論文の概要: SWR-Viz: AI-assisted Interactive Visual Analytics Framework for Ship Weather Routing
- arxiv url: http://arxiv.org/abs/2511.15182v1
- Date: Wed, 19 Nov 2025 07:09:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-20 15:51:28.674692
- Title: SWR-Viz: AI-assisted Interactive Visual Analytics Framework for Ship Weather Routing
- Title（参考訳）: SWR-Viz: 船舶気象ルーティングのためのAI支援インタラクティブビジュアルアナリティクスフレームワーク
- Authors: Subhashis Hazarika, Leonard Lupin-Jimenez, Rohit Vuppala, Ashesh Chattopadhyay, Hon Yung Wong,
- Abstract要約: SWR-VizはAIによる視覚分析フレームワークである。
現在の状況から短期的な予測を生成する。
スパース観測とデータ同化をサポートし、ルーティングシナリオの迅速な探索を可能にする。
- 参考スコア（独自算出の注目度）: 0.40995358599528714
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Efficient and sustainable maritime transport increasingly depends on reliable forecasting and adaptive routing, yet operational adoption remains difficult due to forecast latencies and the need for human judgment in rapid decision-making under changing ocean conditions. We introduce SWR-Viz, an AI-assisted visual analytics framework that combines a physics-informed Fourier Neural Operator wave forecast model with SIMROUTE-based routing and interactive emissions analytics. The framework generates near-term forecasts directly from current conditions, supports data assimilation with sparse observations, and enables rapid exploration of what-if routing scenarios. We evaluate the forecast models and SWR-Viz framework along key shipping corridors in the Japan Coast and Gulf of Mexico, showing both improved forecast stability and realistic routing outcomes comparable to ground-truth reanalysis wave products. Expert feedback highlights the usability of SWR-Viz, its ability to isolate voyage segments with high emission reduction potential, and its value as a practical decision-support system. More broadly, this work illustrates how lightweight AI forecasting can be integrated with interactive visual analytics to support human-centered decision-making in complex geospatial and environmental domains.
- Abstract（参考訳）: 効率的で持続可能な海上輸送は、信頼性の高い予測と適応的なルーティングに依存していることが多いが、予測待ち時間と、海洋条件の変化による迅速な意思決定における人的判断の必要性により、運用上の採用は依然として困難である。
SWR-Vizは,物理情報を用いたフーリエニューラル演算子予測モデルとSIMROUTEに基づくルーティングと対話型エミッション分析を組み合わせた,AIによる視覚分析フレームワークである。
このフレームワークは、現在の状況から直接短期予測を生成し、スパース観測とデータ同化をサポートし、何をルーティングするかを迅速に探索することができる。
本研究では,日本沿岸およびメキシコ湾における主要航路沿いの予測モデルとSWR-Vizの枠組みを評価し,予測安定性の向上と地中構造解析の波動生成物に匹敵する現実的な経路解析結果を示した。
専門家のフィードバックは、SWR-Vizのユーザビリティ、高い排出削減ポテンシャルを持つ航海セグメントを分離する能力、そして実用的な意思決定支援システムとしてのその価値を強調している。
より広い範囲で、この研究は、複雑な地理空間と環境領域における人間中心の意思決定をサポートするために、軽量なAI予測がインタラクティブな視覚分析とどのように統合されるかを示している。
関連論文リスト
- Unified Multimodal Vessel Trajectory Prediction with Explainable Navigation Intention [18.699213433572996]
船舶軌道予測は、インテリジェント海洋システムの基本である。
既存の船舶軌道予測手法は、限られたシナリオ適用性と説明性に乏しい。
本稿では,説明可能なナビゲーション意図を取り入れた統合型船舶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） (2025-11-18T08:56:30Z) - DAWP: A framework for global observation forecasting via Data Assimilation and Weather Prediction in satellite observation space [60.729377189859]
完全な観測空間でAIWPを動作させるためのDAWPフレームワークを提案する。
AIDAモジュールは、不規則な衛星観測トークンを同化するためにマスク多モードオートエンコーダを適用している。
我々はAIDAがAIWPのロールアウトと効率を大幅に改善し、地球規模の降水分解予測に適用できる有望な可能性を秘めていることを示す。
論文 参考訳（メタデータ） (2025-10-13T03:13:35Z) - Beyond Patterns: Harnessing Causal Logic for Autonomous Driving Trajectory Prediction [10.21659221112514]
本稿では、因果推論を利用して予測堅牢性、一般化、精度を向上させる新しい軌道予測フレームワークを提案する。
本研究は、軌跡予測の因果推論の可能性を強調し、ロバストな自律運転システムへの道を開くものである。
論文 参考訳（メタデータ） (2025-05-11T05:56:07Z) - Characterized Diffusion Networks for Enhanced Autonomous Driving Trajectory Prediction [0.6202955567445396]
本稿では,自律走行のための新しい軌道予測モデルを提案する。
本モデルは,不確実性推定と複雑なエージェント相互作用を組み込むことにより,軌道予測の精度と信頼性を向上させる。
提案モデルでは,実環境における自律走行システムへの応用の可能性を示す。
論文 参考訳（メタデータ） (2024-11-25T15:03:44Z) - Scene-Aware Explainable Multimodal Trajectory Prediction [15.58042746234974]
説明可能な条件拡散に基づくマルチモーダル軌道予測(DMTP)モデルを提案する。
本モデルでは,マルチモーダルな軌道パターンを捉えるために条件拡散法を改良し,大域的特徴とシナリオ固有の特徴の意義を評価するためにシェープ値モデルを改良した。
実験により,本モデルが重要な入力の同定に優れ,精度でベースラインモデルよりも優れていることが示された。
論文 参考訳（メタデータ） (2024-10-22T08:17:33Z) - Interpolation-Free Deep Learning for Meteorological Downscaling on Unaligned Grids Across Multiple Domains with Application to Wind Power [0.0]
風力発電は加速し、その効率性を確保するためには信頼性の高い風力確率予測が不可欠である。
数値風速予測モデルは計算に費用がかかるため、全てのメソスケール風速を捉えるには大きすぎる解像度で確率予測が生成される。
統計的ダウンスケーリングは、低分解能(LR)変数から高分解能(HR)気象変数への写像を学習することで、計算コストの低い実行可能な解を提供する。
論文 参考訳（メタデータ） (2024-10-04T22:04:40Z) - 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) - Conditioned Human Trajectory Prediction using Iterative Attention Blocks [70.36888514074022]
本研究では,都市環境における歩行者位置予測を目的とした,簡易かつ効果的な歩行者軌道予測モデルを提案する。
我々のモデルは、複数のアテンションブロックとトランスフォーマーを反復的に実行できるニューラルネットワークアーキテクチャである。
ソーシャルマスク, 動的モデル, ソーシャルプーリング層, 複雑なグラフのような構造を明示的に導入することなく, SoTAモデルと同等の結果が得られることを示す。
論文 参考訳（メタデータ） (2022-06-29T07:49:48Z) - Predicting Future Occupancy Grids in Dynamic Environment with
Spatio-Temporal Learning [63.25627328308978]
本稿では,将来の占有予測を生成するための時間的予測ネットワークパイプラインを提案する。
現在のSOTAと比較して、我々の手法は3秒の長い水平線での占有を予測している。
我々は、さらなる研究を支援するために、nulisに基づくグリッド占有データセットを公開します。
論文 参考訳（メタデータ） (2022-05-06T13:45:32Z) - Counterfactual Vision-and-Language Navigation via Adversarial Path Sampling [65.99956848461915]
VLN(Vision-and-Language Navigation)は、エージェントが目標を達成するために3D環境を移動する方法を決定するタスクである。
VLNタスクの問題点の1つは、対話型環境において、人間に注釈を付けた指示で十分なナビゲーションパスを収集することは困難であるため、データの不足である。
本稿では,低品質な拡張データではなく,効果的な条件を考慮可能な,対向駆動の反実的推論モデルを提案する。
論文 参考訳（メタデータ） (2019-11-17T18:02:51Z)
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。