論文の概要: CitySpec: An Intelligent Assistant System for Requirement Specification in Smart Cities

• arxiv url: http://arxiv.org/abs/2206.03132v1
• Date: Tue, 7 Jun 2022 09:15:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-09 00:22:56.176625
• Title: CitySpec: An Intelligent Assistant System for Requirement Specification in Smart Cities
• Title（参考訳）: CitySpec:スマートシティにおける要求仕様のためのインテリジェントアシスタントシステム
• Authors: Zirong Chen, Isaac Li, Haoxiang Zhang, Sarah Preum, John A. Stankovic, Meiyi Ma
• Abstract要約: 既存の都市要件の多くは英語で書かれており、不正確、曖昧な情報が欠落している。 私たちは、スマートシティにおける要求仕様のための最初のインテリジェントアシスタントシステムであるCitySpecを構築します。
• 参考スコア（独自算出の注目度）: 4.550811027560416
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An increasing number of monitoring systems have been developed in smart cities to ensure that real-time operations of a city satisfy safety and performance requirements. However, many existing city requirements are written in English with missing, inaccurate, or ambiguous information. There is a high demand for assisting city policy makers in converting human-specified requirements to machine-understandable formal specifications for monitoring systems. To tackle this limitation, we build CitySpec, the first intelligent assistant system for requirement specification in smart cities. To create CitySpec, we first collect over 1,500 real-world city requirements across different domains from over 100 cities and extract city-specific knowledge to generate a dataset of city vocabulary with 3,061 words. We also build a translation model and enhance it through requirement synthesis and develop a novel online learning framework with validation under uncertainty. The evaluation results on real-world city requirements show that CitySpec increases the sentence-level accuracy of requirement specification from 59.02% to 86.64%, and has strong adaptability to a new city and a new domain (e.g., F1 score for requirements in Seattle increases from 77.6% to 93.75% with online learning).
• Abstract（参考訳）: 都市のリアルタイム運用が安全と性能の要求を満たすことを保証するため、スマートシティで監視システムの開発が増えている。 しかし、既存の都市要件の多くは英語で書かれており、不正確、曖昧な情報が欠けている。 監視システムの機械理解可能な形式仕様に人間の特定要件を変換する市の政策立案者を支援するという高い需要がある。 この制限に対処するため、スマートシティにおける要求仕様のための初のインテリジェントアシスタントシステムであるCitySpecを構築した。 CitySpecを作るために、まず100以上の都市から、1500以上の現実世界の都市要件を収集し、都市固有の知識を抽出し、3,061単語の都市語彙のデータセットを生成しました。 また,要求合成による翻訳モデルを構築し,不確実性下で検証可能な新しいオンライン学習フレームワークを開発した。 実世界の都市要件に対する評価結果は、CitySpecが要件仕様の文レベル精度を59.02%から86.64%に引き上げ、新しい都市と新しいドメインに強い適応性を持つことを示している(例えば、シアトルにおける要件のF1スコアは、オンライン学習で77.6%から93.75%に増加した)。

関連論文リスト

• LogiCity: Advancing Neuro-Symbolic AI with Abstract Urban Simulation [60.920536939067524]
  我々は,複数の動的エージェントを持つ都市型環境を対象とした,カスタマイズ可能な一階述語論理(FOL)に基づく最初のシミュレータであるLogiCityを紹介する。 LogiCityは、IsAmbulance(X)やIsClose(X, Y)のような意味的および空間的概念を用いた多様な都市要素をモデル化する LogiCityの重要な機能は、ユーザ設定可能な抽象化のサポートであり、論理的推論のためにカスタマイズ可能なシミュレーションの複雑さを可能にする。
  論文  参考訳（メタデータ） (2024-11-01T17:59:46Z)
• CityX: Controllable Procedural Content Generation for Unbounded 3D Cities [50.10101235281943]
  現在の生成法は多様性、可制御性または忠実度に乏しい。 本研究では,高忠実度生成のための手続き的コンテンツ生成(PCG)技術を利用する。 我々は,OSM,セマンティックマップ,衛星画像などのマルチモーダル命令を実行可能なプログラムに変換するマルチエージェントフレームワークを開発した。 提案手法はCityXと呼ばれ,多種多様で制御可能でリアルな3D都市景観の創出において,その優位性を実証するものである。
  論文  参考訳（メタデータ） (2024-07-24T18:05:13Z)
• MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
  最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。 公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。 本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
  論文  参考訳（メタデータ） (2024-07-11T17:56:49Z)
• CityBench: Evaluating the Capabilities of Large Language Models for Urban Tasks [10.22654338686634]
  広範な一般知識と強力な推論能力を持つ大規模言語モデル(LLM)は、急速な開発と広範な応用が見られた。 本稿では,対話型シミュレータによる評価プラットフォームであるCityBenchを設計する。 我々は,CityBenchとして認識理解と意思決定の2つのカテゴリに8つの代表的都市タスクを設計する。
  論文  参考訳（メタデータ） (2024-06-20T02:25:07Z)
• Urban Generative Intelligence (UGI): A Foundational Platform for Agents in Embodied City Environment [32.53845672285722]
  複雑な多層ネットワークを特徴とする都市環境は、急速な都市化に直面している重要な課題に直面している。 近年、ビッグデータ、人工知能、都市コンピューティング、デジタル双生児が発展し、洗練された都市モデリングとシミュレーションの基礎を築いた。 本稿では,大規模言語モデル(LLM)を都市システムに統合した新しい基盤プラットフォームである都市生成知能(UGI)を提案する。
  論文  参考訳（メタデータ） (2023-12-19T03:12:13Z)
• MatrixCity: A Large-scale City Dataset for City-scale Neural Rendering and Beyond [69.37319723095746]
  都市規模のニューラルレンダリング研究のための大規模で包括的で高品質な合成データセットを構築します。 本研究では,地上カメラのポーズと追加データモダリティを伴って,航空・街路ビューを容易に収集するパイプラインを構築した。 その結果得られたパイロットデータセットMatrixCityには、合計28km2$の2つの都市地図から、67kの空中画像と452kのストリート画像が含まれている。
  論文  参考訳（メタデータ） (2023-09-28T16:06:02Z)
• CitySpec with Shield: A Secure Intelligent Assistant for Requirement Formalization [4.550811027560416]
  既存の都市要件の多くは英語で書かれており、不正確、曖昧な情報が欠落している。 私たちは、スマートシティにおける要求仕様のための最初のインテリジェントアシスタントシステムであるCitySpecを構築します。
  論文  参考訳（メタデータ） (2023-02-19T20:11:06Z)
• A Contextual Master-Slave Framework on Urban Region Graph for Urban Village Detection [68.84486900183853]
  都市域を階層的にモデル化する都市域グラフ(URG)を構築した。 そこで我々は,都市部をURGから効果的に検出する新しいコンテキスト・マスタ・スレーブ・フレームワークを設計した。 提案手法は,都市部における紫外線検出の一般性と特異性のバランスをとることができる。
  論文  参考訳（メタデータ） (2022-11-26T18:17:39Z)
• An Intelligent Assistant for Converting City Requirements to Formal Specification [1.5267236995686557]
  スマートシティにおける要求仕様のためのインテリジェントアシスタントシステムであるCitySpecを紹介する。 本研究の目的は,(1)CitySpecにおける要件のインタラクティブな完了,(2)CitySepcが例外に遭遇する間,CitySpecにおけるヒューマン・イン・ザ・ループの修正,(3)CitySpecにおけるオンライン学習の3つのデモを紹介することである。
  論文  参考訳（メタデータ） (2022-06-14T20:26:20Z)
• LearningCity: Knowledge Generation for Smart Cities [0.23624125155742054]
  私たちは、Santanderの既存のスマートシティ展開で検証されたソリューションであるLearningCityを紹介します。 特徴的ユースケースとともに重要な課題について議論し、大規模スマートシティデータセットと機械学習を組み合わせた予備的な結果とともに、設計と実装について報告する。
  論文  参考訳（メタデータ） (2021-04-12T08:31:10Z)
• Smart Urban Mobility: When Mobility Systems Meet Smart Data [55.456196356335745]
  都市人口は都市部で約25億人に達し、道路交通量は2050年までに12億台を超えた。 輸送部門の経済貢献は欧州のGDPの5%を占め、アメリカでは平均482.05億ドルの費用がかかる。
  論文  参考訳（メタデータ） (2020-05-09T13:53:01Z)

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。