論文の概要: Towards Inclusive Mobility Modeling: Characterizing and Evaluating Elderly Trajectory Patterns in Urban Systems

• arxiv url: http://arxiv.org/abs/2606.31207v1
• Date: Tue, 30 Jun 2026 06:39:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.105271
• Title: Towards Inclusive Mobility Modeling: Characterizing and Evaluating Elderly Trajectory Patterns in Urban Systems
• Title（参考訳）: 包括的モビリティモデリングに向けて:都市システムにおける高齢者の軌道パターンの特徴と評価
• Abstract要約: 人口密度の低い集団、特に高齢者は、しばしば公共の移動データセットで疎結合に表現される。 本研究では,未表現サブグループのモビリティ・シグネチャの欠如がモビリティ・モデリングに与える影響を定量的に検討した。 その結果,高齢者の移動行動の体系的誤表現は,多数派に支配される集団で訓練されたモデルであることが示唆された。
• 参考スコア（独自算出の注目度）: 0.39538366186890417
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The rapid advance of smart cities increasingly depends on trajectory data mining, yet underrepresented demographic groups, particularly the elderly, are often sparsely represented in public mobility datasets. This underrepresentation can introduce systematic bias into mobility modeling and downstream urban planning. Using the 2016-2020 Jersey City subset of the Citi Bike System Data, this study quantitatively examines how the absence of underrepresented subgroups' mobility signatures affects mobility modeling, using synthetic trajectory generation as a case study. The analysis reveals that elderly riders exhibit a structurally distinct mobility signature, including localized activity spaces (958 m vs. 1,189 m for young riders), lower mobility entropy (1.82 vs. 4.15), and asymmetric off-peak temporal patterns. To demonstrate that relying on majority-dominated training data yields biased synthetic outcomes, we further evaluate both a first-order Markov chain and a Qwen3-4B model fine-tuned with QLoRA across three demographic training settings: the full population, young riders only, and elderly riders only. Results show that models trained on majority-dominated populations systematically misrepresent elderly mobility behavior, particularly for spatial mobility metrics. The Markov model trained on the full population overestimates elderly step length by 4.5% and dwell time by 8.9%, whereas the elderly-specific model achieves substantially lower errors across most metrics. Comparisons between the Markov and LLM-based frameworks further show that higher-capability models do not necessarily improve subgroup-level fidelity under limited demographic data. These findings underscore the importance of demographic representation in mobility modeling and its downstream applications for underrepresented populations.
• Abstract（参考訳）: スマートシティの急速な進歩は、トラジェクティブなデータマイニングにますます依存しているが、人口密度の低いグループ、特に高齢者は、公共のモビリティデータセットでわずかに表されることが多い。 この不足は、モビリティモデリングと下流都市計画に体系的なバイアスをもたらす可能性がある。 本研究は,Citi Bike System Dataの2016-2020年ジャージーシティ・サブセットを用いて,未表現サブグループのモビリティシグネチャの欠如がモビリティ・モデリングに与える影響を,合成軌道生成を事例として定量的に検討した。 分析の結果,高齢者は局所的な活動空間(若年者の場合958m対1,189m),低モビリティエントロピー(1.82対4.15),非対称なオフピーク時間パターンなど,構造的に異なる運動特性を示すことが明らかとなった。 多数が支配するトレーニングデータに頼れば、偏りのある合成結果が得られることを示すため、QLoRAで微調整された1次マルコフ連鎖とQwen3-4Bモデルの両方を、全人口、若年者のみ、高齢者のみの3つの集団訓練環境で評価する。 その結果,高齢者の移動行動,特に空間移動度指標について,多数派集団で訓練されたモデルが体系的に誤って表現されることが示唆された。 全人口で訓練されたマルコフモデルは、高齢者の歩幅を4.5%、居住時間を8.9%と過大評価する一方、高齢者特有のモデルは、ほとんどの指標でかなり低い誤差を達成している。 マルコフとLLMベースのフレームワークの比較は、高機能モデルが人口統計データの下では必ずしもサブグループレベルの忠実度を向上しないことを示している。 これらの知見は、モビリティモデリングにおける人口統計学的表現の重要性と、人口過疎化への下流の応用を浮き彫りにした。

関連論文リスト

• Behavioral calibration of mobile-phone GPS data for population-representative analyses [4.860423287087907]
  本稿では,移動データを代表的人口分布や行動分布に対して共同で校正する行動人口(BePop)フレームワークを提案する。 BePopは、モビリティーシーケンスを行動プロファイルに組み込んで、人口構成と日々の行動パターンを一致させる個人レベルの重みを推定する。 以上の結果から,人口動態のキャリブレーションに欠かせない行動代表性を確立し,人口適応型モビリティ推論の一般的な枠組みを提供する。
  論文  参考訳（メタデータ） (2026-09-01T10:40:26Z)
• Towards a General Intelligence and Interface for Wearable Health Data [45.854819784803055]
  本研究では,1兆分以上の未ラベルセンサ信号に基づいて,ウェアラブルヘルスの基盤モデルを提案する。 この集団スケールの表現は、ラベル効率のよい少数ショット学習と生成能力を有効化して、1日あたりのロバストな計量推定を行う。
  論文  参考訳（メタデータ） (2026-05-21T17:24:06Z)
• Learning Demographic-Conditioned Mobility Trajectories with Aggregate Supervision [12.328834233418915]
  ATLASは, (i) 人口統計ラベルのない個々の軌跡, (ii) 地域レベルの集合的移動特性, (iii) 国勢調査データからの地域レベルの人口構成を用いて, 人口統計条件付き軌跡生成の弱い制御手法である。 我々は,ATLASがいつ,なぜ機能するのかを理論的に分析し,地域ごとの多様性や,集合的特徴の有意性などの重要な要因を同定する。
  論文  参考訳（メタデータ） (2026-03-03T18:57:44Z)
• Prismatic Synthesis: Gradient-based Data Diversification Boosts Generalization in LLM Reasoning [77.120955854093]
  我々は,データ多様性が言語モデルにおける一般化の強力な予測因子であることを示す。 モデル誘起勾配のエントロピーを通して多様性を定量化する計量であるG-Vendiを導入する。 多様な合成データを生成するためのフレームワークであるPrismatic Synthesisを提案する。
  論文  参考訳（メタデータ） (2025-05-26T16:05:10Z)
• Modeling, Inference, and Prediction in Mobility-Based Compartmental Models for Epidemiology [5.079807662054658]
  疾患の伝達と制御の鍵となる要因として,個人の移動が紹介される。 各区画の移動度分布関数を用いて, 疾患の動態を特徴付ける。 感染集団の時系列から移動度分布を推定する。
  論文  参考訳（メタデータ） (2024-06-17T18:13:57Z)
• Deep Activity Model: A Generative Approach for Human Mobility Pattern Synthesis [11.90100976089832]
  我々は,人間の移動性モデリングと合成のための新しい生成的深層学習手法を開発した。 オープンソースのデータを使って、アクティビティパターンとロケーショントラジェクトリの両方を組み込む。 モデルはローカルデータで微調整できるため、さまざまな領域にわたるモビリティパターンを正確に表現することができる。
  論文  参考訳（メタデータ） (2024-05-24T02:04:10Z)
• Fairness Feedback Loops: Training on Synthetic Data Amplifies Bias [47.79659355705916]
  モデル誘導分散シフト(MIDS)は、以前のモデルが代々のモデルに対して汚染された新しいモデルトレーニングセットを出力するときに発生する。 我々は,複数世代にわたるMIDSの追跡を可能にするフレームワークを導入し,性能,公平性,少数化グループ表現の損失につながることを確認した。 これらの否定的な結果にもかかわらず、モデルがデータエコシステムにおけるポジティブで意図的な介入にどのように使用されるかを特定します。
  論文  参考訳（メタデータ） (2024-03-12T17:48:08Z)
• Scaling Laws Do Not Scale [54.72120385955072]
  最近の研究によると、データセットのサイズが大きくなると、そのデータセットでトレーニングされたモデルのパフォーマンスが向上する。 このスケーリング法則の関係は、モデルのアウトプットの質を異なる集団がどのように認識するかと一致しないパフォーマンスを測定するために使われる指標に依存する、と我々は主張する。 異なるコミュニティは、互いに緊張関係にある価値を持ち、モデル評価に使用されるメトリクスについて、困難で、潜在的に不可能な選択をもたらす可能性がある。
  論文  参考訳（メタデータ） (2023-07-05T15:32:21Z)
• Improved Bayes Risk Can Yield Reduced Social Welfare Under Competition [99.7047087527422]
  本研究は,機械学習のスケーリングトレンドの振る舞いを根本的に変化させることを実証する。 データ表現品質の改善により、ユーザ間での全体的な予測精度が低下する、多くの設定が見つかる。 概念レベルでは,各モデルプロジェクタのスケーリング傾向が,社会福祉の下流改善に寄与する必要はないことが示唆された。
  論文  参考訳（メタデータ） (2023-06-26T13:06:34Z)
• Non-Invasive Fairness in Learning through the Lens of Data Drift [88.37640805363317]
  データや学習アルゴリズムを変更することなく、機械学習モデルの公平性を向上する方法を示す。 異なる集団間の傾向のばらつきと、学習モデルと少数民族間の連続的な傾向は、データドリフトと類似している。 このドリフトを解決するための2つの戦略(モデル分割とリウィーディング)を探索し、基礎となるデータに対するモデル全体の適合性を改善することを目的としている。
  論文  参考訳（メタデータ） (2023-03-30T17:30:42Z)
• A fairness assessment of mobility-based COVID-19 case prediction models [0.0]
  予測モデルのトレーニングに使用されるモビリティデータのバイアスが、特定の人口集団に対して不当に精度の低い予測に繋がる可能性があるという仮説を検証した。 特に、モデルは大きく、高度に教育され、富裕な若者、都市、非黒人が支配する郡を好む傾向にある。
  論文  参考訳（メタデータ） (2022-10-08T03:43:51Z)

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。