論文の概要: Enhancing Global Maritime Traffic Network Forecasting with Gravity-Inspired Deep Learning Models

• arxiv url: http://arxiv.org/abs/2401.13098v3
• Date: Wed, 10 Jul 2024 22:33:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-12 23:17:39.813151
• Title: Enhancing Global Maritime Traffic Network Forecasting with Gravity-Inspired Deep Learning Models
• Title（参考訳）: 重力にインスパイアされたディープラーニングモデルによるグローバルな海上交通網予測の強化
• Authors: Ruixin Song, Gabriel Spadon, Ronald Pelot, Stan Matwin, Amilcar Soares,
• Abstract要約: 水生非先住民種(NIS)は生物多様性に重大な脅威を与え、生態系を破壊し、農業、林業、漁業に重大な経済被害を与える。 本研究では,世界の港湾地域間の海上輸送を予測するための物理インフォームドモデルを開発した。
• 参考スコア（独自算出の注目度）: 5.109551157014016
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aquatic non-indigenous species (NIS) pose significant threats to biodiversity, disrupting ecosystems and inflicting substantial economic damages across agriculture, forestry, and fisheries. Due to the fast growth of global trade and transportation networks, NIS has been introduced and spread unintentionally in new environments. This study develops a new physics-informed model to forecast maritime shipping traffic between port regions worldwide. The predicted information provided by these models, in turn, is used as input for risk assessment of NIS spread through transportation networks to evaluate the capability of our solution. Inspired by the gravity model for international trades, our model considers various factors that influence the likelihood and impact of vessel activities, such as shipping flux density, distance between ports, trade flow, and centrality measures of transportation hubs. Accordingly, this paper introduces transformers to gravity models to rebuild the short- and long-term dependencies that make the risk analysis feasible. Thus, we introduce a physics-inspired framework that achieves an 89% binary accuracy for existing and non-existing trajectories and an 84.8% accuracy for the number of vessels flowing between key port areas, representing more than 10% improvement over the traditional deep-gravity model. Along these lines, this research contributes to a better understanding of NIS risk assessment. It allows policymakers, conservationists, and stakeholders to prioritize management actions by identifying high-risk invasion pathways. Besides, our model is versatile and can include new data sources, making it suitable for assessing international vessel traffic flow in a changing global landscape.
• Abstract（参考訳）: 水生非先住民種(NIS)は生物多様性に重大な脅威を与え、生態系を破壊し、農業、林業、漁業に重大な経済被害を与える。 グローバルな貿易・交通ネットワークの急速な成長により、NISは新たな環境において意図せず導入・普及してきた。 本研究では,世界の港湾地域間の海上輸送を予測するための物理インフォームドモデルを開発した。 これらのモデルにより得られた予測情報は, 輸送ネットワークに分散したNISのリスク評価の入力として利用され, ソリューションの能力を評価する。 国際貿易の重力モデルにインスパイアされた本モデルは,船舶のフラックス密度,港間距離,貿易フロー,交通ハブの集中度など,船舶活動の可能性と影響に影響を与える諸要因を考察した。 そこで本稿では,リスク解析を実現するための短期的・長期的依存関係を再構築するために,重力モデルへのトランスフォーマーを導入する。 そこで本研究では,既設・既設軌道に対して89%のバイナリ精度を達成し,キーポート領域間を流れる船舶の数に対して84.8%の精度を達成し,従来の深層重力モデルよりも10%以上改善した物理に着想を得たフレームワークを提案する。 これらの線に沿って、この研究はNISリスクアセスメントのより深い理解に寄与する。 政策立案者、保護主義者、利害関係者は、リスクの高い侵入経路を特定して管理行動の優先順位を付けることができる。 また,本モデルは多種多様であり,新たなデータソースを組み込むことが可能であり,世界環境の変化にともなう国際船舶交通フローの評価に適している。

関連論文リスト

• Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
  地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。 我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。 本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
  論文  参考訳（メタデータ） (2024-09-11T19:31:56Z)
• Deep Vision-Based Framework for Coastal Flood Prediction Under Climate Change Impacts and Shoreline Adaptations [0.3413711585591077]
  低データ環境下での高忠実度ディープビジョンに基づく沿岸洪水予測モデルを訓練するための体系的枠組みを提案する。 また,沿岸の洪水予測問題に特化して,CNNの深部構造を導入している。 開発したDLモデルの性能は、一般に採用されている測地回帰法に対して検証される。
  論文  参考訳（メタデータ） (2024-06-06T19:54:34Z)
• OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
  既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。 1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
  論文  参考訳（メタデータ） (2024-05-12T09:32:40Z)
• RACER: Rational Artificial Intelligence Car-following-model Enhanced by Reality [51.244807332133696]
  本稿では,アダプティブ・クルーズ・コントロール(ACC)運転行動を予測する,最先端の深層学習車追従モデルであるRACERを紹介する。 従来のモデルとは異なり、RACERは実走行の重要な要素であるRDC(Rational Driving Constraints)を効果的に統合している。 RACERはアクセラレーション、ベロシティ、スペーシングといった主要なメトリクスを網羅し、ゼロ違反を登録する。
  論文  参考訳（メタデータ） (2023-12-12T06:21:30Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• Reinforcement Learning with Human Feedback for Realistic Traffic Simulation [53.85002640149283]
  効果的なシミュレーションの鍵となる要素は、人間の知識と整合した現実的な交通モデルの導入である。 本研究では,現実主義に対する人間の嗜好のニュアンスを捉えることと,多様な交通シミュレーションモデルを統合することの2つの主な課題を明らかにする。
  論文  参考訳（メタデータ） (2023-09-01T19:29:53Z)
• Incorporating Nonlocal Traffic Flow Model in Physics-informed Neural Networks [0.15346678870160887]
  非局所LWRモデルを組み込んだ新しいPIDLフレームワークを提案する。 固定長カーネルと可変長カーネルの両方を導入し、必要な数学を開発する。 その結果, 局所LWRモデルを用いたPIDL法の改良が示された。
  論文  参考訳（メタデータ） (2023-08-22T22:41:33Z)
• A Graph-Based Modeling Framework for Tracing Hydrological Pollutant Transport in Surface Waters [0.0]
  本稿では,水系,河川,流域を横断する汚染物質輸送と運命を理解するためのグラフモデリングフレームワークを提案する。 グラフ表現は、接続性をキャプチャし、上流の汚染物質源を特定するための直感的なアプローチを提供する。 我々のツールは、ステークホルダーが効果的な汚染防止・軽減のプラクティスを設計するのを助けようとしている。
  論文  参考訳（メタデータ） (2023-02-10T00:30:38Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Deep Gravity: enhancing mobility flows generation with deep neural networks and geographic information [1.479639149658596]
  既存のフロー生成ソリューションは主にメカニスティックなアプローチに基づいている。 フロー生成に有効な解として,多機能深層重力モデルを提案する。 本実験は, イングランドの通勤流を対象とした実験で, MFDGモデルが性能を著しく向上させることを示すものである。
  論文  参考訳（メタデータ） (2020-12-01T13:49:46Z)
• Network Impacts of Automated Mobility-on-Demand: A Macroscopic Fundamental Diagram Perspective [0.0]
  Automated Mobility on Demand (AMOD)は、将来の都市モビリティを改善するための有望なソリューションである。 本稿では,AMODの高忠実度活動とエージェントベース交通シミュレーションによるネットワークへの影響について検討する。
  論文  参考訳（メタデータ） (2020-11-10T13:39:35Z)

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。