論文の概要: The Skeletal Trap: Mapping Spatial Inequality and Ghost Stops in Ankara's Transit Network

• arxiv url: http://arxiv.org/abs/2602.15470v1
• Date: Tue, 17 Feb 2026 10:19:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-18 16:03:18.028252
• Title: The Skeletal Trap: Mapping Spatial Inequality and Ghost Stops in Ankara's Transit Network
• Title（参考訳）: アンカラの交通ネットワークにおける空間的不平等とゴーストストップのマッピング
• Authors: Elifnaz Kancan,
• Abstract要約: 急激な都市拡大は 堅固で中心指向のバスネットワークから 切り離された 周辺クラスターを生み出しました この欠陥は、都市マクロフォームとネットワークアーキテクチャのミスアライメントに根ざしている。 発見は、永続的な中心周辺非対称性、構造的ボトルネック、空間的に埋め込まれたアクセシビリティの不平等を明らかにする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Ankara's public transport crisis is commonly framed as a shortage of buses or operational inefficiency. This study argues that the problem is fundamentally morphological and structural. The city's leapfrog urban expansion has produced fragmented peripheral clusters disconnected from a rigid, center-oriented bus network. As a result, demand remains intensely concentrated along the Kizilay-Ulus axis and western corridors, while peripheral districts experience either chronic under-service or enforced transfer dependency. The deficiency is therefore not merely quantitative but rooted in the misalignment between urban macroform and network architecture. The empirical analysis draws on a 173-day operational dataset derived from route-level passenger and trip reports published by EGO under the former "Transparent Ankara" initiative. To overcome the absence of stop-level geospatial data, a Connectivity-Based Weighted Distribution Model reallocates passenger volumes to 1 km x 1 km grid cells using network centrality. The findings reveal persistent center-periphery asymmetries, structural bottlenecks, and spatially embedded accessibility inequalities.
• Abstract（参考訳）: アンカラの公共交通の危機は、バスの不足や運用上の非効率さと一般的に考えられている。 この研究は、問題は基本的に形態学的、構造的であると主張している。 市の飛躍的な都市拡張は、堅固で中心指向のバスネットワークから切り離された断片化された周辺クラスターを生み出した。 その結果、キジライ・ウルス軸と西回廊に需要が集中し続けており、周辺地域は慢性的な下水道や強制的な輸送に依存している。 したがって、この欠陥は単に定量的なものではなく、都市マクロフォームとネットワークアーキテクチャのミスアライメントに根ざしている。 実験的な分析は、ルートレベルの乗客と、かつての「透明アンカラ」イニシアチブの下でEGOが発行した旅行レポートから導かれた173日間の運用データセットに基づいている。 停止レベルの地理空間データの欠如を克服するため、コネクティビティベース重み分布モデルでは、ネットワーク中心性を用いて1 km x 1 km の格子セルに乗客の体積を再配置する。 この結果より, 持続的中心周辺非対称性, 構造的ボトルネック, 空間的なアクセシビリティの不平等が認められた。

関連論文リスト

• Exploring Dissatisfaction in Bus Route Reduction through LLM-Calibrated Agent-Based Modeling [0.0]
  本研究では,大規模言語モデル(LLM)を用いたエージェントベースモデリング(ABM)アプローチを用いる。 北京の平安地区のICカードデータを用いて、LSMの校正されたABMは、旅行時間、待ち時間、移動時間、混雑時間に関連する乗客の感度パラメータを推定した。 その結果,バスネットワークの構造的構成は,容量や運用要因よりもシステムの安定性に強い影響を与えることがわかった。
  論文  参考訳（メタデータ） (2025-10-30T05:59:48Z)
• Neighbor-aware informal settlement mapping with graph convolutional networks [1.226598527858578]
  本稿では,局所的な地理的コンテキストを分類プロセスに組み込んだグラフベースのフレームワークを提案する。 リオデジャネイロのケーススタディでは,空間的クロスバリデーションを用いて実験を行った。 本手法は,Kappa係数を個々の細胞分類よりも17ポイント向上する。
  論文  参考訳（メタデータ） (2025-09-30T12:25:25Z)
• Recover and Match: Open-Vocabulary Multi-Label Recognition through Knowledge-Constrained Optimal Transport [45.866011150937425]
  上記の問題に効果的に対処する新しいフレームワークであるRAM(Recover And Match)を紹介します。 RAMは3つの異なるドメインのさまざまなデータセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-03-19T15:33:44Z)
• Understanding the Structure and Resilience of the Brazilian Federal Road Network Through Network Science [44.99833362998488]
  本稿では、ブラジルの連邦道路網を重み付きネットワークとしてモデル化する。 我々は, その地形特性を明らかにし, 75,000kmの道路を通じて, 国にとって重要な役割を担う重要な場所(都市)を特定することを目的とする。 本研究の目的は,ブラジルの連邦道路の全体構造を明確化し,インフラ計画の改善とネットワークのレジリエンス向上のための資源優先のための実用的な洞察を提供することである。
  論文  参考訳（メタデータ） (2024-12-20T13:02:50Z)
• Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for Cross-City Semantic Segmentation using High-Resolution Domain Adaptation Networks [82.82866901799565]
  我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。 単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。 高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
  論文  参考訳（メタデータ） (2023-09-26T23:55:39Z)
• Complexity-aware Large Scale Origin-Destination Network Generation via Diffusion Model [24.582615553841396]
  Origin-Destination (OD) ネットワークは、市内の各地域から他の地域への人々の流れを推定する。 本稿では,ノードとエッジの条件付き結合確率分布を学習するために,ODネットワークの生成と拡散法の設計を提案する。
  論文  参考訳（メタデータ） (2023-06-08T02:02:55Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• A Spatial-Temporal Attention Multi-Graph Convolution Network for Ride-Hailing Demand Prediction Based on Periodicity with Offset [9.897431292540393]
  ライドシェアリングは都市交通の中心となっている。 配車サービスの効率を向上させるためには、交通需要の正確な予測が根本的な課題である。 本稿では,ネットワーク構造とデータセットの定式化の両面からこの問題に対処する。
  論文  参考訳（メタデータ） (2022-03-23T16:03:55Z)
• Coupled Layer-wise Graph Convolution for Transportation Demand Prediction [43.23120462553671]
  グラフ畳み込みネットワーク(gcn)は輸送需要予測に広く適用されている。 本稿では,輸送需要予測のための新しいグラフ畳み込みネットワークを提案する。 実世界の2つのデータセット、NYC Citi BikeとNYC Taxiで実験が行われた。
  論文  参考訳（メタデータ） (2020-12-15T04:10:09Z)
• Multiple abrupt phase transitions in urban transport congestion [0.0]
  本研究は,都市部における混雑開始位置が都市部によって変化することを示す。 アーボリアル周辺に連結した密集都市中心からなる平面道路網モデルについて紹介する。
  論文  参考訳（メタデータ） (2020-05-26T17:58:44Z)

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。