論文の概要: A Topology-Guided GeoAI Agentic Framework for Urban Flood Screening
- arxiv url: http://arxiv.org/abs/2610.30660v1
- Date: Thu, 22 Oct 2026 03:22:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.198655
- Title: A Topology-Guided GeoAI Agentic Framework for Urban Flood Screening
- Title（参考訳）: 都市フラッドスクリーニングのためのトポロジーガイド型ジオAIエージェントフレームワーク
- Abstract要約: 都市洪水スクリーニングのためのトポロジー誘導型GeoAIフレームワークを提案する。
決定論的コントローラは、公共の標高、降雨、土壌、土地被覆、露出、インフラ層を回収する。
言語モデルは記録された決定ポイントでのみ機能する。
3つのHuman-in-the-loopチェックポイントによって、ユーザはしきい値、ファクターウェイト、レコメンデーションを修正できる。
- 参考スコア（独自算出の注目度）: 9.756413384385157
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Open-world geographic artificial intelligence (GeoAI) agents can transform public geospatial data into accessible decision support for real-world challenges, but must balance autonomous reasoning with reliable spatial analysis and human oversight. We present a topology-guided GeoAI agentic framework for urban flood screening that takes a place name, drawn region, or uploaded boundary and returns ranked candidate basins with an interactive map and report. A deterministic controller retrieves public elevation, rainfall, soil, land-cover, exposure, and infrastructure layers, extracts terrain depressions with discrete Morse theory, and ranks basins with a relative flood-priority score. The language model acts only at recorded decision points: selecting a persistence threshold from a precomputed candidate table, drafting recommendations from computed evidence, and reviewing each recommendation against the same evidence. Three human-in-the-loop checkpoints let users revise the threshold, factor weights, or recommendation. In a College Park, Maryland case study, the selected threshold reduced 278 raw terrain minima to 70 basins, with 77% of these basins' lowest points also identified as sinks by a separately computed eight-direction (D8) flow-routing model. Across four further study areas, agreement ranged from 61% to 83%. By combining open data, explicit spatial reasoning, traceable evidence, and human oversight, the framework enables transparent first-pass flood screening while keeping consequential recommendations inspectable and user-controlled.
- Abstract（参考訳）: オープンワールド地理人工知能(GeoAI)エージェントは、公共地理空間データを現実の課題に対してアクセス可能な意思決定支援に変換することができるが、自律推論と信頼性のある空間分析と人間の監視のバランスをとる必要がある。
本研究では, 地名, 描画地域, あるいはアップロード境界を抽出し, インタラクティブな地図とレポートでランク付けされた候補流域を返却する, 都市洪水スクリーニングのためのトポロジ誘導型GeoAIエージェントフレームワークを提案する。
決定論的コントローラは、公共の標高、降雨、土壌、土地被覆、露出、インフラ層を回収し、個別のモース理論で地形不況を抽出し、相対的な洪水優先スコアで盆地をランク付けする。
言語モデルは、あらかじめ計算された候補テーブルから永続しきい値を選択し、計算された証拠から推薦を起草し、同じ証拠に対してそれぞれの勧告をレビューする。
3つのHuman-in-the-loopチェックポイントによって、ユーザはしきい値、ファクターウェイト、レコメンデーションを修正できる。
メリーランド州カレッジパークのケーススタディでは、選択されたしきい値は278の原生地形のミニマを70の盆地に減らし、これらの盆地の最低地点の77%は、別々に計算された8方向流路モデル(D8)によってシンクと同定された。
さらに4つの研究領域で、合意は61%から83%に及んだ。
オープンデータ、明示的な空間的推論、トレーサブルエビデンス、および人間の監視を組み合わせることで、連続したレコメンデーションを検査可能かつユーザ制御しつつ、透過的なファーストパスフラッドスクリーニングを可能にする。
関連論文リスト
- A Decade of PhotoMappers: A Longitudinal Study of Crowdsourced Disaster Photos Geolocalization with Vision-Language Models and Geospatial Reasoning [20.335043961390046]
本研究では,災害情報の地理的変化について検討し,新しいGeoAIモデルと人間の地理的解釈をどう比較するかを問う。
ストリートビュー画像(SVI)とリモートセンシング画像(RSI)を用いた縦方向空間解析と横方向ジオローカライゼーションを併用する。
その結果,災害タイプ,コミュニティライフライン,運用上の優先事項が変化して形成された,地理的かつ時間的に不均一なアーカイブが明らかになった。
論文 参考訳（メタデータ） (2026-10-11T07:17:30Z) - An Empirical Evaluation of Cross-City POI Recommendation on a Large-Scale Benchmark [55.73054722370559]
都市横断点(POI)勧告は、慣れない都市環境をナビゲートするために重要である。
小さいベンチマークで得られた結論が、まだ世界規模でカバーされているか、住宅先が低いか、大きな意味的にリッチなPOI在庫が重複しているかを再検討する。
論文 参考訳（メタデータ） (2026-08-28T02:16:33Z) - Large scale cross-regional remote sensing flood monitoring framework for operative mapping and impact analysis [16.57552889738507]
本研究では,ロシア連邦領域における持続的な洪水モニタリングと被害評価のためのエンドツーエンドマルチモーダル・フレームワークを提案する。
限られたデータ条件下での水面検出を行う方法として,教師付きU-Net++モデルと自己教師型AnySatアーキテクチャの2つを比較した。
都市部における洪水被害の予測には, 影響地域, 材料被害, 被害状況, 生態的, 農業的影響の予測が最適であった。
論文 参考訳（メタデータ） (2026-07-30T15:50:23Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Explainable Geospatial AI for Satellite Ground Station Siting Using LiDAR-Derived Terrain Intelligence [0.0]
RCHは、電波伝搬と干渉解析において重要なパラメータである。
オープンな地理空間データからRCHを予測するための、解釈可能な、グローバルにデプロイ可能な機械学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-19T19:08:52Z) - Explore From Sketch: Accelerating UAV Exploration in Large-scale Environments with Prior Maps [20.559950853029]
本稿では,LiDARをベースとしたUAV探査において,スパース,アンアライメント,さらには2次元事前地図の離散化を生かした新しい探索フレームワークを提案する。
ベンチマーク評価では、探査効率が34.2%向上し、飛行距離が37.9%減少した。
論文 参考訳（メタデータ） (2026-06-10T06:30:29Z) - GeoAgent: Learning to Geolocate Everywhere with Reinforced Geographic Characteristics [91.17301794848025]
本稿では,人間と密に推論し,詳細なアドレス結論を導出できるGeoAgentについて述べる。
従来のRLベースの手法は、パフォーマンスと解釈可能性においてブレークスルーを達成したが、AI生成のチェーン・オブ・プリート(CoT)データとトレーニング戦略に依存しているため、依然として懸念が残っている。
論文 参考訳（メタデータ） (2026-02-13T04:48:05Z) - Where on Earth? A Vision-Language Benchmark for Probing Model Geolocation Skills Across Scales [61.03549470159347]
視覚言語モデル (VLM) は急速に進歩しているが, オープンワールド環境における画像位置決め能力は, 網羅的に評価されていない。
我々は、視覚認識、ステップバイステップ推論、エビデンス利用を評価するVLM画像位置情報の総合ベンチマークであるEarthWhereを提示する。
論文 参考訳（メタデータ） (2025-10-13T01:12:21Z) - MapEval: A Map-Based Evaluation of Geo-Spatial Reasoning in Foundation Models [7.422346909538787]
MapEvalは、3つの異なるタスクにわたる基礎モデルを評価するために設計されたベンチマークである。
空間的関係、ナビゲーション、旅行計画、現実世界の地図の相互作用をカバーしている。
ロングコンテキスト推論、APIインタラクション、ビジュアルマップ分析を扱うモデルが必要です。
論文 参考訳（メタデータ） (2024-12-31T07:20:32Z) - Distortions in Judged Spatial Relations in Large Language Models [45.875801135769585]
GPT-4は55%の精度で優れた性能を示し、GPT-3.5は47%、Llama-2は45%であった。
モデルは、ほとんどの場合において最も近い基数方向を同定し、その連想学習機構を反映した。
論文 参考訳（メタデータ） (2024-01-08T20:08:04Z) - Jalisco's multiclass land cover analysis and classification using a
novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。
本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。
組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
論文 参考訳（メタデータ） (2022-01-26T14:58:51Z)
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。