論文の概要: Impact of Coastal Hazards on Residents Spatial Accessibility to Health Services

• arxiv url: http://arxiv.org/abs/2006.00271v1
• Date: Sat, 30 May 2020 13:47:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-17 22:36:38.716808
• Title: Impact of Coastal Hazards on Residents Spatial Accessibility to Health Services
• Title（参考訳）: 沿岸ハザードが住民の健康サービスへの空間的アクセシビリティに及ぼす影響
• Authors: Georgios P. Balomenos, Yujie Hu, Jamie E. Padgett, Kyle Shelton
• Abstract要約: 本研究は,ハリケーン前後の交通ネットワークの破壊が医療サービスへのアクセスにどのように影響するかを検討する枠組みを提供する。 浸水と構造的故障は、短期および長期の時間スケールでのハリケーン後のアクセシビリティの定量化に使用される。 その結果,特定のエリアのアクセシビリティスコアの変化は,時間的関心尺度と危険シナリオの強度によって異なることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The mobility of residents and their access to essential services can be highly affected by transportation network closures that occur during and after coastal hazard events. Few studies have used geographic information systems coupled with infrastructure vulnerability models to explore how spatial accessibility to goods and services shifts after a hurricane. Models that explore spatial accessibility to health services are particularly lacking. This study provides a framework to examine how the disruption of transportation networks during and after a hurricane can impact a residents ability to access health services over time. Two different bridge closure conditions, inundation and structural failure, along with roadway inundation are used to quantify post-hurricane accessibility at short- and long-term temporal scales. Inundation may close a bridge for hours or days, but a structural failure may close a route for weeks or months. Both forms of closure are incorporated using probabilistic vulnerability models coupled with GIS-based models to assess spatial accessibility in the aftermath of a coastal hazard. Harris County, an area in Southeastern Texas prone to coastal hazards, is used as a case study. The results indicate changes in the accessibility scores of specific areas depending on the temporal scale of interest and intensity of the hazard scenario. Sociodemographic indicators are also examined for the study region, revealing the populations most likely to suffer from lack of accessibility. Overall, the presented framework helps to understand how both short-term functionality loss and long-term damage affect access to critical services such as health care after a hazard. This information, in turn, can shape decisions about future mitigation and planning efforts, while the presented framework can be expanded to other hazard-prone areas.
• Abstract（参考訳）: 住民の移動性や本質的なサービスへのアクセスは、沿岸の危険イベントの前後に発生する交通網の閉鎖の影響が大きい。 地理的情報システムとインフラの脆弱性モデルを組み合わせることで、ハリケーン後の商品やサービスへの空間的アクセシビリティの変化を調査する研究はほとんどない。 医療サービスへの空間的アクセシビリティを探求するモデルは特に不足している。 本研究は,ハリケーン前後の交通ネットワークの破壊が住民の健康サービスへの時間的アクセスにどのように影響するかを検討する枠組みを提供する。 2つの異なる橋の閉鎖条件(浸水と構造障害)と道路の浸水は短期的および長期の時間的スケールでフルリカン後アクセシビリティを定量化するために用いられる。 浸水は数時間から数日橋を閉鎖するが、構造的障害は数週間から数ヶ月の間、経路を閉じることがある。 どちらの閉鎖形態も,GISモデルと組み合わせた確率的脆弱性モデルを用いて,沿岸災害後の空間的アクセシビリティを評価する。 テキサス州南東部のハリス郡は海岸の危険に晒されやすい地域であり、ケーススタディに使われている。 その結果,特定のエリアのアクセシビリティスコアの変化は,時間的関心尺度と危険シナリオの強度に依存することがわかった。 社会デモグラフィ指標が研究地域について調査され、アクセシビリティの欠如に最も苦しむ人口が明らかになった。 提示されたフレームワークは,短期的機能損失と長期的ダメージの両方が,障害後の医療などの重要なサービスへのアクセスにどのように影響するかを理解するのに役立つ。 この情報は、将来の緩和と計画の取り組みに関する決定を形作ることができる一方で、提示されたフレームワークは他の危険を伴う領域にも拡張することができる。

関連論文リスト

• Multimodal Power Outage Prediction for Rapid Disaster Response and Resource Allocation [42.97753005297686]
  最も影響を受けやすい 過小評価のコミュニティが インフラの整備を受けています 本稿では,夜間照明(LNT)の重症度,停電,大ハリケーン前後の位置を予測するための新しい視覚的時間的枠組みを提案する。 我々の研究は、将来の太陽光発電(PV)の展開など、エネルギーインフラの強化を緊急に必要とする場合、未表示領域に認識をもたらします。
  論文  参考訳（メタデータ） (2024-09-14T21:35:29Z)
• Cooperative Probabilistic Trajectory Forecasting under Occlusion [110.4960878651584]
  隠蔽対象の情報を安全なナビゲーションのためにエゴエージェントに伝達する必要がある場合が多い。 本稿では,エゴエージェントの基準フレームにおける閉塞歩行者の現況を協調的に推定するエンド・ツー・エンドネットワークを設計する。 また,エゴ剤による閉塞歩行者の不確実性を考慮した軌道予測は,閉塞を前提とした地上の真実軌道とほぼ同様であることを示した。
  論文  参考訳（メタデータ） (2023-12-06T05:36:52Z)
• Deep learning based black spot identification on Greek road networks [52.77024349608834]
  時間的現象であるブラックスポットの識別には、地理的な位置と時間に基づく道路事故の発生の分析が含まれる。 この研究は、警察や政府発行の自動車事故レポートのデータを利用して、ギリシャの道路網の交通事故をブラックスポットの認識に焦点をあてた。
  論文  参考訳（メタデータ） (2023-06-19T07:08:30Z)
• Spatial-Temporal Hypergraph Self-Supervised Learning for Crime Prediction [60.508960752148454]
  本研究では,犯罪予測におけるラベル不足問題に対処する空間的ハイパーグラフ自己監視学習フレームワークを提案する。 都市空間全体における犯罪の地域的依存性をエンコードするクロスリージョンハイパーグラフ構造学習を提案する。 また,2段階の自己指導型学習パラダイムを設計し,局所的・世界的空間的犯罪パターンを共同で捉えるだけでなく,地域的自己差別の強化による疎犯罪表現を補う。
  論文  参考訳（メタデータ） (2022-04-18T23:46:01Z)
• Disaster mapping from satellites: damage detection with crowdsourced point labels [4.511561231517167]
  災害直後の高解像度衛星画像は、応答計画に不可欠である。 このスケールでのダメージマッピングには、何百人もの熟練した個人時間が必要です。 クラウドソーシングと最近のディープラーニングの進歩は、数時間のリアルタイム実行に必要な労力を減らす。
  論文  参考訳（メタデータ） (2021-11-05T18:32:22Z)
• Learning Incident Prediction Models Over Large Geographical Areas for Emergency Response Systems [0.7340017786387767]
  本稿では,道路の地形,気象,歴史的事故,リアルタイム交通渋滞に関するデータを用いて,事故予測を支援するパイプラインについて述べる。 実験結果から,本手法は現状の手法と比較して,現場での応答時間を著しく短縮できることがわかった。
  論文  参考訳（メタデータ） (2021-06-15T17:33:36Z)
• Unveiling Spatial Patterns of Disaster Impacts and Recovery Using Credit Card Transaction Variances [1.0552465253379135]
  本研究では,2017年のハリケーン・ハーベイにおけるハリス郡(テキサス州)のクレジットカード取引データを調査し,災害影響と復旧の空間的パターンについて検討した。 以上の結果から,高い所得層を有するZIP法典の個人は,ほとんどの事業部門において,低所得層におけるZIP法典よりも深刻な災害の影響を受け,より迅速に回復したことが示唆された。
  論文  参考訳（メタデータ） (2021-01-15T16:06:33Z)
• C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods Ahead of COVID-19 Outbreak [54.39837683016444]
  C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。 C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。 新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
  論文  参考訳（メタデータ） (2020-12-22T17:02:54Z)
• Post-Hurricane Damage Assessment Using Satellite Imagery and Geolocation Features [0.2538209532048866]
  本研究では,被災地の衛星画像と位置情報を活用し,災害後の被害建物を識別する混合データ手法を提案する。 この手法は、2017年のヒューストン大都市圏におけるハリケーン・ハーベイのケーススタディに基づいて、画像のみを用いて同様の作業を行うことで大幅に改善した。 本研究では,画像特徴に付加的な情報を提供するために位置情報機能の創造的な選択を行ったが,ドメイン知識や災害の種類に応じて,イベントの物理的挙動をモデル化するための他の機能を含めることはユーザ次第である。
  論文  参考訳（メタデータ） (2020-12-15T21:30:19Z)
• Improving Community Resiliency and Emergency Response With Artificial Intelligence [0.05541644538483946]
  我々は、ステークホルダーが包括的で関連性があり、信頼できる情報にタイムリーにアクセスできるようにする、多段階の緊急対応ツールを目指しています。 本ツールは, 浸水リスク位置, 道路ネットワーク強度, 浸水マップ, 浸水地や被害インフラを推定するコンピュータビジョンセマンティックセマンティックセマンティックセグメンテーションなど, オープンソースの地理空間データの複数の層を符号化して構成する。 これらのデータレイヤを組み合わせて、緊急時の避難経路の検索や、最初に影響を受けたエリアで最初の応答者のために利用可能な宿泊場所のリストを提供するなど、機械学習アルゴリズムの入力データとして利用する。
  論文  参考訳（メタデータ） (2020-05-28T18:05:08Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)

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。