論文の概要: DASC: Towards A Road Damage-Aware Social-Media-Driven Car Sensing
Framework for Disaster Response Applications
- arxiv url: http://arxiv.org/abs/2006.02681v1
- Date: Thu, 4 Jun 2020 07:55:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 12:38:38.205124
- Title: DASC: Towards A Road Damage-Aware Social-Media-Driven Car Sensing
Framework for Disaster Response Applications
- Title(参考訳): 災害対応のための道路被害対応型ソーシャルメディア駆動車センシングフレームワークDASC
- Authors: Md Tahmid Rashid and Daniel (Yue) Zhang and Dong Wang
- Abstract要約: 本稿では,道路被害を考慮したソーシャル・メディア駆動型自動車センシングフレームワークであるDASCについて紹介する。
DASCはソーシャルメディアから発信される信号を蒸留し、道路の損傷を発見し、自動車を目標エリアまで効果的に駆動し、緊急イベントを検証する。
実世界のアプリケーションの結果は、検出精度と効率性において、現在のVSNsベースのソリューションよりもDASCの方が優れていることを示している。
- 参考スコア(独自算出の注目度): 15.248427579924094
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While vehicular sensor networks (VSNs) have earned the stature of a mobile
sensing paradigm utilizing sensors built into cars, they have limited sensing
scopes since car drivers only opportunistically discover new events.
Conversely, social sensing is emerging as a new sensing paradigm where
measurements about the physical world are collected from humans. In contrast to
VSNs, social sensing is more pervasive, but one of its key limitations lies in
its inconsistent reliability stemming from the data contributed by unreliable
human sensors. In this paper, we present DASC, a road Damage-Aware
Social-media-driven Car sensing framework that exploits the collective power of
social sensing and VSNs for reliable disaster response applications. However,
integrating VSNs with social sensing introduces a new set of challenges: i) How
to leverage noisy and unreliable social signals to route the vehicles to
accurate regions of interest? ii) How to tackle the inconsistent availability
(e.g., churns) caused by car drivers being rational actors? iii) How to
efficiently guide the cars to the event locations with little prior knowledge
of the road damage caused by the disaster, while also handling the dynamics of
the physical world and social media? The DASC framework addresses the above
challenges by establishing a novel hybrid social-car sensing system that
employs techniques from game theory, feedback control, and Markov Decision
Process (MDP). In particular, DASC distills signals emitted from social media
and discovers the road damages to effectively drive cars to target areas for
verifying emergency events. We implement and evaluate DASC in a reputed vehicle
simulator that can emulate real-world disaster response scenarios. The results
of a real-world application demonstrate the superiority of DASC over current
VSNs-based solutions in detection accuracy and efficiency.
- Abstract(参考訳): vehicular sensor networks (vsns) は、自動車に内蔵されたセンサーを利用したモバイルセンシングパラダイムの長所を得たが、自動車のドライバーが新しいイベントを日和見的に発見するだけであるため、センシング範囲は限られている。
逆に、社会感覚は、人間から物理世界の測定を収集する新しいセンシングパラダイムとして現れつつある。
VSNとは対照的に、ソーシャルセンシングはより広く普及しているが、その重要な制限は、信頼できない人間のセンサーによるデータからの一貫性の欠如にある。
本稿では,社会センシングとvnsの協調力を活用し,災害対応の信頼性を高めるための道路被害対応型自動車センシングフレームワークdascを提案する。
しかし、VSNとソーシャルセンシングを統合することで、新しい課題がもたらされる。
一 騒音及び信頼性の低い社会信号を利用して、車両を正確な利害地域へ誘導する方法。
ii) 自動車運転手が合理的な行為であるために生じる一貫性のない可用性(例えばチャーン)に取り組むには、どうすればよいか?
三 災害による道路被害についての事前知識がなく、また、物理的世界及びソーシャルメディアのダイナミクスを扱いながら、効率よく自動車をイベント場所へ案内する方法。
dascフレームワークは、ゲーム理論、フィードバック制御、マルコフ決定プロセス(mdp)の技法を用いた新しいハイブリッドソーシャルカーセンシングシステムを確立することで、上記の課題に対処する。
特に、DASCは、ソーシャルメディアから発信された信号を蒸留し、道路の損傷を発見し、車両を目標エリアまで効果的に駆動し、緊急イベントを検証する。
我々は,実世界の災害対応シナリオをエミュレート可能な車両シミュレータでdascを実装し,評価する。
実世界の応用の結果,現在のvsnsベースのソリューションよりもdascの方が検出精度と効率が優れていることが示された。
関連論文リスト
- Cyber-Twin: Digital Twin-boosted Autonomous Attack Detection for Vehicular Ad-Hoc Networks [8.07947129445779]
Vehicular Ad-hoc NETworks(VANETs)の急速な進化は、インテリジェントトランスポートシステム(ITS)の転換期へと導いてきた。
VANETは、妨害やDDoS(Distributed Denial of Service)攻撃など、サイバー攻撃の影響を受けやすくなっている。
既存の方法は、動的攻撃を検出し、VANETサイバーセキュリティを強化するためにデジタルツイン技術と人工知能(AI)モデルを統合するのに困難に直面している。
本研究では、VANETにおけるRSUのセキュリティを高めるために、デジタルツイン技術とAIを組み合わせた新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2024-01-25T08:05:41Z) - Smart Infrastructure: A Research Junction [5.172393727004225]
本稿では,ドイツ・アシャッフェンブルクの公的な市内交差点に位置する視覚センサ技術を備えたインテリジェントな研究基盤について紹介する。
マルチビューカメラシステムは、交通状況を監視し、道路利用者の行動を知覚する。
このシステムは、データ生成の研究、新しいHADセンサーシステム、アルゴリズム、人工知能(AI)トレーニング戦略の評価に使用される。
論文 参考訳(メタデータ) (2023-07-12T14:04:12Z) - FRIGATE: Frugal Spatio-temporal Forecasting on Road Networks [6.9035500229531745]
既存の作業は、現実の道路網では実用的でない3つの仮定に基づいて構築されている。
我々はこれらの欠点に対処するためにFRIGATEを開発した。
FRIGATEは、位置、トポロジカル、時間表現をリッチな帰納的表現に統合する時間的Gnnによって駆動される。
論文 参考訳(メタデータ) (2023-06-14T06:28:26Z) - Enhancing Road Safety through Accurate Detection of Hazardous Driving
Behaviors with Graph Convolutional Recurrent Networks [0.2578242050187029]
グラフ畳み込み長短期記憶ネットワーク(GConvLSTM)に基づく信頼性駆動行動検出(DBD)システムを提案する。
提案モデルでは,公共センサの精度97.5%,非公共センサの平均精度98.1%を達成し,両者の整合性と精度を示した。
提案システムは,道路の安全向上と運転ミスによる事故件数削減に有効である可能性が示唆された。
論文 参考訳(メタデータ) (2023-05-08T21:05:36Z) - 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) - Cognitive Accident Prediction in Driving Scenes: A Multimodality
Benchmark [77.54411007883962]
本研究では,視覚的観察と運転者の注意に対する人為的な文章記述の認識を効果的に活用し,モデルトレーニングを容易にする認知事故予測手法を提案する。
CAPは、注意テキスト〜ビジョンシフト融合モジュール、注意シーンコンテキスト転送モジュール、運転注意誘導事故予測モジュールによって構成される。
我々は,1,727件の事故ビデオと219万フレーム以上の大規模ベンチマークを構築した。
論文 参考訳(メタデータ) (2022-12-19T11:43:02Z) - Exploring Contextual Representation and Multi-Modality for End-to-End
Autonomous Driving [58.879758550901364]
最近の知覚システムは、センサー融合による空間理解を高めるが、しばしば完全な環境コンテキストを欠いている。
我々は,3台のカメラを統合し,人間の視野をエミュレートするフレームワークを導入し,トップダウンのバードアイビューセマンティックデータと組み合わせて文脈表現を強化する。
提案手法は, オープンループ設定において0.67mの変位誤差を達成し, nuScenesデータセットでは6.9%の精度で現在の手法を上回っている。
論文 参考訳(メタデータ) (2022-10-13T05:56:20Z) - Review on Action Recognition for Accident Detection in Smart City
Transportation Systems [0.0]
異なる監視カメラを使用してスマートシティの交通の流れを監視することは、事故を認識し、最初の応答者を警告する上で重要な役割を果たす。
コンピュータビジョンタスクにおける行動認識(AR)の利用は、ビデオ監視、医療画像、デジタル信号処理における高精度な応用に寄与している。
本稿では,自動運転車や公共交通安全システムにおける事故検出システムの開発と統合に向けた研究の方向性について述べる。
論文 参考訳(メタデータ) (2022-08-20T03:21:44Z) - COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked
Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。
われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文 参考訳(メタデータ) (2022-05-04T17:55:12Z) - Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。
本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
論文 参考訳(メタデータ) (2021-04-19T11:48:13Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳(メタデータ) (2020-07-14T05:25:15Z)
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。