論文の概要: A Simulation-Based Framework for Leveraging Shared Autonomous Vehicles to Enhance Disaster Evacuations in Rural Regions with a Focus on Vulnerable Populations

• arxiv url: http://arxiv.org/abs/2502.07787v1
• Date: Mon, 20 Jan 2025 00:12:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-16 05:32:52.372027
• Title: A Simulation-Based Framework for Leveraging Shared Autonomous Vehicles to Enhance Disaster Evacuations in Rural Regions with a Focus on Vulnerable Populations
• Title（参考訳）: 人口変動に着目した共用自動運転車による農村域の災害避難促進のためのシミュレーション・ベース・フレームワーク
• Authors: Alican Sevim, Qian-wen Guo, Eren Erman Ozguven,
• Abstract要約: 本研究は,量子コンピューティングとエクイティに着目したネットワーク修復手法を組み合わせた新しいフレームワークを提案する。 予算制約下での道路リンク回復の最適化は、D Waveのハイブリッド量子解法を利用して達成される。 このハイブリッド量子ソルバは、様々な予算シナリオで約8.7秒の瞬時に達成されることを示す。
• 参考スコア（独自算出の注目度）: 0.210674772139335
• License:
• Abstract: Efficient and socially equitable restoration of transportation networks post disasters is crucial for community resilience and access to essential services. The ability to rapidly recover critical infrastructure can significantly mitigate the impacts of disasters, particularly in underserved communities where prolonged isolation exacerbates vulnerabilities. Traditional restoration methods prioritize functionality over computational efficiency and equity, leaving low-income communities at a disadvantage during recovery. To address this gap, this research introduces a novel framework that combines quantum computing technology with an equity-focused approach to network restoration. Optimization of road link recovery within budget constraints is achieved by leveraging D Wave's hybrid quantum solver, which targets the connectivity needs of low, average, and high income communities. This framework combines computational speed with equity, ensuring priority support for underserved populations. Findings demonstrate that this hybrid quantum solver achieves near instantaneous computation times of approximately 8.7 seconds across various budget scenarios, significantly outperforming the widely used genetic algorithm. It offers targeted restoration by first aiding low-income communities and expanding aid as budgets increase, aligning with equity goals. This work showcases quantum computing's potential in disaster recovery planning, providing a rapid and equitable solution that elevates urban resilience and social sustainability by aiding vulnerable populations in disasters.
• Abstract（参考訳）: 災害後の交通ネットワークの効率的かつ社会的に公平な復旧は、コミュニティのレジリエンスと本質的なサービスへのアクセスに不可欠である。 重要なインフラを迅速に回復する能力は、特に孤立の長期化が脆弱性を悪化させる未保存地域において、災害の影響を著しく軽減することができる。 伝統的な修復手法は、計算効率と株式よりも機能を優先し、低所得地域社会は回復中に不利な状態に置かれる。 このギャップに対処するために、量子コンピューティング技術と、ネットワーク復元のためのエクイティにフォーカスしたアプローチを組み合わせた新しいフレームワークを導入する。 予算制約下での道路リンク回復の最適化は、低、平均、高収入コミュニティの接続ニーズをターゲットとしたD Waveのハイブリッド量子ソルバを活用することで達成される。 このフレームワークは計算速度とエクイティを結合し、保存されていない人口を優先的に支援する。 このハイブリッド量子解法は、様々な予算シナリオで約8.7秒の計算時間をほぼ瞬時に達成し、広く使われている遺伝的アルゴリズムを著しく上回ることを示す。 低所得コミュニティを最初に支援し、予算が増加するにつれて支援を拡大し、株式目標と整合して目標を回復する。 この研究は、災害復旧計画における量子コンピューティングの可能性を示し、災害の脆弱な人口を支援することで、都市の弾力性と社会の持続可能性を高める、迅速で公平なソリューションを提供する。

関連論文リスト

• Strategizing Equitable Transit Evacuations: A Data-Driven Reinforcement Learning Approach [5.962540020947193]
  本稿では,バスによる避難を最適化するデータ駆動型強化学習フレームワークを提案する。 我々は、避難問題を強化学習によって解決されたマルコフ決定過程としてモデル化する。 提案手法は,避難効率とサービス分散の両面で,大幅な改善を実現していることを示す。
  論文  参考訳（メタデータ） (2024-12-08T02:17:38Z)
• CAV-AHDV-CAV: Mitigating Traffic Oscillations for CAVs through a Novel Car-Following Structure and Reinforcement Learning [8.63981338420553]
  Connected and Automated Vehicles (CAVs)は、CAVとHuman-Driven Vehicles (HDVs)の混合交通の課題に対して、有望な解決策を提供する。 HDVは限られた情報に依存しているが、CAVは意思決定を改善するために他のCAVのデータを利用することができる。 本稿では2つのCAV間のHDVのシーケンスを1つのエンティティとして扱う「CAV-AHDV-CAV」カーフォローフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-23T15:38:29Z)
• Improving Autonomous Separation Assurance through Distributed Reinforcement Learning with Attention Networks [0.0]
  本稿では,AAM廊下内で自律的な自己分離機能を実現するための強化学習フレームワークを提案する。 この問題はマルコフ決定プロセス(Markov Decision Process)として定式化され、サンプル効率の良いオフポリティ・ソフトアクター・クリティック(SAC)アルゴリズムへの新たな拡張を開発することで解決される。 包括的数値計算により,提案手法は高密度・動的環境下で航空機の安全かつ効率的な分離を保証できることが示唆された。
  論文  参考訳（メタデータ） (2023-08-09T13:44:35Z)
• Reinforcement Learning based Cyberattack Model for Adaptive Traffic Signal Controller in Connected Transportation Systems [61.39400591328625]
  接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。 この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。 そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。 RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
  論文  参考訳（メタデータ） (2022-10-31T20:12:17Z)
• Visual-based Safe Landing for UAVs in Populated Areas: Real-time Validation in Virtual Environments [0.0]
  本稿では,実環境における視覚に基づく自律着陸の安全性と徹底的な評価のためのフレームワークを提案する。 本研究では,UnrealグラフィックスエンジンとAirSimプラグインを併用したドローンシミュレーションを提案する。 ベスト」SLZを選択するための2つの異なる基準について検討し、異なるシナリオで仮想ドローンの自律着陸時に評価する。
  論文  参考訳（メタデータ） (2022-03-25T17:22:24Z)
• Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving [104.32241082170044]
  本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。 既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。 私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
  論文  参考訳（メタデータ） (2021-09-03T13:33:33Z)
• A Multi-UAV System for Exploration and Target Finding in Cluttered and GPS-Denied Environments [68.31522961125589]
  複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。 UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。 その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T12:54:04Z)
• 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)
• Impacts of shared autonomous vehicles: Tradeoff between parking demand reduction and congestion increase [0.0]
  共有自動運転車(SAV)は、民間車両を置き換えることで、輸送システムと土地利用に大きな影響を与える可能性がある。 本研究では,SAVの局所的な影響をシミュレーションにより推定する。
  論文  参考訳（メタデータ） (2021-04-30T14:16:47Z)
• 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)
• Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
  無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。 本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T14:04:01Z)

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。