論文の概要: On-Demand Mobility Services for Infrastructure and Community Resilience: A Review toward Synergistic Disaster Response Systems
- arxiv url: http://arxiv.org/abs/2403.03107v2
- Date: Fri, 5 Jul 2024 20:59:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-10 02:29:06.893044
- Title: On-Demand Mobility Services for Infrastructure and Community Resilience: A Review toward Synergistic Disaster Response Systems
- Title（参考訳）: インフラストラクチャとコミュニティ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:相乗的災害対応システムへのレビュー
- Authors: Jiangbo Yu,
- Abstract要約: 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、都市システムの適応性と回復を著しく改善する可能性がある。
本論では, レジリエントなMODサービス, インフラとコミュニティのレジリエンス向上のための新しいMODサービスの利用, 経験的影響評価, テクノロジーの実現, 拡張という4つの分野において, ここ数年で顕著な増加が示唆されている。
- 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 systems, in the wake of disruptive events. But there lacks a comprehensive review on using MOD services for such purposes in addition to serving regular travel demand. This paper presents a review that suggests a noticeable increase within recent years on this topic across four main areas: resilient MOD services, novel usage of MOD services for improving infrastructure and community resilience, empirical impact evaluation, and enabling and augmenting technologies. The review shows that MOD services have been utilized to support 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. Such a versatility suggests a comprehensive assessment framework and modeling methodologies for evaluating system design alternatives that simultaneously serve different purposes. The review also reveals that integrating suitable technologies, business models, and long-term planning efforts offers significant synergistic benefits.
- 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、都市システムの適応性と回復を著しく改善する可能性がある。
しかし、定期的な旅行需要に加えて、MODサービスの利用に関する包括的なレビューが欠如している。
本論では, レジリエントなMODサービス, インフラとコミュニティのレジリエンス向上のための新しいMODサービスの利用, 経験的影響評価, テクノロジーの実現, 拡張という4つの分野において, ここ数年で顕著な増加が示唆されている。
レビューでは、MODサービスは異常検出、本質的な供給提供、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をサポートするために利用されている。
このような汎用性は、異なる目的のために同時に機能するシステム設計代替品を評価するための包括的なアセスメントフレームワークとモデリング方法論を提案する。
レビューはまた、適切な技術、ビジネスモデル、長期計画の取り組みを統合することは、大きな相乗効果をもたらすことを明らかにしている。
関連論文リスト
- 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) - EASRec: Elastic Architecture Search for Efficient Long-term Sequential
Recommender Systems [82.76483989905961]
現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。
我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。
EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
論文 参考訳（メタデータ） (2024-02-01T07:22:52Z) - Rethinking and Benchmarking Predict-then-Optimize Paradigm for
Combinatorial Optimization Problems [62.25108152764568]
多くのWebアプリケーションは、エネルギーコストを考慮したスケジューリング、Web広告の予算配分、ソーシャルネットワークでのグラフマッチングなど、最適化問題の解決に頼っている。
統一システムにおける予測と意思決定の性能について考察する。
我々は、現在のアプローチを包括的に分類し、既存の実験シナリオを統合する。
論文 参考訳（メタデータ） (2023-11-13T13:19:34Z) - TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled
Prescriptive Maintenance Framework [62.73424880653293]
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) - Multiagent Reinforcement Learning with an Attention Mechanism for
Improving Energy Efficiency in LoRa Networks [52.96907334080273]
ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。
マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。
シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
論文 参考訳（メタデータ） (2023-09-16T11:37:23Z) - Towards a Technology-Driven Adaptive Decision Support System for
Integrated Pavement and Maintenance strategies (TDADSS-IPM): focus on risk
assessment framework for climate change adaptation [0.0]
本論文は,道路資産の温暖化現象に対する脆弱性に触発され,統合的舗装・保守活動のための技術駆動型適応決定支援システムの導入に向けたビジョン的な一歩を踏み出したものである。
このようなDSSの一環として、ベイジアン・リーフ・ネットワーク(BBN)を介してボトムアップリスク評価モデルが設定され、気象条件によるデンマークの道路の実態を実現する。
論文 参考訳（メタデータ） (2023-05-28T21:33:15Z) - 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)
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。