論文の概要: Leveraging Personal Navigation Assistant Systems Using Automated Social Media Traffic Reporting

• arxiv url: http://arxiv.org/abs/2004.13823v1
• Date: Tue, 21 Apr 2020 02:26:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-11 05:53:55.108736
• Title: Leveraging Personal Navigation Assistant Systems Using Automated Social Media Traffic Reporting
• Title（参考訳）: 自動ソーシャルメディアトラフィックレポートを用いたパーソナルナビゲーションアシスタントシステムの活用
• Authors: Xiangpeng Wan, Hakim Ghazzai, and Yehia Massoud
• Abstract要約: 自然言語処理(NLP)に基づく自動交通警報システムの開発 本稿では,変換器(BERT)言語埋め込みモデルを用いて,関連するトラフィック情報をソーシャルメディアからフィルタリングする。 開発したアプローチは,リアルタイムに交通関連情報を抽出し,ナビゲーション支援アプリケーションのためのアラートに自動的に変換する方法について述べる。
• 参考スコア（独自算出の注目度）: 1.552282932199974
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern urbanization is demanding smarter technologies to improve a variety of applications in intelligent transportation systems to relieve the increasing amount of vehicular traffic congestion and incidents. Existing incident detection techniques are limited to the use of sensors in the transportation network and hang on human-inputs. Despite of its data abundance, social media is not well-exploited in such context. In this paper, we develop an automated traffic alert system based on Natural Language Processing (NLP) that filters this flood of information and extract important traffic-related bullets. To this end, we employ the fine-tuning Bidirectional Encoder Representations from Transformers (BERT) language embedding model to filter the related traffic information from social media. Then, we apply a question-answering model to extract necessary information characterizing the report event such as its exact location, occurrence time, and nature of the events. We demonstrate the adopted NLP approaches outperform other existing approach and, after effectively training them, we focus on real-world situation and show how the developed approach can, in real-time, extract traffic-related information and automatically convert them into alerts for navigation assistance applications such as navigation apps.
• Abstract（参考訳）: 現代の都市化は、車両の渋滞やインシデントの増加を緩和するために、インテリジェントな交通システムにおける様々な応用を改善するために、よりスマートな技術を要求する。 既存のインシデント検出技術は、輸送ネットワークにおけるセンサーの使用と人間の入力のハングに限られている。 データの豊富さにもかかわらず、ソーシャルメディアはそのような状況では十分に露出していない。 本稿では,この情報洪水をフィルタリングし,重要な交通関連弾丸を抽出する自然言語処理(NLP)に基づく自動交通警報システムの開発を行う。 この目的のために我々は,トランスフォーマー(bert)言語埋め込みモデルによる双方向エンコーダ表現の微調整を行い,関連する交通情報をソーシャルメディアからフィルタリングする。 そして,質問応答モデルを用いて,その正確な位置,発生時間,事象の性質など,報告イベントを特徴付ける必要な情報を抽出する。 導入したNLPアプローチが既存のアプローチよりも優れていることを実証し、効果的にトレーニングした後、現実世界の状況に注目し、開発したアプローチが、リアルタイムに、交通関連情報を抽出し、ナビゲーションアプリのようなナビゲーション支援アプリケーションのためのアラートに自動的に変換できることを示す。

関連論文リスト

• Decentralized Semantic Traffic Control in AVs Using RL and DQN for Dynamic Roadblocks [9.485363025495225]
  車両自体にセマンティックエンコーディングの責務を委譲するセマンティックトラフィック制御システムを提案する。 このシステムは、強化学習(RL)エージェントから得られる意思決定を処理し、意思決定プロセスの合理化を行う。
  論文  参考訳（メタデータ） (2024-06-26T20:12:48Z)
• Open-TI: Open Traffic Intelligence with Augmented Language Model [23.22301632003752]
  Open-TIは、チューリング識別可能なトラフィックインテリジェンスを目標とする革新的なモデルである。 ゼロから徹底的な交通分析を行うことができる最初の方法である。 Open-TIは、トレーニングや交通信号制御ポリシーの適用といったタスク固有の実施を可能にする。
  論文  参考訳（メタデータ） (2023-12-30T11:50:11Z)
• A Survey of Generative AI for Intelligent Transportation Systems: Road Transportation Perspective [7.770651543578893]
  我々は、異なる生成AI技術の原則を紹介する。 我々は,ITSにおけるタスクを,交通認識,交通予測,交通シミュレーション,交通意思決定の4つのタイプに分類する。 これらの4種類のタスクにおいて、生成的AI技術が重要な問題にどのように対処するかを説明する。
  論文  参考訳（メタデータ） (2023-12-13T16:13:23Z)
• Intelligent Traffic Monitoring with Hybrid AI [78.65479854534858]
  マルチモーダルコンテキスト理解のためのニューロシンボリックアーキテクチャであるHANSを紹介する。 HANSが交通監視に関わる課題にどのように対処するかを示すとともに,幅広い推論手法と統合可能であることを示す。
  論文  参考訳（メタデータ） (2022-08-31T17:47:22Z)
• 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)
• Modelling and Reasoning Techniques for Context Aware Computing in Intelligent Transportation System [0.0]
  インテリジェントトランスポーテーションシステムにおける生データ生成の量は膨大です。 この生データは、文脈情報を推測するために処理される。 本稿では,インテリジェントトランスポーテーションシステムにおける文脈認識の研究を目的とする。
  論文  参考訳（メタデータ） (2021-07-29T23:47:52Z)
• Automated Machine Learning Techniques for Data Streams [91.3755431537592]
  本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。 この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
  論文  参考訳（メタデータ） (2021-06-14T11:42:46Z)
• 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)
• Learning Connectivity for Data Distribution in Robot Teams [96.39864514115136]
  グラフニューラルネットワーク(GNN)を用いたアドホックネットワークにおけるデータ分散のためのタスク非依存,分散化,低レイテンシ手法を提案する。 当社のアプローチは、グローバル状態情報に基づいたマルチエージェントアルゴリズムを各ロボットで利用可能にすることで機能させます。 我々は,情報の平均年齢を報酬関数として強化学習を通じて分散gnn通信政策を訓練し,タスク固有の報酬関数と比較してトレーニング安定性が向上することを示す。
  論文  参考訳（メタデータ） (2021-03-08T21:48:55Z)
• Deep traffic light detection by overlaying synthetic context on arbitrary natural images [49.592798832978296]
  深部交通光検出器のための人工的な交通関連トレーニングデータを生成する手法を提案する。 このデータは、任意の画像背景の上に偽のトラフィックシーンをブレンドするために、基本的な非現実的なコンピュータグラフィックスを用いて生成される。 また、交通信号データセットの本質的なデータ不均衡問題にも対処し、主に黄色い状態のサンプルの少なさによって引き起こされる。
  論文  参考訳（メタデータ） (2020-11-07T19:57:22Z)

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。