論文の概要: TransResAI: A Compound AI System for Coastal Transportation Resilience
- arxiv url: http://arxiv.org/abs/2606.00042v1
- Date: Tue, 28 Apr 2026 15:39:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-21 22:14:14.91715
- Title: TransResAI: A Compound AI System for Coastal Transportation Resilience
- Title（参考訳）: TransResAI: 沿岸輸送レジリエンスのための複合AIシステム
- Authors: Qingwen Pu, Kun Xie, Chenyu Yan,
- Abstract要約: 本研究では,自然対話による洪水対応輸送のレジリエンスの分析を支援する複合AIシステムTransResAIを提案する。
このシステムは、ローカルにデプロイ可能なLarge Language Model(LLM)と、タスクの分解、セキュアなコード生成、地理空間解析、検索拡張生成、インタラクティブマップレンダリングのためのモジュールを統合する。
- 参考スコア（独自算出の注目度）: 1.929646837759767
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Coastal flooding increasingly threatens transportation infrastructure, yet the analytical tools needed for resilience management remain difficult for many non-specialist practitioners to use. This study presents TransResAI, a compound AI system that supports analysis of flood-aware transportation resilience via natural-language interactions. The system integrates a locally deployable Large Language Model (LLM) with modules for task decomposition, secure code generation, geospatial analysis, retrieval-augmented generation, and interactive map rendering. TransResAI links MATSim flood-scenario simulation outputs, OpenStreetMap-derived flood-risk networks, equity-focused demographic indicators, and regional documents in Hampton Roads, Virginia. A structured user study with domain experts demonstrated that TransResAI reduced task completion time by 80-88% relative to conventional GIS workflows, compressing analytical tasks from a mean of 197.1 seconds to 29.7 seconds and visualization tasks from 364.0 seconds to 46.1 seconds, while maintaining mean accuracy of 4.60/5.00 and task completion rates exceeding 94%. These findings demonstrate that compound AI architectures bridge the gap between general-purpose language models and specialized domain knowledge, as well as the quantitative rigor required for infrastructure resilience, providing transportation agencies and communities with faster, more accessible analytical tools for decision-making under growing climate uncertainty.
- Abstract（参考訳）: 沿岸での洪水は交通インフラを脅かす傾向にあるが、レジリエンス管理に必要な分析ツールは、多くの非専門的な実践者が使うのが難しいままである。
本研究では,自然対話による洪水対応輸送のレジリエンスの分析を支援する複合AIシステムTransResAIを提案する。
このシステムは、ローカルにデプロイ可能なLarge Language Model(LLM)と、タスクの分解、セキュアなコード生成、地理空間解析、検索拡張生成、インタラクティブマップレンダリングのためのモジュールを統合する。
TransResAIは、MATSimの洪水シナリオシミュレーション出力、OpenStreetMap由来の洪水リスクネットワーク、株式中心の人口統計指標、およびバージニア州ハンプトン・ローズの地域文書をリンクしている。
ドメインの専門家による構造化された調査では、TransResAIは従来のGISワークフローと比較してタスク完了時間を80～88%削減し、分析タスクを平均197.1秒から29.7秒に圧縮し、視覚化タスクを364.0秒から46.1秒に短縮し、平均精度は4.60/5.00、タスク完了率は94%を超えた。
これらの結果は、複合AIアーキテクチャが汎用言語モデルと専門ドメイン知識のギャップを埋め、インフラのレジリエンスに必要な量的厳密さを橋渡しし、気候の不確実性の増大の下で意思決定を行うためのより速く、よりアクセスしやすい分析ツールを交通機関やコミュニティに提供することを示している。
関連論文リスト
- SpatialWorld: Benchmarking Interactive Spatial Reasoning of Multimodal Agents in Real-World Tasks [73.92333717662558]
SpaceWorldは、複雑な現実世界のタスクにおけるマルチモーダルエージェントのインタラクティブな空間的理解を評価するためのベンチマークである。
多様なドメイン(例えば、家庭のルーチン、旅行、社会協力など)にまたがる760の人称タスクが特徴である。
信頼性評価のために、各タスクは、人間検証された初期状態、参照軌跡、端末状態検証器を含む。
論文 参考訳（メタデータ） (2026-06-08T15:51:51Z) - Characterizing AI-Assisted Bot Traffic in Darknet Data: Implications for ICS and IIoT Security [0.0]
自動スキャンツールとAI支援偵察エージェントの台頭は、インターネットの背景トラフィックパターンを大きく変えた。
本稿では,2021年から2025年にかけての1億9200万個の受動ダークネットパケットの時系列データセットをMerit ORION Network Telescopeから解析することにより,自動ボットトラフィックの進化を特徴付ける。
論文 参考訳（メタデータ） (2026-05-14T00:07:20Z) - Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。
タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。
DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
論文 参考訳（メタデータ） (2026-05-12T06:57:41Z) - Autonomous Edge-Deployed AI Agents for Electric Vehicle Charging Infrastructure Management [0.0]
クラウド中心のアーキテクチャは、自律運用に必要なレイテンシ、信頼性、帯域幅特性を達成できない。
Auralink SDC(Software-Defined Charging)は、ドメイン特化AIエージェントをネットワークエッジにデプロイし、自律的な充電インフラ管理を行うアーキテクチャである。
論文 参考訳（メタデータ） (2026-02-24T16:25:21Z) - OpenEarthAgent: A Unified Framework for Tool-Augmented Geospatial Agents [68.85365034738534]
本稿では,衛星画像,自然言語クエリ,詳細な推論トレースに基づいて学習したツール拡張された地理空間エージェントを開発するための統一的なフレームワークを提案する。
トレーニングパイプラインは、構造化推論軌道上の教師付き微調整に依存し、モデルを検証された多段階ツールの相互作用と整合させる。
付随コーパスは、14,538のトレーニングと1,169の評価インスタンスから構成され、トレーニングスプリットでは100K以上の推論ステップ、評価スプリットでは7K以上の推論ステップがある。
論文 参考訳（メタデータ） (2026-02-19T18:59:54Z) - Scalable Transit Delay Prediction at City Scale: A Systematic Approach with Multi-Resolution Feature Engineering and Deep Learning [1.065661841579261]
既存の遅延予測システムは、手作りの機能に依存し、再利用可能なアーキテクチャを設計する方法についてはほとんどガイダンスを提供していない。
本稿では,マルチレゾリューション機能工学,次元減少,深層学習を組み合わせた都市規模の予測パイプラインを提案する。
クラスタ認識機能を備えたグローバルLSTMは、精度と効率の最良のトレードオフを実現し、トランスフォーマーモデルを1852%から52%向上させる。
論文 参考訳（メタデータ） (2026-01-26T14:30:50Z) - Wireless Traffic Prediction with Large Language Model [54.07581399989292]
TIDESは、無線トラフィック予測のための空間時間相関をキャプチャする新しいフレームワークである。
TIDESは過剰なトレーニングオーバーヘッドを発生させることなく、ドメイン固有のパターンへの効率的な適応を実現する。
この結果から,将来の6Gシステムにおいて,空間認識をLCMベースの予測器に統合することが,スケーラブルでインテリジェントなネットワーク管理の鍵であることが示唆された。
論文 参考訳（メタデータ） (2025-12-19T04:47:40Z) - Enhanced Urban Traffic Management Using CCTV Surveillance Videos and Multi-Source Data Current State Prediction and Frequent Episode Mining [3.3248768737711045]
本研究の目的は、CCTV監視ビデオとマルチソースデータを統合し、リアルタイムの都市交通予測を強化する統一的なフレームワークを開発することである。
このフレームワークは46台のカメラにまたがる313,931個のバウンディングボックスからなるCityFlowデータセットで評価された。
論文 参考訳（メタデータ） (2025-10-04T06:11:34Z) - Confidence-Regulated Generative Diffusion Models for Reliable AI Agent Migration in Vehicular Metaverses [55.70043755630583]
車両用AIエージェントには、環境認識、意思決定、行動実行能力が与えられている。
本稿では、信頼性の高い車両用AIエージェントマイグレーションフレームワークを提案し、信頼性の高い動的マイグレーションと効率的なリソーススケジューリングを実現する。
我々は,AIエージェントのマイグレーション決定を効率的に生成する信頼性制御型生成拡散モデル(CGDM)を開発した。
論文 参考訳（メタデータ） (2025-05-19T05:04:48Z) - The AI Mechanic: Acoustic Vehicle Characterization Neural Networks [1.8275108630751837]
我々は,モバイルデバイスから取得した音声を用いて,音響車両の特徴的深層学習システムであるAIメカニックを紹介する。
我々は、故障検出を強化するために車両特性を予測し、カスケードする畳み込みニューラルネットワークを構築している。
我々のカスケーディングアーキテクチャは、さらに93.6%の検証と86.8%のテストセットの正確さを達成し、16.4%/7.8%と4.2%/1.5%のマージンを示した。
論文 参考訳（メタデータ） (2022-05-19T16:29:26Z)
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。