抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
現代の情報社会では,人間の移動性の正確な予測は,都市計画と資源管理のような様々な分野においてますます重要になる。ユーザの歴史的軌跡を用いて,それらの運動の固有パターンを抽出し,今後の動向を正確に予測するために利用することができる。本論文では,アプリケーションにより収集された100,000個人の積極的にアップロード位置情報のデータセットに基づいて,予測可能性の平均理論的限界は93%の高さであることを発見した。app捕集データは,場所の物理的状況を含んでいるので,著者らは三区,街路,地域と地域に位置をクラスタ化する文脈情報に基づくクラスタリング法を実装した。不均一分布と応用収集した位置データの高いミッシング速度を解決するために,筆者らは最初に軌道の欠測データを完成させ,各ユーザが訪れる最も起こりそうな場所を予測するための高次Markov連鎖モデルを採用するGibbsサンプリングアルゴリズムを用いた。結果は筆者らの予測アルゴリズムは,それぞれ67%,78%,三コンテキストベース部の87%,文脈がない区間よりも平均10%高い精度を達成できることを示した。添加では,予測精度と予測可能性との間の相関係数は0.86に達した。最後に,空間的および時間的分解能を含む種々の因子,Markovモデルの次数,回転半径を調べ,異なる環境下で予測可能性を検討した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】