論文の概要: An IoT-Based System: Big Urban Traffic Data Mining Through Airborne Pollutant Gases Analysis

• arxiv url: http://arxiv.org/abs/2002.06374v1
• Date: Sat, 15 Feb 2020 13:04:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-31 23:23:12.687811
• Title: An IoT-Based System: Big Urban Traffic Data Mining Through Airborne Pollutant Gases Analysis
• Title（参考訳）: IoTベースのシステム:大気汚染ガス分析による大都市交通データマイニング
• Authors: Daniel. Firouzimagham, Mohammad. Sabouri, and Fatemeh. Adhami
• Abstract要約: イランなどの発展途上国では、人口の増加により車両の数が増加している。 交通警察官による交通渋滞を抑え、効率的に経路を拡大し、市民による交通の減少に最適な方法を選択する必要がある。 今日では、交通警察や都市交通管制システムなど多くの交通機関が、交通カメラ、誘導センサー、衛星画像、レーダーセンサー、超音波技術、電波識別(RFID)を都市交通診断に利用している。 本稿で提案する手法は,大気汚染量を算出して交通渋滞を発生させるスマートシステムを含むIOTに基づく交通渋滞の検出である。
• 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: Nowadays, in developing countries including Iran, the number of vehicles is increasing due to growing population. This has recently led to waste time getting stuck in traffic, take more time for daily commute, and increase accidents. So it is necessary to control traffic congestion by traffic police officers, expand paths efficiently and choose the best way for decreasing the traffic by citizens. Therefore, it is important to have the knowledge of instant traffic in each lane. Todays, many traffic organization services such as traffic police officer and urban traffic control system use traffic cameras, inductive sensors, satellite images, radar sensors, ultrasonic technology and radio-frequency identification (RFID) for urban traffic diagnosis. But this method has some problems such as inefficiency in heavy traffic influenced by condition of the air and inability to detect parallel traffic. Our method suggested in this article detects traffic congestion based on IOT containing a smart system that gives us traffic congestion by calculating the air pollution amount in that area. According to conducted experiment, the results were satisfied.
• Abstract（参考訳）: 現在、イランなどの発展途上国では人口増加により車両数が増加している。 これは最近、交通渋滞による時間の浪費、通勤時間の増加、事故の増加につながっている。 そのため、交通警察官による交通渋滞を抑え、効率的に経路を拡大し、市民による交通の減少に最適な方法を選択する必要がある。 そのため、各車線に瞬時交通に関する知識を持つことが重要である。 今日では、交通警察や都市交通管制システムなど多くの交通機関が、交通カメラ、誘導センサー、衛星画像、レーダーセンサー、超音波技術、電波識別(RFID)を都市交通診断に利用している。 しかし, この手法には, 空気条件の影響を受けない交通効率の低下や, 並列交通を検出できないなどの問題がある。 本稿では,その地域の大気汚染量を算出して交通渋滞を発生させるスマートシステムを含むIOTに基づいて交通渋滞を検出する手法を提案する。 実験の結果は満足であった。

関連論文リスト

• Traffic Smoothing Controllers for Autonomous Vehicles Using Deep Reinforcement Learning and Real-World Trajectory Data [45.13152172664334]
  我々は、自動運転車に展開できる交通平滑なクルーズコントローラーを設計する。 我々はテネシー州のI-24ハイウェイの実際の軌跡データを活用している。 その結果、低4%の自律走行車侵入速度で、多くの停止・停止波を示す軌道上で15%以上の燃料を節約できることが判明した。
  論文  参考訳（メタデータ） (2024-01-18T00:50:41Z)
• AVARS -- Alleviating Unexpected Urban Road Traffic Congestion using UAVs [1.350455609556855]
  本稿では, DRLを用いた交通信号制御により, 予期せぬ都市交通渋滞を低減するためにUAVを使用する可能性を探る「AVARS」システムを提案する。 シミュレーションの結果,AVARSはアイルランドのダブリンで発生した予期せぬ交通渋滞を,本来の非混雑レベルに戻すことができることがわかった。
  論文  参考訳（メタデータ） (2023-09-10T09:40:20Z)
• DenseLight: Efficient Control for Large-scale Traffic Signals with Dense Feedback [109.84667902348498]
  交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。 従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。 DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
  論文  参考訳（メタデータ） (2023-06-13T05:58:57Z)
• Efficient Federated Learning with Spike Neural Networks for Traffic Sign Recognition [70.306089187104]
  我々は、エネルギー効率と高速モデルトレーニングのための交通信号認識に強力なスパイクニューラルネットワーク(SNN)を導入している。 数値的な結果から,提案するフェデレーションSNNは,従来のフェデレーション畳み込みニューラルネットワークよりも精度,ノイズ免疫性,エネルギー効率に優れていたことが示唆された。
  論文  参考訳（メタデータ） (2022-05-28T03:11:48Z)
• Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
  粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。 本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。 提案手法は,高品質なトラフィックフローマップを作成できる。
  論文  参考訳（メタデータ） (2021-09-29T07:51:49Z)
• An Experimental Urban Case Study with Various Data Sources and a Model for Traffic Estimation [65.28133251370055]
  我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。 我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。 本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
  論文  参考訳（メタデータ） (2021-08-02T08:13:57Z)
• Complex-valued Convolutional Neural Networks for Enhanced Radar Signal Denoising and Interference Mitigation [73.0103413636673]
  本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。 CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
  論文  参考訳（メタデータ） (2021-04-29T10:06:29Z)
• Modeling Traffic Congestion in Developing Countries using Google Maps Data [4.3117073200815375]
  本稿では,Google Mapのトラフィック層からのトラフィックデータを最小限のコストで収集する手法を提案する。 これらの単純なモデルであっても、交通渋滞を事前に予測できることが示されています。
  論文  参考訳（メタデータ） (2020-10-29T13:46:34Z)
• Defining Traffic States using Spatio-temporal Traffic Graphs [9.861775841965386]
  本稿では,交通グラフを用いた交差点の空間領域の交通状況の把握手法を提案する。 これらのトラフィックグラフが時間とともに異なるトラフィック状態を示す方法 — a) 渋滞が形成されている(クランプ)、あるいは、渋滞が分散している(アンクランプ)、c) トラフィックが正常に流れている(中性)。
  論文  参考訳（メタデータ） (2020-07-27T17:27:52Z)
• iTV: Inferring Traffic Violation-Prone Locations with Vehicle Trajectories and Road Environment Data [12.715237421592624]
  本研究では,大規模車両軌跡データと環境データに基づいて,都市部における交通違反発生箇所を推定する枠組みを提案する。 提案手法の有効性を評価するため,中国2都市から収集した大規模・現実世界の車両軌道について広範な研究を行った。
  論文  参考訳（メタデータ） (2020-05-09T08:52:43Z)
• HOG, LBP and SVM based Traffic Density Estimation at Intersection [4.199844472131922]
  車両の大量輸送は交通渋滞、不要な遅延、汚染、損失、健康問題、事故、緊急車両の通行、交通違反を引き起こす。 従来の交通管理・制御システムではこの問題に対処できない。 交通流の効率を高めるために最適化された、賢明な制御システムが必要である。
  論文  参考訳（メタデータ） (2020-05-04T18:08:35Z)

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。