TL;DR
- چکیده: مدلسازی دقیق تحرک انسان برای برنامهریزی شهری، اپیدمیولوژی و مدیریت ترافیک حیاتی است.
- در این کار،.
- ما Graphs Markovian Reeb را معرفی میکنیم،.
چه اتفاقی افتاد
چکیده: مدلسازی دقیق تحرک انسان برای برنامهریزی شهری، اپیدمیولوژی و مدیریت ترافیک حیاتی است. در این کار،.
ما Graphs Markovian Reeb را معرفی میکنیم،. یک چارچوب جدید که نمودارهای Reeb را از یک ابزار تحلیل توصیفی به یک مدل تولیدی برای مسیرهای.
مکانی-زمانی تبدیل میکند. رویکرد ما الگوهای زندگی در سطح فردی و جمعیتی (PoLs) را به تصویر میکشد و مسیرهای واقعبینانهای ایجاد.
میکند که رفتارهای پایه را حفظ میکند و در عین حال تنوع تصادفی را با جاسازی انتقالهای احتمالی. در ساختار گراف ریب ترکیب میکند.
ما دو نوع را ارائه میدهیم:. نمودارهای متوالی Reeb (SRGs) برای عاملهای فردی و نمودارهای Reeb ترکیبی (HRGs) که ترکیبی از افراد با PoLs.
جمعیت است،. که بر روی مجموعه دادههای ناهنجاری شهری و Geolife با استفاده از پنج آمار تحرک ارزیابی شدهاند.
نتایج نشان میدهد که HRGها به وفاداری قوی در طول معیارها دست مییابند در حالی که نیاز. دارند مجموعه دادههای مسیر متوسط بدون اطلاعات جانبی تخصصی.
این کار Graphs Markovian Reeb را بهعنوان یک چارچوب امیدوارکننده برای شبیهسازی مسیر با کاربرد گسترده در محیطهای. شهری ایجاد میکند.
صفحه، 4 شکل بینایی کامپیوتری و تشخیص الگو (cs. CV)؛ مهندسی محاسبات، امور مالی و علوم (cs.
CE)؛ یادگیری ماشین (cs. LG)؛ شبکههای اجتماعی و اطلاعاتی (cs.
SI) استناد بهعنوان: (یا v3 [cs. CV] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite تاریخچه ارسال از:. Anantajit Subrahmanya [مشاهده ایمیل] [v1] جمعه،.
3 اکتبر 2025،. 16:.
25:. 11 UTC (4,.
044 KB) [v2] جمعه،. 23 ژانویه 2026،.
04:. 59:.
54 UTC (3,. 797 KB) [v3] دوشنبه،.
6 آوریل 2026،. 16:.
33:. 54 UTC (3,.
682 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.