CityNet: A Comprehensive Multi-Modal Urban Dataset for Advanced Research in Urban Computing

要約

データ駆動型のアプローチは、都市コンピューティングの課題に対処するための一般的なツールとして登場しています。
しかし、現在の研究努力は主に限られたデータソースに焦点を当てており、複数のエンティティとそれらの相互接続から生じる都市データの複雑さを捉えることができません。
したがって、都市コンピューティングにおけるより広範な研究を可能にするためには、包括的で多面的なデータセットが必要です。
このペーパーでは、7 つの都市のタクシーの軌跡、交通速度、興味のある地点 (POI)、道路網、風、雨、気温などのさまざまなデータを組み込んだマルチモーダル都市データセットである CityNet を紹介します。
私たちはこの包括的なデータをモビリティ データ、地理データ、気象データの 3 つのストリームに分類します。
まず、CityNet の生成プロセスと基本プロパティを詳しく説明します。
さらに、CityNet の利用を促進するために、時空間予測、転移学習、強化学習を含む広範なデータマイニングと機械学習の実験を実施しています。
私たちの実験結果は、さまざまなタスクと手法のベンチマークを提供し、時空間予測パフォーマンスを向上させるために活用できる CityNet 内の都市とタスク間の内部相関も明らかにします。
ベンチマーク結果と明らかになった相関関係に基づいて、CityNet は先進的なトピックの研究を可能にすることで都市コンピューティングの分野に大きく貢献できると考えています。

要約(オリジナル)

Data-driven approaches have emerged as a popular tool for addressing challenges in urban computing. However, current research efforts have primarily focused on limited data sources, which fail to capture the complexity of urban data arising from multiple entities and their interconnections. Therefore, a comprehensive and multifaceted dataset is required to enable more extensive studies in urban computing. In this paper, we present CityNet, a multi-modal urban dataset that incorporates various data, including taxi trajectory, traffic speed, point of interest (POI), road network, wind, rain, temperature, and more, from seven cities. We categorize this comprehensive data into three streams: mobility data, geographical data, and meteorological data. We begin by detailing the generation process and basic properties of CityNet. Additionally, we conduct extensive data mining and machine learning experiments, including spatio-temporal predictions, transfer learning, and reinforcement learning, to facilitate the use of CityNet. Our experimental results provide benchmarks for various tasks and methods, and also reveal internal correlations among cities and tasks within CityNet that can be leveraged to improve spatiotemporal forecasting performance. Based on our benchmarking results and the correlations uncovered, we believe that CityNet can significantly contribute to the field of urban computing by enabling research on advanced topics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google