論文の概要: Towards formalization and monitoring of microscopic traffic parameters
using temporal logic
- arxiv url: http://arxiv.org/abs/2110.06208v1
- Date: Tue, 12 Oct 2021 17:59:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-11 16:44:59.943434
- Title: Towards formalization and monitoring of microscopic traffic parameters
using temporal logic
- Title(参考訳): 時相論理を用いた微視的交通パラメータの定式化とモニタリング
- Authors: Mariam Nour, Mohamed H. Zaki
- Abstract要約: 本稿では,形式言語Signal Temporal Logicを用いた交通ネットワーク解析のための仕様ベースのモニタリング手法を提案する。
我々は、速度制限に適合し、適切な進路を維持するなど、安全関連行動を特定するモニターを開発する。
この作業は交通管理センターがトラヒックストリーム特性を調査し、ハザードを特定し、トラヒック監視システムを自動化する上で貴重なフィードバックを提供するために利用することができる。
- 参考スコア(独自算出の注目度): 1.3706331473063877
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Smart cities are revolutionizing the transportation infrastructure by the
integration of technology. However, ensuring that various transportation system
components are operating as expected and in a safe manner is a great challenge.
In this work, we propose the use of formal methods as a means to specify and
reason about the traffic network's complex properties. Formal methods provide a
flexible tool to define the safe operation of the traffic network by capturing
non-conforming behavior, exploring various possible states of the traffic
scene, and detecting any inconsistencies within it. Hence, we develop
specification-based monitoring for the analysis of traffic networks using the
formal language, Signal Temporal Logic. We develop monitors that identify
safety-related behavior such as conforming to speed limits and maintaining
appropriate headway. The framework is tested using a calibrated micro-simulated
highway scenario and offline specification-based monitoring is applied to
individual vehicle trajectories to understand whether they violate or satisfy
the defined safety specifications. Statistical analysis of the outputs show
that our approach can differentiate violating from conforming vehicle
trajectories based on the defined specifications. This work can be utilized by
traffic management centers to study the traffic stream properties, identify
possible hazards, and provide valuable feedback for automating the traffic
monitoring systems.
- Abstract(参考訳): スマートシティはテクノロジーの統合によって交通インフラに革命をもたらしている。
しかし,様々な輸送システムコンポーネントが期待通りに運用され,安全に運用されることは大きな課題である。
本稿では,トラヒックネットワークの複雑な特性を記述・推論するための手法として,形式的手法の利用を提案する。
形式的手法は、不整合挙動を捉え、交通シーンの様々な状態を探索し、その中の不整合を検出することによって、交通ネットワークの安全な操作を定義する柔軟なツールを提供する。
そこで我々は, 正式な言語であるSignal Temporal Logicを用いて, トラフィックネットワーク解析のための仕様ベースモニタリングを開発した。
速度制限に準拠したり,適切なヘッドウェイを維持するなど,安全関連の動作を識別するモニタを開発した。
このフレームワークは、校正されたマイクロシミュレーションハイウェイシナリオを用いてテストされ、オフライン仕様に基づく監視が個々の車両軌跡に適用され、それらが定義された安全仕様に違反しているか、あるいは満たされているかが分かる。
結果の統計的分析により,提案手法は,規定された仕様に基づいて,違反と適合する車両軌跡を区別できることが示された。
この作業は交通管理センターがトラヒックストリーム特性を調査し、ハザードを特定し、トラヒック監視システムを自動化する上で貴重なフィードバックを提供するために利用することができる。
関連論文リスト
- A Holistic Framework Towards Vision-based Traffic Signal Control with
Microscopic Simulation [53.39174966020085]
交通信号制御(TSC)は交通渋滞を低減し、交通の流れを円滑にし、アイドリング時間を短縮し、CO2排出量を減らすために重要である。
本研究では,道路交通の流れを視覚的観察によって調節するTSCのコンピュータビジョンアプローチについて検討する。
我々は、視覚ベースのTSCとそのベンチマークに向けて、TrafficDojoと呼ばれる総合的なトラフィックシミュレーションフレームワークを導入する。
論文 参考訳(メタデータ) (2024-03-11T16:42:29Z) - Controllable Safety-Critical Closed-loop Traffic Simulation via Guided
Diffusion [100.4988219600854]
誘導拡散モデルに根ざした新しいクローズドループシミュレーションフレームワークを提案する。
提案手法は, 現実の条件を密にエミュレートする現実的なロングテールシナリオの生成と, 制御性の向上という, 二つの異なる利点をもたらす。
我々はNuScenesデータセットを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳(メタデータ) (2023-12-31T04:14:43Z) - 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) - Guided Conditional Diffusion for Controllable Traffic Simulation [42.198185904248994]
制御可能で現実的な交通シミュレーションは、自動運転車の開発と検証に不可欠である。
データ駆動アプローチは現実的で人間的な振る舞いを生成し、シミュレートされたトラフィックから現実のトラフィックへの移行を改善する。
本研究では,制御可能なトラヒック生成(CTG)のための条件拡散モデルを構築し,テスト時に所望のトラジェクトリ特性を制御できるようにする。
論文 参考訳(メタデータ) (2022-10-31T14:44:59Z) - Real-Time Accident Detection in Traffic Surveillance Using Deep Learning [0.8808993671472349]
本稿では,交通監視用交差点における事故検出のための新しい効率的な枠組みを提案する。
提案手法は,最先端のYOLOv4法に基づく効率的かつ高精度な物体検出を含む,3つの階層的なステップから構成される。
提案フレームワークのロバスト性は,様々な照明条件でYouTubeから収集した映像シーケンスを用いて評価する。
論文 参考訳(メタデータ) (2022-08-12T19:07:20Z) - Deep Learning Serves Traffic Safety Analysis: A Forward-looking Review [4.228522109021283]
本稿では,トラヒックビデオの理解と解釈に使用できる,典型的な処理パイプラインを提案する。
この処理フレームワークは、ビデオ強調、ビデオ安定化、セマンティックおよびインシデントセグメンテーション、オブジェクト検出と分類、軌道抽出、速度推定、イベント分析、モデリング、異常検出を含む。
論文 参考訳(メタデータ) (2022-03-07T17:21:07Z) - Network-level Safety Metrics for Overall Traffic Safety Assessment: A
Case Study [7.8191100993403495]
本稿では,道路インフラストラクチャセンサによる画像の処理による交通流の安全性評価のための,ネットワークレベルの新しい安全性指標について述べる。
安全性指標とクラッシュデータの統合解析により,代表的なネットワークレベルの安全性指標とクラッシュ頻度との洞察力のある時間的および空間的相関が明らかになった。
論文 参考訳(メタデータ) (2022-01-27T19:07:08Z) - 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) - 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) - Artificial Intelligence Enabled Traffic Monitoring System [3.085453921856008]
本稿では,深層畳み込みニューラルネットワークを用いたリアルタイム交通映像の自動監視手法を提案する。
提案システムは、さまざまなトラフィック監視ニーズを自動化するために、最先端のディープラーニングアルゴリズムをデプロイする。
論文 参考訳(メタデータ) (2020-10-02T22:28:02Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳(メタデータ) (2020-07-28T07:34:30Z)
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。