論文の概要: GPS-Enhanced Tourist Mobility Modeling with Seasonal Spatial Priors and LLM-Based Activity Chain Generation

• arxiv url: http://arxiv.org/abs/2605.29578v1
• Date: Thu, 28 May 2026 08:23:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.063997
• Title: GPS-Enhanced Tourist Mobility Modeling with Seasonal Spatial Priors and LLM-Based Activity Chain Generation
• Title（参考訳）: 季節的空間優先とLCMに基づく活動連鎖生成を用いたGPSによる観光モビリティモデリング
• Authors: Yifan Liu, Yanling Sang, Xishun Liao, Morgan Sun, Bo Yang, Zhiyuan Zhang, Chris Stanford, Haoxuan Ma, Jiaqi Ma,
• Abstract要約: 観光旅行は主に非ルーチン、アトラクション駆動で、旅行目的、旅行シーズン、旅行メンバーの構成に非常に敏感である。 そこで本稿では,GPSとサーベイデータから月次条件付き空間先行情報を合成した4段階シミュレーションフレームワークを提案する。 GPSデータは、月の条件付き空間先行情報として集約された形式のプライバシー保持にのみ使用される。
• 参考スコア（独自算出の注目度）: 10.32251272706723
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tourist mobility poses a distinct challenge for urban transportation planning. Unlike resident commuting, tourist travel is largely non-routine, attraction driven, and highly sensitive to trip purpose, travel season, and trip member composition. Existing approaches either measure aggregate tourist spatial patterns without generating individual schedules, or synthesize mobility without tourist specific structure such as trip duration conditioning, month varying attraction demand, and household co-travel rules. To address these challenges, we propose a four stage simulation framework combining month conditioned spatial priors derived from GPS and survey data, trip extent prediction from tourist demographics, distance feasible ward sequence assignment, and LLM-based activity chain generation under household and spatial constraints. GPS data are used only in privacy preserving aggregated form as month conditioned spatial priors, with no individual traces retained or exposed. Experiments on tourism in Tokyo demonstrate that the GPS based tourist cohort extraction recovers spatial visitation signatures consistent with survey references, and our framework produces demographically aligned synthetic schedules whose ward-level visitation shares align closely with both survey distributions and staypoint derived monthly visitation patterns. The results demonstrate the framework's effectiveness as a geographically grounded, demographically aware approach to tourist mobility modeling.
• Abstract（参考訳）: 観光のモビリティは、都市交通計画にとって大きな課題である。 通勤とは異なり、観光客の旅行は大半がルーチンではなく、アトラクション駆動であり、旅行目的、旅行シーズン、旅行メンバーの構成に非常に敏感である。 既存のアプローチでは、個々のスケジュールを作成せずに観光空間パターンを集計したり、旅行時間条件、月ごとのアトラクション需要、家庭内コトラバールールといった観光特有な構造を伴わないモビリティを合成したりしている。 これらの課題に対処するために,GPS とサーベイデータから得られた月次条件付き空間事前予測,観光人口からの旅行範囲予測,距離実現可能なワードシーケンスの割り当て,世帯・空間制約下でのLCM に基づく活動連鎖生成を併用した4段階シミュレーションフレームワークを提案する。 GPSデータは、月の条件付き空間的事前情報として蓄積された情報のプライバシー保持にのみ使用されるが、個々の痕跡は残っていない。 東京の観光実験では,GPSによる観光コーホート抽出は,調査基準と整合した空間訪問シグネチャを復元することを示した。 その結果,観光モビリティモデリングに対する地理的に基盤を置き,人口動態を意識したアプローチとして,この枠組みの有効性が示された。

関連論文リスト

• 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)
• The NetMob25 Dataset: A High-resolution Multi-layered View of Individual Mobility in Greater Paris Region [64.30214722988666]
  本稿では,提案したデータセットのサーベイ設計,収集プロトコル,処理手法,特徴について述べる。 データセットには、人口統計、社会経済、家庭の特徴を記述した個人データベース(i)、タイムスタンプ、輸送モード、旅行目的を含む8,000以上の注釈付き変位を持つトリプスデータベース(ii)、約5億の高周波ポイントからなるRaw GPSトレースデータベース(iii)の3つのコンポーネントが含まれている。
  論文  参考訳（メタデータ） (2025-06-06T09:22:21Z)
• TripCraft: A Benchmark for Spatio-Temporally Fine Grained Travel Planning [7.841787597078323]
  TripCraft は LLM によるパーソナライズされた旅行計画のための,新たなベンチマークを確立している。 パラメータ情報設定は食事スケジューリングを著しく向上させ、7日間のシナリオでは時間的食事スコアが61%から80%に向上する。
  論文  参考訳（メタデータ） (2025-02-27T20:33:28Z)
• Dynamic Graph Representation Learning for Passenger Behavior Prediction [7.179458364817048]
  乗客の行動予測は、過去の搭乗情報と照会データを通して、乗客の旅行パターンを追跡することを目的としている。 これはスマートシティ開発と公共交通計画にとって不可欠である。 既存の研究は、個々の歴史的相互作用から学ぶための統計手法とシーケンシャルモデルに依存している。
  論文  参考訳（メタデータ） (2024-08-17T04:35:17Z)
• Reconsidering utility: unveiling the limitations of synthetic mobility data generation algorithms in real-life scenarios [49.1574468325115]
  実世界の応用性の観点から,5つの最先端合成手法の有用性を評価した。 我々は、GPS追跡タクシーのような細粒度都市の動きを符号化するいわゆる旅行データに焦点を当てる。 あるモデルは妥当な時間内にデータを生成することができず、別のモデルはマップマッチングの要件を満たすためにあまりに多くのジャンプを生成する。
  論文  参考訳（メタデータ） (2024-07-03T16:08:05Z)
• 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)
• 4Seasons: Benchmarking Visual SLAM and Long-Term Localization for Autonomous Driving in Challenging Conditions [46.03430162297781]
  大規模4Seasonsデータセットに基づく課題条件下での自律運転のための新しい視覚的SLAMと長期局所化ベンチマークを提案する。 提案したベンチマークでは,季節変化や天候,照明条件の変動による劇的な外見の変化が報告されている。 本稿では,視覚計測,大域的位置認識,および地図に基づく視覚的位置決め性能を共同評価するための統合ベンチマークを提案する。
  論文  参考訳（メタデータ） (2022-12-31T13:52:36Z)
• Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
  歩行者の立ち止まりと予測の新たな課題を紹介します。 都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。 歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
  論文  参考訳（メタデータ） (2022-03-04T18:39:31Z)
• An Activity-Based Model of Transport Demand for Greater Melbourne [0.0]
  メルボルン大都市圏における活動モデルを提案する。 階層的クラスタリング、確率的、重力に基づくアプローチを組み合わせています。
  論文  参考訳（メタデータ） (2021-11-19T06:20:33Z)
• Individual Mobility Prediction via Attentive Marked Temporal Point Processes [4.221871357181261]
  本研究では,人体移動をモデル化し,旅行コスト(t,o,d)を共同で予測する点プロセスに基づく新しいモデルを提案する。 2つの大都市旅行データセットの実験結果から,ATTPPの優れた性能が示された。
  論文  参考訳（メタデータ） (2021-09-06T19:55:42Z)
• Implicit Latent Variable Model for Scene-Consistent Motion Forecasting [78.74510891099395]
  本稿では,センサデータから直接複雑な都市交通のシーン一貫性のある動き予測を学習することを目的とする。 我々は、シーンを相互作用グラフとしてモデル化し、強力なグラフニューラルネットワークを用いてシーンの分散潜在表現を学習する。
  論文  参考訳（メタデータ） (2020-07-23T14:31:25Z)

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。