持続可能な災害管理のためのインターネットラジオ活用：統合IoTと機械学習フレームワーク

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Demonstrates integration of IoT and ML for real-time disaster prediction and communication, with empirical validation.

🏢実務担当者:Offers a cost-effective and sustainable communication system for disaster-prone areas, reducing reliance on traditional infrastructure.

🏛政策担当者:Provides evidence for investing in Internet Radio-based early warning systems as part of climate adaptation strategies.

自然災害は、環境劣化、気候変動、社会の脆弱性が交差する重大な局面を表しており、持続可能な開発に対する深刻な脅威となっています。したがって、強靭な通信インフラの構築は、環境の持続可能性とコミュニティの生存にとって最も重要です。本論文は、従来のシステムの欠点—例えば、高遅延、限られたカバレッジ、信頼性の低いインフラ—に対処するため、インターネットラジオ技術に基づく新しい統合災害管理システムを提案します。このフレームワークは、堅牢な早期警報システムと効率的な緊急情報放送装置を組み合わせ、グローバルな到達範囲、リアルタイム機能、および大幅に削減されたリソース要件を提供します。その低消費電力と最小限の物理的インフラにより、環境的に持続可能で費用対効果の高いソリューションとなり、重要サービスの生態学的フットプリント削減という目標に沿ったものとなっています。システムを検証するため、ギリシャのドデカネス諸島—シンボリ島への重点的な実装を含む—における包括的な6ヶ月間のケーススタディが実施されました。IoTベースの気象観測所と機械学習モデル（ランダムフォレスト）は、気温予測のRMSE 1.5 °C（従来モデルより35%改善）、風速のRMSE 3.1 km/h、降雨予測のF1スコア0.80を達成しました。統合システムは、エンドツーエンドの遅延10〜25秒（従来システムより210倍高速）、98%のカバレッジ、94%のユーザー理解度、および運用コストの70%削減を実証しました。システム全体のテストにより、警報精度92%、誤報率12%、見逃し事象率10%が確認され、すべて許容範囲内でした。システムは冗長コンポーネントにより継続的な運用を確保し、全体の稼働率99.2%を達成しました。比較分析によると、提案システムは従来のギリシャの早期警報システム（EWS）より遅延で210倍優れ、カバレッジを327%改善し、コストを70%削減しながら、国連の持続可能な開発目標（SDGs）の3つの目標に整合しています。本研究は、持続可能な通信技術と現代の予測分析を統合することで重要なギャップを埋め、世界中の島嶼コミュニティに再現可能なモデルを提供します。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Natural disasters represent a critical intersection of environmental degradation, climate change, and societal vulnerability, posing a severe threat to sustainable development. Building a resilient communication infrastructure is therefore paramount for environmental sustainability and community survival. This paper addresses the shortcomings of traditional systems—such as high latency, limited coverage, and unreliable infrastructure—by proposing a novel integrated disaster management system built on Internet Radio technology. The framework combines a robust early warning system with an efficient emergency information broadcaster, offering global reach, real-time capabilities, and significantly reduced resource requirements. Its low-power consumption and minimal physical infrastructure make it an environmentally sustainable and cost-effective solution, aligning with goals for reducing the ecological footprint of critical services. A comprehensive 6-month case study for the Dodecanese Islands, Greece—with focused implementation on Symi Island—was conducted to validate the system. IoT-based meteorological stations and machine learning models (Random Forest) achieved a temperature prediction RMSE of 1.5 °C (a 35% improvement over traditional models), a wind velocity RMSE of 3.1 km/h, and an F1-Score of 0.80 for rainfall prediction. The integrated system demonstrated end-to-end latency of 10–25 s (210× faster than traditional systems), 98% coverage, 94% user comprehension, and a 70% reduction in operational costs. System-wide testing confirmed an alert accuracy of 92%, a false alarm rate of 12%, and a missed event rate of 10%, all within acceptable thresholds. The system achieved 99.2% overall uptime with redundant components ensuring continuous operation. Comparative analysis shows the proposed system outperforms traditional Greek EWS by 210× in latency, improves coverage by 327%, and reduces costs by 70% while maintaining three UN SDG alignments. The research fills a critical gap by integrating sustainable communication technology with modern predictive analytics, offering a replicable model for island communities worldwide.

• semanticscholar https://www.mdpi.com/2071-1050/18/10/4685/pdf?version=1778241816first seen 2026-06-29 07:48:04 · last seen 2026-09-21 05:14:21