UrbanFM: 都市の細かい流れを推定する

都市の流れ監視システムは、世界中のスマートシティ構想において重要な役割を果たしています。しかし、CCTVなどの監視デバイスの広範な設置は、維持管理と運用に長期的かつ莫大なコストをもたらします。これにより、デバイスの数を削減しつつデータの精度や詳細度が低下しないような技術の開発が必要となっています。本論文では、粗い観測データに基づいて都市全体のリアルタイムで詳細な人流を推定することを目指しています。この課題は、以下の2つの理由から難易度が高いです：1) 粗い観測データと詳細な都市の流れとの間の空間相関；2) 外部要因による影響の複雑さ。これらの問題に対処するために、深層ニューラルネットワークを基盤とする「UrbanFM」という手法を開発しました。当モデルは主に2つの部分から構成されています：1) 特徴抽出モジュールと新しい分布上サンプリングモジュールを使用して、粗い入力データから詳細な流れ分布を生成する推定ネットワーク；2) 異なる外部要因の影響を取り入れることで性能向上を図る汎用的な融合サブネットワーク。TaxiBJおよびHappyValleyという2つの実際のデータセットを用いた広範な実験により、7つのベースラインと比較して当手法の有効性と効率性が検証され、当アプローチが詳細な都市人流推定問題において最先端の性能を持つことが示されました。（注：「UrbanFM」は固有名詞としてそのまま使用しています）