論文の概要: Hazard-Responsive Digital Twin for Climate-Driven Urban Resilience and Equity

• arxiv url: http://arxiv.org/abs/2510.22941v1
• Date: Mon, 27 Oct 2025 02:55:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 19:54:32.582179
• Title: Hazard-Responsive Digital Twin for Climate-Driven Urban Resilience and Equity
• Title（参考訳）: 気候駆動型都市抵抗性・等価性のためのハザード応答型ディジタル双晶
• Authors: Zhenglai Shen, Hongyu Zhou,
• Abstract要約: 本稿では,物理インフォームドニューラルネットワークモデリング,マルチモーダルデータ融合,プリエンプティブとエクイティ対応リスク分析を組み合わせたH-RDT(Hazard-Responsive Digital Twin)を提案する。 多様な建築様式と人口を持つ合成地区において, シミュレーションされた山火事・停電・熱波カスケードは, H-RDTが室内温度を安定的に予測することを示す。 冷却中心活性化やマイクログリッド共有といった介入は、人口重み付け熱リスクを11～13%減らし、95%(テール)リスクを7～17%減らし、過熱時間を最大17%減らした。
• 参考スコア（独自算出の注目度）: 19.386626403817246
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Compounding climate hazards, such as wildfire-induced outages and urban heatwaves, challenge the stability and equity of cities. We present a Hazard-Responsive Digital Twin (H-RDT) that combines physics-informed neural network modeling, multimodal data fusion, and equity-aware risk analytics for urban-scale response. In a synthetic district with diverse building archetypes and populations, a simulated wildfire-outage-heatwave cascade shows that H-RDT maintains stable indoor temperature predictions (approximately 31 to 33 C) under partial sensor loss, reproducing outage-driven surges and recovery. The reinforcement learning based fusion module adaptively reweights IoT, UAV, and satellite inputs to sustain spatiotemporal coverage, while the equity-adjusted mapping isolates high-vulnerability clusters (schools, clinics, low-income housing). Prospective interventions, such as preemptive cooling-center activation and microgrid sharing, reduce population-weighted thermal risk by 11 to 13 percent, shrink the 95th-percentile (tail) risk by 7 to 17 percent, and cut overheating hours by up to 9 percent. Beyond the synthetic demonstration, the framework establishes a transferable foundation for real-city implementation, linking physical hazard modeling with social equity and decision intelligence. The H-RDT advances digital urban resilience toward adaptive, learning-based, and equity-centered decision support for climate adaptation.
• Abstract（参考訳）: 森林火災による停電や都市熱波のような複合的な気候の危険は、都市の安定性と公平性に挑戦する。 本稿では,物理インフォームドニューラルネットワークモデリング,マルチモーダルデータ融合,都市規模対応のためのエクイティ・アウェア・リスク分析を組み合わせたハザード・レスポンシブ・デジタル・ツイン(H-RDT)を提案する。 ビルの古風と人口が多様である合成地区では,H-RDTが室内温度予測(約31～33C)を部分的なセンサ損失下で維持し,停電によるサージと回復を再現している。 強化学習に基づく融合モジュールは、IoT、UAV、衛星入力を適応的に再重み付けし、時空間のカバレッジを維持する。 プリエンプティブ冷却中心活性化やマイクログリッド共有といった先進的な介入は、人口重み付け熱リスクを11～13%減らし、95%(テール)リスクを7～17%減らし、過熱時間を最大9%減らした。 総合的なデモンストレーションの他に、このフレームワークは、物理的なハザードモデリングとソーシャルエクイティと意思決定インテリジェンスをリンクして、実都市実装の転送可能な基盤を確立する。 H-RDTは、気候適応のための適応的、学習ベース、および株式中心の意思決定支援に向けて、デジタル都市レジリエンスを推進している。

関連論文リスト

• Adaptive Learning in Spatial Agent-Based Models for Climate Risk Assessment: A Geospatial Framework with Evolutionary Economic Agents [0.0]
  本稿では,気候リスクデータと進化学習を統合した新しいモデルを提案する。 RCP8.5 から2100 年までの河川洪水投射の枠組みを実証する。 以上の結果から,洪水に直接曝露していないエージェントでさえ,サプライチェーンの崩壊によって影響を受けやすいシステムリスクが明らかとなった。
  論文  参考訳（メタデータ） (2025-09-23T04:33:58Z)
• Generative artificial intelligence improves projections of climate extremes [13.768093814009374]
  GCMは将来の気候を予測するのに不可欠であるが、その粗い解像度と高い計算コストは極端を表す能力を制限する。 本稿では,CMIP出力をダウンスケールする生成的ディープラーニングフレームワークであるFuXi-CMIPAlignを紹介する。
  論文  参考訳（メタデータ） (2025-08-22T13:56:02Z)
• Integrating Spatiotemporal Vision Transformer into Digital Twins for High-Resolution Heat Stress Forecasting in Campus Environments [11.14786537532112]
  極端な熱イベントは、都市のレジリエンスと計画に重大な課題をもたらす。 本研究は, 熱ストレス予測と意思決定を強化するための, 気候応答型デジタルツインフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-12T05:27:16Z)
• Towards Robust Stability Prediction in Smart Grids: GAN-based Approach under Data Constraints and Adversarial Challenges [53.2306792009435]
  本稿では,安定したデータのみを用いて,スマートグリッドの不安定性を検出する新しいフレームワークを提案する。 最大98.1%の精度でグリッド安定性を予測でき、98.9%で敵の攻撃を検知できる。 シングルボードコンピュータ上で実装され、7ms以下の平均応答時間でリアルタイムな意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-01-27T20:48:25Z)
• Regional climate risk assessment from climate models using probabilistic machine learning [12.737495484442443]
  GenFocalは、微細な時間スケールで相互作用する複雑な気候プロセスのための汎用的でエンドツーエンドな生成フレームワークである。 現在の気候における極端なリスクを、先進的なアプローチよりも正確に評価する。 GenFocalは、気候の予測がdecadalの時間スケールに与える影響に関する文献と一致する、魅力的な結果を示している。
  論文  参考訳（メタデータ） (2024-12-11T03:52:17Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)

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。