論文の概要: Designing Decision Support Systems for Emergency Response: Challenges and Opportunities

• arxiv url: http://arxiv.org/abs/2202.11268v2
• Date: Sun, 13 Mar 2022 22:09:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 15:07:27.756971
• Title: Designing Decision Support Systems for Emergency Response: Challenges and Opportunities
• Title（参考訳）: 緊急対応のための意思決定支援システムの設計:課題と機会
• Authors: Geoffrey Pettet and Hunter Baxter and Sayyed Mohsen Vazirizade and Hemant Purohit and Meiyi Ma and Ayan Mukhopadhyay and Abhishek Dubey
• Abstract要約: 道路事故等の事故に対応する緊急対応管理システム(ERM)は,地域社会が直面している大きな問題である。 本稿では,重要な課題を取り上げ,我々のチームがコミュニティパートナと共同で開発したアプローチの概要を紹介する。
• 参考スコア（独自算出の注目度）: 3.8532022064807827
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Designing effective emergency response management (ERM) systems to respond to incidents such as road accidents is a major problem faced by communities. In addition to responding to frequent incidents each day (about 240 million emergency medical services calls and over 5 million road accidents in the US each year), these systems also support response during natural hazards. Recently, there has been a consistent interest in building decision support and optimization tools that can help emergency responders provide more efficient and effective response. This includes a number of principled subsystems that implement early incident detection, incident likelihood forecasting and strategic resource allocation and dispatch policies. In this paper, we highlight the key challenges and provide an overview of the approach developed by our team in collaboration with our community partners.
• Abstract（参考訳）: 道路事故等の事故に対応する効果的な緊急対応管理システム(ERM)を設計することは,地域社会が直面する大きな問題である。 毎日の頻繁な事故への対応に加えて(約2億4000万の救急医療サービスコールと米国で毎年500万件の交通事故)、これらのシステムは自然災害時の対応も支援している。 近年、緊急対応者がより効率的かつ効果的に対応できるような意思決定支援と最適化ツールの構築に一貫した関心が寄せられている。 これには、初期インシデント検出、インシデント予測、戦略的リソース割り当てとディスパッチポリシを実装する、多数の原則化されたサブシステムが含まれている。 本稿では,重要な課題を取り上げ,我々のチームがコミュニティパートナと共同で開発したアプローチの概要を紹介する。

関連論文リスト

• Multi-Agent Risks from Advanced AI [90.74347101431474]
  先進的なAIのマルチエージェントシステムは、新規で未発見のリスクを生じさせる。 エージェントのインセンティブに基づく3つの重要な障害モードと7つの重要なリスク要因を同定する。 各リスクのいくつかの重要な事例と、それらを緩和するための有望な方向性を強調します。
  論文  参考訳（メタデータ） (2025-02-19T23:03:21Z)
• Challenges in Human-Agent Communication [55.53932430345333]
  これらのシステムがもたらす12の重要なコミュニケーション課題を特定し分析する。 これには、エージェントからユーザへの情報伝達の課題、ユーザからエージェントへの情報伝達の課題、すべての人間とエージェントのコミュニケーションで考慮すべき課題の概略が含まれる。 私たちの発見は、これらのシステムの透明性と制御を支援するために、新しいデザインパターン、原則、ガイドラインを緊急に呼び出すのに役立ちます。
  論文  参考訳（メタデータ） (2024-11-28T01:21:26Z)
• Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
  本稿では,高速なタスク分解とアロケーションプロセスを活用するマルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークを提案する。 提案フレームワークにフィードバックループを組み込んで,そのような問題解決プロセスの有効性と堅牢性をさらに向上させる。
  論文  参考訳（メタデータ） (2024-10-03T04:07:51Z)
• EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
  EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。 高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。 しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。 本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
  論文  参考訳（メタデータ） (2024-08-08T13:19:37Z)
• 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)
• Auto311: A Confidence-guided Automated System for Non-emergency Calls [2.025468874117372]
  我々は11,796件の緊急通話記録を分析し、311件の緊急通話を処理する最初の自動化システムであるAuto311を開発した。 実世界のデータを使って、システムの有効性とデプロイ性を評価しました。
  論文  参考訳（メタデータ） (2023-12-19T20:52:04Z)
• Artificial Intelligence for Emergency Response [0.6091702876917281]
  緊急対応管理(ERM)は、世界中のコミュニティが直面している課題である。 データ駆動モデルは、人的および財政的な損失を減らし、設計コード、交通規制、安全対策を改善するのに役立つ。 本チュートリアルでは,緊急応答における4つのサブプロブレム(インシデント予測,インシデント検出,リソース割り当て,リソースディスパッチ)について検討する。
  論文  参考訳（メタデータ） (2023-06-15T18:16:08Z)
• The Role of Robotics in Infectious Disease Crises [46.43737882437637]
  新型コロナウイルスの感染拡大を受け、医療・公共安全・経済システムの課題が浮き彫りになっている。 感染症の流行に伴うエンジニアリング上の課題を予知し、解決する上で、補完的な必要性がある。 技術的能力が向上し、将来ロボットシステムの設置基盤が増加するにつれ、将来の危機においてさらに重要な役割を果たす可能性がある。
  論文  参考訳（メタデータ） (2020-10-19T22:54:12Z)
• Designing Emergency Response Pipelines : Lessons and Challenges [1.9613821286172088]
  私たちは、この領域での経験から学んだ、私たちが特定した課題と教訓を強調します。 緊急対応管理は、予測、リソース割り当て、ディスパッチといったいくつかのステージとサブプロブレムから構成される。
  論文  参考訳（メタデータ） (2020-10-15T04:04:15Z)
• 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)
• On Algorithmic Decision Procedures in Emergency Response Systems in Smart and Connected Communities [21.22596396400625]
  緊急対応管理(ERM)は、世界中のコミュニティが直面している重要な問題である。 我々は、ERMシステムの計画の重要な期間は、事故後ではなく、事故間にあると論じる。 本稿では,ディスパッチ問題の構造を活用・活用する2つの部分分散マルチエージェント計画アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-21T07:04:38Z)

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。