論文の概要: On-demand Mobility Services for Urban Resilience: A Review Towards
Human-Machine Collaborative Future
- arxiv url: http://arxiv.org/abs/2403.03107v1
- Date: Tue, 5 Mar 2024 16:51:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-06 14:12:05.647316
- Title: On-demand Mobility Services for Urban Resilience: A Review Towards
Human-Machine Collaborative Future
- Title（参考訳）: 都市レジリエンスのためのオンデマンドモビリティサービス:人間と機械のコラボレーションの未来をめざして
- Authors: Jiangbo Yu
- Abstract要約: モビリティ・オン・デマンド(MOD)サービスは、都市の物流・交通インフラの適応性と回復を著しく改善する可能性がある。
MOD-Rサービスは、異常検出、本質的な供給、避難および救助、現場医療、電力グリッド安定化、ダウンタイム中のトランジットサービス置換に利用されてきた。
このレビューは、危機時に多機能なMOD-Rサービスを効果的に実装するために、人間とインテリジェントマシンの集合能力を活用することの重要性を示唆している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mobility-on-demand (MOD) services have the potential to significantly improve
the adaptiveness and recovery of urban logistics and transportation
infrastructure, in the wake of disruptive events. This paper presents a survey
on the usage of MOD services for resilience improvement (MOD-R) and finds a
noticeable increase within recent years on this topic across four main areas:
resilient MOD services, novel usage of MOD-R services for improving supply
chain resilience, empirical impact evaluation, and supporting technologies.
MOD-R services have been utilized for anomaly detection, essential supply
delivery, evacuation and rescue, on-site medical care, power grid
stabilization, transit service substitution during downtime, and infrastructure
and equipment repair. The review reveals integrating electrification,
automation, and advanced communication technologies offers significant
synergistic benefits. The review also suggests the importance of harnessing the
collective capabilities of humans and intelligent machines to effectively
implement versatile, multi-functional MOD-R services during crises.
- Abstract（参考訳）: モビリティ・オン・デマンド(MOD)サービスは、ディスラプティブイベントの結果として、都市の物流と交通インフラの適応性と回復を著しく改善する可能性がある。
本稿では, レジリエンス改善(MOD-R)におけるMODサービスの利用状況について調査し, レジリエントなMODサービス, サプライチェーンレジリエンス向上のためのMOD-Rサービスの新規利用, 経験的影響評価, サポート技術という4つの分野にまたがって, 近年顕著な増加傾向を示した。
MOD-Rサービスは異常検出、本質的な供給、避難・救助、現場医療、電力グリッド安定化、ダウンタイム中の交通サービス置換、インフラと機器の修理に利用されている。
このレビューは、電化、自動化、高度な通信技術の統合が、大きな相乗効果をもたらすことを明らかにしている。
また、危機時に多機能なMOD-Rサービスを効果的に実装するために、人間とインテリジェントマシンの集合能力を活用することの重要性も示唆している。
関連論文リスト
- MetaTrading: An Immersion-Aware Model Trading Framework for Vehicular Metaverse Services [94.61039892220037]
本稿では,車載メタバースにおける拡張現実(AR)サービスの学習モデルを支援するために,メタバースユーザ(MU)にインセンティブを与える新しい没入型モデルトレーディングフレームワークを提案する。
動的ネットワーク条件とプライバシの懸念を考慮して、マルチエージェントマルコフ決定プロセスとしてMSPの報酬決定を定式化する。
実験により,提案フレームワークは,実AR関連車両データセット上でのARサービスにおいて,オブジェクト検出と分類のための高価値モデルを効果的に提供できることが示されている。
論文 参考訳（メタデータ） (2024-10-25T16:20:46Z) - Beyond One-Time Validation: A Framework for Adaptive Validation of Prognostic and Diagnostic AI-based Medical Devices [55.319842359034546]
既存のアプローチは、これらのデバイスを実際にデプロイする際の複雑さに対処するのに不足することが多い。
提示されたフレームワークは、デプロイメント中に検証と微調整を繰り返すことの重要性を強調している。
現在の米国とEUの規制分野に位置づけられている。
論文 参考訳（メタデータ） (2024-09-07T11:13:52Z) - A methodological framework for Resilience as a Service (RaaS) in multimodal urban transportation networks [0.0]
本研究は,サービス戦略としてのレジリエンスを通じて公共交通の混乱を管理することを目的としている。
効率よく資源を割り当て、オペレーターと乗客のコストを最小限に抑える最適化モデルを開発する。
提案手法はイル・ド・フランス、パリ、郊外のケーススタディに適用された。
論文 参考訳（メタデータ） (2024-08-30T12:22:34Z) - A Learning-based Incentive Mechanism for Mobile AIGC Service in Decentralized Internet of Vehicles [49.86094523878003]
モバイルAIGCサービスアロケーションのための分散インセンティブ機構を提案する。
我々は、AIGCサービスのRSUへの供給と、IoVコンテキスト内のサービスに対するユーザ要求のバランスを見つけるために、マルチエージェントの深層強化学習を採用している。
論文 参考訳（メタデータ） (2024-03-29T12:46:07Z) - TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled Prescriptive Maintenance Framework [58.474610046294856]
産業システムは、運用効率を高め、ダウンタイムを減らすための信頼性の高い予測保守戦略を要求する。
本稿では,Transformerモデルに基づくニューラルネットワークと深部強化学習(DRL)アルゴリズムの機能を活用し,システムの保守動作を最適化する統合フレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-29T02:27:54Z) - Spatial, Social and Data Gaps in On-Demand Mobility Services: Towards a
Supply-Oriented MaaS [3.299672391663527]
10年間のオンデマンドモビリティサービスの後、シェアード・オートモービル(SAV)サービスは交通渋滞を増大させ、輸送サービスへの不平等なアクセスを期待されている。
需要を認識しながらオンデマンドではない定期的な供給のパラダイムが提案されている。
論文 参考訳（メタデータ） (2023-02-20T10:04:41Z) - Transit facility allocation: Hybrid quantum-classical optimization [0.0]
交通施設の整備は、サービスの質を向上させるための費用対効果の高い方法である。
本稿では、GIS、意思決定分析、量子技術を統合する最適化フレームワークを開発する。
同一のサービスアクセシビリティを維持しながら、施設数を40%削減することで、我々のフレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2022-10-22T21:53:00Z) - System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。
このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
論文 参考訳（メタデータ） (2022-08-30T20:16:17Z) - DRLD-SP: A Deep Reinforcement Learning-based Dynamic Service Placement
in Edge-Enabled Internet of Vehicles [4.010371060637208]
5Gとエッジコンピューティングは、車載インターネット(IoV)の出現を可能にした
エッジでの限られたリソース、車両の高モビリティ、需要の増加、サービス要求タイプの動的性は、サービスの配置を困難なタスクにしました。
トラフィックモビリティやサービスのダイナミクスを考慮していないため、典型的な静的配置ソリューションは効果的ではありません。
本稿では,最大エッジリソース使用量とサービス遅延を最小限に抑えることを目的とした,Deep Reinforcement Learningに基づく動的サービス配置フレームワークを提案する。
論文 参考訳（メタデータ） (2021-06-11T10:17:27Z) - Reinforcement Learning-based Dynamic Service Placement in Vehicular
Networks [4.010371060637208]
さまざまなタイプのサービスの要求におけるトラフィックモビリティパターンとダイナミックスの複雑さは、サービスの配置を困難なタスクにしました。
トラフィックモビリティやサービスのダイナミクスを考慮していないため、典型的な静的配置ソリューションは効果的ではありません。
本稿では,エッジサーバに最適なサービス配置を見つけるために,強化学習に基づく動的(RL-Dynamic)サービス配置フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-31T15:01:35Z) - Distributed CNN Inference on Resource-Constrained UAVs for Surveillance
Systems: Design and Optimization [43.9909417652678]
無人航空機(UAV)は、広い地域をカバーし、困難で危険な目標地域にアクセスする能力のため、ここ数年で大きな関心を集めている。
コンピュータビジョンと機械学習の進歩により、UAVは幅広いソリューションやアプリケーションに採用されている。
ディープニューラルネットワーク(DNN)は、それらがオンボードで実行されるのを防ぐ、より深く複雑なモデルに向かって進んでいる。
論文 参考訳（メタデータ） (2021-05-23T20:19:43Z)
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。