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
- 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) - UrbanBIS: a Large-scale Benchmark for Fine-grained Urban Building
Instance Segmentation [50.52615875873055]
都市BISは6つの実際の都市のシーンで構成され、25億点があり、面積は10.78平方キロメートルである。
UrbanBISは、建物、車両、植生、道路、橋など、豊富な都市オブジェクトに意味レベルのアノテーションを提供する。
UrbanBISは、きめ細かいサブカテゴリを導入した最初の3Dデータセットである。
論文 参考訳(メタデータ) (2023-05-04T08:01:38Z) - 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) - Traffic4cast at NeurIPS 2021 -- Temporal and Spatial Few-Shot Transfer
Learning in Gridded Geo-Spatial Processes [61.16854022482186]
NeurIPS 2019と2020のIARAI Traffic4castコンペティションでは、ニューラルネットワークが将来の交通条件を1時間以内に予測することに成功した。
U-Netsは、この複雑な現実世界の地理空間的プロセスにおいて、関連する特徴を抽出する能力を実証し、勝利したアーキテクチャであることが証明された。
コンペティションは2年間で10都市をカバーし、1012以上のGPSプローブデータから収集したデータを提供する。
論文 参考訳(メタデータ) (2022-03-31T14:40:01Z) - Multi-Layered Diagnostics for Smart Cities [1.0828616610785522]
スマートシティは、交通パターン、エネルギー流通、空気の質などを改善するためにテクノロジーを使用している。
スマートシティの要素は、IT技術を市民の相互作用の多くの側面に統合することで、市民の利便性を高めることができる。
アメリカ、ヨーロッパ、シンガポール、韓国に実際に配備されている。
論文 参考訳(メタデータ) (2021-07-20T06:58:11Z) - Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。
我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。
フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
論文 参考訳(メタデータ) (2021-04-30T12:47:52Z) - 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。