論文の概要: Digital Twin-Based Simulation for Predictive Decision-Making in Waterway Logistics

• arxiv url: http://arxiv.org/abs/2606.13492v1
• Date: Thu, 11 Jun 2026 15:41:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.889095
• Title: Digital Twin-Based Simulation for Predictive Decision-Making in Waterway Logistics
• Title（参考訳）: 水路ロジスティックスにおける予測決定過程のディジタル双極子シミュレーション
• Authors: Matthijs Jansen op de Haar, Daniel Frutos Rodriguez,
• Abstract要約: 本稿では,不確実な水位条件下での内陸水路網を横断する貨物輸送におけるDigital Twinの可能性について検討する。 既存のアプローチでは、水位における気候による揮発性の増加は不十分である。
• 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: This paper investigates the potential of a Digital Twin (DT) for freight routing across inland waterway networks under uncertain water-level conditions. Existing approaches insufficiently account for increasing climate-induced volatility in water levels, which often result in higher operational costs and emissions due to the need for more expensive transport alternatives, such as road transport. These existing methods often rely on reactive countermeasures to remain resilient. To address these limitations, six interviews with experts in domains related to inland shipping were conducted to identify three common contingency scenarios and appropriate operational responses. These scenarios were subsequently incorporated into a time-sliced simulation environment in which predictive decision-making, enabled by a DT environment, was compared against reactive approaches. The results demonstrate that predictive modeling substantially reduces operational costs and modal shifts at prediction accuracies between 70% and 100%, despite extreme conditions. In addition, the predictive model achieves an average 28.3% reduction in fuel-related costs by reducing the total distance ships travel. The simulation outcomes were evaluated together with domain experts to assess the practical relevance and applicability of the proposed DT-enabled approach.
• Abstract（参考訳）: 本稿では,不確実な水位条件下で内陸水路網を横断する貨物輸送のためのDigital Twin (DT) の可能性について検討する。 既存のアプローチでは、水位が気候によって引き起こされるボラティリティの増加が不十分であり、道路輸送のようなより高価な輸送手段を必要とするため、しばしば運用コストと排出が上昇する。 これらの既存の手法は、回復力を維持するためにしばしば反応性の対策に頼っている。 これらの制約に対処するため、内陸輸送に関する分野の専門家6人とのインタビューを行い、3つの共通緊急シナリオと適切な運用応答を特定した。 これらのシナリオはその後、DT環境によって実現された予測的意思決定を、リアクティブなアプローチと比較する、タイムスライディングなシミュレーション環境に組み込まれた。 その結果, 予測モデルにより, 極端な条件にもかかわらず, 予測精度の70%から100%の運用コストとモーダルシフトを大幅に低減できることがわかった。 さらに、予測モデルでは、燃料関連コストを平均28.3%削減し、船の総走行距離を減らした。 提案手法の実践的妥当性と適用性を評価するため, シミュレーション結果をドメイン専門家とともに評価した。

関連論文リスト

• Bridging Predictive Uncertainty and Safe Action: Sample-Conditioned Differentiable Planning for Autonomous Driving [46.91409391705346]
  複雑でダイナミックでインタラクティブな運転環境は、自動運転に重大な課題をもたらす。 現在のシステムにおける基本的なボトルネックは、高度に表現力のある不確実性モデリングと解釈可能な安全な動き計画との切り離しである。 本稿では, このギャップを埋めるために, 拡散生成将来の軌道を最適化プロセスに明示的に組み込む, サンプル条件付き微分可能計画フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-02T08:10:02Z)
• Probabilistic Transformers for Joint Modeling of Global Weather Dynamics and Decision-Centric Variables [1.7632505349721652]
  天気予報は、グリッド・オペレーション、航空、農業、緊急対応などの領域における高い意思決定の上流に位置している。 多くの決定関連ターゲットは、状態変数自体よりも、極端、蓄積、しきい値超越といった大気状態変数の機能である。 GEM-2は,ユーザが直接行動する変数群とともに,グローバルな大気力学を共同で学習する確率変換器である。
  論文  参考訳（メタデータ） (2026-01-07T09:43:36Z)
• Km-scale dynamical downscaling through conformalized latent diffusion models [45.94979929172337]
  高分解能気象場を粗大なシミュレーションから導き出すためには, 動的ダウンスケーリングが不可欠である。 Generative Diffusion Model(DM)は、最近、このタスクのための強力なデータ駆動ツールとして登場した。 しかし、DMは過信予測に対する有限サンプル保証を欠いているため、グリッドポイントレベルの不確実性推定が誤って行われる。 我々は、コンフォーマルな予測フレームワークでダウンスケーリングパイプラインを拡張することで、この問題に対処する。
  論文  参考訳（メタデータ） (2025-10-15T08:41:36Z)
• Detecting Model Drifts in Non-Stationary Environment Using Edit Operation Measures [45.88028371034407]
  本稿では,エージェントの挙動列の分布変化を分析して,そのような流れを検出する新しい枠組みを提案する。 定常条件および摂動条件下で発生した状態-作用軌跡間の偏差を定量化するための操作に基づく一組の編集手法を提案する。 実験により, 種々の騒音条件下であっても, ドリフトしないシナリオとドリフトを効果的に区別できることが実証された。
  論文  参考訳（メタデータ） (2025-09-14T17:48:06Z)
• Operator-based machine learning framework for generalizable prediction of unsteady treatment dynamics in stormwater infrastructure [3.919683312513903]
  コスト効率の高い設計と計画には,その場での処理性能の正確な評価が不可欠である。 従来のループ型動的モデルは計算効率が良いが、輸送と反応のプロセスが単純化され、予測精度と洞察が制限される。 本研究では,水理と粒子状物質(PM)の空間的・時間的ダイナミクスを予測するために,最先端の演算子学習を活用する複合演算子ベースニューラルネットワーク(CPNN)フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-07-07T06:02:42Z)
• Active Test-time Vision-Language Navigation [60.69722522420299]
  ATENAは、不確実なナビゲーション結果に対するエピソードフィードバックを通じて、実用的な人間とロボットのインタラクションを可能にする、テスト時のアクティブな学習フレームワークである。 特にATENAは、成功エピソードにおける確実性を高め、失敗エピソードにおいてそれを減らすことを学び、不確実性の校正を改善している。 さらに,自信ある予測に基づいて,エージェントがナビゲーション結果を評価することができる自己学習戦略を提案する。
  論文  参考訳（メタデータ） (2025-06-07T02:24:44Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• On the potential benefits of entropic regularization for smoothing Wasserstein estimators [3.194167428464958]
  本稿では,ワッサースタイン推定器の平滑化手法として最適輸送におけるエントロピー正則化の研究に焦点をあてる。 エントロピー正則化が、より低い計算コストで、非正規化ワッサーシュタイン推定器に匹敵する統計的性能にどのように到達するかを論じる。
  論文  参考訳（メタデータ） (2022-10-13T12:04:36Z)
• Do Neural Optimal Transport Solvers Work? A Continuous Wasserstein-2 Benchmark [133.46066694893318]
  最適輸送のためのニューラルネットワークに基づく解法の性能を評価する。 既存の解法では,下流タスクでは良好に機能するにもかかわらず,最適な輸送マップを復元できないことがわかった。
  論文  参考訳（メタデータ） (2021-06-03T15:59:28Z)

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。