論文の概要: A Distributed Acoustic Sensor System for Intelligent Transportation using Deep Learning

• arxiv url: http://arxiv.org/abs/2209.05978v1
• Date: Tue, 13 Sep 2022 13:23:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-14 13:28:34.144470
• Title: A Distributed Acoustic Sensor System for Intelligent Transportation using Deep Learning
• Title（参考訳）: 深層学習を用いたインテリジェントトランスポートのための分散音響センサシステム
• Authors: Chia-Yen Chiang, Mona Jaber, and Peter Hayward
• Abstract要約: 本研究は,光ファイバーを用いた分散音響センサ(DAS)を用いた交通解析のための新しいデータソースについて検討する。 本研究では,DAS信号の分析を行う深層学習手法を提案する。 制御条件下で収集したDASデータに基づいて,車両の分類精度92%,乗員検出92%-97%を達成した。
• 参考スコア（独自算出の注目度）: 2.1219631216034127
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Intelligent transport systems (ITS) are pivotal in the development of sustainable and green urban living. ITS is data-driven and enabled by the profusion of sensors ranging from pneumatic tubes to smart cameras. This work explores a novel data source based on optical fibre-based distributed acoustic sensors (DAS) for traffic analysis. Detecting the type of vehicle and estimating the occupancy of vehicles are prime concerns in ITS. The first is motivated by the need for tracking, controlling, and forecasting traffic flow. The second targets the regulation of high occupancy vehicle lanes in an attempt to reduce emissions and congestion. These tasks are often conducted by individuals inspecting vehicles or through the use of emerging computer vision technologies. The former is not scale-able nor efficient whereas the latter is intrusive to passengers' privacy. To this end, we propose a deep learning technique to analyse DAS signals to address this challenge through continuous sensing and without exposing personal information. We propose a deep learning method for processing DAS signals and achieve 92% vehicle classification accuracy and 92-97% in occupancy detection based on DAS data collected under controlled conditions.
• Abstract（参考訳）: インテリジェントトランスポートシステム(ITS)は、持続可能な都市生活の発展において重要な役割を担っている。 データ駆動で、空気圧チューブからスマートカメラまで、さまざまなセンサーが混入している。 本研究は,光ファイバーを用いた分散音響センサ(DAS)を用いた交通解析のための新しいデータソースを提案する。 車両の種類を検知し、車両の占有率を推定することは、ITSの主要な懸念事項である。 ひとつは、トラフィックフローの追跡、制御、予測の必要性によるものだ。 2つ目は、排出と渋滞を減らすため、高占有率車線規制を目標としている。 これらのタスクは、車両を検査する個人や、新しいコンピュータビジョン技術を用いて行われることが多い。 前者はスケール可能で効率が良くないが、後者は乗客のプライバシーを侵害している。 そこで本稿では,DAS信号の分析を行う深層学習手法を提案する。 本研究では,DAS信号処理の深層学習手法を提案し,制御条件下で収集したDASデータに基づいて車両の分類精度92%,乗員検出率92-97%を達成する。

関連論文リスト

• Passenger hazard perception based on EEG signals for highly automated driving vehicles [23.322910031715583]
  本研究は,乗用車間相互作用の神経機構を解明し,乗用車認知モデル(PCM)と乗用車脳波復号戦略(PEDS)の開発に繋がるものである。 Central to PEDSは、空間的および時間的脳波データパターンをキャプチャする新しい畳み込みリカレントニューラルネットワーク(CRNN)である。 我々の研究は、事前観測された脳波データの予測能力、危険シナリオの検出の強化、より安全な自動運転車のためのネットワーク駆動型フレームワークの提供を強調した。
  論文  参考訳（メタデータ） (2024-08-29T07:32:30Z)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• 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)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• 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)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)
• Efficient Federated Learning with Spike Neural Networks for Traffic Sign Recognition [70.306089187104]
  我々は、エネルギー効率と高速モデルトレーニングのための交通信号認識に強力なスパイクニューラルネットワーク(SNN)を導入している。 数値的な結果から,提案するフェデレーションSNNは,従来のフェデレーション畳み込みニューラルネットワークよりも精度,ノイズ免疫性,エネルギー効率に優れていたことが示唆された。
  論文  参考訳（メタデータ） (2022-05-28T03:11:48Z)
• A Hybrid Physics Machine Learning Approach for Macroscopic Traffic State Estimation [20.716261308570555]
  本稿では,革新的なトラフィック状態推定フレームワークを提案する。 入力として、交通センサからの限られた情報を使用し、正確でフルフィールドで推定された交通状況を構築する。 実験の結果,提案手法は実地交通情報を正確に推定できることが証明された。
  論文  参考訳（メタデータ） (2022-02-01T06:04:18Z)
• 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)
• Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
  我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。 本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。 次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
  論文  参考訳（メタデータ） (2021-05-20T17:52:37Z)
• Cooperative Perception with Deep Reinforcement Learning for Connected Vehicles [7.7003495898919265]
  本研究では, 周辺物体の検出精度を高めるために, 深層強化学習を用いた協調認識方式を提案する。 本手法は、車両通信網におけるネットワーク負荷を軽減し、通信信頼性を高める。
  論文  参考訳（メタデータ） (2020-04-23T01:44:12Z)

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。