論文の概要: Experimental Assessment of a Forward-Collision Warning System Fusing
Deep Learning and Decentralized Radio Sensing
- arxiv url: http://arxiv.org/abs/2309.08737v1
- Date: Fri, 15 Sep 2023 19:55:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 19:44:43.606012
- Title: Experimental Assessment of a Forward-Collision Warning System Fusing
Deep Learning and Decentralized Radio Sensing
- Title(参考訳): 深層学習と分散型無線センシングを用いた前方衝突警報システムの実験評価
- Authors: Jorge D. Cardenas, Omar Contreras-Ponce, Carlos A. Gutierrez, Ruth
Aguilar-Ponce, Francisco R. Castillo-Soria, Cesar A. Azurdia-Meza
- Abstract要約: 本稿では、分散無線センシング(RS)に基づく自動前方衝突警報システムを提案する。
この枠組みでは、受信モードの車両は、第2の車両によって送信される連続波形(CW)をプローブ信号として使用し、対向する車両を検出する。
CWプローブ信号に印加されたドップラー信号の特徴を高速に接近する車両によって解析する深層学習(DL)モジュールにより、対向車両の検出を行う。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents the idea of an automatic forward-collision warning system
based on a decentralized radio sensing (RS) approach. In this framework, a
vehicle in receiving mode employs a continuous waveform (CW) transmitted by a
second vehicle as a probe signal to detect oncoming vehicles and warn the
driver of a potential forward collision. Such a CW can easily be incorporated
as a pilot signal within the data frame of current multicarrier vehicular
communication systems. Detection of oncoming vehicles is performed by a deep
learning (DL) module that analyzes the features of the Doppler signature
imprinted on the CW probe signal by a rapidly approaching vehicle. This
decentralized CW RS approach was assessed experimentally using data collected
by a series of field trials conducted in a two-lanes high-speed highway.
Detection performance was evaluated for two different DL models: a long
short-term memory network and a convolutional neural network. The obtained
results demonstrate the feasibility of the envisioned forward-collision warning
system based on the fusion of DL and decentralized CW RS.
- Abstract(参考訳): 本稿では,分散型無線センシング(rs)方式に基づく自動前方衝突警報システムについて述べる。
この枠組みにおいて、受信モードの車両は、第2の車両が送信する連続波形(cw)をプローブ信号として、対向する車両を検出し、ドライバーに潜在的な前方衝突を警告する。
このようなCWは、現在のマルチキャリア車体通信システムのデータフレームにパイロット信号として容易に組み込むことができる。
CWプローブ信号に印加されたドップラー信号の特徴を高速に接近する車両によって解析する深層学習(DL)モジュールにより、対向車両の検出を行う。
この分散化CW RSアプローチは、2車線高速道路における一連のフィールド試験によって収集されたデータを用いて実験的に評価された。
長期記憶ネットワークと畳み込みニューラルネットワークの2つの異なるDLモデルに対して,検出性能を評価した。
その結果,DLと分散CW RSの融合に基づく前方衝突警報システムの実現可能性を示した。
関連論文リスト
- Enhancing Track Management Systems with Vehicle-To-Vehicle Enabled Sensor Fusion [0.0]
本稿では,新しいV2V対応トラック管理システムを提案する。
中心となるイノベーションは、V2V通信を通じて検証された融合検出からなる独立した優先度トラックリストの作成にある。
本システムでは,V2X信号のファルシフィケーションが,認識センサからの検知を用いて,初期車両識別プロセスを通じて発生することの意義を考察する。
論文 参考訳(メタデータ) (2024-04-26T20:54:44Z) - Unsupervised Driving Event Discovery Based on Vehicle CAN-data [62.997667081978825]
本研究は,車両CANデータのクラスタリングとセグメンテーションを同時に行うことで,一般的な運転イベントを教師なしで識別する手法である。
我々は、実際のTesla Model 3車載CANデータと、異なる運転イベントをアノテートした2時間の運転セッションのデータセットを用いて、アプローチを評価した。
論文 参考訳(メタデータ) (2023-01-12T13:10:47Z) - Reinforcement Learning based Cyberattack Model for Adaptive Traffic
Signal Controller in Connected Transportation Systems [61.39400591328625]
接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。
この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。
そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。
RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
論文 参考訳(メタデータ) (2022-10-31T20:12:17Z) - Time-to-Green predictions for fully-actuated signal control systems with
supervised learning [56.66331540599836]
本稿では,集約信号とループ検出データを用いた時系列予測フレームワークを提案する。
我々は、最先端の機械学習モデルを用いて、将来の信号位相の持続時間を予測する。
スイスのチューリッヒの信号制御システムから得られた経験的データに基づいて、機械学習モデルが従来の予測手法より優れていることを示す。
論文 参考訳(メタデータ) (2022-08-24T07:50:43Z) - Development of a CAV-based Intersection Control System and Corridor
Level Impact Assessment [0.696125353550498]
本稿では,画素予約アルゴリズムとDeep Reinforcement Learning (DRL)決定論理を組み合わせたCAVの信号自由交叉制御システムを提案する。
提案モデルでは,他のCAV制御システムと比較して,中等度,高,極端の容積状態において50%,29%,および23%の遅延を減少させる。
論文 参考訳(メタデータ) (2022-08-21T21:56:20Z) - Blind-Spot Collision Detection System for Commercial Vehicles Using
Multi Deep CNN Architecture [0.17499351967216337]
高レベル特徴記述子に基づく2つの畳み込みニューラルネットワーク(CNN)は、重車両の盲点衝突を検出するために提案される。
盲点車両検出のための高次特徴抽出のための2つの事前学習ネットワークを統合するために,融合手法を提案する。
機能の融合により、より高速なR-CNNの性能が大幅に向上し、既存の最先端手法よりも優れていた。
論文 参考訳(メタデータ) (2022-08-17T11:10:37Z) - Federated Deep Learning Meets Autonomous Vehicle Perception: Design and
Verification [168.67190934250868]
フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。
FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。
マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
論文 参考訳(メタデータ) (2022-06-03T23:55:45Z) - COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked
Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。
われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文 参考訳(メタデータ) (2022-05-04T17:55:12Z) - CANShield: Signal-based Intrusion Detection for Controller Area Networks [29.03951113836835]
CANバスの信号に基づく侵入検知フレームワークであるCANShieldを提案する。
CanShieldは、信号レベルで高次元CANデータストリームを処理するデータ前処理モジュール、複数のディープオートエンコーダネットワークで構成されるデータアナライザモジュール、それぞれ異なる時間的視点から時系列データを解析するデータアナライザモジュール、アンサンブルメソッドを使用して最終的な決定を行うアタック検出モジュールの3つのモジュールで構成されている。
論文 参考訳(メタデータ) (2022-05-03T04:52:44Z) - Driving Anomaly Detection Using Conditional Generative Adversarial
Network [26.45460503638333]
本研究では,条件付き生成逆数ネットワーク(GAN)を用いた運転異常の定量化手法を提案する。
この手法は、事前に観測された信号にモデルを条件付けすることで、今後の運転シナリオを予測する。
結果は知覚的評価によって検証され、アノテータは高い異常スコアで検出されたビデオのリスクと親しみやすさを評価するよう依頼される。
論文 参考訳(メタデータ) (2022-03-15T22:10:01Z) - 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)
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。