論文の概要: A Framework for Pedestrian Sub-classification and Arrival Time
Prediction at Signalized Intersection Using Preprocessed Lidar Data
- arxiv url: http://arxiv.org/abs/2201.05877v1
- Date: Sat, 15 Jan 2022 15:58:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-19 13:41:21.415868
- Title: A Framework for Pedestrian Sub-classification and Arrival Time
Prediction at Signalized Intersection Using Preprocessed Lidar Data
- Title(参考訳): lidarデータを用いた信号交差点における歩行者のサブクラス化と到着時刻予測の枠組み
- Authors: Tengfeng Lin, Zhixiong Jin, Seongjin Choi and Hwasoo Yeo
- Abstract要約: 我々は、障害者を通常の歩行歩行者と区別するために、機械学習とディープラーニングモデルを組み合わせた体系的な枠組みを開発する。
提案フレームワークは,脆弱なユーザ分類と到着時刻予測精度の両方において高い性能を示す。
- 参考スコア(独自算出の注目度): 2.8388425545775386
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The mortality rate for pedestrians using wheelchairs was 36% higher than the
overall population pedestrian mortality rate. However, there is no data to
clarify the pedestrians' categories in both fatal and nonfatal accidents, since
police reports often do not keep a record of whether a victim was using a
wheelchair or has a disability. Currently, real-time detection of vulnerable
road users using advanced traffic sensors installed at the infrastructure side
has a great potential to significantly improve traffic safety at the
intersection. In this research, we develop a systematic framework with a
combination of machine learning and deep learning models to distinguish
disabled people from normal walk pedestrians and predict the time needed to
reach the next side of the intersection. The proposed framework shows high
performance both at vulnerable user classification and arrival time prediction
accuracy.
- Abstract(参考訳): 車椅子を用いた歩行者死亡率は、全人口の歩行者死亡率よりも36%高かった。
しかし、被害者の車椅子使用の有無や障害の有無を警察の報告では記録していないことが多いため、死亡事故と非死亡事故の両方で歩行者のカテゴリーを明確にするデータは存在しない。
現在、インフラ側に設置された高度な交通センサを用いて、脆弱な道路利用者をリアルタイムに検出することは、交差点での交通安全を大幅に改善する大きな可能性を秘めている。
本研究では,障害者と通常の歩行歩行者を区別し,交差点の向こう側に到達するのに要する時間を予測するために,機械学習とディープラーニングモデルを組み合わせた体系的枠組みを開発した。
提案フレームワークは,脆弱なユーザ分類と到着時刻予測精度の両方において高い性能を示す。
関連論文リスト
- A Real-time Evaluation Framework for Pedestrian's Potential Risk at Non-Signalized Intersections Based on Predicted Post-Encroachment Time [1.0124625066746595]
本研究では,歩行者の潜在的なリスクをリアルタイムに評価するために,コンピュータビジョン技術と予測モデルを用いたフレームワークを開発した。
P-PET(Predicted Post-Encroachment Time)は、交差点で歩行者や車両が到着する時刻を予測できるディープラーニングモデルから派生した、予測後時間(Predicted Post-Encroachment Time)である。
論文 参考訳(メタデータ) (2024-04-24T04:10:05Z) - 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) - DenseLight: Efficient Control for Large-scale Traffic Signals with Dense
Feedback [109.84667902348498]
交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。
従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。
DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
論文 参考訳(メタデータ) (2023-06-13T05:58:57Z) - CHAMP: Crowdsourced, History-Based Advisory of Mapped Pedestrians for
Safer Driver Assistance Systems [0.0]
CHAMP (Crowdsourced, History-based Advisories of Mapped Pedestrians) は歩行者ゾーンを学習し、車両が歩行者に近づいているときに助言通知を生成する。
我々はカリフォルニア州ラ・ジョラで歩行者データを収集し、慎重にアノテートし、歩行者位置のトレーニングとテストセットを構築した。
この手法は、実験データセット上で最大100%の精度と75%のリコールを達成するように調整することができる。
論文 参考訳(メタデータ) (2023-01-14T07:28:05Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳(メタデータ) (2022-10-21T07:25:57Z) - A Probabilistic Framework for Estimating the Risk of Pedestrian-Vehicle
Conflicts at Intersections [5.8366275205801985]
本研究では,交差点における歩行者と車両の衝突リスクを推定するための確率的枠組みを提案する。
提案フレームワークは,ガウスプロセス回帰を用いた軌道予測により,一定速度の制約を緩和する。
交差点で収集した実世界のLiDARデータを用いて,提案フレームワークの性能評価を行った。
論文 参考訳(メタデータ) (2022-07-28T15:08:41Z) - A novel method of predictive collision risk area estimation for
proactive pedestrian accident prevention system in urban surveillance
infrastructure [6.777019450570473]
道路交通事故は、人間の生活に深刻な脅威をもたらし、早期死亡の主な原因となっています。
歩行者の衝突を予防するためのブレークスルーは、CCTVなどの視覚センサに基づいて歩行者の潜在的なリスクを認識することです。
本研究では,無信号横断歩道における衝突リスク領域推定システムを提案する。
論文 参考訳(メタデータ) (2021-05-06T10:29:44Z) - A model for traffic incident prediction using emergency braking data [77.34726150561087]
道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。
メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
論文 参考訳(メタデータ) (2021-02-12T18:17:12Z) - Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。
歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。
2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
論文 参考訳(メタデータ) (2021-01-07T06:08:21Z) - A Graph Convolutional Network with Signal Phasing Information for
Arterial Traffic Prediction [63.470149585093665]
動脈交通予測は 現代のインテリジェント交通システムの発展に 重要な役割を担っています
動脈交通予測に関する既存の研究の多くは、ループセンサからの流量と占有率の時間的測定のみを考慮し、上流と下流の検出器間のリッチな空間的関係を無視している。
我々は,信号タイミング計画から発生する空間情報を用いて,深層学習アプローチである拡散畳み込みリカレントニューラルネットワークを強化することで,このギャップを埋める。
論文 参考訳(メタデータ) (2020-12-25T01:40:29Z) - 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。