論文の概要: Personalized and Safe Route Planning for Asthma Patients Using Real-Time Environmental Data

• arxiv url: http://arxiv.org/abs/2501.10372v1
• Date: Fri, 13 Dec 2024 14:33:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 07:48:10.211701
• Title: Personalized and Safe Route Planning for Asthma Patients Using Real-Time Environmental Data
• Title（参考訳）: リアルタイム環境データを用いた喘息患者のパーソナライズされた安全経路計画
• Authors: Nada Ayman, Shaimaa Alaa, Mohamed Hussein, Ali Hamdi,
• Abstract要約: 喘息患者は、屋外活動における空気の質、気候条件、交通密度にしばしば影響を受ける。 ここでは、Microsoft Weather APIが提供するリアルタイムデータを利用する健康に配慮したフレームワークを提示する。 高度なA*アルゴリズムは、空気質指標、温度、交通密度、その他の患者関連健康データに依存するルートの動的変化を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Asthmatic patients are very frequently affected by the quality of air, climatic conditions, and traffic density during outdoor activities. Most of the conventional routing algorithms, such as Dijkstra's algorithm, usually fail to consider these health dimensions, hence resulting in suboptimal or risky recommendations. Here, the health-aware heuristic framework is presented that shall utilize real-time data provided by the Microsoft Weather API. The advanced A* algorithm provides dynamic changes in routes depending on air quality indices, temperature, traffic density, and other patient-related health data. The power of the model is realized by running simulations in city environments and outperforming the state-of-the-art methodology in terms of recommendation accuracy at low computational overhead. It provides health-sensitive route recommendations, keeping in mind the avoidance of high-risk areas and ensuring safer and more suitable travel options for asthmatic patients.
• Abstract（参考訳）: 喘息患者は、屋外活動中の空気の質、気候条件、交通密度に非常に影響を受けやすい。 ダイクストラのアルゴリズムのような従来のルーティングアルゴリズムの多くは、通常これらの健康次元を考慮せず、その結果、亜最適またはリスクの高いレコメンデーションをもたらす。 ここでは、Microsoft Weather APIが提供するリアルタイムデータを利用する健康に配慮したヒューリスティックなフレームワークを提示する。 高度なA*アルゴリズムは、空気質指標、温度、交通密度、その他の患者関連健康データに依存するルートの動的変化を提供する。 モデルのパワーは、都市環境下でシミュレーションを実行し、低い計算オーバーヘッドでの推奨精度で最先端の方法論より優れる。 健康に敏感なルートレコメンデーションを提供し、リスクの高いエリアの回避を念頭に置いて、喘息患者の安全でより適切な旅行オプションを確保している。

関連論文リスト

• AirTOWN: A Privacy-Preserving Mobile App for Real-time Pollution-Aware POI Suggestion [14.990257803108625]
  Airtown(エアタウン)は、都市環境における関心点(POI)のリアルタイムかつ汚染に配慮したレコメンデーションを提供するモバイルアプリケーションである。 リアルタイム空気質指標(AQI)データをユーザの好みと組み合わせることで,訪問先に関する健康志向の意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2025-01-23T12:28:22Z)
• Spatiotemporal Air Quality Mapping in Urban Areas Using Sparse Sensor Data, Satellite Imagery, Meteorological Factors, and Spatial Features [11.845097068829551]
  本稿では,高時間空気質指標マッピングのためのフレームワークを提案する。 空間的および時間的依存関係に基づいて,非時間的位置におけるAQI値を推定する。 パキスタンのラホールにおけるケーススタディを通じて,我々のアプローチの活用について解説する。
  論文  参考訳（メタデータ） (2025-01-20T04:39:13Z)
• Reinforcement Learning Based Escape Route Generation in Low Visibility Environments [0.0]
  本稿では, 消防士の最適な探索経路と市民の避難経路を, 環境計測に基づいてリアルタイムで決定するシステムを提案する。 そこで本稿では, 避難者の早期避難を支援するため, 消防士の最適な捜索経路と市民の避難経路をリアルタイムで決定するシステムを提案する。
  論文  参考訳（メタデータ） (2024-05-27T23:00:57Z)
• SpatialRank: Urban Event Ranking with NDCG Optimization on Spatiotemporal Data [55.609946936979036]
  本研究ではSpatialRankという新しい空間イベントランキング手法を提案する。 本研究では,SpatialRankが犯罪や交通事故の最も危険性の高い場所を効果的に特定できることを示す。
  論文  参考訳（メタデータ） (2023-09-30T06:20:21Z)
• Dense Air Quality Maps Using Regressive Facility Location Based Drive By Sensing [4.264192013842096]
  本稿では,隣接する場所におけるスムーズさと自己回帰時間相関を組み込んだ効率的な車両選択フレームワークを提案する。 インド・デリーの公共交通機関からサブセットを選択する際の枠組みを評価する。
  論文  参考訳（メタデータ） (2022-01-20T18:20:37Z)
• The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
  医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
  論文  参考訳（メタデータ） (2021-06-08T10:38:09Z)
• Resource Planning for Hospitals Under Special Consideration of the COVID-19 Pandemic: Optimization and Sensitivity Analysis [87.31348761201716]
  新型コロナウイルス(covid-19)パンデミックのような危機は、医療機関にとって深刻な課題となる。 BaBSim.Hospitalは離散イベントシミュレーションに基づく容量計画ツールである。 BaBSim.Hospitalを改善するためにこれらのパラメータを調査し最適化することを目指しています。
  論文  参考訳（メタデータ） (2021-05-16T12:38:35Z)
• SS-SFDA : Self-Supervised Source-Free Domain Adaptation for Road Segmentation in Hazardous Environments [54.22535063244038]
  本研究では,雨や霧などの悪天候条件下での道路の非監督的区画化に対する新しいアプローチを提案する。 これには、自己教師付き学習を用いたソースフリードメイン適応(SFDA)のための新しいアルゴリズムが含まれている。 実際の悪天候条件と合成悪天候条件に対応するデータセットを6ドルで評価した。
  論文  参考訳（メタデータ） (2020-11-27T09:19:03Z)
• Deep Reinforcement Learning Based Dynamic Route Planning for Minimizing Travel Time [8.234463661266169]
  歩行者の深い強化学習に基づく経路計画アルゴリズムを設計する。 本稿では,道路渋滞を回避するため,エージェントが深層Qネットワークを通じて戦略を学習する動的調整可能な経路計画法を提案する。 シミュレーションの結果,DARPアルゴリズムは,従来の最短経路計画アルゴリズムと比較して,混雑条件下で52%の時間を節約できることがわかった。
  論文  参考訳（メタデータ） (2020-11-03T15:10:09Z)
• Robust Reinforcement Learning with Wasserstein Constraint [49.86490922809473]
  最適なロバストなポリシーの存在を示し、摂動に対する感度分析を行い、新しいロバストな学習アルゴリズムを設計する。 提案アルゴリズムの有効性はCart-Pole環境で検証する。
  論文  参考訳（メタデータ） (2020-06-01T13:48:59Z)
• Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
  複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。 建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
  論文  参考訳（メタデータ） (2020-04-25T22:54:35Z)

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。