論文の概要: Software System for Road Condition Forecast Correction
- arxiv url: http://arxiv.org/abs/2003.09957v1
- Date: Sun, 22 Mar 2020 17:47:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-21 05:32:49.517216
- Title: Software System for Road Condition Forecast Correction
- Title(参考訳): 道路条件予測補正のためのソフトウェアシステム
- Authors: Dmitrii Smolyakov and Evgeny Burnaev
- Abstract要約: このシステムは道路気象観測所のネットワークとインテリジェンスデータ処理プログラムモジュールで構成されている。
その結果, 駅からの測定値に基づいて道路状況を予測する物理モデルと, 誤検出と予測補正のための機械学習モデルを組み合わせることで, 結果が得られた。
- 参考スコア(独自算出の注目度): 14.95826212004679
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present a monitoring system that allows increasing road
safety by predicting ice formation. The system consists of a network of road
weather stations and intelligence data processing program module. The results
were achieved by combining physical models for forecasting road conditions
based on measurements from stations and machine learning models for detecting
incorrect data and forecast correction.
- Abstract(参考訳): 本稿では,氷形成予測による道路安全性の向上を可能にするモニタリングシステムを提案する。
システムは道路気象観測所のネットワークとインテリジェンスデータ処理プログラムモジュールで構成される。
その結果,駅からの測定に基づいて道路状況を予測する物理モデルと,誤ったデータの検出と予測補正を行う機械学習モデルを組み合わせた。
関連論文リスト
- Enhanced Winter Road Surface Condition Monitoring with Computer Vision [0.5874142059884521]
本稿では,カメラ画像から路面摩擦特性を推定できるディープラーニング回帰モデルSIWNetを提案する。
SIWNetはアーキテクチャに不確実性推定機構を含めることで、技術の状態を拡張している。
モデルは、SeeingThroughFogデータセットでトレーニングされ、テストされた。
論文 参考訳(メタデータ) (2023-10-02T06:33:06Z) - Time-to-Green predictions for fully-actuated signal control systems with
supervised learning [56.66331540599836]
本稿では,集約信号とループ検出データを用いた時系列予測フレームワークを提案する。
我々は、最先端の機械学習モデルを用いて、将来の信号位相の持続時間を予測する。
スイスのチューリッヒの信号制御システムから得られた経験的データに基づいて、機械学習モデルが従来の予測手法より優れていることを示す。
論文 参考訳(メタデータ) (2022-08-24T07:50:43Z) - RadNet: Incident Prediction in Spatio-Temporal Road Graph Networks Using
Traffic Forecasting [2.6690664860458906]
我々はRadNetと呼ばれるニューラルモデルを開発し、将来の時間ステップでシステムのパラメータを予測する。
以前の作業とは異なり、RadNetは両方の置換における空間的傾向と時間的傾向を推定し、最終的に予測の前に密度の高い表現を組み合わせる。
論文 参考訳(メタデータ) (2022-06-11T20:06:47Z) - How Do We Fail? Stress Testing Perception in Autonomous Vehicles [40.19326157052966]
本稿では、悪天候下での自動運転車のLiDARによる認識システムの故障を特徴付ける手法を提案する。
本研究では,物体追跡や乱れの列による軌道予測において,潜在的な故障を発見するための強化学習に基づく手法を開発する。
論文 参考訳(メタデータ) (2022-03-26T20:48:09Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳(メタデータ) (2021-07-14T21:10:47Z) - Road Roughness Estimation Using Machine Learning [0.0]
自動車の垂直加速度と速度を用いた道路粗さ予測のための機械学習パイプラインを提案する。
その結果,従来の乗用車に搭載された車内センサを用いて,道路の粗さを正確に予測できることが示唆された。
論文 参考訳(メタデータ) (2021-07-02T17:37:55Z) - Using Data Assimilation to Train a Hybrid Forecast System that Combines
Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。
動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文 参考訳(メタデータ) (2021-02-15T19:56:48Z) - A model for traffic incident prediction using emergency braking data [77.34726150561087]
道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。
メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
論文 参考訳(メタデータ) (2021-02-12T18:17:12Z) - Rank Position Forecasting in Car Racing [4.996917739851556]
本研究では,自動車レースにおけるランク位置予測問題について検討し,将来のラップにおけるランク位置の予測を行う。
統計的モデルや機械学習回帰モデルといった既存の手法には,予測に制限があることがわかった。
ピット停止イベントの実験的解析により、ランク位置シーケンスとピット停止イベントを別々にモデル化した原因分解を含む、深いモデルであるランクネットを提案する。
論文 参考訳(メタデータ) (2020-10-04T22:27:41Z) - Testing the Safety of Self-driving Vehicles by Simulating Perception and
Prediction [88.0416857308144]
センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。
我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
論文 参考訳(メタデータ) (2020-08-13T17:20:02Z) - PnPNet: End-to-End Perception and Prediction with Tracking in the Loop [82.97006521937101]
我々は、自動運転車の文脈において、共同認識と運動予測の問題に取り組む。
我々は,入力センサデータとしてエンド・ツー・エンドのモデルであるNetを提案し,各ステップのオブジェクト追跡とその将来レベルを出力する。
論文 参考訳(メタデータ) (2020-05-29T17:57:25Z)
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。