論文の概要: Motorcycle System for Optimum Road Safety with Anti-theft Capability
- arxiv url: http://arxiv.org/abs/2101.06096v1
- Date: Wed, 13 Jan 2021 10:58:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-15 17:22:43.120936
- Title: Motorcycle System for Optimum Road Safety with Anti-theft Capability
- Title（参考訳）: 盗難防止機能を有する最適道路安全自動車システム
- Authors: Carlo H Godoy Jr
- Abstract要約: 頭部と首の怪我は、死因、重傷、オートバイ使用者の障害である。
提案システムでは,事故原因の回避による事故率の低減が期待されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Due to road traffic accidents, 6941 Filipinos died in 2010, and thousands
more were wounded or disabled. Head and neck injuries are the main cause of
death, severe injury, and motorcycle users disabilities. Motorcycle users make
up a large proportion of those on the road who were killed. The main purpose of
the study is to develop an MCU Based Motorcycle System for Optimum Road Safety
with Anti-theft Capability that will help motorcycle riders to be safe while
travelling in national roads. The researchers will be using the prototyping
methodology where in a prototype is built according to the initial requirements
gathered from the motorists themselves. The expected result of the proposed
methodology is the system will be utilizing the different function of each
modules to ensure that the riders will be able to detect and avoid possible
danger while on the road. As a result of different literature in relation to
each module, the system is expected to provide a new leap to ensure the safety
of all riders here in the Philippines. Future studies will ensure the
development of the system, provide testing and improve the functionality of the
system depending on the test result. Due to the high increase in the number of
cars and motorcycle travelling on national road, the percentage of accidents
also is getting higher. In line with that, the proposed system is expected to
lessen the percentage of accident by avoiding the possible cause of it.
- Abstract（参考訳）: 2010年、交通事故により6941人のフィリピン人が死亡し、さらに数千人が負傷した。
頭部と首の怪我は、主な死因、重傷、オートバイ利用者の障害である。
自動車の利用者は、殺害された道路上の乗客のかなりの割合を占める。
この研究の主な目的は、道路を走行中にオートバイ乗りが安全になるのに役立つ、最適道路安全のためのMCUベースのオートバイシステムを開発することである。
研究者たちはプロトタイピングの手法を使って、プロトタイプをモーター自体から集めた最初の要件に従って構築する。
提案手法の期待される結果は,各モジュールの異なる機能を利用して,ライダーが道路上での危険の検出と回避を可能にすることである。
それぞれのモジュールに関する異なる文献の結果として、このシステムはフィリピンのすべてのライダーの安全を確保するための新しい飛躍をもたらすことが期待されている。
今後の研究では、システムの開発、テスト提供、テスト結果によるシステムの機能向上が保証される予定である。
全国の道路を走行する自動車やオートバイの数が増加し、事故率も上昇している。
これに合わせて,提案システムでは事故原因の回避による事故率の低減が期待されている。
関連論文リスト
- An Explainable Machine Learning Approach to Traffic Accident Fatality Prediction [0.02730969268472861]
道路交通事故は世界中で公衆衛生上の脅威となっている。
本研究では,致命的および致命的でない道路事故を分類するための機械学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2024-09-18T12:41:56Z) - On using Machine Learning Algorithms for Motorcycle Collision Detection [0.0]
衝突シミュレーションにより,エアバッグやシートベルトなどの受動的安全対策を装備すれば,車両衝突時の重傷や死亡のリスクを大幅に低減できることが示された。
本稿では,衝突を確実に検出する上での課題として,機械学習アルゴリズムの適用性について検討する。
論文 参考訳（メタデータ） (2024-03-14T15:32:25Z) - CAT: Closed-loop Adversarial Training for Safe End-to-End Driving [54.60865656161679]
Adversarial Training (CAT) は、自動運転車における安全なエンドツーエンド運転のためのフレームワークである。
Catは、安全クリティカルなシナリオでエージェントを訓練することで、運転エージェントの安全性を継続的に改善することを目的としている。
猫は、訓練中のエージェントに対抗する敵シナリオを効果的に生成できる。
論文 参考訳（メタデータ） (2023-10-19T02:49:31Z) - Considering Human Factors in Risk Maps for Robust and Foresighted Driver
Warning [1.4699455652461728]
本稿では,ドライバーエラーの形で人間の状態を利用する警告システムを提案する。
このシステムは、周囲の運転状況の予測を直接変更する行動プランナーのリスクマップで構成されている。
動的車線変化と交差点シナリオの異なるシミュレーションでは、運転者の行動計画がいかに危険になるかを示す。
論文 参考訳（メタデータ） (2023-06-06T16:39:58Z) - Real-Time Helmet Violation Detection Using YOLOv5 and Ensemble Learning [4.397520291340696]
本稿では,バイクの乗客や乗客をリアルタイムに検出する YOLOv5 Deep Learning (DL) モデルの開発と評価について述べる。
私たちは、20秒毎に10fpsで記録された100のビデオでモデルをトレーニングしました。
提案されたモデルは100の試験ビデオでテストされ、mAPスコアは0.5267で、AIシティトラック5の公開リーダーボードで11位にランクインした。
論文 参考訳（メタデータ） (2023-04-14T14:15:56Z) - Infrastructure-based End-to-End Learning and Prevention of Driver
Failure [68.0478623315416]
フェールネットは、規模が拡大したミニ都市において、名目上と無謀なドライバーの両方の軌道上で、エンドツーエンドでトレーニングされた、繰り返しニューラルネットワークである。
制御障害、上流での認識エラー、ドライバーのスピードを正確に識別し、名目運転と区別することができる。
速度や周波数ベースの予測器と比較すると、FailureNetのリカレントニューラルネットワーク構造は予測能力を向上し、ハードウェアにデプロイすると84%以上の精度が得られる。
論文 参考訳（メタデータ） (2023-03-21T22:55:51Z) - Modelling and Detection of Driver's Fatigue using Ontology [60.090278944561184]
道路事故は世界8大死因である。
様々な要因がドライバーの疲労の原因となっている。
ドライバの疲労検出に関するオントロジー知識とルールをインテリジェントシステムに統合する必要がある。
論文 参考訳（メタデータ） (2022-08-31T08:42:28Z) - Detecting, Tracking and Counting Motorcycle Rider Traffic Violations on
Unconstrained Roads [27.351236436457445]
制限のない道路交通条件の多くのアジア諸国では、ヘルメットやトリプルライディングなどの運転違反がオートバイの死亡原因となっている。
車両に搭載されたダッシュボードカメラから撮影したビデオにおいて、オートバイの乗馬違反を検出し、追跡し、カウントする手法を提案する。
論文 参考訳（メタデータ） (2022-04-18T15:17:40Z) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳（メタデータ） (2021-09-03T13:33:33Z) - Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
運転環境の要素が道路ルールの出現の原因となるかを分析する。
2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。
我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
論文 参考訳（メタデータ） (2020-11-21T09:43:50Z) - Driver Intention Anticipation Based on In-Cabin and Driving Scene
Monitoring [52.557003792696484]
本稿では,車内映像と交通シーン映像の両方に基づいて運転者の意図を検出する枠組みを提案する。
本フレームワークは,83.98%,F1スコア84.3%の精度で予測を行う。
論文 参考訳（メタデータ） (2020-06-20T11:56:32Z)
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。