論文の概要: Sensing and Mapping for Better Roads: Initial Plan for Using Federated Learning and Implementing a Digital Twin to Identify the Road Conditions in a Developing Country -- Sri Lanka

• arxiv url: http://arxiv.org/abs/2107.14551v1
• Date: Fri, 30 Jul 2021 11:06:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-02 12:50:27.625463
• Title: Sensing and Mapping for Better Roads: Initial Plan for Using Federated Learning and Implementing a Digital Twin to Identify the Road Conditions in a Developing Country -- Sri Lanka
• Title（参考訳）: より良い道路のためのセンシングとマッピング: 開発途上国の道路状況を特定するために連合学習とデジタル双子の実装の最初の計画 -- スリランカ
• Authors: Thilanka Munasinghe, HR Pasindu
• Abstract要約: 我々は、スリランカのような発展途上国が、プライバシ対応機械学習技術の恩恵を受ける方法を提案する。 我々はスリランカの国有道路システムにデジタルツインを実装するというアイデアを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose how a developing country like Sri Lanka can benefit from privacy-enabled machine learning techniques such as Federated Learning to detect road conditions using crowd-sourced data collection and proposed the idea of implementing a Digital Twin for the national road system in Sri Lanka. Developing countries such as Sri Lanka are far behind in implementing smart road systems and smart cities compared to the developed countries. The proposed work discussed in this paper matches the UN Sustainable Development Goal (SDG) 9: "Build Resilient Infrastructure, Promote Inclusive and Sustainable Industrialization and Foster Innovation". Our proposed work discusses how the government and private sector vehicles that conduct routine trips to collect crowd-sourced data using smartphone devices to identify the road conditions and detect where the potholes, surface unevenness (roughness), and other major distresses are located on the roads. We explore Mobile Edge Computing (MEC) techniques that can bring machine learning intelligence closer to the edge devices where produced data is stored and show how the applications of Federated Learning can be made to detect and improve road conditions. During the second phase of this study, we plan to implement a Digital Twin for the road system in Sri Lanka. We intend to use data provided by both Dedicated and Non-Dedicated systems in the proposed Digital Twin for the road system. As of writing this paper, and best to our knowledge, there is no Digital Twin system implemented for roads and other infrastructure systems in Sri Lanka. The proposed Digital Twin will be one of the first implementations of such systems in Sri Lanka. Lessons learned from this pilot project will benefit other developing countries who wish to follow the same path and make data-driven decisions.
• Abstract（参考訳）: 本研究では,sri lankaのような発展途上国が,クラウドソースデータ収集を用いた道路条件検出のためのフェデレーション学習などのプライバシー対応機械学習技術を活用する方法を提案し,スリランカの全国道路システムのためのデジタルツインの実装を提案する。 スリランカのような発展途上国は、先進国と比べてスマートロードシステムやスマートシティの実装に遅れを取っている。 提案した研究は、国連持続可能な開発目標 (SDG) 9: "Build Resilient Infrastructure, promotee Inclusive and Sustainable Industrialization and Foster Innovation" と一致する。 提案研究は,スマートフォン端末を用いたクラウドソースデータ収集のための定期的な旅行を行う政府と民間の車両が,道路状況を特定し,路面の穴や表面の凹凸(粗さ)などを検知する方法について論じる。 我々は,生成したデータを格納したエッジデバイスにマシンラーニングインテリジェンスを近づけるモバイルエッジコンピューティング(mec)技術について検討し,道路状況の検出と改善のためのフェデレーション学習の応用方法を示す。 本研究の第2フェーズでは,スリランカにおける道路システムのためのディジタルツインの実装を計画している。 提案する道路システムのためのディジタルツインにおいて,専用システムと非デジケートシステムの両方が提供するデータを利用する。 本稿の執筆時点で、私たちの知る限り、スリランカの道路やその他のインフラシステム向けに実装されたDigital Twinシステムは存在しない。 提案されたDigital Twinは、スリランカにおけるこのようなシステムの最初の実装の1つである。 このパイロットプロジェクトから学んだ教訓は、同じ道をたどり、データ駆動の意思決定をしたい他の途上国に利益をもたらすだろう。

関連論文リスト

• Finetuning YOLOv9 for Vehicle Detection: Deep Learning for Intelligent Transportation Systems in Dhaka, Bangladesh [0.0]
  バングラデシュ政府は、スマートモビリティを「スマートバングラデシュビジョン2041」に向けた重要なステップとして、ITSの統合を認めている。 本稿では,バングラデシュのデータセット上で訓練されたネイティブ車両を検出するための細調整対象検出器 YOLOv9 モデルを提案する。 その結果, 平均精度(mAP)は平均値0.934で, IoU(Intersection over Union)は0.5。
  論文  参考訳（メタデータ） (2024-09-29T02:33:34Z)
• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 本稿では,各種深層学習駆動型VAD経路の基本前提,学習フレームワーク,適用シナリオについて述べる。 我々は、産業用IoTおよびスマート都市における最新のNSVAD研究と、デプロイ可能なNSVADのためのエンドクラウド共同アーキテクチャを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• BadODD: Bangladeshi Autonomous Driving Object Detection Dataset [0.0]
  バングラデシュの9地区にわたる多様な運転環境における物体検出のための包括的データセットを提案する。 スマートフォンカメラからのみ収集されたデータセットは、現実のシナリオを現実的に表現したものだ。
  論文  参考訳（メタデータ） (2024-01-19T12:26:51Z)
• Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
  このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。 高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。 また、解決を保障する科学的、技術的課題も検討している。
  論文  参考訳（メタデータ） (2023-12-06T10:46:53Z)
• RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and Comfortable Autonomous Driving [67.09546127265034]
  道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。 我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。 約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
  論文  参考訳（メタデータ） (2023-10-03T17:59:32Z)
• 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)
• "Seeing Sound": Audio Classification with the Wigner-Wille Distribution and Convolutional Neural Networks [0.0]
  センサーネットワークから得られるデータは、センサーフュージョンとAIアルゴリズムを組み合わせることで、自動運転車のような分野のイノベーションを促進する。 本稿では,都市環境における音センサデータの利用の可能性について検討する。 本稿では,Wigner-Ville分布と畳み込みニューラルネットワークを用いた音声データの分類手法を提案する。
  論文  参考訳（メタデータ） (2022-11-06T19:01:02Z)
• Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep Learning [77.34726150561087]
  本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。 我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
  論文  参考訳（メタデータ） (2022-09-28T18:51:59Z)
• Federated Deep Learning Meets Autonomous Vehicle Perception: Design and Verification [168.67190934250868]
  フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。 FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。 マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
  論文  参考訳（メタデータ） (2022-06-03T23:55:45Z)
• Dense Residual Networks for Gaze Mapping on Indian Roads [0.0]
  本稿では,運転者の視線を道路上にマッピングする新しいアーキテクチャDR-Gazeを提案する。 DGAZEデータセットの過去の研究結果と最先端の成果との比較を行った。
  論文  参考訳（メタデータ） (2022-03-22T10:58:02Z)
• NeBula: Quest for Robotic Autonomy in Challenging Environments; TEAM CoSTAR at the DARPA Subterranean Challenge [105.27989489105865]
  本稿では,TEAM CoSTARが開発したアルゴリズム,ハードウェア,ソフトウェアアーキテクチャについて述べる。 NeBula (Networked Belief-Aware Perceptual Autonomy) と呼ばれる当社の自律的ソリューションを紹介します。
  論文  参考訳（メタデータ） (2021-03-21T19:42:26Z)

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。