論文の概要: Road Quality Analysis Based on Cognitive Internet of Vehicles (CIoV)
- arxiv url: http://arxiv.org/abs/2004.09287v1
- Date: Thu, 16 Apr 2020 09:59:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-12 22:05:42.726917
- Title: Road Quality Analysis Based on Cognitive Internet of Vehicles (CIoV)
- Title（参考訳）: 自動車の認知的インターネット(ciov)に基づく道路品質分析
- Authors: Hamed Rahimi and Dhayananth Dharmalingam
- Abstract要約: 本研究は、認知インターネット・オブ・ビークルズ(CIoV)と呼ばれる新しい技術に基づいて、道路の質を認知的手法を用いて分析することを目的とする。
提案システムは、自動運転車企業の追加サービスや、一般用途のモバイルアプリケーションとして利用することができる。
- 参考スコア（独自算出の注目度）: 0.6345523830122167
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This research proposal aims to use cognitive methods to analyze the quality
of roads based on the new proposed technology called Cognitive Internet of
Vehicles (CIoV). By using Big Data corresponding to the collected data of
autonomous vehicles, we can apply cognitive analytics to a huge amount of
transportation data. This process can help us to create valuable information
such as road quality from an immense volume of meaningless data. In this
proposal, we are going to focus on the quality of roads for various business
and commercial purposes. The proposed system can be used as an additional
service of autonomous car companies or as a mobile application for ordinary
usages. As a result, this system can reduce the usage of resources such as
energy consumption of autonomous vehicles. Moreover, this technology benefits
the next-generation of self-driving applications to improve their QoS.
- Abstract（参考訳）: 本研究は、新しい技術であるcognitive internet of vehicles (ciov) に基づいて、道路品質の分析に認知的手法を用いることを目的としている。
自動運転車の収集データに対応するビッグデータを利用することで、大量の輸送データに認知分析を適用することができる。
このプロセスは、膨大な量の無意味データから道路品質などの貴重な情報を作成するのに役立つ。
この提案では、様々なビジネスや商業目的の道路の品質に焦点をあてます。
提案するシステムは、自動運転車企業の追加サービスや、通常使用のためのモバイルアプリケーションとして使用できる。
結果として、このシステムは自動運転車のエネルギー消費などの資源の使用を減らすことができる。
さらにこの技術は、次世代の自動運転アプリケーションによりqosを改善する。
関連論文リスト
- Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。
AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
論文 参考訳（メタデータ） (2024-05-14T09:42:21Z) - QoS prediction in radio vehicular environments via prior user
information [54.853542701389074]
セルラーテストネットワークから収集したデータを用いて,時間帯を予測するためのMLツリーアンサンブル手法の評価を行った。
具体的には、先行車両の情報を含め、無線環境から得られる測定値の相関を利用して、目標車両の予測を強化する。
論文 参考訳（メタデータ） (2024-02-27T17:05:41Z) - A V2X-based Privacy Preserving Federated Measuring and Learning System [0.0]
本稿では,V2V(Var-to-Vehicle)通信を介して,同志の車両にリアルタイムなデータを提供するフェデレート計測学習システムを提案する。
また,交通ネットワークの予測モデルを作成するために,車両ネットワーク(V2N)リンク上で連合学習スキームを運用している。
その結果,提案方式では学習性能が向上し,アグリゲータサーバ側での盗聴を防止することができた。
論文 参考訳（メタデータ） (2024-01-24T23:11:11Z) - Trip Planning for Autonomous Vehicles with Wireless Data Transfer Needs
Using Reinforcement Learning [7.23389716633927]
車両データ転送要求を満たすために,高帯域道路を優先する新しい強化学習ソリューションを提案する。
我々は、この手法をトラフィックを意識しないベースラインや帯域幅を意識しないベースラインと比較し、不均一なトラフィック下での処理性能を示す。
論文 参考訳（メタデータ） (2023-09-21T23:19:16Z) - A Survey on Approximate Edge AI for Energy Efficient Autonomous Driving
Services [1.7794836351354006]
この調査は、接続された車両アプリケーション、車両通信、近似、エッジAI技術についてレビューし、比較する。
その焦点は、新しく提案された近似をカバーし、フレームワークを有効にすることでエネルギー効率を向上させることである。
この調査から得られた洞察とビジョンは、低消費電力およびメモリ制限されたシステム上での協調運転サービス開発に有用である。
論文 参考訳（メタデータ） (2023-04-13T15:41:42Z) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳（メタデータ） (2022-06-28T17:08:31Z) - 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) - Online and Adaptive Parking Availability Mapping: An Uncertainty-Aware
Active Sensing Approach for Connected Vehicles [1.7259824817932292]
パーキングアベイラビリティマッピングのためのオンライン・アダプティブ・スキームを提案します。
具体的には,入力データを選択するための情報探索型アクティブセンシング手法を採用し,オンボードストレージと処理リソースを保存できる。
提案アルゴリズムといくつかのベースラインを比較し, 写像収束速度と適応能力の点で性能が劣ることを示した。
論文 参考訳（メタデータ） (2021-05-01T13:35:36Z) - AI in Smart Cities: Challenges and approaches to enable road vehicle
automation and smart traffic control [56.73750387509709]
SCCは、活動やユーティリティの自動化と最適化による効率向上を目指すデータ中心の社会を構想しています。
本稿では、SCCにおけるAIの視点を説明し、道路車両の自動化とスマート交通制御を可能にする交通で使用されるAIベースの技術の概要を示す。
論文 参考訳（メタデータ） (2021-04-07T14:31:08Z) - 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) - Data-Driven Prediction of Route-Level Energy Use for Mixed-Vehicle
Transit Fleets [7.2775693810940565]
公共交通機関は電気自動車(EV)による燃費削減を目指している
EVの先行コストが高いため、ほとんどの機関は内燃機関と電気自動車の混成車しか手に入らない。
混合車両輸送車両における経路レベルのエネルギー利用に関するデータ駆動予測のための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2020-04-10T16:31:10Z)
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。