論文の概要: Adopting Explainable-AI to investigate the impact of urban morphology design on energy and environmental performance in dry-arid climates

• arxiv url: http://arxiv.org/abs/2412.12183v1
• Date: Fri, 13 Dec 2024 09:19:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-18 14:02:27.660970
• Title: Adopting Explainable-AI to investigate the impact of urban morphology design on energy and environmental performance in dry-arid climates
• Title（参考訳）: 乾燥気候における都市形態設計のエネルギー・環境性能への影響解明のための説明可能なAIの導入
• Authors: Pegah Eshraghi, Riccardo Talami, Arman Nikkhah Dehnavi, Maedeh Mirdamadi, Zahra-Sadat Zomorodian,
• Abstract要約: 本研究では,都市建築エネルギーモデリング(UBEM)と機械学習(ML)と説明可能なAI技術を組み合わせた都市形態評価手法を提案する。 テヘランの密集した都市景観をケーススタディとして、この研究は30の形態パラメータが主要なエネルギー指標に与える影響を評価し、ランク付けする。 その結果、建築形態、窓と壁の比率、商業比率がエネルギー効率に影響を与える最も重要なパラメータであることが判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In rapidly urbanizing regions, designing climate-responsive urban forms is crucial for sustainable development, especially in dry arid-climates where urban morphology has a significant impact on energy consumption and environmental performance. This study advances urban morphology evaluation by combining Urban Building Energy Modeling (UBEM) with machine learning methods (ML) and Explainable AI techniques, specifically Shapley Additive Explanations (SHAP). Using Tehran's dense urban landscape as a case study, this research assesses and ranks the impact of 30 morphology parameters at the urban block level on key energy metrics (cooling, heating, and lighting demand) and environmental performance (sunlight exposure, photovoltaic generation, and Sky View Factor). Among seven ML algorithms evaluated, the XGBoost model was the most effective predictor, achieving high accuracy (R2: 0.92) and a training time of 3.64 seconds. Findings reveal that building shape, window-to-wall ratio, and commercial ratio are the most critical parameters affecting energy efficiency, while the heights and distances of neighboring buildings strongly influence cooling demand and solar access. By evaluating urban blocks with varied densities and configurations, this study offers generalizable insights applicable to other dry-arid regions. Moreover, the integration of UBEM and Explainable AI offers a scalable, data-driven framework for developing climate-responsive urban designs adaptable to high-density environments worldwide.
• Abstract（参考訳）: 都市化が急速に進んでいる地域では、特に都市形態がエネルギー消費と環境性能に大きな影響を及ぼす乾燥した気候において、気候に敏感な都市形態を設計することが持続可能な開発に不可欠である。 本研究では,都市建築エネルギーモデリング (UBEM) と機械学習 (ML) と説明可能なAI技術,特にShapley Additive Explanations (SHAP) を組み合わせて都市形態評価を行う。 テヘランの密集した都市景観を事例として、都市ブロックレベルにおける30の形態パラメータが、主要なエネルギー指標(冷却、暖房、照明需要)と環境性能(光暴露、太陽光発電、スカイビューファクター)に与える影響を評価し、ランク付けする。 評価された7つのMLアルゴリズムのうち、XGBoostモデルは最も効果的な予測器であり、高い精度(R2: 0.92)と3.64秒のトレーニング時間を達成した。 建物の形状、窓と壁の比率、商業比がエネルギー効率に影響を与える最も重要なパラメータであり、隣の建物の高さと距離は冷却需要とソーラーアクセスに強く影響している。 本研究は,都市ブロックの密度と構成を多様に評価することにより,他の乾燥地域に適用可能な総合的な知見を提供する。 さらに、UBEMとExplainable AIの統合は、世界中の高密度環境に適応可能な、気候に敏感な都市デザインを開発するためのスケーラブルでデータ駆動のフレームワークを提供する。

関連論文リスト

• A Machine Learning Approach for the Efficient Estimation of Ground-Level Air Temperature in Urban Areas [6.7236795813629]
  都市で発生する都市ヒートアイランド(UHI)現象は、その熱応力を増大させ、より持続可能な都市を実現するための障害の1つである。 本研究では,都市域の空間的・気象的変数と街路レベルの空気温度を関連付けるために,イメージ・ツー・イメージ・ディープ・ニューラル・ネットワーク(DNN)の有用性を検討する。 街路レベルでの空気温度は、特定のユースケースに対して空間的にも時間的にも推定され、既存のよく確立された数値モデルと比較される。
  論文  参考訳（メタデータ） (2024-11-05T15:05:23Z)
• 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)
• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Climate-sensitive Urban Planning through Optimization of Tree Placements [55.11389516857789]
  気候変動は、熱波を含む多くの極端な気象事象の強度と頻度を増している。 最も有望な戦略の1つは、街路樹の恩恵を利用して歩行者レベルの環境を冷やすことである。 物理シミュレーションでは、樹木の放射的および熱的影響が人間の熱的快適性に与える影響を推定できるが、高い計算コストが生じる。 我々は,屋外の熱的快適さの駆動因子である点平均放射温度を,様々な時間スケールでシミュレーションするためにニューラルネットワークを用いた。
  論文  参考訳（メタデータ） (2023-10-09T13:07:23Z)
• ML4EJ: Decoding the Role of Urban Features in Shaping Environmental Injustice Using Interpretable Machine Learning [1.616733806935934]
  本研究は, 大気汚染, 都市熱, 洪水の3つの主要な危険因子の曝露格差に対する各種都市特性の影響を解析するために, 解釈可能な機械学習モデルを構築した。 この性能は、都市の特徴の変化が環境の危険度にどの程度の違いがあるかを測定するために用いられる。 本研究から得られた知見は, 都市の特徴と環境リスク曝露格差との相互作用について, 新たな視点を与えるものである。
  論文  参考訳（メタデータ） (2023-10-03T22:48:58Z)
• Unified Data Management and Comprehensive Performance Evaluation for Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
  この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。 都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。 多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
  論文  参考訳（メタデータ） (2023-08-24T16:20:00Z)
• A Comparative Study of Machine Learning Algorithms for Anomaly Detection in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
  本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。 Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。 しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
  論文  参考訳（メタデータ） (2023-07-01T15:18:00Z)
• Pedestrian Wind Factor Estimation in Complex Urban Environments [0.0]
  都市計画立案者や政策立案者は、より密集した都市環境においてより人口の多い都市のために、住みやすく楽しい都市を作るという課題に直面している。 都市マイクロ気候は、現在と将来における都市空間の質を定義する上で重要な役割を担っているが、初期の都市設計と計画プロセスにおける風力マイクロ気候評価の統合は依然として課題である。 この研究は、複雑な都市環境におけるリアルタイムな歩行者風の快適さ推定のためのデータ駆動ワークフローを開発する。
  論文  参考訳（メタデータ） (2021-10-06T01:09:30Z)
• Times Series Forecasting for Urban Building Energy Consumption Based on Graph Convolutional Network [20.358180125750046]
  建設業はアメリカにおけるエネルギー消費の40%以上を占めている。 UBEMはエネルギー効率の良いコミュニティの設計を支援する基盤である。 データ駆動型モデル統合工学または物理知識は、都市建設エネルギーシミュレーションを大幅に改善することができる。
  論文  参考訳（メタデータ） (2021-05-27T19:02:04Z)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)
• Urban Heat Islands: Beating the Heat with Multi-Modal Spatial Analysis [0.3121997724420106]
  過度の熱ストレスは、個人から世界まで、様々なレベルの問題を引き起こす。 世界レベルでは、UHIは地球温暖化に寄与し、環境に悪影響を及ぼす可能性がある。 本稿では, 統計モデルを用いて, UHIが都市の都市形態特性にどのように影響されているかを明らかにする枠組みを提案する。
  論文  参考訳（メタデータ） (2020-12-05T15:18:22Z)

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。