論文の概要: Big Data and Deep Learning in Smart Cities: A Comprehensive Dataset for
AI-Driven Traffic Accident Detection and Computer Vision Systems
- arxiv url: http://arxiv.org/abs/2401.03587v1
- Date: Sun, 7 Jan 2024 21:50:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-09 18:17:09.190821
- Title: Big Data and Deep Learning in Smart Cities: A Comprehensive Dataset for
AI-Driven Traffic Accident Detection and Computer Vision Systems
- Title（参考訳）: スマートシティにおけるビッグデータとディープラーニング:AIによる交通事故検出とコンピュータビジョンシステムのための総合データセット
- Authors: Victor Adewopo, Nelly Elsayed, Zag Elsayed, Murat Ozer, Constantinos
Zekios, Ahmed Abdelgawad, Magdy Bayoumi
- Abstract要約: 本研究は,スマートシティにおける最先端技術の適用について考察する。
本稿では,交通事故検出のための新しい包括的データセットを提案する。
このデータセットは学術研究を推進し、リアルタイムの事故検出アプリケーションを強化することが期待されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the dynamic urban landscape, where the interplay of vehicles and
pedestrians defines the rhythm of life, integrating advanced technology for
safety and efficiency is increasingly crucial. This study delves into the
application of cutting-edge technological methods in smart cities, focusing on
enhancing public safety through improved traffic accident detection. Action
recognition plays a pivotal role in interpreting visual data and tracking
object motion such as human pose estimation in video sequences. The challenges
of action recognition include variability in rapid actions, limited dataset,
and environmental factors such as (Weather, Illumination, and Occlusions). In
this paper, we present a novel comprehensive dataset for traffic accident
detection. This datasets is specifically designed to bolster computer vision
and action recognition systems in predicting and detecting road traffic
accidents. We integrated datasets from wide variety of data sources, road
networks, weather conditions, and regions across the globe. This approach is
underpinned by empirical studies, aiming to contribute to the discourse on how
technology can enhance the quality of life in densely populated areas. This
research aims to bridge existing research gaps by introducing benchmark
datasets that leverage state-of-the-art algorithms tailored for traffic
accident detection in smart cities. These dataset is expected to advance
academic research and also enhance real-time accident detection applications,
contributing significantly to the evolution of smart urban environments. Our
study marks a pivotal step towards safer, more efficient smart cities,
harnessing the power of AI and machine learning to transform urban living.
- Abstract（参考訳）: 自動車と歩行者の相互作用が生活のリズムを定義するダイナミックな都市景観では、安全性と効率性のための高度な技術の統合がますます重要になっている。
スマートシティにおける最先端技術の適用について,交通事故検出の改善による公共安全の向上に着目した。
アクション認識は映像データの解釈や人間のポーズ推定などの物体の動きの追跡において重要な役割を果たす。
行動認識の課題は、迅速な行動における可変性、限られたデータセット、および(ウェザー、イルミネーション、オクルージョン)環境要因である。
本稿では,交通事故検出のための包括的データセットを提案する。
このデータセットは、道路交通事故の予測と検出においてコンピュータビジョンと行動認識システムを強化するように設計されている。
さまざまなデータソース、道路ネットワーク、気象条件、および世界中の地域からのデータセットを統合しました。
このアプローチは、人口密度の高い地域での生活の質を高める技術について、実証的な研究によって支えられている。
本研究は,スマートシティにおける交通事故検出に適した最先端アルゴリズムを活用したベンチマークデータセットを導入することで,既存の研究ギャップを埋めることを目的とする。
これらのデータセットは学術的な研究を進め、リアルタイムの事故検出アプリケーションを強化し、スマートな都市環境の進化に大きく貢献することが期待されている。
われわれの研究は、より安全で効率的なスマートシティへの重要な一歩であり、AIと機械学習の力を利用して都市生活を変革する。
関連論文リスト
- Vulnerable Road User Detection and Safety Enhancement: A Comprehensive Survey [0.707675463650964]
脆弱な道路利用者(VRU)を含む交通事故は、世界的な道路事故のかなりの割合を占める。
高度な信号処理と機械学習技術を組み合わせた交通通信エコシステムの進歩は、多様なセンサーからのデータの活用を促進している。
本稿では,VRUの安全性を高めるための最先端技術と方法論を包括的に調査する。
論文 参考訳（メタデータ） (2024-05-29T15:42:10Z) - 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) - Enhancing Situational Awareness in Surveillance: Leveraging Data
Visualization Techniques for Machine Learning-based Video Analytics Outcomes [2.1374208474242815]
本研究では、現在のインフラ内のAI監視データに適したデータ表現と可視化技術について、徹底的に検討する。
それは、重要なデータメトリクス、状況認識のための方法、そして様々な可視化技術に分かれている。
その結果、AI監視データの可視化が緊急処理、公衆衛生プロトコル、群衆制御、資源分布、予測モデリング、都市計画、情報意思決定に与える影響を強調した。
論文 参考訳（メタデータ） (2023-12-09T18:32:44Z) - Smart City Transportation: Deep Learning Ensemble Approach for Traffic
Accident Detection [0.0]
本稿では,スマートシティ交通監視システムにおける事故検出に適した軽量ソリューションであるI3D-CONVLSTM2Dモデルアーキテクチャを提案する。
I3D-CONVLSTM2D RGB + Optical-Flow (Trainable) モデルでは, 平均精度が87%, 平均精度が87%であった。
我々の研究は、スマート都市インフラ内のエッジIoTデバイスへのリアルタイム統合を前提とした、高度な視覚ベースの事故検出システムへの道筋を照らしている。
論文 参考訳（メタデータ） (2023-10-16T03:47:08Z) - 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) - TAD: A Large-Scale Benchmark for Traffic Accidents Detection from Video
Surveillance [2.1076255329439304]
既存の交通事故のデータセットは小規模で、監視カメラからではなく、オープンソースではない。
様々な次元による統合とアノテーションの後に,TADという大規模交通事故データセットが提案されている。
論文 参考訳（メタデータ） (2022-09-26T03:00:50Z) - Review on Action Recognition for Accident Detection in Smart City
Transportation Systems [0.0]
異なる監視カメラを使用してスマートシティの交通の流れを監視することは、事故を認識し、最初の応答者を警告する上で重要な役割を果たす。
コンピュータビジョンタスクにおける行動認識(AR)の利用は、ビデオ監視、医療画像、デジタル信号処理における高精度な応用に寄与している。
本稿では,自動運転車や公共交通安全システムにおける事故検出システムの開発と統合に向けた研究の方向性について述べる。
論文 参考訳（メタデータ） (2022-08-20T03:21:44Z) - Benchmarking high-fidelity pedestrian tracking systems for research,
real-time monitoring and crowd control [55.41644538483948]
実生活環境における高忠実な歩行者追跡は,群集動態研究において重要なツールである。
この技術が進歩するにつれて、社会においても益々有用になってきている。
歩行者追跡技術の研究と技術に成功させるためには、正確さの検証とベンチマークが不可欠である。
我々は、プライバシーに配慮した歩行者追跡技術のためのベンチマークスイートをコミュニティのオープンスタンダードに向けて提示し、議論する。
論文 参考訳（メタデータ） (2021-08-26T11:45:26Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - 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) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z)
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。