論文の概要: Understanding Long-Term Dynamics of Individual Metro Usage: A Hidden Semi-Markov State Framework with Survival Analysis
- arxiv url: http://arxiv.org/abs/2606.17939v1
- Date: Tue, 16 Jun 2026 13:49:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-17 17:15:32.465138
- Title: Understanding Long-Term Dynamics of Individual Metro Usage: A Hidden Semi-Markov State Framework with Survival Analysis
- Title（参考訳）: 個別メトロ利用の長期的ダイナミクスを理解する:生存分析を用いた隠れセミマルコフ状態フレームワーク
- Authors: Bingxun Wang, Valeria Maria Urbano, Shan He, Yang Chen, Wei Liu, Zhibin Jiang, Piercesare Secchi,
- Abstract要約: 本研究は,各メトロモビリティの進化を特徴付ける状態ベースライフサイクルモデリングフレームワークを提案する。
このフレームワークは上海地下鉄の4年間のスマートカードデータに適用される。
- 参考スコア（独自算出の注目度）: 8.560075060069037
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding how individual metro usage evolves over multi-year horizons is essential for transit planning and passenger retention. However, existing approaches typically characterize mobility patterns as static clusters or short-term variability, leaving the lifecycle dynamics of transit participation underexplored. This study proposes a state-based lifecycle modeling framework that integrates Hidden Semi-Markov Models (HSMM) with discrete-time survival analysis to characterize the evolution of individual metro mobility. The HSMM infers latent mobility states with explicit duration distributions and a transition matrix governing regime changes, while the survival component models exit and re-entry events via state-dependent hazard functions conditioned on mobility-state trajectories and behavioral history. Applied to four years of smart card data from the Shanghai metro system (2021-2024), the framework enables the identification of interpretable mobility states, the characterization of transition dynamics, and the quantification of state-dependent exit and re-entry processes. The analysis reveals five robust mobility states with a directional transition hierarchy centered on an occasional-usage gateway state, and fundamentally different temporal mechanisms governing disengagement and return: exit hazard is state-dependent but duration-independent, whereas re-entry hazard decays sharply with inactivity length. These findings provide a methodological foundation for lifecycle-oriented mobility analysis and practical guidance for transit operators to identify at-risk users and time retention interventions.
- Abstract（参考訳）: 交通計画や乗客の維持のためには、複数年にわたって地下鉄の利用がいかに進化していくかを理解することが不可欠である。
しかし、既存のアプローチでは、モビリティパターンを静的クラスタや短期的な変動として特徴付け、トランジット参加のライフサイクルのダイナミクスを過小評価している。
本研究では,Hidden Semi-Markov Models (HSMM) と離散時間生存分析を統合し,各メトロモビリティの進化を特徴付ける状態ベースライフサイクルモデリングフレームワークを提案する。
HSMMは、持続時間分布と遷移行列支配体制が変化し、生存成分は、移動状態軌跡と行動履歴を条件とした状態依存型ハザード関数を介して、退避および再突入イベントをモデル化する。
上海地下鉄(2021-2024)の4年間のスマートカードデータに適用し、解釈可能な移動状態の同定、遷移力学の特性評価、状態依存の出口・再突入過程の定量化を可能にする。
この分析では、時折使用ゲートウェイ状態を中心とした方向遷移階層を持つ5つのロバストなモビリティ状態と、解離と復帰を規定する時間的メカニズムが根本的に異なることが明らかとなった。
これらの知見は、ライフサイクル指向のモビリティ分析のための方法論基盤と、リスクのあるユーザと時間保持の介入を特定するためのトランジットオペレーターの実践的ガイダンスを提供する。
関連論文リスト
- PIMSM: Physics-Informed Multi-Scale Mamba for Stable Neural Representations under Distribution Shift [16.230225739605316]
科学的時間構造維持の失敗は分布シフトの不安定性に寄与すると主張する。
周波数状態間のスペクトル推定遷移点をマッピングする状態空間アーキテクチャである物理インフォームド・マルチスケールマンバを提案する。
Human Connectome Project fMRIでは、PIMSMは重度の時間的コンテキストトランケーション下での堅牢性と表現安定性を改善している。
論文 参考訳（メタデータ） (2026-05-08T04:58:05Z) - Navigating by Old Maps: The Pitfalls of Static Mechanistic Localization in LLM Post-Training [59.49057547517285]
教師付き微調整プロセスを通してトランスフォーマー回路の構造変化を系統的に追跡する。
実験結果から,回路はパラメータ更新時に本質的に「自由進化」を示すことが明らかとなった。
この研究は、機械的ローカライゼーションにおける「予見」の必要性を浮き彫りにし、将来の研究の枠組みを提案する。
論文 参考訳（メタデータ） (2026-05-07T11:59:52Z) - Non-Stationarity in the Embedding Space of Time Series Foundation Models [13.47605888758828]
制御条件下での埋め込み空間において,分布非定常性の異なる形態が線形にアクセス可能となるかを検討する。
非定常性の埋め込み空間検出性はスムーズに低下し、異なるモデルが異なるモデル固有の障害モードを示すことが判明した。
論文 参考訳（メタデータ） (2026-04-06T05:04:53Z) - Learning Multi-Modal Mobility Dynamics for Generalized Next Location Recommendation [51.00494428978262]
位置推薦タスクの移動力学を特徴付けるために,マルチモーダルな時空間知識を利用する。
まず、マルチモーダル表現のための統合時空間関係グラフ(STRG)を構築する。
第二に、異なるモーダルの空間時間グラフ表現を融合するゲーティング機構を設計する。
論文 参考訳（メタデータ） (2025-12-27T14:23:04Z) - CroSTAta: Cross-State Transition Attention Transformer for Robotic Manipulation [3.710529259029568]
本稿では,学習状態の進化パターンに基づいて標準注意重みを変調するクロス状態遷移注意変換器を提案する。
我々のアプローチは、この構造化された注意とトレーニング中の時間的マスキングを組み合わせることで、最近の時間経過から視覚情報をランダムに取り除き、歴史的文脈からの時間的推論を促進する。
論文 参考訳（メタデータ） (2025-10-01T10:09:05Z) - Unsupervised Representation Learning of Complex Time Series for Maneuverability State Identification in Smart Mobility [0.0]
スマートモビリティでは、操縦パターンのような行動の時間的ダイナミクスを提供する上で、MSSは重要な役割を果たす。
本研究では,センサを用いた車両から収集したMSSデータのモデル化に関わる課題に対処することを目的とする。
我々の目標は、スマートモビリティにおける操作状態の特定における2つの異なる教師なし表現学習手法の有効性を検討することである。
論文 参考訳（メタデータ） (2024-08-26T15:16:18Z) - 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) - Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。
我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。
スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
論文 参考訳（メタデータ） (2022-03-25T16:59:08Z) - Flow descriptors of human mobility networks [0.0]
本研究では,モビリティネットワークの流れとトポロジを特徴付けるシステム解析を提案し,その影響を個別のトレースに評価する。
この枠組みは, 都市計画の評価, 交通の最適化, 外部イベントや状況の影響の計測, 内部動態のモニタリング, 利用者の行動パターンに応じたプロファイル化に適している。
論文 参考訳（メタデータ） (2020-03-16T15:27:00Z) - Spatial-Temporal Transformer Networks for Traffic Flow Forecasting [74.76852538940746]
本稿では,長期交通予測の精度を向上させるため,時空間変圧器ネットワーク(STTN)の新たなパラダイムを提案する。
具体的には、有向空間依存を動的にモデル化することにより、空間変換器と呼ばれる新しいグラフニューラルネットワークを提案する。
提案モデルにより,長期間にわたる空間的依存関係に対する高速かつスケーラブルなトレーニングが可能になる。
論文 参考訳（メタデータ） (2020-01-09T10:21:04Z)
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。