論文の概要: Fire and Smoke Digital Twin -- A computational framework for modeling
fire incident outcomes
- arxiv url: http://arxiv.org/abs/2305.18313v1
- Date: Fri, 19 May 2023 00:43:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-04 11:41:29.105044
- Title: Fire and Smoke Digital Twin -- A computational framework for modeling
fire incident outcomes
- Title（参考訳）: Fire and Smoke Digital Twin -- 火災発生結果をモデル化するための計算フレームワーク
- Authors: Junfeng Jiao, Ryan Hardesty Lewis, Kijin Seong, Arya Farahi, Paul
Navratil, Nate Casebeer, Dev Niyogi
- Abstract要約: 火と燃焼が粒子状物質(PM2.5)の主な原因であり、世界中の町や都市で大気の質を測る重要な指標である。
この研究は、米国の20以上の都市から報告された火災をライブで追跡するプラットフォームを開発し、その煙道やその範囲内の地域の大気質への影響を予測する。
- 参考スコア（独自算出の注目度）: 0.6080415535280996
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Fires and burning are the chief causes of particulate matter (PM2.5), a key
measurement of air quality in communities and cities worldwide. This work
develops a live fire tracking platform to show active reported fires from over
twenty cities in the U.S., as well as predict their smoke paths and impacts on
the air quality of regions within their range. Specifically, our close to
real-time tracking and predictions culminates in a digital twin to protect
public health and inform the public of fire and air quality risk. This tool
tracks fire incidents in real-time, utilizes the 3D building footprints of
Austin to simulate smoke outputs, and predicts fire incident smoke falloffs
within the complex city environment. Results from this study include a complete
fire and smoke digital twin model for Austin. We work in cooperation with the
City of Austin Fire Department to ensure the accuracy of our forecast and also
show that air quality sensor density within our cities cannot validate urban
fire presence. We additionally release code and methodology to replicate these
results for any city in the world. This work paves the path for similar digital
twin models to be developed and deployed to better protect the health and
safety of citizens.
- Abstract（参考訳）: 火と燃焼が粒子状物質(PM2.5)の主な原因であり、世界中の町や都市で大気の質を測る重要な指標である。
この研究は、米国の20以上の都市から活発に報告された火災や、その範囲内の地域の空気質に対する煙道や影響を予測するための、火災追跡プラットフォームを開発している。
特に、リアルタイムの追跡と予測に近づいたことで、デジタル双生児は公衆の健康を守り、火災や空気質のリスクを国民に知らせることができます。
このツールは、オースチンの3Dビルの足跡を利用して、煙の出力をシミュレートし、複雑な都市環境内での火災の煙の流出を予測する。
この研究の結果は、オースチンのフルファイア・アンド・スモーク・デジタルツインモデルを含む。
我々は、オースティン市消防局と協力して、予測の正確性を確保するとともに、都市内の空気質センサ密度が都市火災の存在を検証できないことを示した。
さらに、世界中のどの都市でもこれらの結果を再現するためのコードと方法論をリリースします。
この研究は、市民の健康と安全をよりよく保護するために、同様のデジタルツインモデルを開発し、展開する道を開く。
関連論文リスト
- Optimal Wildfire Escape Route Planning for Drones under Dynamic Fire and
Smoke [3.9561033879611944]
無人航空機(UAV)の利用は、山火事管理の取り組みを支援する上で有望であることが示されている。
本研究は、ドローン専用に設計された最適な山火事避難経路計画システムの開発に焦点を当てる。
論文 参考訳（メタデータ） (2023-12-06T14:30:15Z) - Reinforcement Learning for Wildfire Mitigation in Simulated Disaster
Environments [39.014859667729375]
森林火災は生命、財産、生態学、文化遺産、重要なインフラに脅威をもたらす。
SimFireは、現実的な山火事シナリオを生成するために設計された、多用途の野火投射シミュレータである。
SimHarnessはモジュール型のエージェントベースの機械学習ラッパーで、自動的に土地管理戦略を生成することができる。
論文 参考訳（メタデータ） (2023-11-27T15:37:05Z) - Multimodal Wildland Fire Smoke Detection [5.15911752972989]
研究によると、気候変動によって温暖な温度と乾燥状態が生まれ、長い山火事の季節と米国の山火事のリスクが増大する。
スモーキーネット(SmokeyNet)は,森林火災の煙を検出するための時間的情報を用いた深層学習モデルである。
SmokeyNetは、ほんの数分の時間で自動早期通知システムとして機能し、破壊的な山火事との戦いに有用なツールを提供する。
論文 参考訳（メタデータ） (2022-12-29T01:16:06Z) - Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。
そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
論文 参考訳（メタデータ） (2022-12-09T11:32:36Z) - Image-based Early Detection System for Wildfires [2.8494271563126676]
森林火災は土地の被害、財産の喪失、大気汚染、さらには人命の喪失を引き起こす破壊的な現象である。
本稿では,機械学習を用いて山火事の煙を高精度に検出するWildfire Detection and Alertシステムを提案する。
私たちの技術は現在、米国内で毎日何百ものカメラから送られてくるデータを監視するために使われています。
論文 参考訳（メタデータ） (2022-11-03T07:38:30Z) - Assimilation of Satellite Active Fires Data [0.0]
この論文の目的は、山火事のモデリング能力を改善することで、山火事の影響に対処する技術を開発することである。
特に,火災の履歴を構築する方法,山火事データを同化するための新しい技術,およびモデル化された火災の挙動を変更する方法を開発する。
論文 参考訳（メタデータ） (2022-04-01T20:11:28Z) - Climate Change & Computer Audition: A Call to Action and Overview on
Audio Intelligence to Help Save the Planet [98.97255654573662]
この研究は、オーディオインテリジェンスが気候に関わる課題を克服するために貢献できる領域の概要を提供する。
我々は、地球、水、空気、火、エーテルの5つの要素に従って、潜在的なコンピュータオーディションの応用を分類する。
論文 参考訳（メタデータ） (2022-03-10T13:32:31Z) - Preliminary Wildfire Detection Using State-of-the-art PTZ (Pan, Tilt,
Zoom) Camera Technology and Convolutional Neural Networks [0.0]
野生の火は、人間や自然によって引き起こされる可能性のある環境において、制御されていない火災である。
2020年だけで、カリフォルニア州の山火事は4200万エーカーの土地を燃やし、10,500の建物や建物を破壊し、31人以上が死んだ。
研究の目的は、森林火災が広がるのを防ぐため、初期の段階で森林火災を検出することである。
論文 参考訳（メタデータ） (2021-09-10T19:30:37Z) - From Static to Dynamic Prediction: Wildfire Risk Assessment Based on
Multiple Environmental Factors [69.9674326582747]
ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。
カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
論文 参考訳（メタデータ） (2021-03-14T17:56:17Z) - STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection [52.648906951532155]
本稿では,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)を提案する。
提案するSTCNetは, テクスチャの特徴を抽出する空間的特徴と, 煙の動き情報を捕捉する時間的経路を含む。
STCNetは、RISE産業煙検知データセットにおいて、最も優れた競合相手に対して6.2%の精度で明確な改善を実現していることを示す。
論文 参考訳（メタデータ） (2020-11-10T02:28:47Z) - MSNet: A Multilevel Instance Segmentation Network for Natural Disaster
Damage Assessment in Aerial Videos [74.22132693931145]
本研究では, ハリケーン, 洪水, 火災などの自然災害後の建物被害を効率的に評価する課題について検討する。
最初のコントリビューションは、ソーシャルメディアからユーザ生成された空中ビデオと、インスタンスレベルのビルディング損傷マスクのアノテーションで構成される、新しいデータセットである。
第二のコントリビューションはMSNetと呼ばれる新しいモデルで、新しい領域の提案ネットワーク設計を含んでいる。
論文 参考訳（メタデータ） (2020-06-30T02:23:05Z)
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。