Accurate AI-Driven Emergency Vehicle Location Tracking in Healthcare ITS Digital Twin

要約

ヘルスケア用のデジタルツイン（DT）の作成インテリジェント輸送システム（HITS）は、特に救急車が時間通りにクラッシュシーンに到着し、リアルタイムの場所を追跡する必要がある緊急事態で、ヒット管理の強化に焦点を当てたホットな研究動向です。
医療当局。
リアルタイムの表現の主張にもかかわらず、物理的ドメインと仮想ドメインの間で時間的な不整合が続き、救急車の位置表現の矛盾につながります。
この研究では、AI予測モデルの統合を提案し、特にベクトル回帰（SVR）および深部ニューラルネットワーク（DNN）をサポートし、構築されたモックDTデータパイプラインフレームワーク内で、仮想世界の医療車両の次の場所を予測します。
これらのモデルは、仮想表現を物理的なカウンターパートと並べ、つまり、2つの世界間の同期遅延を比phor的に相殺します。
歴史的な地理空間データセットで細心の注意を払って訓練されたSVRとDNNは、MATLABおよびPython環境で例外的な予測精度を示します。
さまざまなテストシナリオを通じて、私たちの方法論の有効性を視覚的に実証し、SVRとDNNの重要な役割を、ヒットのDT内の目撃されたギャップを大幅に削減します。
この変革的アプローチは、緊急ヒットのリアルタイム同期を約88％から93％増加させます。

要約(オリジナル)

Creating a Digital Twin (DT) for Healthcare Intelligent Transportation Systems (HITS) is a hot research trend focusing on enhancing HITS management, particularly in emergencies where ambulance vehicles must arrive at the crash scene on time and track their real-time location is crucial to the medical authorities. Despite the claim of real-time representation, a temporal misalignment persists between the physical and virtual domains, leading to discrepancies in the ambulance’s location representation. This study proposes integrating AI predictive models, specifically Support Vector Regression (SVR) and Deep Neural Networks (DNN), within a constructed mock DT data pipeline framework to anticipate the medical vehicle’s next location in the virtual world. These models align virtual representations with their physical counterparts, i.e., metaphorically offsetting the synchronization delay between the two worlds. Trained meticulously on a historical geospatial dataset, SVR and DNN exhibit exceptional prediction accuracy in MATLAB and Python environments. Through various testing scenarios, we visually demonstrate the efficacy of our methodology, showcasing SVR and DNN’s key role in significantly reducing the witnessed gap within the HITS’s DT. This transformative approach enhances real-time synchronization in emergency HITS by approximately 88% to 93%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google