A Gentle Introduction and Tutorial on Deep Generative Models in Transportation Research

要約

ディープ生成モデル (DGM) は近年急速に進歩しており、複雑なデータ分布を学習して合成データを生成できるため、さまざまな分野で不可欠なツールとなっています。
交通研究におけるそれらの重要性は、特に交通データの生成、予測、特徴抽出などのアプリケーションにおいてますます認識されています。
このペーパーでは、輸送分野でのアプリケーションに焦点を当てた、DGM の包括的な紹介とチュートリアルを提供します。
生成モデルの概要から始まり、基本モデルの詳細な説明、文献の体系的なレビュー、実装を支援する実践的なチュートリアル コードが続きます。
この論文では、現在の課題と機会についても説明し、交通研究においてこれらのモデルをどのように効果的に利用し、さらに発展させることができるかについて強調しています。
この論文は、交通研究における DGM の基礎知識から高度な応用まで研究者や実践者を導く貴重な参考資料として役立ちます。

要約(オリジナル)

Deep Generative Models (DGMs) have rapidly advanced in recent years, becoming essential tools in various fields due to their ability to learn complex data distributions and generate synthetic data. Their importance in transportation research is increasingly recognized, particularly for applications like traffic data generation, prediction, and feature extraction. This paper offers a comprehensive introduction and tutorial on DGMs, with a focus on their applications in transportation. It begins with an overview of generative models, followed by detailed explanations of fundamental models, a systematic review of the literature, and practical tutorial code to aid implementation. The paper also discusses current challenges and opportunities, highlighting how these models can be effectively utilized and further developed in transportation research. This paper serves as a valuable reference, guiding researchers and practitioners from foundational knowledge to advanced applications of DGMs in transportation research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google