論文の概要: Local Spatial TreeSHAP: Geographically Explainable AI Revealing Urbanization-Dependent Spatial Heterogeneity in Flood Resilience

• arxiv url: http://arxiv.org/abs/2611.00433v1
• Date: Fri, 30 Oct 2026 22:31:20 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:15:37.288133
• Title: Local Spatial TreeSHAP: Geographically Explainable AI Revealing Urbanization-Dependent Spatial Heterogeneity in Flood Resilience
• Title（参考訳）: 局所的空間的樹冠:洪水抵抗性における都市化に依存した空間的不均一性を明らかにする地理的説明可能なAI
• Abstract要約: 本研究では、非線形レジリエンス機構を識別するための空間的に説明可能な機械学習フレームワークを開発する。 2023年7月の北京の豪雨の影響を受け、779の地域社会に適用される。
• 参考スコア（独自算出の注目度）: 3.781161111009005
• License:
• Abstract: Urban flood resilience emerges from complex interactions among natural, built, and socio-economic systems, yet most recovery policies implicitly assume that resilience mechanisms are spatially uniform. To address this gap, this study develops a spatially explainable machine learning framework that integrates geographically weighted random forests with a novel Local Spatial TreeSHAP algorithm, enabling nonlinear resilience mechanisms to be identified and interpreted at the community scale. The framework is applied to 779 communities affected by the July 2023 extreme rainstorm in Beijing. Results reveal that resilience mechanisms exhibit substantially stronger spatial heterogeneity than the underlying physical and socio-economic conditions themselves, with SHAP-value spatial autocorrelation decreasing by 66.2% on average relative to predictor variables. Three distinct resilience regimes emerge across the urbanization gradient. Highly urbanized communities benefit from synergistic interactions among commercial infrastructure and accommodation services; transitional medium urbanized communities are constrained by infrastructure-development mismatches that create facility gaps despite continued urban expansion; and low urbanized communities are dominated by ecological and topographic thresholds, where adverse interactions between transportation and river-network structures undermine recovery capacity. Field investigations and interviews with 12 stakeholders corroborate these patterns. By linking geographically weighted machine learning with locally grounded attribution analysis, the proposed framework provides a new pathway for uncovering spatially varying resilience mechanisms and translating them into place-based recovery strategies under increasing climate extremes.
• Abstract（参考訳）: 都市洪水の回復は、自然、建設、社会経済システム間の複雑な相互作用から生じるが、ほとんどの回復政策は、レジリエンスのメカニズムが空間的に均一であると暗黙的に仮定している。 このギャップに対処するために、地理的に重み付けされたランダムな森林を新しいローカル空間木SHAPアルゴリズムと統合した空間的に説明可能な機械学習フレームワークを開発し、コミュニティ規模で非線形レジリエンス機構を識別・解釈できるようにする。 この枠組みは、2023年7月の北京の豪雨で影響を受けた779のコミュニティに適用されている。 その結果、レジリエンス機構は、基礎となる物理的・社会経済的条件よりもはるかに強い空間不均一性を示し、SHAP値の空間自己相関は予測変数に対する平均で66.2%減少していることが明らかとなった。 3つの異なるレジリエンス体制が都市化の勾配を越えて出現する。 高都市化コミュニティは、商業インフラと宿泊サービス間の相乗的相互作用の恩恵を受け、過渡的な中都市化コミュニティは、継続的な都市拡大にもかかわらず施設ギャップを生じさせるインフラ開発ミスマッチに制約され、低都市化コミュニティは、交通と河川ネットワーク構造の間の有害な相互作用が回復能力を損なう環境と地形のしきい値によって支配されている。 フィールド調査と12の利害関係者へのインタビューは、これらのパターンを裏付けている。 地理的に重み付けされた機械学習と局所的な帰属分析を結びつけることにより、空間的に変化するレジリエンスメカニズムを解明し、気候極度の増加の下でそれらを場所ベースの回復戦略に変換する新たな経路を提供する。

関連論文リスト

• A Joint Synthetic Housing-Household Inventory [1.338174941551702]
  世帯レベルでの詳細な住宅構造と人口動態を共同で捉えた高忠実度データセットは現存していない。 本稿では,個人と世帯を両立住宅ユニットに明示的に結びつける共同住宅在庫構築の枠組みについて述べる。 結果として得られた在庫は、災害時のレジリエンス計画、住宅および価格分析、エネルギー利用評価、公衆衛生研究など幅広い応用をサポートしている。
  論文  参考訳（メタデータ） (2026-05-16T14:58:44Z)
• SocialMirror: Reconstructing 3D Human Interaction Behaviors from Monocular Videos with Semantic and Geometric Guidance [49.69016078147708]
  密接な相互作用シナリオにおける人間の行動の正確な再構築は、拡張現実における現実的な仮想インタラクションの実現に不可欠である。 本稿では,これらの問題に効果的に対処するための意味的および幾何学的手がかりを統合する拡散ベースのフレームワークであるSocialMirrorを提案する。 SocialMirrorはインタラクティブなヒューマンメッシュを再構築する上で,最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-04-15T07:41:52Z)
• Geographically Weighted Canonical Correlation Analysis: Local Spatial Associations Between Two Sets of Variables [47.652697094546994]
  本稿では,古典的統計手法であるカノニカル相関解析(CCA)の空間関係研究への応用を批判的に評価する。 本研究では,2つの変数間の局所的空間的関連を探索する新しい手法として,地理重み付き標準相関解析(GWCCA)を提案する。 その結果,GWCCAは都市計画,環境科学,公衆衛生,交通といった空間データ集約分野に広く応用できる可能性が示唆された。
  論文  参考訳（メタデータ） (2026-02-10T19:36:49Z)
• Abundance and Economic diversity as a descriptor of cities' economic complexity [0.034998703934432676]
  企業、機関、空間構造の間の複雑な相互作用は、都市経済システムを形成する。 都市経済の複雑さとレジリエンスのプロキシとして, 経済単位の多様さ, 多様性, 長寿(ADL)に基づく枠組みを提案する。
  論文  参考訳（メタデータ） (2026-01-27T17:15:54Z)
• Collaborative Imputation of Urban Time Series through Cross-city Meta-learning [54.438991949772145]
  メタ学習型暗黙的ニューラル表現(INR)を利用した新しい協調的計算パラダイムを提案する。 次に,モデルに依存しないメタ学習による都市間協調学習手法を提案する。 20のグローバル都市から得られた多様な都市データセットの実験は、我々のモデルの優れた計算性能と一般化可能性を示している。
  論文  参考訳（メタデータ） (2025-01-20T07:12:40Z)
• Space-aware Socioeconomic Indicator Inference with Heterogeneous Graphs [46.52719756897067]
  非連続推論のための地理空間を表現するために不均一なグラフ構造を用いる空間認識型社会経済指標推論法GeoHGを提案する。
  論文  参考訳（メタデータ） (2024-05-23T03:19:02Z)
• Deep Learning-driven Community Resilience Rating based on Intertwined Socio-Technical Systems Features [9.640627928855666]
  本稿では,コミュニティレジリエンス評価のための3層深層学習モデル(Resili-Net)を提案する。 米国内の複数の大都市圏から公開されているデータを用いて、Resili-Netは空間領域のレジリエンスレベルを5つの異なるレベルに特徴付けている。 モデル結果の解釈可能性により、各レジリエンスレベル内の領域におけるレジリエンスの行列式を指定する機能解析が可能になる。
  論文  参考訳（メタデータ） (2023-11-03T01:50:36Z)
• Neural Embeddings of Urban Big Data Reveal Emergent Structures in Cities [7.148078723492643]
  都市部の異質性を利用したニューラルネットワーク(GNN)を提案する。 アメリカ合衆国の16大都市圏において,何百万もの携帯電話利用者による大規模高解像度モビリティデータセットを用いて,都市部コンポーネント間の複雑な関係をエンコードしていることを示す。 異なる郡で訓練されたモデルによって生成された埋め込みは、他の郡における創発的空間構造の50%から60%を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-10-24T07:13:14Z)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)
• Entropy as a measure of attractiveness and socioeconomic complexity in Rio de Janeiro metropolitan area [52.77024349608834]
  携帯電話のデータセットとエントロピーに基づく測度を用いて、位置の魅力を測定する。 その結果、エントロピーによって測定された特定の位置の魅力は、その位置の社会経済的地位の重要な記述者であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T15:58:56Z)

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。