Fugu-MT 論文翻訳(概要): Towards Indirect Top-Down Road Transport Emissions Estimation

論文の概要: Towards Indirect Top-Down Road Transport Emissions Estimation

arxiv url: http://arxiv.org/abs/2103.08829v1
Date: Tue, 16 Mar 2021 03:30:53 GMT
ステータス: 処理完了
システム内更新日: 2021-03-17 13:39:28.301051
Title: Towards Indirect Top-Down Road Transport Emissions Estimation
Title（参考訳）: 道路交通の間接的評価に向けて
Authors: Ryan Mukherjee, Derek Rollend, Gordon Christie, Armin Hadzic, Sally Matson, Anshu Saksena, Marisa Hughes
Abstract要約: 道路輸送は、気候変動に影響を与える温室効果ガス(GHG)排出量の最大セクターの1つです。衛星画像を用いた道路交通の間接的トップダウン推定を行う機械学習モデルを開発した。
参考スコア（独自算出の注目度）: 2.18675052740811
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Road transportation is one of the largest sectors of greenhouse gas (GHG) emissions affecting climate change. Tackling climate change as a global community will require new capabilities to measure and inventory road transport emissions. However, the large scale and distributed nature of vehicle emissions make this sector especially challenging for existing inventory methods. In this work, we develop machine learning models that use satellite imagery to perform indirect top-down estimation of road transport emissions. Our initial experiments focus on the United States, where a bottom-up inventory was available for training our models. We achieved a mean absolute error (MAE) of 39.5 kg CO$_{2}$ of annual road transport emissions, calculated on a pixel-by-pixel (100 m$^{2}$) basis in Sentinel-2 imagery. We also discuss key model assumptions and challenges that need to be addressed to develop models capable of generalizing to global geography. We believe this work is the first published approach for automated indirect top-down estimation of road transport sector emissions using visual imagery and represents a critical step towards scalable, global, near-real-time road transportation emissions inventories that are measured both independently and objectively.
Abstract（参考訳）: 道路交通は気候変動に影響を及ぼす温室効果ガス(GHG)排出量の最大セクターの1つである。気候変動を世界的なコミュニティとして取り組むためには、道路交通の排出を計測し在庫する新しい能力が必要です。しかし、自動車排出の大規模かつ分散的な性質は、既存の在庫手法において特にこの分野を困難にしている。本研究では,衛星画像を用いた道路交通エミッションの間接的トップダウン推定を行う機械学習モデルを開発する。最初の実験は、私たちのモデルをトレーニングするためのボトムアップインベントリが利用できる米国に焦点を当てました。平均絶対誤差 (MAE) を39.5kg CO$_{2}$で達成し, センチネル2画像の画素単位100m$^{2}$で算出した。また、グローバルな地理に一般化可能なモデルを開発する上で、対処すべき重要なモデル仮定と課題についても論じる。本研究は,視覚画像を用いた道路交通セクター排出の間接的トップダウン自動推定のための最初のアプローチであり,独立的にかつ客観的に測定された,スケーラブルでグローバルで,ほぼリアルタイムな道路交通エミッション在庫に対する重要なステップであると考えている。

関連論文リスト

Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
論文参考訳（メタデータ） (2024-08-27T15:03:20Z)
MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文参考訳（メタデータ） (2024-08-20T13:45:49Z)
GeoFormer: A Vision and Sequence Transformer-based Approach for Greenhouse Gas Monitoring [2.1647301294759624]
本研究では,NO2濃度を予測するために,視覚変換モジュールと高効率な時系列変換モジュールを組み合わせたコンパクトモデルを提案する。我々は、地上監視局のSentinel-5P画像を用いて構築したデータセットを用いて、提案モデルを用いて表面レベルのNO2測定を予測する。
論文参考訳（メタデータ） (2024-02-11T11:20:29Z)
Estimating On-road Transportation Carbon Emissions from Open Data of Road Network and Origin-destination Flow Data [16.21501733814205]
我々は、オンロード二酸化炭素排出量推定(HENCE)のための階層的なグラフ学習法を構築した。 2つの大規模な実世界のデータセットの実験では、HENCEの有効性と、R-squared が 0.75 を超え、平均で 9.60% のベースラインを上回っていることが示されている。
論文参考訳（メタデータ） (2024-02-07T13:51:33Z)
FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather Forecasting [56.73502043159699]
この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。 2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
論文参考訳（メタデータ） (2024-01-28T13:23:25Z)
Predicting Regional Road Transport Emissions From Satellite Imagery [0.0]
本稿では,国連持続可能な開発目標に向けた進展をモニタリングするための,新たな2部パイプラインを提案する。第1部は、高速道路部の生の衛星画像を取得し、画像内のカウント箇所のトラフィックカウント予測を生成する。第2部では、これらの予測された交通数やその他の変数を用いて、各車種別に、地方交通機関(LA)の自動車道平均日量(AADT)と温室効果ガス(GHG)の排出量を推定する。
論文参考訳（メタデータ） (2023-12-16T22:29:47Z)
Predicting the Transportation Activities of Construction Waste Hauling Trucks: An Input-Output Hidden Markov Approach [3.809116921819254]
建設廃棄物運搬トラック (CWHTs) はNOxとPMの排出を著しく増加させ、道路上の逃亡ダストを発生させる。この課題に対処するため、我々は、解釈可能なアクティビティベースモデル、入出力隠れマルコフモデル(IOHMM)に基づく予測手法を提案する。提案モデルでは,CWHTの今後の輸送活動の予測と介入の実施をタイムリーかつ効果的に行うことで,当局を支援することを約束している。
論文参考訳（メタデータ） (2023-12-06T08:40:54Z)
Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文参考訳（メタデータ） (2023-09-24T19:57:22Z)
Counting Carbon: A Survey of Factors Influencing the Emissions of Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文参考訳（メタデータ） (2023-02-16T18:35:00Z)
Rapid Assessments of Light-Duty Gasoline Vehicle Emissions Using On-Road Remote Sensing and Machine Learning [18.334974501482275]
道路上での自動車排ガスのリアルタイムかつ正確な評価は、都市大気の質と健康政策において中心的な役割を果たす。ここでは、オンロードリモートセンシング(ORRS)測定をI/Mレコードに関連付ける103831光デューティガソリン車を含む、ユニークなデータセットを構築します。ニューラルネットワーク(NN)、極勾配強化(XGBoost)、ランダムフォレスト(ランダムフォレスト)を含む3つの機械学習アルゴリズムを統合するアンサンブルモデルフレームワークを開発した。
論文参考訳（メタデータ） (2021-10-01T08:37:06Z)
Modelling the transition to a low-carbon energy supply [91.3755431537592]
気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
論文参考訳（メタデータ） (2021-09-25T12:37:05Z)

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。