論文の概要: Effects of Unplanned Incoming Flights on Airport Relief Processes after a Major Natural Disaster

• arxiv url: http://arxiv.org/abs/2507.05150v1
• Date: Mon, 07 Jul 2025 16:00:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:35.503264
• Title: Effects of Unplanned Incoming Flights on Airport Relief Processes after a Major Natural Disaster
• Title（参考訳）: 大型自然災害後の空港の回収過程に及ぼす飛行予定外飛行の影響
• Authors: Luka Van de Sype, Matthieu Vert, Alexei Sharpanskykh, Seyed Sahand Mohammadi Ziabari,
• Abstract要約: 本研究の目的は, 自然災害後の空港における貨物取扱業務の遂行に, 着信便に関する不完全な知識が与える影響を理解することである。 エージェントベースのモデルが作成され、情報の不確実性の度合いが異なる現実的なオフロード戦略が実装される。 その結果、1機の無人機の効果は無視できることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The severity of natural disasters is increasing every year, impacting many people's lives. During the response phase of disasters, airports are important hubs where relief aid arrives and people need to be evacuated. However, the airport often forms a bottleneck in these relief operations due to the sudden need for increased capacity. Limited research has been done on the operational side of airport disaster management. Experts identify the main problems as, first, the asymmetry of information between the airport and incoming flights, and second, the lack of resources. The goal of this research is to understand the effects of incomplete knowledge of incoming flights with different resource allocation strategies on the performance of cargo handling operations at an airport after a natural disaster. An agent-based model is created, implementing realistic offloading strategies with different degrees of information uncertainty. Model calibration and verification are performed with experts in the field. The model performance is measured by the average turnaround time, which is divided into offloading time, boarding time, and cumulative waiting times. The results show that the effects of one unplanned aircraft are negligible. However, all waiting times increase with more arriving unplanned aircraft.
• Abstract（参考訳）: 自然災害の深刻度は毎年増加しており、多くの人々の生活に影響を与えている。 災害の対応段階では、空港は救助隊が到着し、避難する必要がある重要な拠点である。 しかし、空港は急激な容量増の必要性から、これらの救援活動のボトルネックとなることが多い。 空港災害管理の運用面では限定的な研究がなされている。 専門家は、主な問題は、第一に、空港と着信便の間の情報の非対称性、第二に、資源の不足であると考えている。 本研究の目的は, 自然災害後の空港における貨物取扱業務のパフォーマンスに及ぼす資源配分戦略の異なる便の便内不完全な知識の影響を理解することである。 エージェントベースのモデルが作成され、情報の不確実性の度合いが異なる現実的なオフロード戦略が実装される。 モデルの校正と検証は、この分野の専門家と共に行われる。 モデル性能は平均ターンアラウンド時間で測定され、オフロード時間、搭乗時間、累積待ち時間に分けられる。 その結果、1機の無人機の効果は無視できることがわかった。 しかし、全ての待ち時間が増加し、より多くの無人機が到着する。

関連論文リスト

• Improving Air Mobility for Pre-Disaster Planning with Neural Network Accelerated Genetic Algorithm [26.061782031525652]
  気象災害に関連する緊急作戦は、航空機と空港の両方での空輸に大きな課題をもたらす。 そこで本稿では,空港の運用スケジュールを事前に調整するためのフレームワークを提案する。 次に、避難計画のための新しいニューラルネットワーク(NN)高速化遺伝的アルゴリズム(GA)を提案する。
  論文  参考訳（メタデータ） (2024-07-17T15:59:41Z)
• Research on Flight Accidents Prediction based Back Propagation Neural Network [0.0]
  本研究では, バックプロパゲーションニューラルネットワークに基づくモデルを用いて, 飛行事故の予測を行った。 過去の飛行データを収集することにより、事故の危険性を特定するために、バックプロパゲーションニューラルネットワークモデルを訓練した。 実験により、このモデルでは、高精度で信頼性の高い飛行事故を効果的に予測できることが示されている。
  論文  参考訳（メタデータ） (2024-06-20T02:51:27Z)
• Airport take-off and landing optimization through genetic algorithms [55.2480439325792]
  本研究は, 航空機の運転における汚染問題に対処し, ゲート割り当てと滑走路スケジューリングを同時に最適化することに焦点を当てた。 本研究は,航空機の離陸・着陸時の燃料燃焼による汚染を最小化するための,革新的な遺伝的アルゴリズムに基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-02-29T14:53:55Z)
• CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster Tweet Classification [51.58605842457186]
  半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。 私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
  論文  参考訳（メタデータ） (2023-10-23T07:01:09Z)
• Disaster Anomaly Detector via Deeper FCDDs for Explainable Initial Responses [0.0]
  あらゆる災害イベントにおいて、最初の応答は72時間以内に救助し、回復を急ぐ鍵である。 機械学習アルゴリズムのうち、深い異常検出は日常の特徴とは異なる破壊的特徴を検出するのに有効である。 本稿では,より深い完全畳み込みデータ記述(FCDD)を利用した異常検出アプリケーションを提案する。 VGG16バックボーンを持つ深いFCDDは、他のベースラインであるCNN27、ResNet101、Inceptionv3より一貫して優れていた。
  論文  参考訳（メタデータ） (2023-06-05T00:44:39Z)
• Phased Flight Trajectory Prediction with Deep Learning [8.898269198985576]
  過去10年間で民間航空会社や民間機が前例のない増加を遂げたことは、航空交通管理の課題となっている。 正確な飛行軌跡予測は、安全かつ秩序ある飛行の決定に寄与する航空輸送管理において非常に重要である。 本研究では,大型旅客・輸送航空機の飛行軌道予測における最先端手法よりも優れた位相付き飛行軌道予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-17T02:16:02Z)
• The State of Aerial Surveillance: A Survey [62.198765910573556]
  本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。 主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
  論文  参考訳（メタデータ） (2022-01-09T20:13:27Z)
• Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
  ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。 有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。 我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
  論文  参考訳（メタデータ） (2020-11-02T02:03:07Z)
• Social Media Information Sharing for Natural Disaster Response [0.0]
  ソーシャルメディアは災害関連情報を投稿するための重要なチャンネルとなり、政府や救援機関が災害管理を改善するためのリアルタイムデータを提供している。 本研究の目的は,災害対応に対する公衆の態度や災害時の防災物資に対する公衆の要求など,ソーシャルメディアデータのマイニング・分析による防災効率の向上である。
  論文  参考訳（メタデータ） (2020-05-08T21:11:39Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)

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。