは、前例のない時空間的カバレッジを提供するが、不完全な検知、空間的に不均一なデバイス侵入、不安定な観察プロセスのために、これらの機会論的観察を正確な人口推定に翻訳することは依然として困難である。 本稿では,アメリカ全土のCensusブロック群における時給集団の存在感を再構築するための,SAAC(Stable-Attendance Anchor Calibration)フレームワークを提案する。 SAACは、人口推計をバランスベースの人口会計問題として定式化し、デバイス・イベント観測から推定される、住宅人口と時間変化のインバウンドとアウトバウンドのモビリティを組み合わせた。 観測バイアスと識別可能性の限界に対処するため,本研究では,校正アンカーとして,高度に常駐する位置を利用した。 これらのアンカーは、記録されていないモビリティイベントに対して正しい観測スケーリング因子を推定することができる。 アンカーベースのキャリブレーションを明示的なサンプリングモデルと統合することにより、SAACは観測されたデバイスイベントから時間分解能の細かい集団存在への一貫した変換を可能にする。 推定された人口パターンは、以前のモビリティと都市部の人口研究で確立された経験的発見と一致している。 SAACは、大規模で偏りのあるデジタルトレースデータを解釈可能な動的集団製品に変換するための一般化可能なフレームワークを提供する。 時間ごとの人口推計は、https://gladcolor.github.io/hourly_population.com/で参照できる。

関連論文リスト

• Time Profile of U.S. Neighborhoods: Datasets of Time Use at Social Infrastructure Places [5.244716758485668]
  社会基盤は、社会的相互作用を育み、サービス提供を可能にし、多様な環境への露出を促進することによって、近隣の幸福を形作る上で重要な役割を担っている。 空間的アクセシビリティに関する知識の増大にもかかわらず、空間的に解決された国家データセットが欠如しているため、社会インフラの場所での時間使用は過小評価されている。 我々は、エンゲージメントの長さと深さ、活動の多様性、空間的不平等をキャプチャするスケーラブルな社会インフラ時間利用尺度(STU)を開発した。 当社のデータセットは、2019年から2024年の間に収集された、49の大陸州で収集された匿名および集約された足のトラフィックデータを活用しています。
  論文  参考訳（メタデータ） (2025-08-18T18:22:04Z)
• Rethinking Urban Mobility Prediction: A Super-Multivariate Time Series Forecasting Approach [71.67506068703314]
  長期の都市移動予測は、都市施設やサービスの効果的管理において重要な役割を担っている。 伝統的に、都市移動データはビデオとして構成され、経度と緯度を基本的なピクセルとして扱う。 本研究では,都市におけるモビリティ予測の新たな視点について紹介する。 都市移動データを従来のビデオデータとして単純化するのではなく、複雑な時系列と見なす。
  論文  参考訳（メタデータ） (2023-12-04T07:39:05Z)
• Estimating Latent Population Flows from Aggregated Data via Inversing Multi-Marginal Optimal Transport [57.16851632525864]
  累積カウントデータから潜在人口フローを推定する問題について検討する。 この問題は、プライバシーの問題や測定の不確実性のために個々の軌道が利用できない場合に発生する。 我々はMOTフレームワークのコスト関数を学習し,集約データからの遷移フローを推定する。
  論文  参考訳（メタデータ） (2022-12-30T03:03:23Z)
• A Double Machine Learning Trend Model for Citizen Science Data [0.0]
  本稿では, 市民科学データに共通する年次共生を制御しながら, 種数傾向を推定するための新しいモデリング手法について述べる。 このアプローチはDouble Machine Learningに基づいており、このフレームワークは、機械学習手法を使って人口変化を推定し、データに見いだされたコンバウンディングの調整に使用される確率スコアを推定する。
  論文  参考訳（メタデータ） (2022-10-27T15:08:05Z)
• Census-Independent Population Estimation using Representation Learning [0.5735035463793007]
  代替データを用いた国勢調査非依存の人口推定手法は、頻繁に信頼性の高い人口推定を局所的に提供することを約束している。 モザンビークにおける近年の表現学習手法について検討し,人口推定への表現の伝達可能性を評価する。 表現学習を使用することで、特徴が自動的に抽出されるため、人間の監督が不要になる。 得られた人口推計をGRID3, Facebook (HRSL) および WorldPop の既存人口製品と比較した。
  論文  参考訳（メタデータ） (2021-10-06T15:13:36Z)
• Approximate Bayesian Computation for an Explicit-Duration Hidden Markov Model of COVID-19 Hospital Trajectories [55.786207368853084]
  新型コロナウイルス(COVID-19)のパンデミックの中、病院の資源をモデル化する問題に取り組んでいます。 幅広い適用性のために、関心のある領域の患者レベルデータが利用できない、一般的なが困難なシナリオに注目します。 本稿では,ACED-HMM(ACED-HMM)と呼ばれる集合数正規化隠れマルコフモデルを提案する。
  論文  参考訳（メタデータ） (2021-04-28T15:32:42Z)
• C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods Ahead of COVID-19 Outbreak [54.39837683016444]
  C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。 C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。 新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
  論文  参考訳（メタデータ） (2020-12-22T17:02:54Z)
• Magnify Your Population: Statistical Downscaling to Augment the Spatial Resolution of Socioeconomic Census Data [48.7576911714538]
  重要社会経済的属性の詳細な推定を導出する新しい統計的ダウンスケーリング手法を提案する。 選択された社会経済変数ごとに、ランダムフォレストモデルが元の国勢調査単位に基づいて訓練され、その後、微細なグリッド化された予測を生成するために使用される。 本研究では,この手法を米国の国勢調査データに適用し,ブロック群レベルで選択された社会経済変数を,300の空間分解能のグリッドにダウンスケールする。
  論文  参考訳（メタデータ） (2020-06-23T16:52:18Z)
• Survival Cluster Analysis [93.50540270973927]
  異なるリスクプロファイルを持つサブポピュレーションを特定するために、生存分析には未解決の必要性がある。 このニーズに対処するアプローチは、個々の成果のキャラクタリゼーションを改善する可能性が高い。
  論文  参考訳（メタデータ） (2020-02-29T22:41:21Z)

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。