論文の概要: Mobile Sensing for Multipurpose Applications in Transportation
- arxiv url: http://arxiv.org/abs/2106.10733v1
- Date: Sun, 20 Jun 2021 17:56:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-23 07:54:09.367626
- Title: Mobile Sensing for Multipurpose Applications in Transportation
- Title（参考訳）: 交通における多目的アプリケーションのためのモバイルセンシング
- Authors: Armstrong Aboah, Michael Boeding, Yaw Adu-Gyamfi
- Abstract要約: 国務省は、交通問題をタイムリーに分析・解決するために一貫したデータを集めるのに苦労している。
スマートフォンに内蔵されたセンサーの最近の進歩は、より手頃なデータ収集方法をもたらした。
開発されたアプリは、ミズーリ州コロンビアとミズーリ州カンザスシティを結ぶi70Wハイウェイのデータを収集して評価された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Routine and consistent data collection is required to address contemporary
transportation issues.The cost of data collection increases significantly when
sophisticated machines are used to collect data. Due to this constraint, State
Departments of Transportation struggles to collect consistent data for
analyzing and resolving transportation problems in a timely manner. Recent
advancements in the sensors integrated into smartphones have resulted in a more
affordable method of data collection.The primary objective of this study is to
develop and implement a smartphone application for data collection.The
currently designed app consists of three major modules: a frontend graphical
user interface (GUI), a sensor module, and a backend module. While the frontend
user interface enables interaction with the app, the sensor modules collect
relevant data such as video and accelerometer readings while the app is in use.
The backend, on the other hand, is made up of firebase storage, which is used
to store the gathered data.In comparison to other developed apps for collecting
pavement information, this current app is not overly reliant on the internet
enabling the app to be used in areas of restricted internet access.The
developed application was evaluated by collecting data on the i70W highway
connecting Columbia, Missouri, and Kansas City, Missouri.The data was analyzed
for a variety of purposes, including calculating the International Roughness
Index (IRI), identifying pavement distresses, and understanding driver's
behaviour and environment .The results of the application indicate that the
data collected by the app is of high quality.
- Abstract（参考訳）: 現代の交通問題に対処するためには、日常的で一貫性のあるデータ収集が必要であり、高度なマシンがデータ収集に使用されると、データ収集のコストが大幅に増加する。
この制約のため、運輸省は、交通問題をタイムリーに分析・解決するための一貫したデータ収集に苦慮している。
スマートフォンに内蔵されたセンサの最近の進歩は、より手頃なデータ収集方法となり、本研究の主な目的は、データ収集のためのスマートフォンアプリケーションの開発と実装であり、現在設計されているアプリは、フロントエンドグラフィカルユーザインタフェース(GUI)、センサーモジュール、バックエンドモジュールの3つの主要なモジュールから構成されている。
フロントエンドのユーザインターフェースはアプリとのインタラクションを可能にするが、センサーモジュールはアプリが使用されている間、ビデオや加速度計などの関連データを収集する。
The backend, on the other hand, is made up of firebase storage, which is used to store the gathered data.In comparison to other developed apps for collecting pavement information, this current app is not overly reliant on the internet enabling the app to be used in areas of restricted internet access.The developed application was evaluated by collecting data on the i70W highway connecting Columbia, Missouri, and Kansas City, Missouri.The data was analyzed for a variety of purposes, including calculating the International Roughness Index (IRI), identifying pavement distresses, and understanding driver's behaviour and environment .The results of the application indicate that the data collected by the app is of high quality.
関連論文リスト
- CRUD-Capable Mobile Apps with R and shinyMobile: a Case Study in Rapid Prototyping [0.0]
Hardenは、主にRで開発された生態的モメンタリーアセスメント(EMA)のためのプログレッシブWebアプリケーション(PWA)である。
shinyMobileパッケージを活用して、リアクティブなモバイルユーザインターフェース(UI)を作成する。
本稿では,Harden アプリケーション作成に使用される方法論の概要と,アプリケーション開発における shinyMobile アプローチのメリットと限界について述べる。
論文 参考訳（メタデータ） (2024-09-01T02:27:36Z) - MyDigitalFootprint: an extensive context dataset for pervasive computing
applications at the edge [7.310043452300736]
MyDigitalFootprintは、スマートフォンセンサーデータ、物理的な近接情報、オンラインソーシャルネットワークのインタラクションを含む大規模なデータセットである。
自然環境における31人のボランティアユーザーによる2ヶ月の計測で、制限なしの行動を可能にする。
データセットの有効性を示すために,各種機械学習タスクを利用したコンテキスト認識3つのアプリケーションを提案する。
論文 参考訳（メタデータ） (2023-06-28T07:59:47Z) - IDD-3D: Indian Driving Dataset for 3D Unstructured Road Scenes [79.18349050238413]
デプロイ可能なディープラーニングアーキテクチャの準備とトレーニングには、さまざまなトラフィックシナリオに適したモデルが必要である。
インドなどいくつかの発展途上国で見られる非構造的で複雑な運転レイアウトは、これらのモデルに挑戦している。
我々は、複数のカメラと12kの注釈付き駆動LiDARフレームを備えたLiDARセンサーのマルチモーダルデータからなる新しいデータセットIDD-3Dを構築した。
論文 参考訳（メタデータ） (2022-10-23T23:03:17Z) - Online Data Selection for Federated Learning with Limited Storage [53.46789303416799]
ネットワークデバイス間での分散機械学習を実現するために、フェデレートラーニング(FL)が提案されている。
デバイス上のストレージがFLの性能に与える影響はまだ調査されていない。
本研究では,デバイス上のストレージを限定したFLのオンラインデータ選択について検討する。
論文 参考訳（メタデータ） (2022-09-01T03:27:33Z) - Benchmarking the Robustness of LiDAR-Camera Fusion for 3D Object
Detection [58.81316192862618]
自律運転における3D知覚のための2つの重要なセンサーは、カメラとLiDARである。
これら2つのモダリティを融合させることで、3次元知覚モデルの性能を大幅に向上させることができる。
我々は、最先端の核融合法を初めてベンチマークした。
論文 参考訳（メタデータ） (2022-05-30T09:35:37Z) - Feel Old Yet? Updating Mode of Transportation Distributions from Travel
Surveys using Data Fusion with Mobile Phone Data [0.0]
交通システムは典型的には従来のデータソースに依存し、時代遅れのトラベラーデータを提供する。
本研究では,携帯電話データを地理空間情報のコスト効率の高いリッチな情報源として活用する手法を提案する。
チリのサンティアゴでは,2012年から2020年の間に交通パターンが大きく変化した。
論文 参考訳（メタデータ） (2022-04-20T14:27:58Z) - Highly accurate digital traffic recording as a basis for future mobility
research: Methods and concepts of the research project HDV-Mess [7.25543014364421]
HDV-Messは、公道におけるコネクテッドおよび自動走行の分野における重要な課題に対処することを目的としている。
目標は、さまざまな場所の交通イベントを高精度に記録し、実際の交通データを収集することである。
移動モジュール型インテリジェントトランスポートシステムステーション(ITS-Ss)を用いた交通検知概念について述べる。
論文 参考訳（メタデータ） (2021-06-08T08:28:46Z) - 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) - SoDA: Multi-Object Tracking with Soft Data Association [75.39833486073597]
マルチオブジェクトトラッキング(MOT)は、自動運転車の安全な配備の前提条件である。
観測対象間の依存関係をエンコードするトラック埋め込みの計算に注目するMOTに対する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2020-08-18T03:40:25Z) - Federated Learning in Vehicular Networks [41.89469856322786]
フェデレートラーニング(FL)フレームワークは、トランスミッションオーバーヘッドを減らすことを目的として、効率的なツールとして導入された。
本稿では,車載ネットワークアプリケーションにおける一元学習(CL)によるFLを用いたインテリジェント交通システムの構築について検討する。
データラベリングやモデルトレーニングといった学習の観点からも,コミュニケーションの観点からも,データレート,信頼性,送信オーバーヘッド,プライバシ,リソース管理といった面から,大きな課題を識別する。
論文 参考訳（メタデータ） (2020-06-02T06:32:59Z) - 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。