論文の概要: Rapid Assessments of Light-Duty Gasoline Vehicle Emissions Using On-Road Remote Sensing and Machine Learning

• arxiv url: http://arxiv.org/abs/2110.00260v1
• Date: Fri, 1 Oct 2021 08:37:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-04 14:23:36.424871
• Title: Rapid Assessments of Light-Duty Gasoline Vehicle Emissions Using On-Road Remote Sensing and Machine Learning
• Title（参考訳）: オンロードリモートセンシングと機械学習による軽質ガソリン車排出の迅速評価
• Authors: Yan Xia, Linhui Jiang, Lu Wang, Xue Chen, Jianjie Ye, Tangyan Hou, Liqiang Wang, Yibo Zhang, Mengying Li, Zhen Li, Zhe Song, Yaping Jiang, Weiping Liu, Pengfei Li, Daniel Rosenfeld, John H. Seinfeld, Shaocai Yu
• Abstract要約: 道路上での自動車排ガスのリアルタイムかつ正確な評価は、都市大気の質と健康政策において中心的な役割を果たす。 ここでは、オンロードリモートセンシング(ORRS)測定をI/Mレコードに関連付ける103831光デューティガソリン車を含む、ユニークなデータセットを構築します。 ニューラルネットワーク(NN)、極勾配強化(XGBoost)、ランダムフォレスト(ランダムフォレスト)を含む3つの機械学習アルゴリズムを統合するアンサンブルモデルフレームワークを開発した。
• 参考スコア（独自算出の注目度）: 18.334974501482275
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In-time and accurate assessments of on-road vehicle emissions play a central role in urban air quality and health policymaking. However, official insight is hampered by the Inspection/Maintenance (I/M) procedure conducted in the laboratory annually. It not only has a large gap to real-world situations (e.g., meteorological conditions) but also is incapable of regular supervision. Here we build a unique dataset including 103831 light-duty gasoline vehicles, in which on-road remote sensing (ORRS) measurements are linked to the I/M records based on the vehicle identification numbers and license plates. On this basis, we develop an ensemble model framework that integrates three machining learning algorithms, including neural network (NN), extreme gradient boosting (XGBoost), and random forest (RF). We demonstrate that this ensemble model could rapidly assess the vehicle-specific emissions (i.e., CO, HC, and NO). In particular, the model performs quite well for the passing vehicles under normal conditions (i.e., lower VSP (< 18 kw/t), temperature (6 ~ 32 {\deg}C), relative humidity (< 80%), and wind speed (< 5m/s)). Together with the current emission standard, we identify a large number of the dirty (2.33%) or clean (74.92%) vehicles in the real world. Our results show that the ORRS measurements, assisted by the machine-learning-based ensemble model developed here, can realize day-to-day supervision of on-road vehicle-specific emissions. This approach framework provides a valuable opportunity to reform the I/M procedures globally and mitigate urban air pollution deeply.
• Abstract（参考訳）: 道路上での自動車排ガスのリアルタイムかつ正確な評価は、都市大気質と健康政策において中心的な役割を果たす。 しかし、研究所で毎年実施される検査/維持(i/m)手順によって、公式な洞察が阻害される。 現実世界の状況(例えば気象条件)に大きなギャップがあるだけでなく、定期的な監督もできない。 ここでは、車種識別番号とライセンスプレートに基づいて、路上リモートセンシング(orr)測定とi/m記録をリンクする103831光デューティガソリン車を含むユニークなデータセットを構築する。 そこで我々は,ニューラルネットワーク(NN),極勾配促進(XGBoost),ランダム森林(RF)の3つの機械学習アルゴリズムを統合したアンサンブルモデルフレームワークを開発した。 このアンサンブルモデルにより,車種別排出(CO,HC,NO)を迅速に評価できることが実証された。 特に、このモデルは通常の条件下での通過車両(低vsp (<18 kw/t)、温度(6 ~ 32 {\deg}c)、相対湿度 (< 80%)、風速 (< 5m/s))に対して非常によく機能する。 現在の排出基準と共に、現実世界の汚れ(2.33%)またはクリーン(74.92%)車両の多くを識別する。 以上の結果から,ここで開発された機械学習に基づくアンサンブルモデルによるorrs測定により,車内排出ガスの日々の監視が可能となった。 このアプローチフレームワークは、I/M手順をグローバルに改革し、都市大気汚染を深く軽減する貴重な機会を提供する。

関連論文リスト

• Bench2Drive: Towards Multi-Ability Benchmarking of Closed-Loop End-To-End Autonomous Driving [59.705635382104454]
  本稿では,E2E-ADシステムのマルチ能力をクローズドループで評価するための最初のベンチマークであるBench2Driveを紹介する。 我々は最先端のE2E-ADモデルを実装し、Bench2Driveで評価し、現状と今後の方向性について洞察を提供する。
  論文  参考訳（メタデータ） (2024-06-06T09:12:30Z)
• LanEvil: Benchmarking the Robustness of Lane Detection to Environmental Illusions [61.87108000328186]
  レーン検出(LD)は自律走行システムにおいて不可欠な要素であり、適応型クルーズ制御や自動車線センターなどの基本的な機能を提供している。 既存のLDベンチマークは主に、環境錯覚に対するLDモデルの堅牢性を無視し、一般的なケースを評価することに焦点を当てている。 本稿では、LDに対する環境錯覚による潜在的な脅威について検討し、LanEvilの最初の総合ベンチマークを確立する。
  論文  参考訳（メタデータ） (2024-06-03T02:12:27Z)
• 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)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Automated Automotive Radar Calibration With Intelligent Vehicles [73.15674960230625]
  本稿では,自動車用レーダセンサの自動校正手法を提案する。 本手法では, 車両の外部改造を必要とせず, 自動走行車から得られる位置情報を利用する。 実地試験場からのデータを評価した結果,インフラセンサを自動で正確に校正できることが判明した。
  論文  参考訳（メタデータ） (2023-06-23T07:01:10Z)
• Real-Time Idling Vehicles Detection using Combined Audio-Visual Deep Learning [1.2733164388167968]
  リアルタイム動的車両アイドリング検出アルゴリズムを提案する。 提案手法は、アイドリング車両を検出するためのマルチセンサ、オーディオ視覚、機械学習ワークフローに依存している。 我々はソルトレイクシティの病院の退院地点でリアルタイムでシステムをテストする。
  論文  参考訳（メタデータ） (2023-05-23T23:35:43Z)
• 4Seasons: Benchmarking Visual SLAM and Long-Term Localization for Autonomous Driving in Challenging Conditions [54.59279160621111]
  大規模4Seasonsデータセットに基づく課題条件下での自律運転のための新しい視覚的SLAMと長期局所化ベンチマークを提案する。 提案したベンチマークでは,季節変化や天候,照明条件の変動による劇的な外見の変化が報告されている。 本稿では,視覚計測,大域的位置認識,および地図に基づく視覚的位置決め性能を共同評価するための統合ベンチマークを提案する。
  論文  参考訳（メタデータ） (2022-12-31T13:52:36Z)
• Automated Quantification of Traffic Particulate Emissions via an Image Analysis Pipeline [0.0]
  交通画像を利用して車両数を求める統合機械学習パイプラインの提案と実装を行う。 シンガポールのロケーションで取得した交通画像のオープンソースデータセット上で,このパイプラインの有用性と精度を検証する。 路側粒子放出は、得られた車両数と0.93の相関係数とをよく相関させ、この方法が粒子放出の迅速かつ効果的な相関として有効であることを示す。
  論文  参考訳（メタデータ） (2022-11-24T07:48:29Z)
• A Benchmark for Spray from Nearby Cutting Vehicles [7.767933159959353]
  本論文は噴霧による乱れの検査方法について述べる。 噴霧による乱れを評価するための評価スキームとともに、新しい軽量噴霧装置を導入している。 密閉車両の一般的なシナリオでは、歪みが最大4秒までの知覚スタックに深刻な影響を与えていることが分かる。
  論文  参考訳（メタデータ） (2021-08-24T15:40:09Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• Towards Indirect Top-Down Road Transport Emissions Estimation [2.18675052740811]
  道路輸送は、気候変動に影響を与える温室効果ガス(GHG)排出量の最大セクターの1つです。 衛星画像を用いた道路交通の間接的トップダウン推定を行う機械学習モデルを開発した。
  論文  参考訳（メタデータ） (2021-03-16T03:30:53Z)

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。