論文の概要: Integrating Project Spatial Coordinates into Pavement Management Prioritization
- arxiv url: http://arxiv.org/abs/1811.03437v2
- Date: Mon, 09 Jun 2025 10:47:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-15 15:57:48.283355
- Title: Integrating Project Spatial Coordinates into Pavement Management Prioritization
- Title（参考訳）: プロジェクト空間座標を舗装管理優先化に統合する
- Authors: Shadi Hanandeh, Omar Elbagalati, Mustafa Hajij,
- Abstract要約: 本研究では,舗装セグメントの空間座標をM&R優先順位付け解析に組み込む新しい手法を提案する。
提案手法は,舗装セグメントと収束した空間座標を同じ時間軸で修復することを目的としている。
開発したアルゴリズムは,2つの実例から1,800個の舗装維持プロジェクトを用いて検証した。
- 参考スコア（独自算出の注目度）: 1.2699529713351287
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To date, pavement management software products and studies on optimizing the prioritization of pavement maintenance and rehabilitation (M&R) have been mainly focused on three parameters; the pre-treatment pavement condition, the rehabilitation cost, and the available budget. Yet, the role of the candidate projects' spatial characteristics in the decision-making process has not been deeply considered. Such a limitation, predominately, allows the recommended M&R projects' schedule to involve simultaneously running but spatially scattered construction sites, which are very challenging to monitor and manage. This study introduces a novel approach to integrate pavement segments' spatial coordinates into the M&R prioritization analysis. The introduced approach aims at combining the pavement segments with converged spatial coordinates to be repaired in the same timeframe without compromising the allocated budget levels or the overall target Pavement Condition Index (PCI). Such a combination would result in minimizing the routing of crews, materials and other equipment among the construction sites and would provide better collaborations and communications between the pavement maintenance teams. Proposed herein is a novel spatial clustering algorithm that automatically finds the projects within a certain budget and spatial constrains. The developed algorithm was successfully validated using 1,800 pavement maintenance projects from two real-life examples of the City of Milton, GA and the City of Tyler, TX.
- Abstract（参考訳）: これまで, 舗装管理ソフトウェア製品や, 舗装維持再生の優先順位付けを最適化する研究は, 主に, 処理前舗装条件, 再生コスト, 利用可能な予算の3つのパラメータに重点を置いてきた。
しかし, 意思決定過程における候補プロジェクトの空間的特性の役割は深く検討されていない。
このような制限により、推奨のM&Rプロジェクトのスケジュールは同時に実行されるが空間的に散在する建設現場を巻き込むことができ、監視と管理は非常に困難である。
本研究では,舗装セグメントの空間座標をM&R優先順位付け解析に組み込む新しい手法を提案する。
提案手法は, 舗装セグメントと収束した空間座標を組み合わせることで, 予算水準や目標舗装条件指数(PCI)を損なうことなく, 同一の時間枠で修復することを目的としている。
このような組み合わせは、建設現場の乗組員、材料、その他の機器のルーティングを最小化し、舗装維持チーム間のより良いコラボレーションとコミュニケーションを提供する結果となった。
ここで提案される新しい空間クラスタリングアルゴリズムは、特定の予算と空間的制約の中でプロジェクトを自動的に見つける。
開発したアルゴリズムは, ミルトン市とタイラー市TXの2つの実例から, 1,800の舗装維持プロジェクトを用いて, 検証に成功した。
関連論文リスト
- A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。
本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
論文 参考訳（メタデータ） (2024-08-29T06:57:45Z) - A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。
本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。
移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
論文 参考訳（メタデータ） (2024-08-11T14:57:57Z) - Artificial Intelligence Based Navigation in Quasi Structured Environment [0.0]
本稿では,Floyd- Warshall,Bellman-Ford,Johnson,Ant Colony Optimization (ACO),Particle Swarm Optimization (PSO),Grey Wolf (GWO)アルゴリズムの動作,応用,複雑性要因,メリットとデメリットについて検討する。
提案アルゴリズムは、準構造化点と呼ばれる境界内のランダムに構造化された点に適用した場合、より少ない時間でより良い結果を示す。
論文 参考訳（メタデータ） (2024-07-08T06:42:02Z) - Human-instructed Deep Hierarchical Generative Learning for Automated
Urban Planning [57.91323079939641]
我々は,最適な都市計画を生成するために,人間に指示された新しい深層階層生成モデルを構築した。
最初の段階は、機能ゾーンを発見するために、目標領域の格子に遅延関数をラベル付けすることである。
第2の段階は、都市機能投影を形成するための計画要件を理解することである。
第3の段階は、マルチアテンションを活用して、機能プロジェクションのゾーン・ゾーン・ピア依存関係をモデル化し、グリッドレベルの土地利用構成を生成することである。
論文 参考訳（メタデータ） (2022-12-01T23:06:41Z) - Transit facility allocation: Hybrid quantum-classical optimization [0.0]
交通施設の整備は、サービスの質を向上させるための費用対効果の高い方法である。
本稿では、GIS、意思決定分析、量子技術を統合する最適化フレームワークを開発する。
同一のサービスアクセシビリティを維持しながら、施設数を40%削減することで、我々のフレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2022-10-22T21:53:00Z) - Energy-Sensitive Trajectory Design and Restoration Areas Allocation for
UAV-Enabled Grassland Restoration [11.62982010871572]
本稿では, 修復計画中のUAVと草地の制約を明示的に考慮し, この新興技術の進展を推し進める。
そこで本研究では, 相互依存を利用した協調最適化アルゴリズムCHAPBILMを提案する。
論文 参考訳（メタデータ） (2022-04-10T11:52:18Z) - Adaptive Selection of Informative Path Planning Strategies via
Reinforcement Learning [6.015556590955814]
ローカルプランニング」アプローチでは,次回のサンプリング場所の優先順位が予測性能や帰路距離に与える影響を調査するために,様々な空間範囲が採用されている。
温度モニタリングロボットの使用事例実験により、プランナーの動的混合物は高度な情報プランを生成できるだけでなく、予測信頼性を犠牲にすることなく、大幅に距離を縮めることができることが示された。
論文 参考訳（メタデータ） (2021-08-14T21:32:33Z) - Learning Space Partitions for Path Planning [54.475949279050596]
PlaLaMは2次元ナビゲーションタスクにおける既存の経路計画手法よりも優れており、特に難解な局所最適化の存在下では優れている。
これらは高マルチモーダルな実世界のタスクに移行し、コンパイラフェーズでは最大245%、分子設計では最大0.4の強いベースラインを0-1スケールで上回ります。
論文 参考訳（メタデータ） (2021-06-19T18:06:11Z) - Hierarchical Reinforcement Learning Framework for Stochastic Spaceflight
Campaign Design [5.381116150823982]
本稿では,宇宙飛行計画のための階層的強化学習アーキテクチャを不確実性下で開発する。
本手法は,不確実な資源利用(ISRU)性能を有する,月面探査の一連のシナリオに適用する。
論文 参考訳（メタデータ） (2021-03-16T11:17:02Z) - Bottom-up mechanism and improved contract net protocol for the dynamic
task planning of heterogeneous Earth observation resources [61.75759893720484]
地球観測資源は、災害救助、被害評価、関連する領域においてますます不可欠になりつつある。
観測要求の変更や悪天候の発生、資源の失敗など、予測できない多くの要因は、スケジュールされた観測計画が実行不可能になる可能性がある。
不均質な地球観測資源の動的タスク計画を容易にするため、ボトムアップ分散協調フレームワークと改良された契約網を提案する。
論文 参考訳（メタデータ） (2020-07-13T03:51:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。