類似性ベースの自転車ステーション拡張：ハイブリッド・デノイジング・オートエンコーダによるアプローチ
arXiv cs.LG / 2026/4/20
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本研究は、明示的な需要モデルに依存せず、運用指標に基づいて「望ましい」と見なされる既存ステーションから学習することで、自転車シェアリングの都市内ステーション拡張を支援するデータ駆動型フレームワークを提案する。
- ハイブリッド・デノイジング・オートエンコーダ（HDAE）により、社会・人口統計、都市環境、交通ネットワークといった複数ソースのグリッド特徴から潜在埋め込みを獲得し、分類ヘッドで埋め込み空間の構造を正則化する。
- 拡張候補は、潜在空間での既存ステーションとの類似度を手がかりにして選び、空間制約を伴う貪欲な割当手法で決定する。
- Trondheimの自転車シェアリングネットワークでの評価では、HDAEの埋め込みが、生特徴に基づく場合よりも空間的に一貫したクラスタや割当パターンを生むことが示され、類似度手法や距離指標に関する感度分析によって頑健性も確認される。
- 推奨の信頼性を高めるために、複数のパラメータ化にまたがるコンセンサス手順で共通して合意できる32の高信頼な拡張ゾーンを抽出し、この方法が他のロケーション・アロケーション問題にも一般化できると述べている。
