論文の概要: Identifying safe intersection design through unsupervised feature extraction from satellite imagery

• arxiv url: http://arxiv.org/abs/2010.15343v1
• Date: Thu, 29 Oct 2020 03:42:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-01 22:45:58.843198
• Title: Identifying safe intersection design through unsupervised feature extraction from satellite imagery
• Title（参考訳）: 衛星画像からの教師なし特徴抽出による安全な交差点設計
• Authors: Jasper S. Wijnands, Haifeng Zhao, Kerry A. Nice, Jason Thompson, Katherine Scully, Jingqiu Guo, Mark Stevenson
• Abstract要約: 世界保健機関(WHO)は、より安全な交差点の設計を、世界の道路トラウマを減らす重要な介入として挙げている。 およそ90万枚の衛星画像がオーストラリアのすべての交差点でダウンロードされ、道路インフラを強調したコンピュータビジョン技術がカスタマイズされた。 ディープオートエンコーダは、交差点のタイプ、サイズ、形状、レーンマーキング、複雑さなどの高レベルな特徴を抽出した。
• 参考スコア（独自算出の注目度）: 9.306618776574025
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The World Health Organization has listed the design of safer intersections as a key intervention to reduce global road trauma. This article presents the first study to systematically analyze the design of all intersections in a large country, based on aerial imagery and deep learning. Approximately 900,000 satellite images were downloaded for all intersections in Australia and customized computer vision techniques emphasized the road infrastructure. A deep autoencoder extracted high-level features, including the intersection's type, size, shape, lane markings, and complexity, which were used to cluster similar designs. An Australian telematics data set linked infrastructure design to driving behaviors captured during 66 million kilometers of driving. This showed more frequent hard acceleration events (per vehicle) at four- than three-way intersections, relatively low hard deceleration frequencies at T-intersections, and consistently low average speeds on roundabouts. Overall, domain-specific feature extraction enabled the identification of infrastructure improvements that could result in safer driving behaviors, potentially reducing road trauma.
• Abstract（参考訳）: 世界保健機関(WHO)は、より安全な交差点の設計を、世界の道路トラウマを減らす重要な介入として挙げている。 本稿では,大国におけるすべての交差点の設計を,航空画像と深層学習に基づいて体系的に解析した最初の研究である。 およそ90万枚の衛星画像がオーストラリアのすべての交差点でダウンロードされ、道路インフラを強調したコンピュータビジョン技術がカスタマイズされた。 ディープオートエンコーダは、交差点のタイプ、サイズ、形状、レーンマーキング、および同様の設計をクラスタリングするために使用される複雑さなど、高いレベルの特徴を抽出した。 オーストラリアのテレマティクス・データセットは、6億6600万kmの走行中に収集された運転行動とインフラ設計を関連付けている。 これは、4方向以上の交差点でのより頻繁なハードアクセラレーションイベント(車両毎)、T区間での比較的低いハード減速頻度、ラウンドアバウンドにおける平均速度が一貫して低いことを示した。 全体として、ドメイン固有の特徴抽出により、より安全な運転行動につながるインフラストラクチャの改善の特定が可能になり、道路トラウマの低減が期待できる。

関連論文リスト

• Intelligent Railroad Grade Crossing: Leveraging Semantic Segmentation and Object Detection for Enhanced Safety [0.11999555634662631]
  RHGCの事故と遅れは、アメリカ合衆国連邦鉄道管理局(FRA)に重大な安全上の懸念をもたらす。 本研究では、機械学習とコンピュータビジョン技術を活用してRHGCの安全性を高めるインテリジェントシステムを提案する。
  論文  参考訳（メタデータ） (2024-03-17T02:15:15Z)
• MSight: An Edge-Cloud Infrastructure-based Perception System for Connected Automated Vehicles [58.461077944514564]
  本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。 MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。 評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
  論文  参考訳（メタデータ） (2023-10-08T21:32:30Z)
• Automatic Extraction of Relevant Road Infrastructure using Connected vehicle data and Deep Learning Model [4.235459779667272]
  本稿では,コネクテッドカーデータと最先端のディープラーニング技術を活用した新しいアプローチを提案する。 道路区間にジオハッシングを施し,道路区間の画像表現を生成することにより,道路区間と交差点の正確な分類にYOLOv5アルゴリズムを用いる。 実験の結果,97%のF1スコア,90%のF1スコアに到達した。
  論文  参考訳（メタデータ） (2023-08-10T15:57:47Z)
• Explainable, automated urban interventions to improve pedestrian and vehicle safety [0.8620335948752805]
  本稿では,歩行者や車両の安全性にアプローチするために,公共データソース,大規模街路画像,コンピュータビジョン技術を組み合わせる。 このパイプラインに関わるステップには、各都市シーンのハザード指標を決定するために、残留畳み込みニューラルネットワークの適応とトレーニングが含まれる。 この計算手法の結果は、都市全体の危険レベルの詳細なマップであり、歩行者と車両の安全性を同時に改善する可能性がある。
  論文  参考訳（メタデータ） (2021-10-22T09:17:39Z)
• Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
  粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。 本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。 提案手法は,高品質なトラフィックフローマップを作成できる。
  論文  参考訳（メタデータ） (2021-09-29T07:51:49Z)
• Evaluating Computer Vision Techniques for Urban Mobility on Large-Scale, Unconstrained Roads [25.29906312974705]
  本稿では,道路安全の課題を大規模に解決するために,簡易な移動画像撮影装置を提案する。 道路上の不規則を識別するために,近年のコンピュータビジョン技術を用いている。 また、トラフィック違反を見つけるためのモバイルイメージングソリューションの適用性を実証する。
  論文  参考訳（メタデータ） (2021-09-11T09:07:56Z)
• End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
  交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。 本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。 本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-28T07:54:40Z)
• Model Guided Road Intersection Classification [2.9248680865344348]
  本研究は,rgb画像からの区間間分類を,教師・生徒の訓練パラダイムに基づく結果向上手法とともに,統合型ニューラルネットワークを用いて検討する。 KITTIデータセットと新しいKITTI-360シーケンスの両方において、最適な入力構成を特定し、異なるネットワークパラメータを評価することを目的とした広範な実験活動により、本手法はフレーム単位の最先端手法よりも優れ、提案手法の有効性が証明された。
  論文  参考訳（メタデータ） (2021-04-26T09:15:28Z)
• 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)
• Convolutional Recurrent Network for Road Boundary Extraction [99.55522995570063]
  我々は,LiDARとカメラ画像からの道路境界抽出の問題に取り組む。 我々は,完全畳み込みネットワークが道路境界の位置と方向をエンコードする深い特徴量を得る構造化モデルを設計する。 北米の大都市において,道路境界の完全なトポロジを99.3%の時間で得られる方法の有効性を示す。
  論文  参考訳（メタデータ） (2020-12-21T18:59:12Z)
• Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
  本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。 本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。 競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
  論文  参考訳（メタデータ） (2020-12-04T15:10:12Z)

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。