論文の概要: Selective Ambulance Dispatch Under Contextual Travel-Time Uncertainty
- arxiv url: http://arxiv.org/abs/2605.23378v1
- Date: Fri, 22 May 2026 08:46:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 17:29:20.267298
- Title: Selective Ambulance Dispatch Under Contextual Travel-Time Uncertainty
- Title（参考訳）: 文脈的旅行時間不確実性下における選択的アンバランス・ディスパッチ
- Authors: Zikun Lin, Daniel Zhuoyu Long, Viet Anh Nguyen,
- Abstract要約: アンバランス・ディスパッチ(英語: Ambulance dispatch)は、時間外停止(OHCA)において重要であり、派遣者は艦隊の能力に制限のあるタイムリーな到着のバランスをとる。
我々は,プライマリパスとセカンダリパスがしきい値を超えた場合にのみ,第2救急車を送付するI(Intelligent Dual dispatch of Emergency AmbuLances)を提案する。
- 参考スコア（独自算出の注目度）: 16.225780811704656
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ambulance response is time-critical in out-of-hospital cardiac arrest (OHCA), where dispatchers must balance timely arrivals with limited fleet capacity. Static territories and deterministic travel-time estimates are vulnerable to dynamic congestion, while always-dual dispatch adds redundancy but consumes fleet capacity. We propose IDEAL (Intelligent Dual dispatch of Emergency AmbuLances), a selective dual-dispatch framework that sends a second ambulance only when the optimistic gap between primary and secondary paths exceeds a threshold. IDEAL learns context-specific edge travel times from trip-level dispatch records, including unobserved routes, using a weakly supervised bilevel representation network. We train the nonsmooth model with mini-batch conservative gradients and prove an asymptotic convergence guarantee. IDEAL models uncertainty via Burg-divergence perturbations to a shared metric in the learned representation space, thereby inducing correlated changes in edge travel times and learning context-specific radii from historical underprediction errors. For real-time decisions, IDEAL casts optimistic-gap computation as a difference-of-convex program and derives an efficient oracle with complexity guarantees. In collaboration with the Hong Kong Fire Services Department, we evaluate IDEAL using historical OHCA records and real-time adaptive simulations. The results achieve a stronger response-time/resource trade-off relative to all region-based and Google-based baselines.
- Abstract（参考訳）: 応急処置は病院外心停止(OHCA)において時間的に重要であり、派遣者は限られた艦隊能力でタイムリーな到着をバランスさせなければならない。
静的な領域と決定論的旅行時間推定は動的混雑に弱いが、常に二重のディスパッチは冗長性を増すが、艦隊の能力は消費する。
本稿では,プライマリパスとセカンダリパスの楽観的ギャップがしきい値を超えた場合にのみ第2の救急車を送出する選択的なデュアルディスパッチフレームワークであるIDEALを提案する。
IDEALは、弱教師付き双方向表現ネットワークを使用して、未観測ルートを含む旅行レベルのディスパッチレコードから、コンテキスト固有のエッジトラベル時間を学習する。
我々はミニバッチの保守勾配で非滑らかなモデルを訓練し、漸近収束を保証する。
IDEALは、バーグ分割摂動による不確実性を学習された表現空間における共有メトリックにモデル化し、歴史的予測誤差からエッジ走行時間と文脈固有ラジイの相関変化を誘導する。
リアルタイムの意思決定では、IDEALはコンベックスの差分プログラムとして楽観的なゲップ計算をキャストし、複雑性を保証する効率的なオラクルを導出する。
香港消防庁と連携して,過去のOHCA記録とリアルタイム適応シミュレーションを用いたIDEALの評価を行った。
その結果、すべてのリージョンベースのベースラインとGoogleベースのベースラインに対して、レスポンスタイム/リソースのトレードオフが強化される。
関連論文リスト
- Recovering Physical Dynamics from Discrete Observations via Intrinsic Differential Consistency [12.266189649117003]
我々は地域の監督をグローバルな構造的制約に置き換える。
この特性からの偏差が2つの目的に作用する時間条件のセカント速度場を訓練する。
トレーニング正則化器として、時間スケールで一貫して構成されるフローに仮説空間を限定する。
論文 参考訳（メタデータ） (2026-05-08T20:24:32Z) - DecoVLN: Decoupling Observation, Reasoning, and Correction for Vision-and-Language Navigation [49.233063630722334]
長距離ナビゲーションにおけるロバストなストリーミング認識と閉ループ制御のためのフレームワークであるDecoVLNを提案する。
本稿では,統合されたスコアリング関数を反復的に最適化することにより,過去の候補プールからフレームを選択する適応的精錬機構を提案する。
また,コンプレックスエラーを軽減するために,状態-作用ペアレベルの補正手法を導入する。
論文 参考訳（メタデータ） (2026-03-13T16:24:37Z) - Agentic Spatio-Temporal Grounding via Collaborative Reasoning [80.83158605034465]
時間的ビデオグラウンド(Temporal Video Grounding)は、テキストクエリが与えられたビデオ内の対象物または人の時間的チューブを検索することを目的としている。
本稿では,STVGの課題に対して,オープンワールドおよびトレーニングフリーシナリオに向けたエージェント時空間グラウンド(ASTG)フレームワークを提案する。
具体的には、現代多言語モデル(MLLM)を活用した2つの特殊エージェントSRA(Spatial Reasoning Agent)とTRA(Temporal Reasoning Agent)である。
人気のあるベンチマークの実験は、既存の弱教師付きおよびゼロショットアプローチをマージンで上回る提案手法の優位性を実証している。
論文 参考訳（メタデータ） (2026-02-10T10:16:27Z) - Learning Minimally-Congested Drive Times from Sparse Open Networks: A Lightweight RF-Based Estimator for Urban Roadway Operations [0.0]
本稿では,最小渋滞車走行時間に対する軽量な推定器を開発した。
オープンなロードネットワークデータ、速度制約、スパース制御/ターン機能をランダムなフォレストフレームワークに統合する。
大都市圏でのポイント・ツー・ポイントの忠実さを保ち、資源の要求を減らし、防御可能な性能推定を供給している。
論文 参考訳（メタデータ） (2026-01-04T09:54:44Z) - STRATA-TS: Selective Knowledge Transfer for Urban Time Series Forecasting with Retrieval-Guided Reasoning [27.775793400546345]
STRATA-TSは、ドメイン適応検索と推論可能な大規模モデルを組み合わせることで、不足するデータレシエーションの予測を改善するフレームワークである。
効率的な配置を実現するため, 教師付き微調整により, 推論過程をコンパクトなオープンモデルに蒸留する。
シンガポール、ノッティンガム、グラスゴーの3つのパーキングアベイラビリティーデータセットの実験では、STRATA-TSは強い予測と転送ベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2025-08-26T03:18:53Z) - 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) - Interpretable Cascading Mixture-of-Experts for Urban Traffic Congestion Prediction [24.26429523848735]
急速な都市化は交通渋滞を著しくエスカレートさせ、高度な渋滞予測サービスの必要性を浮き彫りにした。
本稿では,CP-MoE(Congestion Prediction Mixture-of-Experts)を提案する。
CP-MoEは、旅行時間推定システムの精度と信頼性を向上させるため、DiDiに展開されている。
論文 参考訳（メタデータ） (2024-06-14T12:57:17Z) - FedSpeed: Larger Local Interval, Less Communication Round, and Higher
Generalization Accuracy [84.45004766136663]
フェデレートラーニング(Federated Learning)は、分散機械学習フレームワークである。
これは、局所的不整合最適と局所的過度な適合による頑丈なクライアントドリフトによってもたらされる非消滅バイアスに悩まされる。
本稿では,これらの問題による負の影響を軽減するために,新しい実用的手法であるFedSpeedを提案する。
論文 参考訳（メタデータ） (2023-02-21T03:55:29Z) - Short-term bus travel time prediction for transfer synchronization with
intelligent uncertainty handling [12.504473943407092]
マルチリンクバスの走行時間問題に適応・拡張した不確実性推定のための2つの新しいアプローチを提案する。
不確実性は、反復的な人工ニューラルネットワークの一部として直接モデル化されるが、2つの根本的に異なるアプローチを用いる。
論文 参考訳（メタデータ） (2021-04-14T12:38:27Z) - Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。
ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
論文 参考訳（メタデータ） (2021-03-18T08:47:56Z)
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。