論文の概要: Quantifying geographic domain shift to decouple the geospatial transferability of human mobility flow generation models
- arxiv url: http://arxiv.org/abs/2608.21567v2
- Date: Wed, 26 Aug 2026 17:29:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:14.920049
- Title: Quantifying geographic domain shift to decouple the geospatial transferability of human mobility flow generation models
- Title（参考訳）: ヒトモビリティフロー生成モデルにおける地理領域シフトの定量化と空間移動可能性の分離
- Authors: Zhiyong Zhou, Song Gao, Qianheng Zhang, Feng Zhang, Zhenhong Du,
- Abstract要約: 地理空間移動可能性(Geospatial transferability)は、新しい位置または見えない領域におけるモデルの能力を測定する。
本研究は,地空間移動性の本質的特性を体系的に検討する。
アメリカ合衆国内の2265郡にまたがる大規模な国勢調査トラクションレベルの通勤フローのベンチマークデータセットを使用している。
- 参考スコア（独自算出の注目度）: 9.100337140743765
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human mobility serves as an essential proxy for understanding social, economic, and environmental dynamics in urban systems. Geospatial transferability, which measures a model's capability in a new location or unseen region, is a critical dimension for comparing different human mobility generation models. However, few studies have studied the intrinsic characteristics of geospatial transferability. To this end, this study systematically investigates the geospatial transferability of four representative human mobility generation models using a large-scale benchmark dataset of census tract level commuting flows across 2265 counties in the United States. Inspired by the domain adaptation theory in machine learning, we introduce geographic domain shift to describe the intrinsic differences in geographic feature distributions and spatial structures between source and target regions, which may jointly affect model transferability. Moreover, we propose two metrics, mutual information and spatial shift, to quantify the geographic domain shift. To examine their associations with model transferability, we employ linear mixed-effects regression to analyze the associations between geographic domain shifts and transferability. Our results reveal substantial spatial heterogeneity and asymmetry in transfer performance across regions. Both information shift and spatial shift exhibit statistically significant and complementary explanatory power. This indicates that geospatial transferability depends not only on model design but also on intrinsic geographic differences. These findings provide a novel methodological framework for evaluating and improving the geospatial transferability of human mobility generation models and support more robust and fair human mobility data synthesis across diverse regions. It also offers insights on spatial transferability for GeoAI model development.
- Abstract（参考訳）: 人間のモビリティは、都市システムにおける社会、経済、環境のダイナミクスを理解するための重要なプロキシとして機能する。
新しい位置や見えない領域におけるモデルの能力を測定する地理空間移動可能性(Geospatial transferability)は、異なる人間のモビリティ生成モデルを比較する上で重要な次元である。
しかし,地空間移動性の本質的特性についてはほとんど研究されていない。
そこで本研究では, アメリカ合衆国2265郡にまたがる大規模検層データを用いて, 4つの代表的な人体移動生成モデルの地理空間移動可能性について, 系統的に検討した。
機械学習における領域適応理論に着想を得て,地理的特徴分布とソース領域とターゲット領域の空間構造に固有の差異を記述し,モデル伝達可能性に共同的に影響を及ぼす可能性のある領域シフトを導入する。
さらに、地理的領域シフトを定量化するために、相互情報と空間シフトという2つの指標を提案する。
モデル転送可能性との関連性を検討するために,線形混合効果回帰を用いて地理的領域シフトと転送可能性の関係を解析する。
その結果,領域間での移動性能の空間的不均一性と非対称性が明らかとなった。
情報シフトと空間シフトは統計的に有意で相補的な説明力を示す。
このことは、地理空間移動性はモデル設計だけでなく、本質的な地理的差異にも依存していることを示している。
これらの知見は, 人体移動生成モデルの空間移動性の評価と改善のための新しい手法フレームワークを提供し, 多様な領域にわたるより堅牢で公正な人体移動データ合成を支援する。
また、GeoAIモデル開発のための空間転送可能性に関する洞察も提供する。
関連論文リスト
- GeoAgent: Learning to Geolocate Everywhere with Reinforced Geographic Characteristics [91.17301794848025]
本稿では,人間と密に推論し,詳細なアドレス結論を導出できるGeoAgentについて述べる。
従来のRLベースの手法は、パフォーマンスと解釈可能性においてブレークスルーを達成したが、AI生成のチェーン・オブ・プリート(CoT)データとトレーニング戦略に依存しているため、依然として懸念が残っている。
論文 参考訳（メタデータ） (2026-02-13T04:48:05Z) - From Points to Places: Towards Human Mobility-Driven Spatiotemporal Foundation Models via Understanding Places [0.30693357740321775]
本稿では,複数スケールにわたる人体移動と位置意味論を統合した空間基盤モデルを提案する。
我々の目標は、次世代地理空間インテリジェンスのためのスケーラブルでコンテキスト対応のモデルの開発をガイドすることです。
論文 参考訳（メタデータ） (2025-06-17T14:27:24Z) - Demographics-Informed Neural Network for Multi-Modal Spatiotemporal forecasting of Urban Growth and Travel Patterns Using Satellite Imagery [3.378738346115004]
本研究は,都市空間の変容を予測するために設計された,新しい階層情報深層学習フレームワークを提案する。
提案モデルは,衛星画像と人口統計データを統合した,時間的にゲートされた残差接続を備えたエンコーダ・デコーダアーキテクチャを用いている。
この研究は、衛星画像シーケンスと、それに対応する人口動態と旅行行動特性を組み合わせた総合的なマルチモーダルデータセットにも貢献する。
論文 参考訳（メタデータ） (2025-06-14T11:33:40Z) - Trajectory World Models for Heterogeneous Environments [67.27233466954814]
環境を横断するセンサーやアクチュエータの不均一性は、大規模な事前訓練された世界モデルを構築する上で大きな課題となる。
我々は80の環境から100万以上のトラジェクトリからなる統一データセットUniTrajを紹介した。
また,様々なセンサやアクチュエータ情報を扱える新しいアーキテクチャであるTrajWorldを提案する。
論文 参考訳（メタデータ） (2025-02-03T13:59:08Z) - RegionGCN: Spatial-Heterogeneity-Aware Graph Convolutional Networks [8.132751508556078]
本研究では,地域レベルでの空間的プロセスの不均一性を個人レベルでではなく,地域レベルでモデル化することを提案する。
本研究では,2016年アメリカ合衆国大統領選挙における郡レベルの投票率の空間的予測に,地域GCNという空間的不均一性を考慮したグラフ畳み込みネットワークを適用した。
論文 参考訳（メタデータ） (2025-01-29T12:09:01Z) - Synthetic location trajectory generation using categorical diffusion
models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。
本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文 参考訳（メタデータ） (2024-02-19T15:57:39Z) - Deep autoregressive modeling for land use land cover [0.0]
ランド・ユース/ランド・カバー・モデリング(LULC)は、地理的特徴と地形、生態学、人間発達に関連する異なる空間パターンの間の長距離依存関係のために難しい課題である。
土地利用の空間パターンのモデル化とコンピュータビジョンからのイメージインペインティングの課題との密接な関係を同定し,約1900万個のLULCをモデル化するための改良されたPixelCNNアーキテクチャについて検討する。
論文 参考訳（メタデータ） (2024-01-02T18:03:57Z) - GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。
まず,地理的適応のための大規模データセットGeoNetを紹介する。
第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。
第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
論文 参考訳（メタデータ） (2023-03-27T17:59:34Z) - Activation Regression for Continuous Domain Generalization with
Applications to Crop Classification [48.795866501365694]
衛星画像の地理的変異は、機械学習モデルが新しい領域に一般化する能力に影響を与える。
中分解能ランドサット8衛星画像の地理的一般化を連続領域適応問題としてモデル化する。
我々は,アメリカ大陸全域に空間分布するデータセットを開発した。
論文 参考訳（メタデータ） (2022-04-14T15:41:39Z) - Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。
我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。
フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
論文 参考訳（メタデータ） (2021-04-30T12:47:52Z)
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。