論文の概要: Real-time Prediction of Urban Sound Propagation with Conditioned Normalizing Flows

• arxiv url: http://arxiv.org/abs/2510.04510v1
• Date: Mon, 06 Oct 2025 06:00:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.698837
• Title: Real-time Prediction of Urban Sound Propagation with Conditioned Normalizing Flows
• Title（参考訳）: 条件付き正規化流による都市音波伝搬のリアルタイム予測
• Authors: Achim Eckerle, Martin Spitznagel, Janis Keuper,
• Abstract要約: フルグロージング(フルグロージング)は、1つのGTX 4090上の256x256マップあたりの2次元都市レイアウトから標準準拠の都市音圧マップをリアルタイムで生成する。 Baseline, Diffraction, Reflection を対象とするデータセットでは,NLoS の精度を 24% まで向上させながら参照ソルバ上で 2000 倍の速度でマップ生成を高速化し, ベースライン NLoS では高い構造的忠実度で 0.65 dB MAE に達する。 このモデルは回折と干渉パターンを再現し、ソースまたは幾何学的変化の下で即時再計算をサポートするため、実用的なエンジンとなる。
• 参考スコア（独自算出の注目度）: 15.085995615456019
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate and fast urban noise prediction is pivotal for public health and for regulatory workflows in cities, where the Environmental Noise Directive mandates regular strategic noise maps and action plans, often needed in permission workflows, right-of-way allocation, and construction scheduling. Physics-based solvers are too slow for such time-critical, iterative "what-if" studies. We evaluate conditional Normalizing Flows (Full-Glow) for generating for generating standards-compliant urban sound-pressure maps from 2D urban layouts in real time per 256x256 map on a single RTX 4090), enabling interactive exploration directly on commodity hardware. On datasets covering Baseline, Diffraction, and Reflection regimes, our model accelerates map generation by >2000 times over a reference solver while improving NLoS accuracy by up to 24% versus prior deep models; in Baseline NLoS we reach 0.65 dB MAE with high structural fidelity. The model reproduces diffraction and interference patterns and supports instant recomputation under source or geometry changes, making it a practical engine for urban planning, compliance mapping, and operations (e.g., temporary road closures, night-work variance assessments).
• Abstract（参考訳）: 正確な都市騒音予測は公衆衛生や規制のワークフローにとって重要であり、環境騒音指令は通常の戦略的騒音マップと行動計画を義務付けており、しばしば許可のワークフロー、道路の配置、建設計画に必要とされる。 物理学に基づく解法は、そのような時間クリティカルで反復的な「What-if」研究には遅すぎる。 RTX 4090上で256x256マップ当たりの2次元都市レイアウトから標準に準拠する都市音圧マップをリアルタイムで生成するための条件付き正規化フロー(Full-Glow)を評価し,コモディティハードウェア上で直接対話的な探索を可能にする。 Baseline, Diffraction, Reflection を対象とするデータセットでは,NLoS の精度を 24% まで向上させながら参照ソルバ上で 2000 倍の速度でマップ生成を高速化し, ベースライン NLoS では高い構造的忠実度で 0.65 dB MAE に達する。 モデルは回折と干渉パターンを再現し、ソースまたは幾何学的変化の下で即時再計算をサポートし、都市計画、コンプライアンスマッピング、オペレーション(仮道路閉鎖、夜間作業分散評価など)のための実用的なエンジンとなる。

関連論文リスト

• FlowConsist: Make Your Flow Consistent with Real Trajectory [99.22869983378062]
  現在の高速フロートレーニングパラダイムには,2つの根本的な問題がある,と我々は主張する。 ランダムにペアリングされたノイズデータサンプルから構築された条件付き速度は、系統的な軌跡ドリフトを導入する。 本研究では,高速フローにおける軌道整合性を実現するためのトレーニングフレームワークであるFlowConsistを提案する。
  論文  参考訳（メタデータ） (2026-02-06T03:24:23Z)
• Scalable Transit Delay Prediction at City Scale: A Systematic Approach with Multi-Resolution Feature Engineering and Deep Learning [1.065661841579261]
  既存の遅延予測システムは、手作りの機能に依存し、再利用可能なアーキテクチャを設計する方法についてはほとんどガイダンスを提供していない。 本稿では,マルチレゾリューション機能工学,次元減少,深層学習を組み合わせた都市規模の予測パイプラインを提案する。 クラスタ認識機能を備えたグローバルLSTMは、精度と効率の最良のトレードオフを実現し、トランスフォーマーモデルを1852%から52%向上させる。
  論文  参考訳（メタデータ） (2026-01-26T14:30:50Z)
• UnLoc: Leveraging Depth Uncertainties for Floorplan Localization [80.55849461031879]
  UnLocはフロアプラン内のシーケンシャルカメラローカライゼーションのための効率的なデータ駆動ソリューションである。 本研究では,不確実性推定を組み込んだ新しい確率モデルを導入し,深度予測を明示的な確率分布としてモデル化する。 我々はUnLocを大規模合成および実世界のデータセット上で評価し、精度とロバスト性の観点から大幅に改善したことを示す。
  論文  参考訳（メタデータ） (2025-09-14T14:45:43Z)
• From large-eddy simulations to deep learning: A U-net model for fast urban canopy flow predictions [0.0]
  本研究では,都市風況の高速かつ正確な予測のためのディープニューラルネットワーク(DNN)手法を提案する。 LESデータに基づいて訓練されたU-Netアーキテクチャを用い、7方向の合成都市構成を252個採用する。 50のテストケースのモデル評価では、全体の平均相対誤差が9.3%、乱流強度が5.2%である。
  論文  参考訳（メタデータ） (2025-07-09T04:25:13Z)
• STGformer: Efficient Spatiotemporal Graph Transformer for Traffic Forecasting [11.208740750755025]
  交通はスマートシティマネジメントの基盤であり、効率的なアロケーションと交通計画を可能にしている。 ディープラーニングは、データの複雑な非線形パターンをキャプチャする能力を持ち、トラフィック予測の強力なツールとして登場した。 グラフニューラルネットワーク(GCN)とトランスフォーマーベースのモデルは、将来性を示しているが、その計算要求はしばしば、現実のネットワークへの応用を妨げる。 本稿では,管理可能な計算フットプリントを維持しつつ,グローバルおよびローカルの両方のトラフィックパターンの効率的なモデリングを可能にする新しいテンポラルグラフトランスフォーマー(STG)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-10-01T04:15:48Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• A rapid approach to urban traffic noise mapping with a generative adversarial network [14.699466136380847]
  本研究では,GANを代理モデルとして利用する都市交通騒音の高速マッピング手法を開発した。 トレーニングされたモデルはGrasshopperにツールとして統合され、トラフィックノイズマップの迅速な生成を容易にする。
  論文  参考訳（メタデータ） (2024-05-21T22:28:41Z)
• Rethinking Urban Mobility Prediction: A Super-Multivariate Time Series Forecasting Approach [71.67506068703314]
  長期の都市移動予測は、都市施設やサービスの効果的管理において重要な役割を担っている。 伝統的に、都市移動データはビデオとして構成され、経度と緯度を基本的なピクセルとして扱う。 本研究では,都市におけるモビリティ予測の新たな視点について紹介する。 都市移動データを従来のビデオデータとして単純化するのではなく、複雑な時系列と見なす。
  論文  参考訳（メタデータ） (2023-12-04T07:39:05Z)
• Meta-Reinforcement Learning for Trajectory Design in Wireless UAV Networks [151.65541208130995]
  ドローン基地局(DBS)は、要求が動的で予測不可能な地上ユーザーへのアップリンク接続を提供するために派遣される。 この場合、DBSの軌道は動的ユーザアクセス要求を満たすように適応的に調整されなければならない。 新たな環境に遭遇したDBSの軌道に適応するために,メタラーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-25T20:43:59Z)

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。