論文の概要: Deep Sensing of Urban Waterlogging
- arxiv url: http://arxiv.org/abs/2103.05927v1
- Date: Wed, 10 Mar 2021 08:34:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-11 15:03:25.992187
- Title: Deep Sensing of Urban Waterlogging
- Title（参考訳）: 都市水の深層センシング
- Authors: Shi-Wei Lo
- Abstract要約: モンスーンシーズンには、都市部で突然の洪水が頻繁に発生し、社会活動や経済活動が妨げられ、インフラや生活を脅かす可能性がある。
台湾のモンスーン季節における深層センシングシステムの利用が実証され, 島全体での降水現象が予測された。
提案手法は,全国的規模で水利きイベントを検知し,従来の水利きセンシング手法に代わる効率的かつ高度にスケーラブルな代替手段を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In the monsoon season, sudden flood events occur frequently in urban areas,
which hamper the social and economic activities and may threaten the
infrastructure and lives. The use of an efficient large-scale waterlogging
sensing and information system can provide valuable real-time disaster
information to facilitate disaster management and enhance awareness of the
general public to alleviate losses during and after flood disasters. Therefore,
in this study, a visual sensing approach driven by deep neural networks and
information and communication technology was developed to provide an end-to-end
mechanism to realize waterlogging sensing and event-location mapping. The use
of a deep sensing system in the monsoon season in Taiwan was demonstrated, and
waterlogging events were predicted on the island-wide scale. The system could
sense approximately 2379 vision sources through an internet of video things
framework and transmit the event-location information in 5 min. The proposed
approach can sense waterlogging events at a national scale and provide an
efficient and highly scalable alternative to conventional waterlogging sensing
methods.
- Abstract（参考訳）: モンスーンシーズンには、都市部で突然の洪水が頻繁に発生し、社会活動や経済活動が妨げられ、インフラや生活を脅かす可能性がある。
効率的な大規模集水センシング・情報システムを利用することで,災害管理を円滑にし,一般市民の意識を高め,洪水災害時の損失を軽減できる貴重なリアルタイム災害情報を提供できる。
そこで本研究では,深層ニューラルネットワークと情報通信技術による視覚センシング手法を開発し,ウォーターログセンシングとイベントロケーションマッピングを実現するエンドツーエンドのメカニズムを提供する。
台湾のモンスーン季節における深層センシングシステムの利用が実証され, 島全体での降水現象が予測された。
このシステムは、ビデオ物事のフレームワークのインターネットを介して約2379のビジョンソースを感知し、5分でイベント位置情報を送信できます。
提案手法は,全国的規模で水利きイベントを検知し,従来の水利きセンシング手法に代わる効率的かつ高度にスケーラブルな代替手段を提供する。
関連論文リスト
- CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [49.2719253711215]
本研究では,事前学習型大規模言語モデル(LLM)の強化による災害テキスト分類への新たなアプローチを提案する。
本手法では,災害関連ツイートから包括的インストラクションデータセットを作成し,それをオープンソース LLM の微調整に用いる。
この微調整モデルでは,災害関連情報の種類,情報化,人的援助の関与など,複数の側面を同時に分類することができる。
論文 参考訳（メタデータ） (2024-06-16T23:01:10Z) - A Synergistic Approach to Wildfire Prevention and Management Using AI, ML, and 5G Technology in the United States [44.99833362998488]
本研究は、アメリカ合衆国における山火事の検出および対処のための積極的な方法を検討する。
本研究の目的は,高度技術を用いた山火事の予防的検出と防止である。
AI対応のリモートセンシングや5Gベースのアクティブモニタリングなど、さまざまな方法により、アクティブな山火事の検出と管理が強化される。
論文 参考訳（メタデータ） (2024-02-27T04:09:30Z) - Information Retrieval and Classification of Real-Time Multi-Source
Hurricane Evacuation Notices [2.500155415916692]
我々は,局所的に発行されたハリケーン避難通知をタイムリーに検出し,追跡する手法を開発した。
テキストデータは,主に空間的対象Webスクレイピング法を用いて収集された。
このフレームワークは、迅速かつ標的とした検索、分類、再配布、リアルタイムの政府命令と通知のアーカイブのための他の種類の災害に適用することができる。
論文 参考訳（メタデータ） (2024-01-07T16:35:30Z) - AI Increases Global Access to Reliable Flood Forecasts [6.498815455353096]
洪水は最も一般的な自然災害の1つであり、密度の高い流路ゲージネットワークが欠如している発展途上国では不均等な影響がある。
AIを用いて、未舗装の流域で5日間のリードタイムで極端な河川イベントを予測する信頼性を実現する。
この研究は、信頼できる洪水警報へのグローバルアクセスを改善し続けるために、水文データの可用性を高める必要性を強調している。
論文 参考訳（メタデータ） (2023-07-30T01:49:21Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳（メタデータ） (2023-02-20T16:08:54Z) - Trustable Mobile Crowd Sourcing for Acquiring Information from a Flooded
Smart Area [1.933681537640272]
洪水は、スマートシティで深刻な環境被害と破壊を引き起こす自然現象である。
被災者を助けようとする救助・救援組織は、浸水環境に関する新たな正確な情報を得る必要がある。
本稿では, 浸水地域から必要な情報を, 被害者, 施設, 生活, 医療, 移転の4つのカテゴリに分類する。
悪意のあるユーザ検出を含む情報取得のためのクラウドソーシング方式を提案し、受信した情報の正確性を確保する。
論文 参考訳（メタデータ） (2022-03-09T15:03:25Z) - Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。
物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。
この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
論文 参考訳（メタデータ） (2020-10-16T02:15:34Z) - Predictive Analytics for Water Asset Management: Machine Learning and
Survival Analysis [55.41644538483948]
本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。
スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。
その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
論文 参考訳（メタデータ） (2020-07-02T19:08:36Z) - A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。
このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
論文 参考訳（メタデータ） (2020-06-05T08:04:37Z) - 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) - A Network Percolation-based Contagion Model of Flood Propagation and
Recession in Urban Road Networks [2.5876546798940616]
都市道路網は公共サービスの提供や緊急対応に不可欠である。
本研究では,都市道路網における洪水水の時空間拡散・後退過程を数学的に記述する。
提案モデルの適用は,2017年のハリケーン・ハーベイにおけるハリス郡の道路洪水の高解像度履歴データを用いて検証された。
論文 参考訳（メタデータ） (2020-04-07T17:25:41Z)
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。