論文の概要: Urban Fire Station Location Planning: A Systematic Approach using
Predicted Demand and Service Quality Index
- arxiv url: http://arxiv.org/abs/2109.02160v1
- Date: Sun, 5 Sep 2021 19:59:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-08 03:38:01.760494
- Title: Urban Fire Station Location Planning: A Systematic Approach using
Predicted Demand and Service Quality Index
- Title（参考訳）: 都市消防署立地計画:需要予測とサービス品質指標を用いた体系的アプローチ
- Authors: Arnab Dey, Andrew Heger and Darin England
- Abstract要約: 需要予測のためのランダムフォレストに基づく機械学習モデルを開発した。
このモデルを用いて,都市部における消防サービスの質を評価するために,一般化指標を定義した。
我々はビクトリア消防署が我々のアプローチを使って新しい消防署の場所を選択するのを援助する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this article, we propose a systematic approach for fire station location
planning. We develop a machine learning model, based on Random Forest, for
demand prediction and utilize the model further to define a generalized index
to measure quality of fire service in urban settings. Our model is built upon
spatial data collected from multiple different sources. Efficacy of proper
facility planning depends on choice of candidates where fire stations can be
located along with existing stations, if any. Also, the travel time from these
candidates to demand locations need to be taken care of to maintain fire safety
standard. Here, we propose a travel time based clustering technique to identify
suitable candidates. Finally, we develop an optimization problem to select best
locations to install new fire stations. Our optimization problem is built upon
maximum coverage problem, based on integer programming. We present a detailed
experimental study of our proposed approach in collaboration with city of
Victoria Fire Department, MN, USA. Our demand prediction model achieves true
positive rate of 70% and false positive rate of 22% approximately. We aid
Victoria Fire Department to select a location for a new fire station using our
approach. We present detailed results on improvement statistics by locating a
new facility, as suggested by our methodology, in the city of Victoria.
- Abstract（参考訳）: 本稿では,消防署の立地計画のための体系的アプローチを提案する。
本研究では,需要予測のためのランダムフォレストに基づく機械学習モデルを構築し,さらに,都市環境における火災サービス品質測定のための一般化指標を定義する。
私たちのモデルは、複数の異なるソースから収集された空間データに基づいています。
適切な施設計画の有効性は、既存の駅と共に消防署を配置できる候補の選択に依存する。
また, 火災安全基準の維持には, 受験者から所要所までの所要時間も考慮する必要がある。
本稿では,適切な候補を特定するための旅行時間に基づくクラスタリング手法を提案する。
最後に,新しい消防署を設置する最善の場所を選択する最適化問題を開発する。
我々の最適化問題は整数計画に基づく最大カバレッジ問題に基づいている。
本研究は,アメリカ合衆国MNのビクトリア消防署と共同で実施した,提案手法の詳細な実験研究である。
需要予測モデルは70%の真正率と約22%の偽陽性率を達成している。
私たちはビクトリア消防署に、我々のアプローチで新しい消防署の場所を選ぶよう支援します。
本研究は,ビクトリア市に提案する新しい施設の選定による改善統計の詳細な結果を示す。
関連論文リスト
- Using metaheuristics for the location of bicycle stations [4.2847927405489195]
我々は、p中間問題として問題をモデル化し、最適化における既存の主要な局所化問題である。
p中間問題は、一組の顧客(市民)と最寄りの施設(自転車駅)との距離を最小化する形で、一組の施設(自転車駅)を配置することを目指している。
論文 参考訳（メタデータ） (2024-02-06T12:19:46Z) - Modelling wildland fire burn severity in California using a spatial
Super Learner approach [0.04188114563181614]
米国西部の森林火災の頻度が高まる中、燃え尽き症候群を理解・正確に予測するツールを開発する必要がある。
遠隔で検知した火災予報データを用いて,燃焼後重大度を予測する機械学習モデルを開発した。
このモデルが実装されると、カリフォルニアの人命、財産、資源、生態系が失われる可能性がある。
論文 参考訳（メタデータ） (2023-11-25T22:09:14Z) - SpatialRank: Urban Event Ranking with NDCG Optimization on
Spatiotemporal Data [55.609946936979036]
本研究ではSpatialRankという新しい空間イベントランキング手法を提案する。
本研究では,SpatialRankが犯罪や交通事故の最も危険性の高い場所を効果的に特定できることを示す。
論文 参考訳（メタデータ） (2023-09-30T06:20:21Z) - Semi-supervised Learning from Street-View Images and OpenStreetMap for
Automatic Building Height Estimation [59.6553058160943]
本稿では,Mapillary SVIとOpenStreetMapのデータから建物の高さを自動的に推定する半教師付き学習(SSL)手法を提案する。
提案手法は, 平均絶対誤差(MAE)が約2.1mである建物の高さを推定する上で, 明らかな性能向上につながる。
予備結果は,低コストなVGIデータに基づく提案手法のスケールアップに向けた今後の取り組みを期待し,動機づけるものである。
論文 参考訳（メタデータ） (2023-07-05T18:16:30Z) - Human-instructed Deep Hierarchical Generative Learning for Automated
Urban Planning [57.91323079939641]
我々は,最適な都市計画を生成するために,人間に指示された新しい深層階層生成モデルを構築した。
最初の段階は、機能ゾーンを発見するために、目標領域の格子に遅延関数をラベル付けすることである。
第2の段階は、都市機能投影を形成するための計画要件を理解することである。
第3の段階は、マルチアテンションを活用して、機能プロジェクションのゾーン・ゾーン・ピア依存関係をモデル化し、グリッドレベルの土地利用構成を生成することである。
論文 参考訳（メタデータ） (2022-12-01T23:06:41Z) - Multi-time Predictions of Wildfire Grid Map using Remote Sensing Local
Data [0.0]
本稿では,米国西部の10か所で収集されたローカルデータをローカルエージェントで共有する分散学習フレームワークを提案する。
提案モデルには,動的オンライン推定や時系列モデリングなど,予測評価における特徴的ニーズに対処する特徴がある。
論文 参考訳（メタデータ） (2022-09-15T22:34:06Z) - Physics Informed Shallow Machine Learning for Wind Speed Prediction [66.05661813632568]
イタリアの32カ所の標高10mの風速計から観測された大量の風のデータセットを分析した。
我々は、過去の風の履歴を用いて教師あり学習アルゴリズムを訓練し、その価値を将来予測する。
最適設計と性能は場所によって異なることがわかった。
論文 参考訳（メタデータ） (2022-04-01T14:55:10Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - STEM: A Stochastic Two-Sided Momentum Algorithm Achieving Near-Optimal
Sample and Communication Complexities for Federated Learning [58.6792963686231]
フェデレートラーニング(FL)とは、複数のワーカノード(WN)がローカルデータを用いてジョイントモデルを構築するパラダイムを指す。
WNの最小更新方向、最初のミニバッチサイズ、ローカル更新頻度をどうやって選択するかは明らかになっていない。
局所的な更新頻度と局所的なミニサイズとの間にはトレードオフ曲線があることを示し、上記の複雑さを維持できることを示す。
論文 参考訳（メタデータ） (2021-06-19T06:13:45Z) - Traffic-Aware Service Relocation in Cloud-Oriented Elastic Optical
Networks [0.0]
弾性光学ネットワーク(EON)における効率的なサービス再配置の問題点を,ネットワーク性能の向上のために検討した。
まず,クラウド対応トランスポートネットワークのための新しいトラフィックモデルを提案する。
意思決定に3種類のデータを使用する21の異なる移転ポリシーを紹介します。
論文 参考訳（メタデータ） (2021-05-17T08:00:55Z) - Vehicle Routing and Scheduling for Regular Mobile Healthcare Services [0.0]
本稿では、車両のルーティングとスケジューリングの分野における、特定の実践的な問題に対する解決策を提案する。
このプロジェクトは、現在ルーマニアを欧州連合(EU)で最も幼児死亡率の高い国としてランク付けしている。
論文 参考訳（メタデータ） (2020-05-06T07:06:28Z)
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。