論文の概要: A Multi-Agent System for Building-Age Cohort Mapping to Support Urban Energy Planning

• arxiv url: http://arxiv.org/abs/2603.17626v1
• Date: Wed, 18 Mar 2026 11:46:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.673836
• Title: A Multi-Agent System for Building-Age Cohort Mapping to Support Urban Energy Planning
• Title（参考訳）: 都市エネルギー計画支援のためのビルエイジコホートマッピングのためのマルチエージェントシステム
• Authors: Kundan Thota, Thorsten Schlachter, Veit Hagenmeyer,
• Abstract要約: 建築年齢は、持続可能な都市熱計画とアップグレードの優先順位付けに不可欠である。 異種音源からのデータを融合するマルチエージェントLLMシステムを提案する。 BuildingAgeCNNの全体的な精度は90.69%だが、最小のマクロF1は67.25%である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Determining the age distribution of the urban building stock is crucial for sustainable municipal heat planning and upgrade prioritization. However, existing approaches often rely on datasets gathered via sensors or remote sensing techniques, leaving inconsistencies and gaps in data. We present a multi-agent LLM system comprising three key agents, the Zensus agent, the OSM agent, and the Monument agent, that fuse data from heterogeneous sources. A data orchestrator and harmonizer geocodes and deduplicates building imprints. Using this fused ground truth, we introduce BuildingAgeCNN, a satellite-only classifier based on a ConvNeXt backbone augmented with a Feature Pyramid Network (FPN), CoordConv spatial channels, and Squeeze-and-Excitation (SE) blocks. Under spatial cross validation, BuildingAgeCNN attains an overall accuracy of 90.69% but a modest macro-F1 of 67.25%, reflecting strong class imbalance and persistent confusions between adjacent historical cohorts. To mitigate risk for planning applications, the address-to prediction pipeline includes calibrated confidence estimates and flags low-confidence cases for manual review. This multi-agent LLM system not only assists in gathering structured data but also helps energy demand planners optimize district-heating networks and target low-carbon sustainable energy systems.
• Abstract（参考訳）: 都会の建築資材の年齢分布の決定は, 持続可能な都市熱計画とアップグレード優先化に不可欠である。 しかし、既存のアプローチは、しばしばセンサーやリモートセンシング技術を介して収集されたデータセットに依存し、データの矛盾とギャップを残している。 異種ソースからのデータを融合する,Zensusエージェント,OSMエージェント,Monumentエージェントの3つのキーエージェントからなるマルチエージェントLCMシステムを提案する。 データオーケストレータとハーモナイザは、インプリントの構築をジオコードし、重複させる。 本稿では,FPN(Feature Pyramid Network),CoordConv空間チャネル,Squeeze-and-Excitation(SE)ブロックを付加したConvNeXtバックボーンに基づく衛星専用分類器であるBuildingAgeCNNを紹介する。 空間的交差検証の下では、BuildingAgeCNNの全体的な精度は90.69%であるが、最小のマクロF1は67.25%であり、強い階級不均衡と隣接する歴史的なコホート間の永続的な混乱を反映している。 アプリケーション計画のリスクを軽減するため、アドレス・ツー・予測パイプラインは、キャリブレーションされた信頼度推定と、手動によるレビューのために低信頼のケースをフラグする。 このマルチエージェントLSMシステムは、構造化されたデータ収集を支援するだけでなく、エネルギー需要プランナーが地域熱ネットワークを最適化し、低炭素持続可能エネルギーシステムをターゲットにするのに役立つ。

関連論文リスト

• Clustering Rooftop PV Systems via Probabilistic Embeddings [0.0]
  大規模で空間的に分散した時系列データは高次元であり、欠落した値に影響される。 これらの問題に対処するために、確率エンティティ埋め込みベースのクラスタリングフレームワークが提案されている。 複数年間の住宅PVデータセットに適用すると、物理ベースのベースラインを代表性とロバスト性で上回る不確実性を認識したクラスタプロファイルを生成する。
  論文  参考訳（メタデータ） (2025-05-15T20:44:45Z)
• TUM2TWIN: Introducing the Large-Scale Multimodal Urban Digital Twin Benchmark Dataset [90.97440987655084]
  都市デジタルツインズ(UDT)は、都市管理と多様なソースからの複雑な異種データの統合に欠かせないものとなっている。 これらの課題に対処するために、最初の総合的マルチモーダルなUrban Digital TwinベンチマークデータセットTUM2TWINを紹介する。 このデータセットには、地理的にセマンティックに整合した3Dモデルとネットワーク、およびさまざまな地球、モバイル、航空、衛星観測結果、約10,000ドル以上のデータサブセット、そして現在767GBのデータが含まれている。
  論文  参考訳（メタデータ） (2025-05-12T09:48:32Z)
• Benchmarking LLMs' Swarm intelligence [51.648605206159125]
  大規模言語モデル(LLM)は複雑な推論の可能性を秘めているが、マルチエージェントシステム(MAS)における創発的協調の能力はほとんど探索されていない。 分散エージェントとして機能するLDMのタスクを体系的に評価する新しいベンチマークであるSwarmBenchを紹介する。 本稿では,協調効率の指標を提案し,創発的グループダイナミクスを解析する。
  論文  参考訳（メタデータ） (2025-05-07T12:32:01Z)
• OccuEMBED: Occupancy Extraction Merged with Building Energy Disaggregation for Occupant-Responsive Operation at Scale [3.1755820123640612]
  自動化の構築は、中央集権的な運用を通じて効率性と柔軟性を高める上で重要な役割を担います。 本研究では,全体のスマートメータデータを用いて,占有率とシステム操作量の両方を推定する可能性について検討する。 我々は,OccuEMBEDを提案する。OccuEMBEDは,占有率推定とシステムレベルの負荷解析のための統合されたフレームワークである。
  論文  参考訳（メタデータ） (2025-04-23T10:49:48Z)
• Privacy-Preserving Distributed Learning for Residential Short-Term Load Forecasting [11.185176107646956]
  電力システムの負荷データは、住宅ユーザの日常のルーチンを不注意に明らかにし、彼らの財産のセキュリティにリスクを及ぼす可能性がある。 我々はマルコフスイッチ方式の分散学習フレームワークを導入し、その収束は厳密な理論的解析によって実証される。 実世界の電力系統負荷データを用いたケーススタディにより,提案アルゴリズムの有効性を検証した。
  論文  参考訳（メタデータ） (2024-02-02T16:39:08Z)
• Semi-supervised Learning from Street-View Images and OpenStreetMap for Automatic Building Height Estimation [59.6553058160943]
  本稿では,Mapillary SVIとOpenStreetMapのデータから建物の高さを自動的に推定する半教師付き学習(SSL)手法を提案する。 提案手法は, 平均絶対誤差(MAE)が約2.1mである建物の高さを推定する上で, 明らかな性能向上につながる。 予備結果は,低コストなVGIデータに基づく提案手法のスケールアップに向けた今後の取り組みを期待し,動機づけるものである。
  論文  参考訳（メタデータ） (2023-07-05T18:16:30Z)
• Mosaic Zonotope Shadow Matching for Risk-Aware Autonomous Localization in Harsh Urban Environments [0.966840768820136]
  グローバルナビゲーション衛星システム(GNSS)によるリスク対応都市ローカライゼーションは未解決の問題である。 分類器に依存しないポリトープモザイクアーキテクチャを用いたモザイクゾノトープシャドウマッチング(MZSM)を提案する。 サンフランシスコの3Dビルディングマップを用いて高忠実度シミュレーションを行い、アルゴリズムのリスク認識の改善を検証する。
  論文  参考訳（メタデータ） (2022-04-30T21:01:03Z)
• Federated Learning for Intrusion Detection in IoT Security: A Hybrid Ensemble Approach [0.0]
  我々はまず,ハイブリットアンサンブルモデルであるPHECをベースとしたIDS用アーキテクチャを提案する。 次に、ラベルノイズ問題に対処するために、集中型およびフェデレーションされた環境における耐雑音性PHECを提案する。 各種セキュリティ攻撃から得られた4つのベンチマークデータセットによる実験結果から,FPRを低ノイズでクリーンなデータに保ちながら高いTPRを達成することが示された。
  論文  参考訳（メタデータ） (2021-06-25T06:33:35Z)

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。