論文の概要: Digital Twin Based Disaster Management System Proposal: DT-DMS

• arxiv url: http://arxiv.org/abs/2103.17245v1
• Date: Wed, 31 Mar 2021 17:47:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-01 16:49:37.075062
• Title: Digital Twin Based Disaster Management System Proposal: DT-DMS
• Title（参考訳）: デジタルツイン型災害管理システムの提案:dt-dms
• Authors: \"Ozg\"ur Dogan, Oguzhan Sahin, Enis Karaarslan
• Abstract要約: 物理的な都市の仮想コピーは、IoT(Internet of Things)デバイスのセンサーからデータを収集し、クラウドインフラストラクチャに格納することで作成することができる。 DT-DMSと呼ばれる機械学習を利用した災害管理システムを用いて意思決定機構を支援する。 本研究では,仮想コピー上で災害発生の可能性をシミュレートし,緊急センタースタッフの教育・準備方法を示す。
• 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 damage and the impact of natural disasters are becoming more destructive with the increase of urbanization. Today's metropolitan cities are not sufficiently prepared for the pre and post-disaster situations. Digital Twin technology can provide a solution. A virtual copy of the physical city could be created by collecting data from sensors of the Internet of Things (IoT) devices and stored on the cloud infrastructure. This virtual copy is kept current and up to date with the continuous flow of the data coming from the sensors. We propose a disaster management system utilizing machine learning called DT-DMS is used to support decision-making mechanisms. This study aims to show how to educate and prepare emergency center staff by simulating potential disaster situations on the virtual copy. The event of a disaster will be simulated allowing emergency center staff to make decisions and depicting the potential outcomes of these decisions. A rescue operation after an earthquake is simulated. Test results are promising and the simulation scope is planned to be extended.
• Abstract（参考訳）: 都市化の進展に伴い、自然災害の被害と影響はますます破壊されつつある。 今日の大都市は、前と後の状況に十分対応できていない。 デジタルツイン技術は解決策を提供することができる。 物理的な都市の仮想コピーは、IoT(Internet of Things)デバイスのセンサーからデータを収集してクラウドインフラストラクチャに格納することで作成することができる。 この仮想コピーは、センサーから来るデータの連続的な流れとともに、現在および最新に保持される。 本稿では,DT-DMSと呼ばれる機械学習を利用した災害管理システムを提案する。 本研究の目的は, 仮想コピーによる災害状況のシミュレーションにより, 救急センター職員の教育・準備方法を示すことである。 災害の出来事をシミュレートし、緊急センターのスタッフが意思決定を行い、これらの決定の潜在的な結果を記述する。 地震後の救助活動がシミュレーションされます。 テスト結果は有望であり、シミュレーション範囲は拡張される予定である。

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)
• CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster Tweet Classification [51.58605842457186]
  半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。 私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
  論文  参考訳（メタデータ） (2023-10-23T07:01:09Z)
• Smart City Digital Twin Framework for Real-Time Multi-Data Integration and Wide Public Distribution [2.864893907775703]
  デジタルツイン(Digital Twins)は、実際のエンティティのデジタルレプリカであり、エンティティの状態を監視、制御するための基本的なツールになりつつある。 Digital Twinsは、エンティティの状態を監視、制御するための基本的なツールになりつつある。 Snap4Cityプラットフォームはオープンソースとしてリリースされ、GitHubとdocker composeを通じて利用できる。
  論文  参考訳（メタデータ） (2023-09-23T14:53:04Z)
• Sarcasm Detection in a Disaster Context [103.93691731605163]
  HurricaneSARCは,意図した皮肉に注釈を付けた15,000ツイートのデータセットである。 私たちの最高のモデルは、データセットで最大0.70F1を得ることができます。
  論文  参考訳（メタデータ） (2023-08-16T05:58:12Z)
• ADAPT: An Open-Source sUAS Payload for Real-Time Disaster Prediction and Response with AI [55.41644538483948]
  小型無人航空機システム(sUAS)は、多くの人道支援や災害対応作戦において顕著な構成要素となっている。 我々は,SUAS上にリアルタイムAIとコンピュータビジョンをデプロイするための,オープンソースのADAPTマルチミッションペイロードを開発した。 本研究では,河川氷の状態を監視し,破滅的な洪水現象をタイムリーに予測するための,リアルタイム・飛行中の氷分断の例を示す。
  論文  参考訳（メタデータ） (2022-01-25T14:51:19Z)
• Detecting Damage Building Using Real-time Crowdsourced Images and Transfer Learning [53.26496452886417]
  本稿では,Twitterなどのソーシャルメディアプラットフォームから地震後の建物画像を自動的に抽出する手法を提案する。 トランスファーラーニングと6500枚の手動ラベル付き画像を用いて,現場に損傷のある建物を画像として認識する深層学習モデルを訓練した。 訓練されたモデルは、異なる場所で新たに取得した地震の画像でテストし、トルコのM7.0地震の後、Twitterのフィードでほぼリアルタイムで実行された。
  論文  参考訳（メタデータ） (2021-10-12T06:31:54Z)
• A Machine learning approach for rapid disaster response based on multi-modal data. The case of housing & shelter needs [0.0]
  災害に遭った人々の最も直接的なニーズの1つは避難所を見つけることである。 本稿では,マルチモーダルデータの融合と解析を目的とした機械学習ワークフローを提案する。 世界中の200以上の災害に対する19の特徴のデータベースに基づいて、意思決定レベルでの融合アプローチが用いられた。
  論文  参考訳（メタデータ） (2021-07-29T18:22:34Z)
• Rescue Network: Using UAVs (drones) in Earthquake Crisis Management [0.0]
  各地震の後、人々の最初のパニックは、事故と被害の第二波を引き起こします。 本研究では,地震の発生時期と地震後の時間に着目した。
  論文  参考訳（メタデータ） (2021-05-15T08:19:41Z)
• Learning from Multimodal and Multitemporal Earth Observation Data for Building Damage Mapping [17.324397643429638]
  我々は、損傷マッピングを構築するためのグローバルなマルチセンサとマルチテンポラルデータセットを開発した。 グローバルデータセットには、高解像度の光学画像と高解像度のマルチバンドSARデータが含まれている。 我々は、深層畳み込みニューラルネットワークアルゴリズムに基づいて、損傷建物の意味的セグメンテーションのための損傷マッピングフレームワークを定義した。
  論文  参考訳（メタデータ） (2020-09-14T05:04:19Z)
• Improving Emergency Response during Hurricane Season using Computer Vision [0.06882042556551608]
  我々は,コンピュータビジョン(CV),内陸洪水予知,被害評価,データ可視化といった最新の技術を組み込んだ危機対応・管理のためのフレームワークを開発した。 我々のコンピュータビジョンモデルは、自然災害の前後で、宇宙と空中の画像を分析して、関連する特徴を検出する。 画像から水、道路、建物、植生などの特徴を識別するモデル群を設計した。
  論文  参考訳（メタデータ） (2020-08-17T15:42:02Z)
• Testing the Safety of Self-driving Vehicles by Simulating Perception and Prediction [88.0416857308144]
  センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。 我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
  論文  参考訳（メタデータ） (2020-08-13T17:20:02Z)

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。