論文の概要: Similarity-Based Bike Station Expansion via Hybrid Denoising Autoencoders

• arxiv url: http://arxiv.org/abs/2604.15783v1
• Date: Fri, 17 Apr 2026 07:40:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.79622
• Title: Similarity-Based Bike Station Expansion via Hybrid Denoising Autoencoders
• Title（参考訳）: ハイブリッドデノジングオートエンコーダによる類似性に基づく自転車ステーション拡張
• Authors: Oluwaleke Yusuf, M. Tsaqif Wismadi, Adil Rasheed,
• Abstract要約: 本研究は、既存の駅のパターンを利用して拡張決定を通知する必要性に対処する。 運用メトリクスによって望ましいと考えられる既存の局を利用するデータ駆動フレームワークを提案する。 本稿では,表現学習が生の特徴が欠落する複雑なパターンを捕捉し,エビデンスに基づく拡張計画を実現する方法を示す。
• 参考スコア（独自算出の注目度）: 4.124673918483511
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Urban bike-sharing systems require strategic station expansion to meet growing demand. Traditional allocation approaches rely on explicit demand modelling that may not capture the urban characteristics distinguishing successful stations. This study addresses the need to exploit patterns from existing stations to inform expansion decisions, particularly in data-constrained environments. We present a data-driven framework leveraging existing stations deemed desirable by operational metrics. A hybrid denoising autoencoder (HDAE) learns compressed latent representations from multi-source grid-level features (socio-demographic, built environment, and transport network), with a supervised classification head regularising the embedding space structure. Expansion candidates are selected via greedy allocation with spatial constraints based on latent-space similarity to existing stations. Evaluation on Trondheim's bike-sharing network demonstrates that HDAE embeddings yield more spatially coherent clusters and allocation patterns than raw features. Sensitivity analyses across similarity methods and distance metrics confirm robustness. A consensus-based procedure across multiple parametrisations distils 32 high-confidence extension zones where all parametrisations agree. The results demonstrate how representation learning captures complex patterns that raw features miss, enabling evidence-based expansion planning without explicit demand modelling. The consensus procedure strengthens recommendations by requiring agreement across parametrisations, while framework configurability allows planners to incorporate operational knowledge. The methodology generalises to any location-allocation problem where existing desirable instances inform the selection of new candidates.
• Abstract（参考訳）: 都市部の自転車共有システムは、需要の増加に対応するために戦略的な駅拡張を必要としている。 伝統的なアロケーションアプローチは、成功している駅を区別する都市の特徴を捉えない明示的な需要モデリングに依存している。 本研究は、特にデータ制約環境において、既存の局のパターンを利用して拡張決定を通知する必要性に対処する。 運用メトリクスによって望ましいと考えられる既存の局を利用するデータ駆動フレームワークを提案する。 ハイブリットデノナイジングオートエンコーダ(HDAE)は,マルチソースグリッドレベルの特徴(社会デコグラフィ,構築環境,輸送ネットワーク)から圧縮潜在表現を学習する。 拡張候補は、既存のステーションとラテント空間の類似性に基づいて、空間制約付きグリーディアロケーションによって選択される。 トロンドハイムの自転車共有ネットワークの評価では、HDAEの埋め込みにより、生の特徴よりも空間的に一貫性のあるクラスタとアロケーションパターンが得られることが示されている。 類似度法と距離測定値の感度解析により、ロバスト性が確認された。 複数のパラメータにまたがるコンセンサスに基づく手続きは、すべてのパラメータが一致する32の高信頼拡張ゾーンを消し去る。 その結果、表現学習が生の特徴が欠落する複雑なパターンを捕捉し、明示的な需要モデリングなしでエビデンスベースの拡張計画を可能にすることを示した。 合意手続きはパラメトリション間での合意を必要とすることでレコメンデーションを強化し、フレームワークの構成可能性によってプランナーは運用知識を組み込むことができる。 この手法は、既存の望ましいインスタンスが新しい候補の選択を通知する位置割り当て問題に一般化する。

関連論文リスト

• Entropy-Gradient Grounding: Training-Free Evidence Retrieval in Vision-Language Models [77.3748853516374]
  視覚言語モデルのための学習不要なモデル固有のグラウンドリング手法を提案する。 モデルの次トーケン分布のエントロピーを計算し、それを視覚トークン埋め込みにバックプロパタイズしてエントロピー勾配のレバレンスマップを得る。 次に、複数のコヒーレント領域を抽出・ランク付けし、マルチエビデンスクエリをサポートし、空間エントロピー停止規則付き反復的なズーム・アンド・リグラウンド手順を導入する。
  論文  参考訳（メタデータ） (2026-04-09T16:51:42Z)
• Multi-session Localization and Mapping Exploiting Topological Information [1.3316173544577008]
  地図に基づくローカライゼーションに基づく新しいマルチセッションフレームワークを提案する。 提案手法にはトポロジインフォームドな不確実性を考慮した意思決定機構が組み込まれている。 提案手法は,データセットから重なり合う配列について検証し,実世界の鉱山のような環境での有効性を実証する。
  論文  参考訳（メタデータ） (2026-02-19T10:17:46Z)
• Replacing Parameters with Preferences: Federated Alignment of Heterogeneous Vision-Language Models [63.70401095689976]
  パラメータを好みに置き換えることは、よりスケーラブルでプライバシに保護される未来を表している、と私たちは主張する。 ヘテロジニアスVLMのためのGRPOとMixture-of-Rewardsを用いた協調アライメントフレームワークであるMoRを提案する。 MoRは、一般化、堅牢性、およびクロスクライアント適応性において、連邦化されたアライメントベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-01-31T03:11:51Z)
• A Pseudo Global Fusion Paradigm-Based Cross-View Network for LiDAR-Based Place Recognition [12.93382945887946]
  LiDARベースのPlace Recognition(LPR)は、Embodied Artificial Intelligence(AI)とAutonomous Drivingにおいて重要なタスクである。 既存のアプローチは、ユークリッド距離に基づく距離学習タスクへの位置認識を減らし、特徴空間の固有の構造やクラス内分散を無視している。 本稿では,これらの課題に対処する革新的な融合パラダイムに基づく,新しいクロスビューネットワークを提案する。
  論文  参考訳（メタデータ） (2025-08-12T13:12:48Z)
• Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
  本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。 AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。 2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2023-06-15T14:50:27Z)
• Deep trip generation with graph neural networks for bike sharing system expansion [7.737133861503814]
  マルチソース都市構築環境データに基づく駅レベルの需要予測のためのグラフニューラルネットワーク(GNN)手法を提案する。 提案手法は空間回帰モデルとして,空間回帰とGNNの共通性を示す。
  論文  参考訳（メタデータ） (2023-03-20T16:43:41Z)
• Spatial-spectral Hyperspectral Image Classification via Multiple Random Anchor Graphs Ensemble Learning [88.60285937702304]
  本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。 まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。 次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
  論文  参考訳（メタデータ） (2021-03-25T09:31:41Z)
• Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
  PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。 本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。 このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
  論文  参考訳（メタデータ） (2020-09-29T12:50:33Z)
• Extended Stochastic Block Models with Application to Criminal Networks [3.2211782521637393]
  犯罪者間の関係を符号化する隠蔽ネットワークについて検討する。 ノイズの多いブロックパターンの共存は、日常的に使用されるコミュニティ検出アルゴリズムの信頼性を制限する。 我々は,共通接続パターンを持つノード群を推論する拡張ブロックモデル(ESBM)を新たに開発した。
  論文  参考訳（メタデータ） (2020-07-16T19:06:16Z)
• Crowd Counting via Hierarchical Scale Recalibration Network [61.09833400167511]
  本稿では,群集カウントの課題に取り組むために,階層型大規模校正ネットワーク(HSRNet)を提案する。 HSRNetは、リッチなコンテキスト依存をモデル化し、複数のスケール関連情報を再検討する。 提案手法は,様々なノイズを選択的に無視し,適切な群集スケールに自動的に焦点を合わせることができる。
  論文  参考訳（メタデータ） (2020-03-07T10:06:47Z)

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。