論文の概要: Urban Traffic Monitoring and Modeling System: An IoT Solution for
Enhancing Road Safety
- arxiv url: http://arxiv.org/abs/2003.07672v1
- Date: Thu, 5 Mar 2020 23:57:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-30 11:28:27.088406
- Title: Urban Traffic Monitoring and Modeling System: An IoT Solution for
Enhancing Road Safety
- Title（参考訳）: 都市交通モニタリング・モデリングシステム:道路安全を向上するためのIoTソリューション
- Authors: Rateb Jabbar, Mohammed Shinoy, Mohamed Kharbeche, Khalifa Al-Khalifa,
Moez Krichenz and Kamel Barkaouiy
- Abstract要約: カタールは2022年のワールドカップで100万人以上の訪問者が訪れると予想している。
交通渋滞や交通事故、自動車事故、負傷者、死亡者の増加が予想される。
ナチュラティスティックドライバの挙動を利用して、データを収集して分析し、現在のカタール交通システムを見積もる。
- 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: Qatar expects more than a million visitors during the 2022 World Cup, which
will pose significant challenges. The high number of people will likely cause a
rise in road traffic congestion, vehicle crashes, injuries and deaths. To
tackle this problem, Naturalistic Driver Behavior can be utilised which will
collect and analyze data to estimate the current Qatar traffic system,
including traffic data infrastructure, safety planning, and engineering
practices and standards. In this paper, an IoT based solution to facilitate
such a study in Qatar is proposed. Different data points from a driver are
collected and recorded in an unobtrusive manner, such as trip data, GPS
coordinates, compass heading, minimum, average, and maximum speed and his
driving behavior, including driver's drowsiness level. Analysis of these data
points will help in prediction of crashes and road infrastructure improvements
to reduce such events. It will also be used for drivers risk assessment and to
detect extreme road user behaviors. A framework that will help to visualize and
manage this data is also proposed, along with a Deep Learning-based application
that detects drowsy driving behavior that netted an 82 percent accuracy.
- Abstract（参考訳）: カタールは2022年のワールドカップに100万人以上の訪問者が訪れると予想している。
交通渋滞や交通事故、自動車事故、負傷者、死亡者の増加が予想される。
この問題に対処するために、Naturalistic Driver Behaviorを使用して、トラフィックデータインフラストラクチャ、安全計画、エンジニアリングプラクティスと標準を含む現在のカタール交通システムを推定するために、データを収集、分析することができる。
本稿では,カタールでの研究を促進するためのIoTベースのソリューションを提案する。
運転者からの異なるデータポイントは、旅行データ、GPS座標、コンパス誘導、最小、平均、最大速度、運転者の眠気レベルを含む運転行動などの邪魔にならない方法で収集され記録される。
これらのデータポイントの分析は、クラッシュの予測と、そのようなイベントを減らすための道路インフラストラクチャの改善に役立つ。
また、ドライバーのリスク評価や極端な道路利用者の行動検出にも使用される。
このデータの視覚化と管理を支援するフレームワークも提案されている。Deep Learningベースのアプリケーションでは、ドロージーな運転行動の検出が82%の精度で行われている。
関連論文リスト
- Traffic and Safety Rule Compliance of Humans in Diverse Driving Situations [48.924085579865334]
安全な運転プラクティスを再現する自律システムを開発するためには、人間のデータを分析することが不可欠だ。
本稿では,複数の軌道予測データセットにおける交通・安全規則の適合性の比較評価を行う。
論文 参考訳（メタデータ） (2024-11-04T09:21:00Z) - GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [82.19172267487998]
GARLIC: GPT拡張強化学習のフレームワーク。
本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
論文 参考訳（メタデータ） (2024-08-19T08:23:38Z) - RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and
Comfortable Autonomous Driving [67.09546127265034]
道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。
我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。
約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
論文 参考訳（メタデータ） (2023-10-03T17:59:32Z) - Using Visual and Vehicular Sensors for Driver Behavior Analysis: A
Survey [0.0]
危険ドライバーは米国での死亡事故の70%を占めている。
本稿では,視覚・車体データを用いた運転者の行動分析手法について検討する。
論文 参考訳（メタデータ） (2023-08-25T14:33:59Z) - AI on the Road: A Comprehensive Analysis of Traffic Accidents and
Accident Detection System in Smart Cities [0.0]
本稿では,米国各地における交通事故の包括的分析について述べる。
事故検出と交通分析の課題に対処するために,交通監視カメラと行動認識システムを用いたフレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-22T17:08:13Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - Driving Safety Prediction and Safe Route Mapping Using In-vehicle and
Roadside Data [3.8103848718367597]
セーフルートマッピング(SRM)モデルは、予測を行う際のドライバの動作を検討するために拡張される。
Androidアプリはドライバーの情報を収集してサーバにアップロードするように設計されている。
ダイナミックな交通情報は 道端のカメラで捕捉され 同じサーバーにアップロードされる
LightGBMモデルは、次の1、2秒でドライバーの競合指標を予測するために導入された。
論文 参考訳（メタデータ） (2022-09-12T20:39:33Z) - A Pre-study on Data Processing Pipelines for Roadside Object Detection
Systems Towards Safer Road Infrastructure [1.9967512860886603]
単車事故はスウェーデンで最も一般的な事故である。
本研究では,道路側オブジェクト検出のためのデータ処理パイプラインの実現可能性,実装,制限,スケールアップについて検討する。
本報告の目的は、安全な道路インフラとスウェーデンのビジョンゼロに向けたスケーラブルな道路側物体検出システムの実装方法を検討することである。
論文 参考訳（メタデータ） (2022-04-17T16:27:26Z) - 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) - Automated Object Behavioral Feature Extraction for Potential Risk
Analysis based on Video Sensor [6.291501119156943]
歩行者は道路、特に標識のない横断歩道で死亡や重傷を負う危険にさらされている。
本研究では,道路上に展開された映像センサから物体の行動特徴を効果的に抽出するシステムを提案する。
本研究は、スマートシティーに実用的なデータを提供するためのコネクテッドビデオセンサネットワークの可能性を示す。
論文 参考訳（メタデータ） (2021-07-08T01:11:31Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z)
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。