論文の概要: Context-Aware Displacement Estimation from Mobile Phone Data: A Methodological Framework
- arxiv url: http://arxiv.org/abs/2604.21457v1
- Date: Thu, 23 Apr 2026 09:14:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-24 14:40:06.403094
- Title: Context-Aware Displacement Estimation from Mobile Phone Data: A Methodological Framework
- Title（参考訳）: 携帯電話データからの文脈認識変位推定:方法論的枠組み
- Authors: Rajius Idzalika, Muhammad Rheza Muztahid, Radityo Eko Prasojo,
- Abstract要約: 携帯電話のデータは、ほぼリアルタイムな追跡を可能にするが、既存のアプローチでは、均一な変位定義が適用されている。
3つの革新を通じてこの問題に対処する方法論的枠組みを提案する。
このフレームワークは、不確実な境界を持つ人口にスケールされた3つの相補的なメトリクスを生成する。
- 参考スコア（独自算出の注目度）: 1.4634353986656572
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Timely population displacement estimates are critical for humanitarian response during disasters, but traditional surveys and field assessments are slow. Mobile phone data enables near real-time tracking, yet existing approaches apply uniform displacement definitions regardless of individual mobility patterns, misclassifying regular commuters as displaced. We present a methodological framework addressing this through three innovations: (1) mobility profile classification distinguishing local residents from commuter types, (2) context-aware between-municipality displacement detection accounting for expected location by user type and day of week, and (3) operational uncertainty bounds derived from baseline coefficient of variation with a disaster adjustment factor, intended for humanitarian decision support rather than formal statistical inference. The framework produces three complementary metrics scaled to population with uncertainty bounds: displacement rates, origin-destination flows, and return dynamics. An Aparri case study following Super Typhoon Nando (2025, Philippines) applies the framework to vendor-provided daily locations from Globe Telecom. Context-aware detection reduced estimated between-municipality displacement by 1.6-2.7 percentage points on weekdays versus naive methods, attributable to the commuter exception but not independently validated. The method captures between-municipality displacement only. Within-municipality evacuation falls outside scope. The single-case demonstration establishes proof of concept. External validity requires application across multiple events and locations. The framework provides humanitarian actors with operational displacement information while preserving individual privacy through aggregation.
- Abstract（参考訳）: タイムリーな人口移動推定は災害時の人道的対応に重要であるが、伝統的な調査やフィールドアセスメントは遅い。
携帯電話のデータにより、ほぼリアルタイムな追跡が可能であるが、既存のアプローチでは、個々の移動パターンに関わらず、均一な変位定義を適用し、通常の通勤者を転用と誤分類する。
本研究は,(1)地域住民を通勤型と区別する移動プロファイル分類,(2)利用者タイプ別および週日別期待位置を考慮に入れたコミュニティ間変位検出,(3)人道的意思決定支援を目的とした災害調整係数の変動係数に基づく運用上の不確実性境界の3つの手法を提案する。
このフレームワークは、変位率、原点決定フロー、リターンダイナミクスという、不確実な境界を持つ人口にスケールされた3つの相補的指標を生成する。
スーパー台風ナンド(2025年、フィリピン)に続くAparriケーススタディは、Globe Telecomのベンダーが提供するデイリーロケーションにフレームワークを適用している。
文脈認識検出は, 通勤例外に起因するが, 独立に検証されないため, 平日とナイーブ法では, コミュニティ間の変位を1.6-2.7ポイント削減した。
この方法は、コミュニティ間の変位のみをキャプチャする。
市町村内避難は範囲外である。
シングルケースのデモンストレーションは概念実証を確立します。
外部の妥当性は、複数のイベントやロケーションにまたがって適用する必要がある。
このフレームワークは、人道的アクターに対して、アグリゲーションを通じて個人のプライバシを保持しながら、運用上の変位情報を提供する。
関連論文リスト
- Uncertainty-Aware Trajectory Prediction: A Unified Framework Harnessing Positional and Semantic Uncertainties [18.530958966955847]
軌道予測は、歴史的運動データの時間的地平線を考慮し、車両や歩行者のような動的実体の将来の動きを予測しようとする。
この領域における中心的な課題は、二つの主要な情報源から生じるリアルタイムマップに固有の不確実性である。
本稿では,位置的および意味的不確実性を共同でモデル化し,それらを軌道予測パイプラインに明示的に統合する,新しい統合フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-31T07:35:55Z) - Privacy-Preserving Synthetic Dataset of Individual Daily Trajectories for City-Scale Mobility Analytics [0.0]
本研究では,集約された入力から日々の軌跡を再構築するプライバシー目的の総合モビリティデータセットを提案する。
提案手法は日本の2つのコントラスト地域で検証されている。
論文 参考訳（メタデータ） (2025-12-19T04:59:41Z) - Augmenting Moment Retrieval: Zero-Dependency Two-Stage Learning [33.16156949633519]
局所最適化を克服するため、ゼロ外部依存性拡張モーメント検索フレームワークAMRを提案する。
AMRは、追加データなしで既存のアノテーションの曖昧な境界情報と意味的混乱を解決する。
AMRは従来の最先端のアプローチよりも優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-10-22T14:19:38Z) - FABLE: A Localized, Targeted Adversarial Attack on Weather Forecasting Models [15.489712213550614]
深層学習に基づく天気予報モデルは、最近、金標準物理学に基づくシミュレーションツールよりも顕著な性能向上を示した。
これらのモデルは敵の攻撃に弱いため、その信頼性に対する懸念が高まる。
本研究では3次元離散ウェーブレット分解を用いて時空間データの様々な成分を抽出するFABLEという新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-17T22:51:52Z) - Counterfactual Realizability [52.85109506684737]
本稿では, 正規化可能性の定義, 分布からサンプルを抽出する能力を導入し, 任意の反事実分布が実現可能であるかどうかを判定する完全アルゴリズムを開発する。
本稿では、因果的公正さと因果的強化学習のモチベーション例を用いて、この新たな反ファクト的データ収集フレームワークの意義を説明する。
論文 参考訳（メタデータ） (2025-03-14T20:54:27Z) - Streaming Motion Forecasting for Autonomous Driving [71.7468645504988]
ストリーミングデータにおける将来の軌跡を問うベンチマークを導入し,これを「ストリーミング予測」と呼ぶ。
我々のベンチマークは本質的に、スナップショットベースのベンチマークでは見過ごされていない安全上の問題であるエージェントの消失と再出現を捉えている。
我々は,任意のスナップショットベースの予測器をストリーミング予測器に適応させることのできる,"Predictive Streamer"と呼ばれるプラグアンドプレイメタアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-02T17:13:16Z) - Variational Counterfactual Prediction under Runtime Domain Corruption [50.89405221574912]
ドメインシフトとアクセス不能変数の同時発生 実行時ドメインの破損は、訓練済みの反事実予測器の一般化を著しく損なう。
我々は,新たな2段階の対向領域適応方式を用いて,VEGANという,対向的に統一された変分因果効果モデルを構築した。
VEGANは、ランタイムドメインの破損の有無で、個々のレベルの処理効果の推定において、他の最先端のベースラインよりも優れていることを実証する。
論文 参考訳（メタデータ） (2023-06-23T02:54:34Z) - Towards Motion Forecasting with Real-World Perception Inputs: Are
End-to-End Approaches Competitive? [93.10694819127608]
実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。
我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
論文 参考訳（メタデータ） (2023-06-15T17:03:14Z) - Spatiotemporal and Semantic Zero-inflated Urban Anomaly Prediction [8.340857178859768]
本研究では,3次元のパターンと影響要因の相互依存性と相互依存性を共同で捉えるSTSを提案する。
我々は、ゼロインフレード問題を解くために、カスタマイズされた損失関数を持つマルチタスク予測モジュールを使用する。
4つの実世界のデータセットを用いた2つのアプリケーションシナリオの実験は、STSの優位性を示している。
論文 参考訳（メタデータ） (2023-04-04T06:48:07Z) - Composed Image Retrieval with Text Feedback via Multi-grained
Uncertainty Regularization [73.04187954213471]
粗い検索ときめ細かい検索を同時にモデル化する統合学習手法を提案する。
提案手法は、強いベースラインに対して+4.03%、+3.38%、+2.40%のRecall@50精度を達成した。
論文 参考訳（メタデータ） (2022-11-14T14:25:40Z) - Forecasting Human Trajectory from Scene History [51.72069374835107]
我々は,暗黙の場面の規則性から学習することで,将来の軌跡を予測することを提案する。
本研究では,シーン履歴情報を歴史的グループ軌跡と個々人のインタラクションの2つのタイプに分類する。
本稿では,シーン履歴をシンプルかつ効果的なアプローチで活用する,SHENet(Scene History Excavating Network)を提案する。
論文 参考訳（メタデータ） (2022-10-17T03:56:02Z)
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。