論文の概要: Behavioral calibration of mobile-phone GPS data for population-representative analyses

• arxiv url: http://arxiv.org/abs/2609.01042v1
• Date: Tue, 01 Sep 2026 10:40:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.582698
• Title: Behavioral calibration of mobile-phone GPS data for population-representative analyses
• Title（参考訳）: 住民表現分析のための携帯電話GPSデータの行動校正
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.860423287087907
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile phone mobility data have transformed the study of human behavior, but demographic and behavioral biases can compromise their representativeness and distort population-level inference. Existing calibration approaches primarily address demographic and geographic representativeness, leaving behavioral discrepancies largely uncorrected. Here we introduce the Behavioral Population (BePop) framework, which jointly calibrates mobility data to representative demographic and behavioral distributions using census data and time-use surveys. BePop embeds mobility sequences into behavioral profiles and estimates person-level weights that align both population composition and daily activity patterns. Across three U.S. metropolitan areas, the framework consistently improves agreement between GPS-derived mobility and representative behavioral distributions, including time allocation, activity transitions, and mobility motifs. Calibration also substantially alters downstream mobility indicators, demonstrating that behavioral biases can propagate into commonly used mobility measures. Our results establish behavioral representativeness as a critical complement to demographic calibration and provide a general framework for population-representative mobility inference.
• Abstract（参考訳）: 携帯電話の移動データは人間の行動の研究に変化をもたらしたが、人口統計学や行動バイアスは、その代表性を損なう可能性があり、人口レベルの推測を歪めてしまう。 既存のキャリブレーションのアプローチは、主に人口統計学と地理的代表性に対処し、行動上の相違はほとんど修正されていない。 本稿では、人口統計データと時間利用調査を用いて、モビリティデータを代表的人口分布と行動分布に共同で校正する行動人口(BePop)フレームワークを紹介する。 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。 3つの大都市圏で、この枠組みはGPSから派生したモビリティと、時間割当、活動遷移、移動モチーフを含む代表的な行動分布との合意を一貫して改善している。 キャリブレーションは下流のモビリティ指標を著しく変化させ、行動バイアスが一般的に使用されるモビリティ指標に伝播することを示した。 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。

関連論文リスト

• Uncovering Salience-Driven Dynamics in Consumer Confidence with Generative Social Simulation [56.70690339492564]
  本稿では,消費者信頼度指数のダイナミクスを再構築する生成的人間環境対応フレームワークであるConsumerSimを紹介する。 米国、EU27、および日本の公式CCIターゲットシリーズにおいて、ConsumerSimは、持続性、時系列、回帰、および情報強化ベースラインの中で第1位である。 発見は、解釈可能な人間環境対応プロセスとして消費者信頼の行動的視点を支持する。
  論文  参考訳（メタデータ） (2026-06-29T14:46:22Z)
• Nationwide Hourly Population Estimating at the Neighborhood Scale in the United States Using Stable-Attendance Anchor Calibration [4.17605349790235]
  現在の人口データセットは、主に静的であり、日々の移動によって引き起こされる人間の存在の強い時間的ダイナミクスを捉えることができない。 最近のスマートフォンベースのモビリティデータは、前例のない浸透範囲を提供しているが、これらの機会論的観察を正確な人口推定に翻訳することは依然として困難である。 そこで本稿では,アメリカ全土のブロック群における時給集団の存在感を再構築するための,SAAC (Stable-Attendance Anchor) フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-31T13:51:53Z)
• On Predicting Sociodemographics from Mobility Signals [5.074171068589178]
  本稿では,高次モビリティ記述子を指向するモビリティグラフに基づいて,振る舞いを基底とした一組の高次モビリティ記述子を提案する。 これらの特徴は、旅行シーケンス、旅行モード、社会共同旅行における構造化パターンをキャプチャし、年齢、性別、収入、世帯構造の予測を大幅に改善する。 共有表現から複数の社会デマログラフ属性を共同で予測するマルチタスク学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-11-06T00:00:12Z)
• Beyond 9-to-5: A Generative Model for Augmenting Mobility Data of Underrepresented Shift Workers [12.610498232333871]
  シフト労働者は工業化社会における労働者の15-20%を占める。 非標準時間で働く個人に対して、我々のアプローチは完全な行動に有効な活動パターンを生成する。 不完全なGPSトレースを完全な代表的なアクティビティパターンに変換することで、当社のアプローチは、交通プランナーに強力なデータ拡張ツールを提供する。
  論文  参考訳（メタデータ） (2025-07-17T02:33:30Z)
• A causal intervention framework for synthesizing mobility data and evaluating predictive neural networks [42.18264406168735]
  本研究では,次の位置予測のために設計されたニューラルネットワークに対する移動関連因子の影響を評価するための因果介入フレームワークを提案する。 移動行動の異なる位置列を生成し、多様な空間的・時間的変化のシミュレーションを容易にする。 このフレームワークは、モビリティアプリケーションにおけるニューラルネットワークの解釈可能性と堅牢性を高めるために、因果推論の使用を促進することが期待されている。
  論文  参考訳（メタデータ） (2023-11-20T13:21:10Z)
• Dataset Bias in Human Activity Recognition [57.91018542715725]
  このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。 時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
  論文  参考訳（メタデータ） (2023-01-19T12:33:50Z)
• 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)
• Biases in human mobility data impact epidemic modeling [0.0]
  携帯電話の不正アクセスと不平等使用による2種類のバイアスを同定する。 我々は、高重量個体が過剰に表現されているすべての調査データセットにおいて、データ生成バイアスの証拠を見つける。 このスキューを緩和するために、データをデバイアスするフレームワークを提案し、代表性を高めるためにいかに簡単なテクニックが使えるかを示す。
  論文  参考訳（メタデータ） (2021-12-23T13:20:54Z)
• Leveraging Administrative Data for Bias Audits: Assessing Disparate Coverage with Mobility Data for COVID-19 Policy [61.60099467888073]
  管理データのリンクによって,バイアスに対するモビリティデータの監査が可能かを示す。 我々は、高齢者や非白人の有権者が移動データによって捕えられる可能性が低いことを示した。 このような移動データに基づく公衆衛生資源の配分は、高リスク高齢者や少数民族に不当に害を与える可能性があることを示す。
  論文  参考訳（メタデータ） (2020-11-14T02:04:14Z)

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。