論文の概要: Mapping and Comparing Climate Equity Policy Practices Using RAG LLM-Based Semantic Analysis and Recommendation Systems

• arxiv url: http://arxiv.org/abs/2601.06703v1
• Date: Sat, 10 Jan 2026 22:01:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:00.94696
• Title: Mapping and Comparing Climate Equity Policy Practices Using RAG LLM-Based Semantic Analysis and Recommendation Systems
• Title（参考訳）: RAG LLMに基づくセマンティック分析とレコメンデーションシステムを用いた気候環境政策のマッピングと比較
• Authors: Seung Jun Choi,
• Abstract要約: まず、AI時代におけるプランナーの役割の進化を再考するため、計画関連の求人情報を分析した。 次に、米国全体の気候変動計画を調査し、ChatGPTを用いてセマンティック分析を行う。 我々は,都市間政策比較を支援するコンテンツベースのレコメンデーションシステムを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study investigates the use of large language models to enhance the policymaking process. We first analyze planning-related job postings to revisit the evolving roles of planners in the era of AI. We then examine climate equity plans across the U.S. and apply ChatGPT to conduct semantic analysis, extracting policy, strategy, and action items related to transportation and energy. The methodological framework relied on a LangChain-native retrieval-augmented generation pipeline. Based on these extracted elements and their evaluated presence, we develop a content-based recommendation system to support cross-city policy comparison. The results indicate that, despite growing attention to AI, planning jobs largely retain their traditional domain emphases in transportation, environmental planning, housing, and land use. Communicative responsibilities remain central to planning practice. Climate equity plans commonly address transportation, environmental, and energy-related measures aimed at reducing greenhouse gas emissions and predominantly employ affirmative language. The demonstration of the recommendation system illustrates how planners can efficiently identify cities with similar policy practices, revealing patterns of geographic similarity in policy adoption. The study concludes by envisioning localized yet personalized AI-assisted systems that can be adapted within urban systems.
• Abstract（参考訳）: 本研究では,政策立案プロセスを強化するため,大規模言語モデルの利用について検討する。 まず、AI時代におけるプランナーの役割の進化を再考するため、計画関連の求人情報を分析した。 次に、米国全体の気候変動計画を調査し、ChatGPTを適用して、セマンティック分析、政策、戦略、および輸送とエネルギーに関する行動項目を抽出する。 方法論フレームワークはLangChainネイティブな検索拡張生成パイプラインに依存していた。 これらの抽出された要素と評価された存在に基づいて、都市間政策比較を支援するコンテンツベースのレコメンデーションシステムを開発する。 その結果、AIに注目が集まる一方で、計画職は輸送、環境計画、住宅、土地利用において伝統的な領域の段階を保っていることが示唆された。 コミュニケーション責任は計画の実践の中心に留まる。 気候のエクイティプランは、温室効果ガスの排出を減らすことを目的とした輸送、環境、エネルギー関連の対策に対処し、主に肯定的な言語を使用する。 このレコメンデーションシステムのデモンストレーションでは、プランナーが同様の政策プラクティスを持つ都市を効率的に識別し、政策導入における地理的類似性のパターンを明らかにする。 この研究は、都市システムに適応可能な、局所的でパーソナライズされたAIアシストシステムを想定することで、結論付けている。

関連論文リスト

• Enhancing Demand-Oriented Regionalization with Agentic AI and Local Heterogeneous Data for Adaptation Planning [1.0449613031852045]
  本稿では,災害計画のための需要指向の地域をユーザが生成できるエージェントAIを用いた計画支援システムを提案する。 空間制約型自己組織化マップ(RepSC-SOM)上に構築したプラットフォーム フロリダ州ジャクソンビルにおける洪水関連リスクのケーススタディを通じて, プラットフォームの性能を実証した。
  論文  参考訳（メタデータ） (2025-11-13T23:50:36Z)
• Reimagining Urban Science: Scaling Causal Inference with Large Language Models [39.231736674554995]
  都市因果研究は、都市を形成する複雑なダイナミックなプロセスを理解するために不可欠である。 現在の慣行は、しばしば非効率で偏りのある仮説の定式化によって制約される。 本研究では,仮説生成,データエンジニアリング,実験設計と実行,政策洞察による結果解釈の4つの異なるモジュールエージェントからなる概念的枠組みであるUrbanCIAを提案する。
  論文  参考訳（メタデータ） (2025-04-15T16:58:11Z)
• Generative AI in Transportation Planning: A Survey [41.38132349994159]
  我々は、交通計画においてGenAIを活用するための最初の包括的枠組みを提示する。 交通計画の観点から, 記述的, 予測的, 生成的, シミュレーション, 説明可能なタスクの自動化におけるGenAIの役割を検討する。 データ不足、説明可能性、バイアス軽減、ドメイン固有の評価フレームワークの開発など、重要な課題に対処する。
  論文  参考訳（メタデータ） (2025-03-10T10:33:31Z)
• Dual policy as self-model for planning [71.73710074424511]
  エージェントの自己モデルとして決定をシミュレートするために使用されるモデルについて述べる。 現在の強化学習アプローチと神経科学にインスパイアされた我々は、蒸留政策ネットワークを自己モデルとして利用することの利点と限界を探求する。
  論文  参考訳（メタデータ） (2023-06-07T13:58:45Z)
• Imitating Graph-Based Planning with Goal-Conditioned Policies [72.61631088613048]
  本稿では,目標目標条件ポリシにサブゴール条件ポリシを蒸留する自己シミュレーション方式を提案する。 提案手法は,既存の目標条件付きRL手法のサンプル効率を大幅に向上させることができることを実証的に示す。
  論文  参考訳（メタデータ） (2023-03-20T14:51:10Z)
• Human-instructed Deep Hierarchical Generative Learning for Automated Urban Planning [57.91323079939641]
  我々は,最適な都市計画を生成するために,人間に指示された新しい深層階層生成モデルを構築した。 最初の段階は、機能ゾーンを発見するために、目標領域の格子に遅延関数をラベル付けすることである。 第2の段階は、都市機能投影を形成するための計画要件を理解することである。 第3の段階は、マルチアテンションを活用して、機能プロジェクションのゾーン・ゾーン・ピア依存関係をモデル化し、グリッドレベルの土地利用構成を生成することである。
  論文  参考訳（メタデータ） (2022-12-01T23:06:41Z)
• IMPACT: Integrated Bottom-Up Greenhouse Gas Emission Pathways for Cities [0.0]
  IMPACT経路は、技術導入ポリシーとゾーン政策、気候変動、グリッド脱炭シナリオを統合する。 スプロールの排出プレミアムを特定し、時間とともにリバウンドする排出を示す有害な政策の組み合わせが存在することを示す。
  論文  参考訳（メタデータ） (2022-01-31T02:30:39Z)
• Online Grounding of PDDL Domains by Acting and Sensing in Unknown Environments [62.11612385360421]
  本稿では,エージェントが異なるタスクを実行できるフレームワークを提案する。 機械学習モデルを統合して、感覚データを抽象化し、目標達成のためのシンボリックプランニング、ナビゲーションのためのパスプランニングを行う。 提案手法を,RGB-Dオンボードカメラ,GPS,コンパスなど,正確なシミュレーション環境で評価する。
  論文  参考訳（メタデータ） (2021-12-18T21:48:20Z)
• How are cities pledging net zero? A computational approach to analyzing subnational climate strategies [0.0]
  都市は気候変動の主要な要因となり、ネットゼロの排出を目標にしている。 我々は、ネットゼロの目標を約束したり、超国家的気候イニシアチブに参加した都市から、318件の気候行動文書を分析した。 野心的な気候行動を定義した都市は、その計画において量的指標と特定のハイエミットセクターを強調する傾向にある。
  論文  参考訳（メタデータ） (2021-12-14T21:33:39Z)

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。