論文の概要: GeoOutageKG: A Multimodal Geospatiotemporal Knowledge Graph for Multiresolution Power Outage Analysis
- arxiv url: http://arxiv.org/abs/2507.22878v1
- Date: Wed, 30 Jul 2025 17:54:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-31 16:14:18.384896
- Title: GeoOutageKG: A Multimodal Geospatiotemporal Knowledge Graph for Multiresolution Power Outage Analysis
- Title（参考訳）: GeoOutageKG:マルチモーダル測地時空間知識グラフによる多分解能停電解析
- Authors: Ethan Frakes, Yinghui Wu, Roger H. French, Mengjie Li,
- Abstract要約: 多様なデータソースを統合するマルチモーダル知識グラフGeoOutageKGを提案する。
GeoOutageKGには、2014年から2024年までの1060万件の障害記録、2012年から2024年までの30万件のNTL画像、15,000件の障害マップが含まれている。
- 参考スコア（独自算出の注目度）: 8.339213346405051
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Detecting, analyzing, and predicting power outages is crucial for grid risk assessment and disaster mitigation. Numerous outages occur each year, exacerbated by extreme weather events such as hurricanes. Existing outage data are typically reported at the county level, limiting their spatial resolution and making it difficult to capture localized patterns. However, it offers excellent temporal granularity. In contrast, nighttime light satellite image data provides significantly higher spatial resolution and enables a more comprehensive spatial depiction of outages, enhancing the accuracy of assessing the geographic extent and severity of power loss after disaster events. However, these satellite data are only available on a daily basis. Integrating spatiotemporal visual and time-series data sources into a unified knowledge representation can substantially improve power outage detection, analysis, and predictive reasoning. In this paper, we propose GeoOutageKG, a multimodal knowledge graph that integrates diverse data sources, including nighttime light satellite image data, high-resolution spatiotemporal power outage maps, and county-level timeseries outage reports in the U.S. We describe our method for constructing GeoOutageKG by aligning source data with a developed ontology, GeoOutageOnto. Currently, GeoOutageKG includes over 10.6 million individual outage records spanning from 2014 to 2024, 300,000 NTL images spanning from 2012 to 2024, and 15,000 outage maps. GeoOutageKG is a novel, modular and reusable semantic resource that enables robust multimodal data integration. We demonstrate its use through multiresolution analysis of geospatiotemporal power outages.
- Abstract（参考訳）: 電力停止の検出、分析、予測は、グリッドリスク評価と災害軽減に不可欠である。
毎年多くの停電が発生し、ハリケーンのような極端な気象現象によって悪化する。
既存の障害データは、通常郡レベルで報告され、空間解像度を制限し、局所的なパターンを捉えるのが困難になる。
しかし、時間的な粒度は優れている。
対照的に、夜間光衛星画像データにより空間分解能が大幅に向上し、より包括的な空間描写が可能となり、災害後の地理的範囲と電力損失の重症度を評価する精度が向上する。
しかし、これらの衛星データは毎日しか利用できない。
時空間と時系列のデータソースを統一された知識表現に統合することで、停電の検出、分析、予測推論を大幅に改善することができる。
本稿では,夜間光衛星画像データ,高分解能時空間停電マップ,米国における郡レベルのタイムリー障害報告など,多様なデータソースを統合するマルチモーダル知識グラフであるGeoOutageKGを提案する。
開発したオントロジーであるGeoOutageOntoとソースデータを整列させてGeoOutageKGを構築する手法について述べる。
現在のGeoOutageKGには、2014年から2024年までの1060万件の障害記録、2012年から2024年までの30万件のNTL画像、15,000件の障害マップが含まれている。
GeoOutageKGは、堅牢なマルチモーダルデータ統合を可能にする、新しくてモジュール化された再利用可能なセマンティックリソースである。
時空間停電の多分解能解析によりその利用を実証する。
関連論文リスト
- A Deep Learning framework for building damage assessment using VHR SAR and geospatial data: demonstration on the 2023 Turkiye Earthquake [1.6070833439280312]
災害直後の被害の特定は緊急対応・復旧の指導に不可欠である。
超高分解能(VHR)合成開口レーダ(SAR)画像を用いた建物損傷検出のための新しい多モードディープラーニング(DL)フレームワークを提案する。
SAR画像パッチ、OpenStreetMap(OSM)構築フットプリント、デジタル表面モデル(DSM)データ、グローバル地震モデル(GEM)の構造と露出特性を統合する。
その結果,地理空間的特徴を取り入れることで,これまで見られなかった領域に対する検出性能と一般化性が著しく向上することがわかった。
論文 参考訳（メタデータ） (2025-06-27T15:49:58Z) - OmniGeo: Towards a Multimodal Large Language Models for Geospatial Artificial Intelligence [51.0456395687016]
マルチモーダル大言語モデル(LLM)が人工知能の新しいフロンティアをオープンした。
地理空間応用に適したMLLM(OmniGeo)を提案する。
自然言語理解の長所と空間的推論の長所を組み合わせることで,GeoAIシステムの指示追従能力と精度を高めることができる。
論文 参考訳（メタデータ） (2025-03-20T16:45:48Z) - Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。
大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。
また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
論文 参考訳（メタデータ） (2025-02-19T14:21:25Z) - GeoCLIP: Clip-Inspired Alignment between Locations and Images for
Effective Worldwide Geo-localization [61.10806364001535]
世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。
既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。
画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
論文 参考訳（メタデータ） (2023-09-27T20:54:56Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳（メタデータ） (2022-11-04T09:58:57Z) - Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。
本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
論文 参考訳（メタデータ） (2022-04-24T15:23:25Z) - GANmapper: geographical content filling [0.0]
本稿では,GAN(Generative Adversarial Network)を用いた空間データ生成手法を提案する。
当社のコントリビューションでは、粗大で広く利用可能な地理空間データを使用して、構築された環境のより細かいスケールで、あまり利用できない機能のマップを作成しています。
我々は、土地利用データと道路ネットワークを入力として、建物のフットプリントを生成し、世界中の9都市で実験を行う。
論文 参考訳（メタデータ） (2021-08-07T05:50:54Z) - The Multi-Temporal Urban Development SpaceNet Dataset [7.606927524074595]
本稿では,Multi-Temporal Urban Development SpaceNet(MUDS)データセットを提案する。
このオープンソースのデータセットは、中程度の解像度 (4.0m) の衛星画像モザイクで構成されている。
各建物にはユニークな識別子(アドレス)が割り当てられており、時間とともに個々のオブジェクトを追跡することができる。
都市化を直接評価し, 建物フットプリント構築(あるいは解体)を経時的に追跡する方法を実証する。
論文 参考訳（メタデータ） (2021-02-08T18:28:52Z) - Attentive Weakly Supervised land cover mapping for object-based
satellite image time series data with spatial interpretation [4.549831511476249]
本稿では,粗粒度ラベルの弱さをインテリジェントに活用できる,TASSELという新しいディープラーニングフレームワークを提案する。
私たちのフレームワークは、ブラックボックスをグレーにする目的で、モデル解釈可能性をサポートする追加のサイド情報も生成します。
論文 参考訳（メタデータ） (2020-04-30T10:23:12Z)
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。