Towards eXplainable AI for Mobility Data Science

要約

このペーパーでは、モビリティ データ サイエンス アプリケーション向けの XAI に向けた進行中の取り組みについて説明します。特に、時間グラフ ニューラル ネットワーク (GNN) と反事実を使用して、車両や船舶の GPS 追跡などの高密度の軌跡データから学習できる説明可能なモデルに焦点を当てています。
私たちは既存の GeoXAI 研究をレビューし、人間中心のアプローチによるわかりやすい説明の必要性を主張し、モビリティ データ サイエンスのための XAI に向けた研究の道筋を概説します。

要約(オリジナル)

This paper presents our ongoing work towards XAI for Mobility Data Science applications, focusing on explainable models that can learn from dense trajectory data, such as GPS tracks of vehicles and vessels using temporal graph neural networks (GNNs) and counterfactuals. We review the existing GeoXAI studies, argue the need for comprehensible explanations with human-centered approaches, and outline a research path toward XAI for Mobility Data Science.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google