論文の概要: A data-driven rutting depth short-time prediction model with
metaheuristic optimization for asphalt pavements based on RIOHTrack
- arxiv url: http://arxiv.org/abs/2305.06707v1
- Date: Thu, 11 May 2023 10:33:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-12 15:10:21.256140
- Title: A data-driven rutting depth short-time prediction model with
metaheuristic optimization for asphalt pavements based on RIOHTrack
- Title（参考訳）: RIOHTrackに基づくアスファルト舗装のメタヒューリスティック最適化を用いたデータ駆動ラッティング深度短時間予測モデル
- Authors: Zhuoxuan Li, Iakov Korovin, Xinli Shi, Sergey Gorbachev, Nadezhda
Gorbacheva, Wei Huang and Jinde Cao
- Abstract要約: 本研究では, 異なるアスファルト舗装のラッティング深さ, 温度, 荷重軸を主特性とする頑健な人工知能モデルの開発を試みた。
実験データは,北京の東州市で全長2.038kmのフルスケール加速舗装試験線上に,異なる原油源を有するアスファルト舗装19面から得られた。
- 参考スコア（独自算出の注目度）: 34.35456339697351
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rutting of asphalt pavements is a crucial design criterion in various
pavement design guides. A good road transportation base can provide security
for the transportation of oil and gas in road transportation. This study
attempts to develop a robust artificial intelligence model to estimate
different asphalt pavements' rutting depth clips, temperature, and load axes as
primary characteristics. The experiment data were obtained from 19 asphalt
pavements with different crude oil sources on a 2.038 km long full-scale field
accelerated pavement test track (RIOHTrack, Road Track Institute) in Tongzhou,
Beijing. In addition, this paper also proposes to build complex networks with
different pavement rutting depths through complex network methods and the
Louvain algorithm for community detection. The most critical structural
elements can be selected from different asphalt pavement rutting data, and
similar structural elements can be found. An extreme learning machine algorithm
with residual correction (RELM) is designed and optimized using an independent
adaptive particle swarm algorithm. The experimental results of the proposed
method are compared with several classical machine learning algorithms, with
predictions of Average Root Mean Squared Error, Average Mean Absolute Error,
and Average Mean Absolute Percentage Error for 19 asphalt pavements reaching
1.742, 1.363, and 1.94\% respectively. The experiments demonstrate that the
RELM algorithm has an advantage over classical machine learning methods in
dealing with non-linear problems in road engineering. Notably, the method
ensures the adaptation of the simulated environment to different levels of
abstraction through the cognitive analysis of the production environment
parameters.
- Abstract（参考訳）: アスファルト舗装のラッティングは、様々な舗装設計ガイドにおいて重要な設計基準である。
優れた道路交通基地は、道路輸送における石油とガスの輸送の安全を提供することができる。
本研究では,アスファルト舗装のラッチング深さ,温度,荷重軸を主特性として推定するロバストな人工知能モデルの開発を試みた。
実験データは,北京の東州市にある全長2.038kmのフルスケール加速舗装試験場(RIOHTrack, Road Track Institute)上で,異なる原油源を有するアスファルト舗装19面から得られた。
また,複雑なネットワーク手法とコミュニティ検出のためのLouvainアルゴリズムを用いて,異なる舗装ラッティング深さの複雑なネットワークを構築することを提案する。
最も重要な構造要素は、異なるアスファルト舗装ラッティングデータから選択することができ、同様の構造要素が見つかる。
残差補正(relm)を持つ極限学習機械アルゴリズムを独立適応粒子群アルゴリズムを用いて設計・最適化する。
提案手法の実験結果は, 従来の機械学習アルゴリズムと比較し, 平均根平均正方形誤差, 平均平均平均絶対絶対値誤差, 19アスファルト舗装における平均平均絶対値パーセンテージ誤差をそれぞれ1.742, 1.363, 1.94\%とした。
実験により,llmアルゴリズムは,道路工学における非線形問題を扱う上で,古典的機械学習手法よりも優れていることが示された。
特に,本手法は,生産環境パラメータの認知分析を通じて,シミュレーション環境の異なる抽象化レベルへの適応を保証する。
関連論文リスト
- Finding Transformer Circuits with Edge Pruning [71.12127707678961]
自動回路発見の効率的かつスケーラブルなソリューションとしてエッジプルーニングを提案する。
本手法は,従来の手法に比べてエッジ数の半分未満のGPT-2の回路を探索する。
その効率のおかげで、Edge PruningをCodeLlama-13Bにスケールしました。
論文 参考訳（メタデータ） (2024-06-24T16:40:54Z) - Efficient Ground Vehicle Path Following in Game AI [77.34726150561087]
本稿では,ゲームAIに適した地上車両の効率的な追従経路を提案する。
提案したパスフォロワは,一対一シューティングゲームにおいて,様々なテストシナリオを通じて評価される。
その結果,既存の経路と比較すると,立ち往生するイベントの総数が70%減少した。
論文 参考訳（メタデータ） (2023-07-07T04:20:07Z) - Learning Position From Vehicle Vibration Using an Inertial Measurement Unit [2.1213500139850012]
本稿では,グローバルナビゲーション衛星システム(GNSS)に依存しない車両位置決め手法を提案する。
従来のアプローチは特定の環境での干渉に弱いため、都市キャニオンやフライオーバーや低受信エリアなどの状況では信頼性が低い。
本研究では,慣性計測ユニット(IMU)センサで得られた加速度計およびジャイロスコープ測定から道路信号の学習に基づく車両位置決め手法を提案する。
論文 参考訳（メタデータ） (2023-03-06T18:55:00Z) - A Data-Driven Slip Estimation Approach for Effective Braking Control
under Varying Road Conditions [0.0]
多層ニューラルネットワークに基づく新しい推定アルゴリズムを提案する。
トレーニングは、広く使われている摩擦モデルから派生した合成データセットに基づいている。
実験結果とモデルベースラインとの比較により,提案手法が最適すべり推定に有効であることを示す。
論文 参考訳（メタデータ） (2022-11-04T16:24:05Z) - Dynamic Origin-Destination Matrix Estimation in Urban Traffic Networks [0.05735035463793007]
この問題を二段階最適化問題としてモデル化する。
内部レベルでは、暫定的な旅行需要を前提として、動的な交通割当問題を解決し、利用者の出身地と目的地間のルーティングを決定する。
外層部では,交通ネットワーク内のセンサによって測定された車両数と内層部で発生したカウンタの差を最小限に抑えることを目的として,旅行数とその出発点および目的地の調整を行う。
論文 参考訳（メタデータ） (2022-01-31T21:33:46Z) - Learning-based Preference Prediction for Constrained Multi-Criteria
Path-Planning [12.457788665461312]
自動地上車両(AGV)の制約された経路計画法はそのような適用例である。
我々は、ニューラルネットワークモデルをトレーニングして、オフラインシミュレーションによって得られた知識を活用し、不確実な基準を予測する。
私たちはこのモデルをパスプランナに統合し、オンラインの問題を解決することができます。
論文 参考訳（メタデータ） (2021-08-02T17:13:45Z) - OctoPath: An OcTree Based Self-Supervised Learning Approach to Local
Trajectory Planning for Mobile Robots [0.0]
我々は,エンコーダ・デコーダ・ディープニューラルネットワークであるOctoPathを導入し,エゴ車両の最適軌道を予測するための自己教師型訓練を行った。
トレーニング中、OctoPathは、所定のトレーニングデータセット内の予測と手動で駆動するトラジェクトリ間のエラーを最小限にする。
我々は,室内と屋外の異なる運転シナリオにおけるOctoPathの予測を,ベースラインハイブリッドA-Starアルゴリズムに対してベンチマークしながら評価した。
論文 参考訳（メタデータ） (2021-06-02T07:10:54Z) - Hybrid and Automated Machine Learning Approaches for Oil Fields
Development: the Case Study of Volve Field, North Sea [58.720142291102135]
本稿では,意思決定プロセスを支援する分野開発タスクにおけるインテリジェントなアプローチの利用について述べる。
我々は,油田立地最適化の問題と,その中の2つの課題に注目し,石油生産量推定の品質向上と貯水池特性の評価を行う。
実装されたアプローチは、異なる油田を解析したり、同様の物理問題に適応することができる。
論文 参考訳（メタデータ） (2021-03-03T18:51:46Z) - Path Planning Followed by Kinodynamic Smoothing for Multirotor Aerial
Vehicles (MAVs) [61.94975011711275]
そこで本稿では,RRT*textquotedblrightのテキストを幾何学的にベースとした動き計画手法を提案する。
提案手法では,適応探索空間とステアリング機能を導入したオリジナルのRT*を改良した。
提案手法を様々なシミュレーション環境で検証した。
論文 参考訳（メタデータ） (2020-08-29T09:55:49Z) - DrNAS: Dirichlet Neural Architecture Search [88.56953713817545]
ディリクレ分布をモデルとした連続緩和型混合重みをランダム変数として扱う。
最近開発されたパスワイズ微分により、ディリクレパラメータは勾配に基づく一般化で容易に最適化できる。
微分可能なNASの大きなメモリ消費を軽減するために, 単純かつ効果的な進行学習方式を提案する。
論文 参考訳（メタデータ） (2020-06-18T08:23:02Z)
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。