論文の概要: Crowdsourcing Bridge Vital Signs with Smartphone Vehicle Trips
- arxiv url: http://arxiv.org/abs/2010.07026v4
- Date: Fri, 14 Jan 2022 00:43:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-29 19:55:33.867051
- Title: Crowdsourcing Bridge Vital Signs with Smartphone Vehicle Trips
- Title（参考訳）: スマートフォンの自動車旅行でバイタルサインをクラウドソーシングする
- Authors: Thomas J. Matarazzo, D\'aniel Kondor, Sebastiano Milardo, Soheil S.
Eshkevari, Paolo Santi, Shamim N. Pakzad, Markus J. Buehler, Carlo Ratti
- Abstract要約: 橋梁の構造的健全性を監視し管理する上での課題は、特殊なセンサーネットワークに関連するコストが高いことである。
本研究は,既存の移動センサデータセットが重要な構造情報を含むことを検証した。
新しい橋のメンテナンス計画にクラウドソーシングされたデータを含めることで、14年以上のサービスが可能になる。
- 参考スコア（独自算出の注目度）: 7.648753626738581
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A key challenge in monitoring and managing the structural health of bridges
is the high-cost associated with specialized sensor networks. In the past
decade, researchers predicted that cheap, ubiquitous mobile sensors would
revolutionize infrastructure maintenance; yet many of the challenges in
extracting useful information in the field with sufficient precision remain
unsolved. Herein it is shown that critical physical properties, e.g., modal
frequencies, of real bridges can be determined accurately from everyday vehicle
trip data. The primary study collects smartphone data from controlled field
experiments and "uncontrolled" UBER rides on a long-span suspension bridge in
the USA and develops an analytical method to accurately recover modal
properties. The method is successfully applied to "partially-controlled"
crowdsourced data collected on a short-span highway bridge in Italy. This study
verifies that pre-existing mobile sensor data sets, originally captured for
other purposes, e.g., commercial use, public works, etc., can contain important
structural information and therefore can be repurposed for large-scale
infrastructure monitoring. A supplementary analysis projects that the inclusion
of crowdsourced data in a maintenance plan for a new bridge can add over
fourteen years of service (30% increase) without additional costs. These
results suggest that massive and inexpensive datasets collected by smartphones
could play an important role in monitoring the health of existing
transportation infrastructure.
- Abstract（参考訳）: 橋梁の構造状態の監視と管理における重要な課題は、特殊なセンサネットワークに関連するコストが高いことである。
過去10年間、研究者は安価でユビキタスなモバイルセンサーがインフラのメンテナンスに革命をもたらすと予測した。
ここでは, 実橋のモーダル周波数などの重要な物理特性を, 日々のトリップデータから正確に決定できることを示す。
この研究は、制御されたフィールド実験からスマートフォンデータを収集し、UBERは米国内の長期吊り橋に乗り、モーダル特性を正確に回復する分析方法を開発した。
この手法は、イタリアの短距離高架橋で収集された「部分的に制御された」クラウドソースデータに適用できる。
本研究は, 既存のモバイルセンサデータセットが, 商業利用, 公共事業等, その他の目的のために収集され, 重要な構造情報を含むことができることを検証し, 大規模インフラモニタリングに活用できることを示す。
補足的な分析プロジェクトでは、新しい橋のメンテナンス計画にクラウドソースデータを含めることで、追加コストなしで14年以上のサービス(30%の増加)を増やすことができる。
これらの結果は,スマートフォンが収集する大規模かつ安価なデータセットが,既存の交通インフラの健全性を監視する上で重要な役割を担っていることを示唆している。
関連論文リスト
- Edge Computing-Enabled Road Condition Monitoring: System Development and
Evaluation [5.296678854362804]
リアルタイム舗装状態監視は、高速道路の機関にタイムリーかつ正確な情報を提供する。
既存の技術は手動のデータ処理に大きく依存しており、高価であるため、頻繁なネットワークレベルの舗装状態監視のためにスケールするのが困難である。
本研究では,安価なマイクロエレクトロメカニカルシステム(MEMS)センサ,エッジコンピューティング,マイクロコントローラのインターネット接続機能を活用したソリューションを提案する。
論文 参考訳（メタデータ） (2023-10-09T00:55:41Z) - Deep Learning Overloaded Vehicle Identification for Long Span Bridges
Based on Structural Health Monitoring Data [3.331125445667599]
過負荷車両識別のためのBWIM (bridge weigh-in-motion)法が普及している。
深層学習に基づく過負荷車両識別手法(DOVI)を提案する。
簡易支持梁と長尺ケーブルステイドブリッジを用いてランダムな交通流下でモデル評価を行った。
論文 参考訳（メタデータ） (2023-09-04T13:24:54Z) - Object-Size-Driven Design of Convolutional Neural Networks: Virtual Axle Detection based on Raw Data [0.0]
本研究は、専用軸受を列車軸受のリアルタイム検出のための新しいアプローチに置き換えることの課題に対処する。
提案したVADER(Virtual Axle Detector with Enhanced Receptive Field)は単線鉄道橋上で検証されている。
生データを入力として使用すると、最先端のスペクトログラムベースの手法がスピードとメモリ使用率の両方で99%向上する。
論文 参考訳（メタデータ） (2023-09-04T12:53:54Z) - BridgeData V2: A Dataset for Robot Learning at Scale [73.86688388408021]
BridgeData V2は、ロボット操作行動の大規模で多様なデータセットである。
対象は、24の環境にまたがる60,096個のトラジェクトリだ。
論文 参考訳（メタデータ） (2023-08-24T17:41:20Z) - LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。
しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。
カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
論文 参考訳（メタデータ） (2023-06-14T05:48:36Z) - Hindsight is 20/20: Leveraging Past Traversals to Aid 3D Perception [59.2014692323323]
小さな、遠く、あるいは非常に隠蔽された物体は、検出するためのLiDAR点雲に限られた情報があるため、特に困難である。
本稿では,過去データから文脈情報を抽出する,エンドツーエンドのトレーニング可能な新しいフレームワークを提案する。
このフレームワークは現代のほとんどの3D検出アーキテクチャと互換性があり、複数の自律走行データセットの平均精度を大幅に向上させることができる。
論文 参考訳（メタデータ） (2022-03-22T00:58:27Z) - A semi-supervised self-training method to develop assistive intelligence
for segmenting multiclass bridge elements from inspection videos [6.75013674088437]
本稿では,検査ビデオから多クラス橋要素をセグメント化するための補助情報モデルを開発する。
大規模な公開データセットで事前トレーニングされたマスクリージョンベースの畳み込みニューラルネットワーク(Mask R-CNN)が新しいタスクに転送された。
半教師付き自己訓練(S$3$T)法が開発され、経験豊富な検査官がネットワークを精査する。
論文 参考訳（メタデータ） (2021-09-10T19:22:45Z) - Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。
本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。
次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文 参考訳（メタデータ） (2021-05-20T17:52:37Z) - 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) - Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and
On-Device Inference [49.88536971774444]
慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。
正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。
我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
論文 参考訳（メタデータ） (2020-01-13T04:41:54Z)
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。