論文の概要: Explainable, automated urban interventions to improve pedestrian and
vehicle safety
- arxiv url: http://arxiv.org/abs/2110.11672v1
- Date: Fri, 22 Oct 2021 09:17:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-25 22:43:33.324018
- Title: Explainable, automated urban interventions to improve pedestrian and
vehicle safety
- Title(参考訳): 歩行者と車両の安全向上のための都市介入の自動化
- Authors: Cristina Bustos, Daniel Rhoads, Albert Sole-Ribalta, David Masip, Alex
Arenas, Agata Lapedriza, Javier Borge-Holthoefer
- Abstract要約: 本稿では,歩行者や車両の安全性にアプローチするために,公共データソース,大規模街路画像,コンピュータビジョン技術を組み合わせる。
このパイプラインに関わるステップには、各都市シーンのハザード指標を決定するために、残留畳み込みニューラルネットワークの適応とトレーニングが含まれる。
この計算手法の結果は、都市全体の危険レベルの詳細なマップであり、歩行者と車両の安全性を同時に改善する可能性がある。
- 参考スコア(独自算出の注目度): 0.8620335948752805
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: At the moment, urban mobility research and governmental initiatives are
mostly focused on motor-related issues, e.g. the problems of congestion and
pollution. And yet, we can not disregard the most vulnerable elements in the
urban landscape: pedestrians, exposed to higher risks than other road users.
Indeed, safe, accessible, and sustainable transport systems in cities are a
core target of the UN's 2030 Agenda. Thus, there is an opportunity to apply
advanced computational tools to the problem of traffic safety, in regards
especially to pedestrians, who have been often overlooked in the past. This
paper combines public data sources, large-scale street imagery and computer
vision techniques to approach pedestrian and vehicle safety with an automated,
relatively simple, and universally-applicable data-processing scheme. The steps
involved in this pipeline include the adaptation and training of a Residual
Convolutional Neural Network to determine a hazard index for each given urban
scene, as well as an interpretability analysis based on image segmentation and
class activation mapping on those same images. Combined, the outcome of this
computational approach is a fine-grained map of hazard levels across a city,
and an heuristic to identify interventions that might simultaneously improve
pedestrian and vehicle safety. The proposed framework should be taken as a
complement to the work of urban planners and public authorities.
- Abstract(参考訳): 現在、都市移動研究や政府主導の取り組みは主に、渋滞や汚染といったモーター関連の問題に焦点を当てている。
しかし、都市景観における最も脆弱な要素、すなわち歩行者は、他の道路利用者よりも高いリスクにさらされている。
実際、安全でアクセス可能で持続可能な都市輸送システムは、国連の2030年の議題の中核的目標である。
したがって、特に過去に見過ごされてきた歩行者に対しては、交通安全の問題に高度な計算ツールを適用する機会がある。
本稿では,公共データソースと大規模街路画像とコンピュータビジョン技術を組み合わせて,歩行者と車両の安全にアプローチし,自動的かつ比較的単純かつ普遍的に適用可能なデータ処理方式を提案する。
このパイプラインに含まれるステップは、各都市シーンのハザードインデックスを決定するために、残留畳み込みニューラルネットワークの適応とトレーニング、およびこれら同じ画像に対するイメージセグメンテーションとクラスアクティベーションマッピングに基づく解釈可能性分析を含む。
この計算手法の成果は、都市全体の危険レベルの詳細なマップと、歩行者と車両の安全性を同時に改善する可能性のある介入を特定するためのヒューリスティックである。
提案された枠組みは、都市計画家や公共機関の業務を補完するものとみなすべきである。
関連論文リスト
- Rethinking Integration of Prediction and Planning in Deep Learning-Based
Automated Driving Systems: A Review [62.997667081978825]
最近の研究は、安全で効率的で快適な運転を実現するためには、相互依存のジョイントステップにおける予測と計画の統合が必要であることを示唆している。
我々は、最先端のディープラーニングベースの予測、計画、統合予測と計画モデルについて体系的にレビューする。
論文 参考訳(メタデータ) (2023-08-10T17:53:03Z) - Predicting the impact of urban change in pedestrian and road safety [0.0]
近年の研究では、畳み込みニューラルネットワークがストリートビューの画像を利用した事故発生率を正確に予測できることが示されている。
事故発生に対する都市介入の影響(増加または減少)を自動的に予測する方法を詳述する。
交通ネットワークの基盤(サイドウォークとロードネットワーク)とその需要を考えると,これらの結果を複雑なネットワークフレームワークに統合する。
論文 参考訳(メタデータ) (2022-02-03T10:37:51Z) - Evaluating Computer Vision Techniques for Urban Mobility on Large-Scale,
Unconstrained Roads [25.29906312974705]
本稿では,道路安全の課題を大規模に解決するために,簡易な移動画像撮影装置を提案する。
道路上の不規則を識別するために,近年のコンピュータビジョン技術を用いている。
また、トラフィック違反を見つけるためのモバイルイメージングソリューションの適用性を実証する。
論文 参考訳(メタデータ) (2021-09-11T09:07:56Z) - 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) - Analyzing vehicle pedestrian interactions combining data cube structure
and predictive collision risk estimation model [5.73658856166614]
本研究では,フィールドと集中型プロセスを組み合わせた歩行者安全システムについて紹介する。
本システムは,現場における今後のリスクを直ちに警告し,実際の衝突のない道路の安全レベルを評価することにより,危険頻繁なエリアの安全性を向上させることができる。
論文 参考訳(メタデータ) (2021-07-26T23:00:56Z) - Automated Object Behavioral Feature Extraction for Potential Risk
Analysis based on Video Sensor [6.291501119156943]
歩行者は道路、特に標識のない横断歩道で死亡や重傷を負う危険にさらされている。
本研究では,道路上に展開された映像センサから物体の行動特徴を効果的に抽出するシステムを提案する。
本研究は、スマートシティーに実用的なデータを提供するためのコネクテッドビデオセンサネットワークの可能性を示す。
論文 参考訳(メタデータ) (2021-07-08T01:11:31Z) - AI in Smart Cities: Challenges and approaches to enable road vehicle
automation and smart traffic control [56.73750387509709]
SCCは、活動やユーティリティの自動化と最適化による効率向上を目指すデータ中心の社会を構想しています。
本稿では、SCCにおけるAIの視点を説明し、道路車両の自動化とスマート交通制御を可能にする交通で使用されるAIベースの技術の概要を示す。
論文 参考訳(メタデータ) (2021-04-07T14:31:08Z) - Deep Structured Reactive Planning [94.92994828905984]
自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。
本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
論文 参考訳(メタデータ) (2021-01-18T01:43:36Z) - 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) - Smart Urban Mobility: When Mobility Systems Meet Smart Data [55.456196356335745]
都市人口は都市部で約25億人に達し、道路交通量は2050年までに12億台を超えた。
輸送部門の経済貢献は欧州のGDPの5%を占め、アメリカでは平均482.05億ドルの費用がかかる。
論文 参考訳(メタデータ) (2020-05-09T13:53:01Z) - Decoding pedestrian and automated vehicle interactions using immersive
virtual reality and interpretable deep learning [6.982614422666432]
本研究では,自動走行車の存在による影響が期待される都市動態の重要な要素として,歩行者の横断行動について検討する。
歩行者の待ち時間はデータ駆動のCox Proportional Hazards(CPH)モデルを用いて分析される。
その結果,道路上の自動走行車の存在,広い車線幅,道路上の高密度化,観光距離の制限,歩行習慣の欠如が待ち時間の主な要因であることが示唆された。
論文 参考訳(メタデータ) (2020-02-18T01:30:29Z)
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。