論文の概要: A Bayesian Learning Approach for Drone Coverage Network: A Case Study on Cardiac Arrest in Scotland
- arxiv url: http://arxiv.org/abs/2603.23134v1
- Date: Tue, 24 Mar 2026 12:32:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-25 19:53:37.476252
- Title: A Bayesian Learning Approach for Drone Coverage Network: A Case Study on Cardiac Arrest in Scotland
- Title（参考訳）: ドローンカバーネットワークのためのベイズ学習アプローチ:スコットランドにおける心臓発作を事例として
- Authors: Tathagata Basu, Edoardo Patelli, Gianluca Filippi, Ben Parsonage, Christy Maddock, Massimiliano Vasile, Marco Fossati, Adam Loyd, Shaun Marshall, Paul Gowens,
- Abstract要約: 我々は、ドローン支援のアカッドデリバリーネットワークを設計するための信頼性インフォームドベイズ学習フレームワークを定式化した。
遠隔地における応答信頼性を向上させるため,既存のアセムインフラの網羅性を検討する。
以上の結果から,ドローン支援の黙示録配達は費用対効果が期待でき,農村部や都市部における緊急対応範囲を大幅に改善する可能性が示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Drones are becoming popular as a complementary system for \ac{ems}. Although several pilot studies and flight trials have shown the feasibility of drone-assisted \ac{aed} delivery, running a full-scale operational network remains challenging due to high capital expenditure and environmental uncertainties. In this paper, we formulate a reliability-informed Bayesian learning framework for designing drone-assisted \ac{aed} delivery networks under environmental and operational uncertainty. We propose our objective function based on the survival probability of \ac{ohca} patients to identify the ideal locations of drone stations. Moreover, we consider the coverage of existing \ac{ems} infrastructure to improve the response reliability in remote areas. We illustrate our proposed method using geographically referenced cardiac arrest data from Scotland. The result shows how environmental variability and spatial demand patterns influence optimal drone station placement across urban and rural regions. In addition, we assess the robustness of the network and evaluate its economic viability using a cost-effectiveness analysis based on expected \ac{qaly}. The findings suggest that drone-assisted \ac{aed} delivery is expected to be cost-effective and has the potential to significantly improve the emergency response coverage in rural and urban areas with longer ambulance response times.
- Abstract（参考訳）: ドローンは \ac{ems} の補完システムとして人気を集めている。
いくつかのパイロット実験と飛行試験では、ドローン支援の \ac{aed} 配送の実現可能性を示しているが、資本支出と環境の不確実性のため、フルスケールの運用ネットワークの運用は依然として困難である。
本稿では,環境および運用上の不確実性の下で,ドローン支援の'ac{aed}配信ネットワークを設計するための信頼性インフォームドベイズ学習フレームワークを定式化する。
本稿では,<ac{ohca} 患者の生存確率に基づく目的関数を提案し,ドローンステーションの理想的な位置を同定する。
さらに,遠隔地における応答信頼性を向上させるために,既存の<ac{ems} インフラストラクチャのカバレッジを検討する。
スコットランドの心停止データを地理的に参照した手法について述べる。
その結果, 環境変動と空間需要パターンが都市部および農村部における最適なドローンステーション配置に与える影響が示唆された。
さらに,ネットワークのロバスト性を評価し,予測された \ac{qaly} に基づいた費用対効果分析を用いて,その経済性を評価する。
以上の結果から,ドローン支援型 \ac{aed} 配送は費用対効果が高く,救急対応時間が長い農村部や都市部の緊急対応範囲を大幅に改善する可能性が示唆された。
関連論文リスト
- Optimized Area Coverage in Disaster Response Utilizing Autonomous UAV Swarm Formations [0.879504058268139]
本稿では,山火事等の災害シナリオにおいて,最初の応答者を支援するために設計されたUAVスワムシステムを提案する。
複数のエージェントにセンサーを分散させることで、飛行期間を延長し、データの可用性を高め、衝突によるミッション失敗のリスクを低減する。
論文 参考訳（メタデータ） (2025-12-08T20:41:08Z) - AerialMind: Towards Referring Multi-Object Tracking in UAV Scenarios [64.51320327698231]
UAVシナリオにおける最初の大規模RMOTベンチマークであるAerialMindを紹介する。
我々は、革新的な半自動協調型エージェントベースラベリングアシスタントフレームワークを開発した。
また,視覚言語表現学習を協調的に強化する新しい手法であるHawkEyeTrackを提案する。
論文 参考訳（メタデータ） (2025-11-26T04:44:27Z) - AI Powered Urban Green Infrastructure Assessment Through Aerial Imagery of an Industrial Township [0.0]
本研究では,人工知能,特にコンピュータビジョン技術を用いたグリーンキャノピー被覆の推定を航空画像に適用するための効率的な手法を提案する。
提案手法は、ディープラーニングアルゴリズムに基づくオブジェクトベース画像解析を用いて、高解像度のドローン画像からグリーンキャノピーを正確に識別し、セグメント化する。
大規模なデータセットを処理する際の計算上の課題を克服するため、高性能プロセッサを使用したクラウドプラットフォーム上で実装された。
論文 参考訳（メタデータ） (2025-10-23T14:36:20Z) - Bayesian-Driven Graph Reasoning for Active Radio Map Construction [96.08082552413117]
本稿では,経路ナビゲーションに適したグラフベースの推論を明示的に活用する不確実性を考慮した無線地図再構成フレームワークを提案する。
提案手法は,(1)空間的不確実性をリアルタイムで推定するベイズニューラルネットワーク,(2)グローバル推論を行う注意に基づく強化学習ポリシの2つの重要な深層学習要素を統合した。
実験の結果,URAMは既存のベースラインよりも最大で34%の精度で復元できることがわかった。
論文 参考訳（メタデータ） (2025-07-29T03:32:01Z) - Vision-Based Risk Aware Emergency Landing for UAVs in Complex Urban Environments [0.46873264197900916]
本稿では,セマンティックセグメンテーションを利用したリスク認識手法を提案する。
本手法は,臨界障害物を移動しながら安定な安全着陸ゾーン(SLZ)を適応的に同定する。
制御システムはUAVをこの低リスク領域に向けて誘導し、高度依存性の安全しきい値と時間的着地点安定化を利用する。
論文 参考訳（メタデータ） (2025-05-26T18:16:21Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳（メタデータ） (2023-08-02T23:39:24Z) - Visual-based Safe Landing for UAVs in Populated Areas: Real-time
Validation in Virtual Environments [0.0]
本稿では,実環境における視覚に基づく自律着陸の安全性と徹底的な評価のためのフレームワークを提案する。
本研究では,UnrealグラフィックスエンジンとAirSimプラグインを併用したドローンシミュレーションを提案する。
ベスト」SLZを選択するための2つの異なる基準について検討し、異なるシナリオで仮想ドローンの自律着陸時に評価する。
論文 参考訳（メタデータ） (2022-03-25T17:22:24Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z)
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。