論文の概要: Transit Rider Heat Stress in Atlanta, GA under Current and Future Climate Scenarios
- arxiv url: http://arxiv.org/abs/2408.03457v1
- Date: Tue, 6 Aug 2024 21:37:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-08 14:16:39.537620
- Title: Transit Rider Heat Stress in Atlanta, GA under Current and Future Climate Scenarios
- Title（参考訳）: アトランタのトランジットライダー熱応力の現況と今後の気候シナリオ
- Authors: Huiying Fan, Geyu Lyu, Hongyu Lu, Angshuman Guin, Randall Guensler,
- Abstract要約: この研究は、異なる人口集団にわたるトランスポート利用者に極端な温度が与える影響のレベルを理解することを目的としている。
現在の気象条件下では、車を所有しないアトランタのトランジットライダーやアフリカ系アメリカ人のトランジットライダーは、極端な暑さに不当に影響を受けている。
発見は、都市交通ネットワークにおいて、熱緩和と適応戦略を実装する緊急の必要性を浮き彫りにする。
- 参考スコア（独自算出の注目度）: 2.524998184697547
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Transit is a crucial mode of transportation, especially in urban areas and for urban and rural disadvantaged communities. Because extreme temperatures often pose threats to the elderly, members of the disability community, and other vulnerable populations, this study seeks to understand the level of influence that extreme temperatures may have on transit users across different demographic groups. In this case study for Atlanta, GA, heat stress is predicted for 2019 transit riders (using transit rider activity survey data) and for three future climate scenarios, SSP245, SSP370, and SSP585, into the year 2100. The HeatPath Analyzer and TransitSim 4.0 models were applied to predict cumulative heat exposure and trip-level risk for 35,999 trip equivalents for an average Atlanta area weekday in the summer of 2019. The analyses show that under 2019 weather conditions, 8.33% of summer trips were estimated to be conducted under extreme heat. With the projected future climate conditions, the percentage of trips under extreme heat risk grows steadily. By 2100, 37.1%, 56.1%, and 76.4% are projected to be under extreme heat risk for scenarios SSP245, SSP370, and SSP585, respectively. Under current weather conditions, Atlanta transit riders that own no vehicles and transit riders that are African American are disproportionately influenced by extreme heat. The disparity between these two groups and other groups of transit riders becomes wider as climate change continues to exacerbate. The findings of the study highlight an urgent need to implement heat mitigation and adaptation strategies in urban transit networks.
- Abstract（参考訳）: 交通は重要な交通手段であり、特に都市部や都市部や田園部の不利な地域社会にとって重要である。
極端な気温が高齢者、障害者コミュニティ、その他の脆弱な人口に脅威をもたらすことがしばしばあるため、この研究は、極端温度が異なる人口集団にわたるトランスポートユーザーに与える影響のレベルを理解することを目的としている。
アトランタのケーススタディでは、2019年のトランジットライダー(トランジットライダー活動調査データ)と将来の3つの気候シナリオ(SSP245、SSP370、SSP585)について2100年までの熱ストレスが予測される。
ヒートパス・アナライザーとトランジットシム4.0モデルは、2019年夏にアトランタの平日平均3万999回の旅行で、累積的な熱暴露と旅行レベルのリスクを予測するために適用された。
この分析によると、2019年の気象条件下では、夏季旅行の8.33%が極端な暑さで行われていると推定されている。
将来の気候条件が予想されると、極端な熱リスクの下での旅行の割合は着実に増加する。
2100年までには、SSP245、SSP370、SSP585の2100、37.1%、56.1%、76.4%が極度の熱リスクにさらされると予想されている。
現在の気象条件下では、車を所有しないアトランタのトランジットライダーやアフリカ系アメリカ人のトランジットライダーは、極端な暑さに不当に影響を受けている。
これら2つのグループと他のトランジットライダーの格差は、気候変動がさらに悪化し続けるにつれて拡大する。
本研究は,都市交通網における熱緩和・適応戦略の緊急導入の必要性を明らかにするものである。
関連論文リスト
- Tackling extreme urban heat: a machine learning approach to assess the impacts of climate change and the efficacy of climate adaptation strategies in urban microclimates [0.0]
都市熱に集中した高温は、熱による死と病気のリスクを増大させる可能性がある。
本稿では,都市温度推定の精度を向上させるオープンソース,計算効率のよい機械学習手法を提案する。
冷却需要は、世紀半ばまでに大幅に増加する可能性が高いが、高アルベド表面の技術により、この増加を50%以上減少させる可能性がある。
論文 参考訳（メタデータ） (2024-11-08T20:29:11Z) - A Framework for Assessing Cumulative Exposure to Extreme Temperatures During Transit Trip [2.524998184697547]
本研究は, 過酷な温度下での乗務員の露出を評価するための枠組みを提案する。
HeatPath AnalyzerはTransitSim 4.0を使用して、秒単位のトリップトラジェクトリを生成する。
この枠組みは、極端な暑さと冬の寒さの影響を評価する。
論文 参考訳（メタデータ） (2024-08-07T20:47:39Z) - Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。
我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。
将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
論文 参考訳（メタデータ） (2024-04-08T09:13:16Z) - Climate Trends of Tropical Cyclone Intensity and Energy Extremes
Revealed by Deep Learning [4.772176643340364]
深層学習を用いて過去の「観測」を再構築する
主要サイクロンの割合は過去40年間で13%増加した。
非常に高エネルギーのTCの割合は25%増加した。
論文 参考訳（メタデータ） (2024-02-01T06:02:29Z) - DenseLight: Efficient Control for Large-scale Traffic Signals with Dense
Feedback [109.84667902348498]
交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。
従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。
DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
論文 参考訳（メタデータ） (2023-06-13T05:58:57Z) - Forecasting Electric Vehicle Charging Station Occupancy: Smarter
Mobility Data Challenge [0.0]
Smarter Mobility Data Challengeは、EV充電ステーションの占有率を予測する予測モデルの開発に注力している。
この課題は、2020年から2021年の間に4つの地理的領域にわたる91の充電ステーションのデータセットを分析した。
その結果、EV充電ステーションの占有率を正確に予測するための階層的予測手法の可能性が浮き彫りになった。
論文 参考訳（メタデータ） (2023-06-09T07:22:18Z) - 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) - Identifying the atmospheric drivers of drought and heat using a smoothed
deep learning approach [0.0]
干ばつや熱に伴う6種類の抗シクロニック循環に対するスムーズな畳み込みニューラルネットワークを提案する。
私たちの研究は、気候シミュレーションにおいて熱い極端と乾燥した極端の重要な要因を特定するのに役立ちます。
論文 参考訳（メタデータ） (2021-11-09T18:16:39Z) - Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。
本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。
我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
論文 参考訳（メタデータ） (2021-06-22T15:40:21Z) - Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。
我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
論文 参考訳（メタデータ） (2020-10-20T15:31:38Z) - Sub-Seasonal Climate Forecasting via Machine Learning: Challenges,
Analysis, and Advances [44.28969320556008]
サブシーズン気候予報(SSF)は、気温や降水量などの主要な気候変数を2週間から2ヶ月の時間スケールで予測することに焦点を当てている。
本稿では,米国本土におけるSSFのための機械学習(ML)アプローチについて検討する。
論文 参考訳（メタデータ） (2020-06-14T18:39:27Z)
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。