論文の概要: Transforming Crises into Opportunities: From Chaos to Urban Antifragility
- arxiv url: http://arxiv.org/abs/2601.10658v1
- Date: Thu, 15 Jan 2026 18:26:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-16 19:43:19.262603
- Title: Transforming Crises into Opportunities: From Chaos to Urban Antifragility
- Title（参考訳）: 危機を機会に変える: カオスから都市反脆弱へ
- Authors: Joseph Uguet, Nicola Tollin, Jordi Morato,
- Abstract要約: 都市危機は都市変化の加速器として機能し、再発明のための窓を作成しながら構造上の脆弱性を露呈する。
本論文は,危機後の適応軌道として選択された26都市を実証評価し,その枠組みを検証・運用する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Urban crises - floods, pandemics, economic shocks, and conflicts - function as accelerators of urban change, exposing structural vulnerabilities while creating windows for reinvention. Building on a prior theoretical contribution that identified fifteen principles of urban antifragility, this paper tests and operationalizes the framework through an empirical assessment of 26 cities selected for their post-crisis adaptation trajectories. Using a tailored diagnostic methodology, we benchmark cities' Stress Response Strategies (SRS) and then evaluate Urban Development Trajectories (UDT) across four weighted dimensions, positioning each case along a fragility-robustness-resilience-antifragility continuum and applying a balanced-threshold rule to confirm antifragile status. Results show that "resilience enhanced by innovation and technology" is the most effective response typology (86.9/100), and that six cities meet the antifragile trajectory criteria. By mapping best practices to activated principles and analysing co-activations, the study identifies a robust "hard core" of principles - Sustainable Resilience (O), Strategic Diversity (F), Proactive Innovation (I), and Active Prevention (N) - supplemented by operational enablers (e.g., anticipation, mobilization, shock absorption). The paper concludes by proposing an evidence-based, SDG-aligned operational model that links high-impact principle pairings to measurable indicators, offering a practical roadmap for cities seeking to convert crises into sustained transformation. Keywords: Post-crisis strategies, Urban antifragility, Sustainable cities and communities, Disaster resilience and urban regeneration, Risk governance and Black Swan adaptation.
- Abstract（参考訳）: 都市危機 - 洪水、パンデミック、経済ショック、紛争 - は、都市の変化の加速器として機能し、構造上の脆弱性を露呈し、再発明のための窓を作成する。
本論文は, 都市における反脆弱性に関する15の原則を立証した先行的理論的貢献に基づいて, 危機後適応軌道に選択された26都市の実証評価を通じて, 枠組みを検証・運用するものである。
都市におけるストレス対応戦略(SRS)をベンチマークし,4つの重み付き次元にわたる都市開発軌跡(UDT)を評価する。
その結果,「イノベーションと技術により強化されたレジリエンス」が最も効果的な応答型(86.9/100)であり,6都市が反フレジブル軌道基準を満たしていることがわかった。
ベストプラクティスを活性化された原則にマッピングし、コアクティベーションを分析することで、持続可能なレジリエンス(O)、戦略的多様性(F)、アクティブイノベーション(I)、アクティブディザクション(N)といった原則の堅牢な「ハードコア」を特定できる。
この論文は、高インパクト原理ペアリングと測定可能な指標を結びつけるエビデンスベースのSDG対応運用モデルを提案し、危機を持続的な変革に転換しようとする都市にとって実践的なロードマップを提供する。
キーワード:ポストクライシス戦略、都市反脆弱性、持続可能な都市とコミュニティ、災害の回復と都市再生、リスクガバナンス、ブラックスワン適応。
関連論文リスト
- Urban-R1: Reinforced MLLMs Mitigate Geospatial Biases for Urban General Intelligence [64.36291202666212]
アーバン・ジェネラル・インテリジェンス(UGI)とは、複雑な都市環境を理解し、推論できるAIシステムである。
近年, LLM と MLLM の教師付き微調整 (SFT) を用いた都市基盤モデルの構築が進められている。
MLLMをUGIの目的と整合させる強化学習に基づくポストトレーニングフレームワークであるUrban-R1を提案する。
論文 参考訳（メタデータ） (2025-10-18T15:59:09Z) - DeceptionBench: A Comprehensive Benchmark for AI Deception Behaviors in Real-world Scenarios [57.327907850766785]
現実的な現実のシナリオにまたがる騙しのキャラクタリゼーションは未解明のままである。
DeceptionBenchは、さまざまなドメインにまたがる認知傾向を体系的に評価する最初のベンチマークです。
本研究は,本質的な側面から,ユーザ満足度を優先する自己関心のエゴスティックな傾向を示すモデルや,サイコファンティックな行動を示すモデルについて検討する。
実世界のフィードバックダイナミクスのより現実的なシミュレーションを構築するために,持続的マルチターン相互作用ループを組み込んだ。
論文 参考訳（メタデータ） (2025-10-17T10:14:26Z) - GraphCSVAE: Graph Categorical Structured Variational Autoencoder for Spatiotemporal Auditing of Physical Vulnerability Towards Sustainable Post-Disaster Risk Reduction [0.5949779668853555]
物理的脆弱性をモデル化するための新しい確率的データ駆動フレームワークであるGraphCSVAEを紹介する。
本稿では,災害時と社会経済的に不利な2つの地域での物理的脆弱性の分布の変化を反映した,弱教師付き一階遷移行列を提案する。
本研究は,局部的な時間的監査と,災害後のリスク低減のための持続的戦略に関する貴重な知見を提供する。
論文 参考訳（メタデータ） (2025-09-12T14:50:56Z) - CyGATE: Game-Theoretic Cyber Attack-Defense Engine for Patch Strategy Optimization [73.13843039509386]
本稿では,攻撃と防御の相互作用をモデル化するゲーム理論フレームワークCyGATEを提案する。
CyGATEはサイバー・キル・チェーン(Cyber Kill Chain)の段階にわたって、サイバー紛争を部分的に観察可能なゲーム(POSG)として捉えている。
フレームワークの柔軟なアーキテクチャは、マルチエージェントシナリオの拡張を可能にする。
論文 参考訳（メタデータ） (2025-08-01T09:53:06Z) - 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) - Scenario Discovery for Urban Planning: The Case of Green Urbanism and the Impact on Stress [1.2604797012141788]
本研究は, 都市計画におけるシナリオディスカバリーを適用して, ストレス低減における都市植生介入の有効性を評価する。
植生をベースとしたソリューションがストレス応答の緩和に成功または失敗する主要な介入しきい値を特定する。
植生の増加は, ストレスレベルが低く, 高密度の都市環境, 群集, 個々人の心理的特性と相関していることが明らかとなった。
論文 参考訳（メタデータ） (2025-04-03T07:23:17Z) - EPO: Explicit Policy Optimization for Strategic Reasoning in LLMs via Reinforcement Learning [69.55982246413046]
戦略的推論のための明示的なポリシー最適化(EPO)を提案する。
我々は,マルチターン強化学習(RL)による戦略的推論モデルを訓練し,プロセス報酬と反復的な自己プレイを活用する。
本研究は, EPOに出現する様々な協調的推論機構と, 新規戦略の創出における有効性を明らかにするものである。
論文 参考訳（メタデータ） (2025-02-18T03:15:55Z) - Collaborative Imputation of Urban Time Series through Cross-city Meta-learning [54.438991949772145]
メタ学習型暗黙的ニューラル表現(INR)を利用した新しい協調的計算パラダイムを提案する。
次に,モデルに依存しないメタ学習による都市間協調学習手法を提案する。
20のグローバル都市から得られた多様な都市データセットの実験は、我々のモデルの優れた計算性能と一般化可能性を示している。
論文 参考訳（メタデータ） (2025-01-20T07:12:40Z) - Applying Machine Learning Tools for Urban Resilience Against Floods [0.0]
洪水は最も一般的で破壊的な自然災害の1つであり、都市部で深刻な社会的・経済的影響をもたらす。
本稿では,テヘランの第6地区において,最も効果的な洪水抵抗モデルについて検討する。
論文 参考訳（メタデータ） (2024-12-09T04:56:33Z) - Enhanced Urban Region Profiling with Adversarial Self-Supervised Learning for Robust Forecasting and Security [12.8405655328298]
既存のメソッドは、ノイズ、データ不完全性、セキュリティ脆弱性といった問題に悩まされることが多い。
本稿では,EUPAS(Adversarial Self-Supervised Learning)を用いた都市域プロファイリング手法を提案する。
EUPASは、犯罪予測、チェックイン予測、土地利用分類などの様々な予測タスクにおいて、堅牢なパフォーマンスを保証する。
論文 参考訳（メタデータ） (2024-02-02T06:06:45Z) - Policy Smoothing for Provably Robust Reinforcement Learning [109.90239627115336]
入力のノルム有界対向摂動に対する強化学習の証明可能な堅牢性について検討する。
我々は、スムーズなポリシーによって得られる全報酬が、入力の摂動のノルムバウンドな逆数の下で一定の閾値以下に収まらないことを保証した証明書を生成する。
論文 参考訳（メタデータ） (2021-06-21T21:42:08Z)
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。