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。
モバイル機器から収集された位置データは,個人および社会的レベルでの移動性挙動を表す。これらのデータは輸送計画から流行モデリングまでの重要な応用を持つ。しかし,これらの使用事例を最大限に果たすためには,この問題を克服すべきであり,そのデータは,しばしば,人口の限られたサンプルと,プライバシーを危うくするデータの使用を代表している。これらの問題に取り組むために,実際の位置データで訓練された深いリカレントニューラルネットワーク(RNN)を用いて,合成移動度データを生成するシステムを提示し,評価した。システムは,入力として母集団分布をとり,対応する合成母集団の移動性トレースを生成する。関連する生成アプローチは,より長い期間にわたって個人の移動性行動におけるパターンと変動性の両方を捕捉する課題を解決せず,一方,プライバシーとの現実的なデータの生成のバランスをとる。このシステムは,訓練データからパターンを保持しながら,複雑で新しいシーケンスを生成するRNNの能力を利用する。また,このモデルは,個々のレベルで合成データと実データ間の変動を較正するために使用されるランダム性を導入する。これは,人間の移動性の変動性を捉え,ユーザプライバシーを保護することである。22,700以上のモバイルデバイスからの位置ベースサービス(LBS)データを,ユーティリティとプライバシー計量を横断して実験評価に用いた。生成された移動度データは実際のデータの特徴を保持し,一方,個々のレベルで実際のデータから変化し,この量の変動が実際のデータ内の変動と一致することを示した。【JST・京大機械翻訳】