論文の概要: Congestion-aware Evacuation Routing using Augmented Reality Devices

• arxiv url: http://arxiv.org/abs/2004.12246v1
• Date: Sat, 25 Apr 2020 22:54:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 22:10:13.362481
• Title: Congestion-aware Evacuation Routing using Augmented Reality Devices
• Title（参考訳）: 拡張現実デバイスを用いた渋滞対応避難経路
• Authors: Zeyu Zhang, Hangxin Liu, Ziyuan Jiao, Yixin Zhu, Song-Chun Zhu
• Abstract要約: 複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。 建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
• 参考スコア（独自算出の注目度）: 96.68280427555808
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a congestion-aware routing solution for indoor evacuation, which produces real-time individual-customized evacuation routes among multiple destinations while keeping tracks of all evacuees' locations. A population density map, obtained on-the-fly by aggregating locations of evacuees from user-end Augmented Reality (AR) devices, is used to model the congestion distribution inside a building. To efficiently search the evacuation route among all destinations, a variant of A* algorithm is devised to obtain the optimal solution in a single pass. In a series of simulated studies, we show that the proposed algorithm is more computationally optimized compared to classic path planning algorithms; it generates a more time-efficient evacuation route for each individual that minimizes the overall congestion. A complete system using AR devices is implemented for a pilot study in real-world environments, demonstrating the efficacy of the proposed approach.
• Abstract（参考訳）: 本報告では,屋内避難のための渋滞対応ルーティングソリューションについて述べる。複数の目的地間でリアルタイムに個別の避難経路を作成できると同時に,避難者の場所の軌跡を把握できる。 建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約することで、オンザフライで得られた人口密度マップを用いる。 全目的地間の避難経路を効率的に探索するため、A*アルゴリズムの変種を考案し、1回のパスで最適解を得る。 一連のシミュレーション研究において,提案アルゴリズムは従来の経路計画アルゴリズムよりも計算的に最適化されており,全体の混雑を最小限に抑えた個人に対して,より時間効率のよい避難経路を生成する。 実環境におけるパイロット実験のために,ARデバイスを用いた完全システムを構築し,提案手法の有効性を実証した。

関連論文リスト

• Shrinking POMCP: A Framework for Real-Time UAV Search and Rescue [10.399964979693996]
  本稿では,UAVによる周辺地域の捜索救助活動の最適化に包括的アプローチを提案する。 経路計画問題は部分的に観測可能なマルコフ決定過程(POMDP)として定式化される 本稿では,時間制約に対処する新しいShrinking POMCP'アプローチを提案する。
  論文  参考訳（メタデータ） (2024-11-20T01:41:29Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• Research on an Autonomous UAV Search and Rescue System Based on the Improved [1.3399503792039942]
  本稿では,EGO-Plannerアルゴリズムに基づく自律検索・救助UAVシステムを提案する。 逆モータバックステッピングの手法を用いて、UAVの全体的な飛行効率を高め、マシン全体の小型化を図る。 同時に、双方向A*アルゴリズムとオブジェクト検出アルゴリズムによって最適化されたEGO-Planner計画ツールも導入した。
  論文  参考訳（メタデータ） (2024-06-01T17:25:29Z)
• Evolutionary Algorithms for Optimizing Emergency Exit Placement in Indoor Environments [0.0]
  セルラーオートマトンモデルを用いて歩行者の挙動をシミュレートする。 避難がどの程度成功したか、満足できるかを決定するための計量が提案されている。 2つのメタヒューリスティックアルゴリズム、すなわち反復グリーディと進化的アルゴリズム(EA)がこの問題を解決するために提案されている。
  論文  参考訳（メタデータ） (2024-05-28T16:50:42Z)
• Random Aggregate Beamforming for Over-the-Air Federated Learning in Large-Scale Networks [66.18765335695414]
  本稿では,アグリゲーションエラーを最小限に抑え,選択したデバイス数を最大化する目的で,共同装置の選択とアグリゲーションビームフォーミング設計について検討する。 コスト効率のよい方法でこの問題に取り組むために,ランダムな集合ビームフォーミング方式を提案する。 また, 得られた集計誤差と, デバイス数が大きい場合に選択したデバイス数についても解析を行った。
  論文  参考訳（メタデータ） (2024-02-20T23:59:45Z)
• Connection-Based Scheduling for Real-Time Intersection Control [6.796017024594715]
  本稿では,交通渋滞を軽減するために,リアルタイム適応型信号制御のためのスケジューリングアルゴリズムを提案する。 このアルゴリズムは、異なる車線を通る交差点に近づく全車両の到着時刻を推定する車線モデルを採用し、次に、全車両が接近する際の累積遅延を最小化するスケジュールを計算する。
  論文  参考訳（メタデータ） (2022-10-16T04:37:03Z)
• Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
  航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。 本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。 本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2021-11-17T21:48:31Z)
• Deep Learning Aided Packet Routing in Aeronautical Ad-Hoc Networks Relying on Real Flight Data: From Single-Objective to Near-Pareto Multi-Objective Optimization [79.96177511319713]
  航空アドホックネットワーク(AANET)のルーティングを支援するために、ディープラーニング(DL)を起動する。 フォワードノードによって観測された局所的な地理的情報を最適な次のホップを決定するために必要な情報にマッピングするために、ディープニューラルネットワーク(DNN)が考案される。 DL支援ルーティングアルゴリズムを多目的シナリオに拡張し,遅延を最小化し,経路容量を最大化し,経路寿命を最大化する。
  論文  参考訳（メタデータ） (2021-10-28T14:18:22Z)
• Reinforcement Learning Based Vehicle-cell Association Algorithm for Highly Mobile Millimeter Wave Communication [53.47785498477648]
  本稿では,ミリ波通信網における車とセルの関連性について検討する。 まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。 提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
  論文  参考訳（メタデータ） (2020-01-22T08:51:05Z)
• Three Dimensional Route Planning for Multiple Unmanned Aerial Vehicles using Salp Swarm Algorithm [0.0]
  ルートプランニングは、あるスタート地点から目的地のゴール地点までの一連の翻訳と回転のステップである。 提案手法は,それぞれ平均コストと全体の時間を1.25%と6.035%改善する。
  論文  参考訳（メタデータ） (2019-11-24T12:36:18Z)

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。