論文の概要: The Streetscape Application Services Stack (SASS): Towards a Distributed Sensing Architecture for Urban Applications

• arxiv url: http://arxiv.org/abs/2411.19714v1
• Date: Fri, 29 Nov 2024 14:02:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-02 15:21:14.194680
• Title: The Streetscape Application Services Stack (SASS): Towards a Distributed Sensing Architecture for Urban Applications
• Title（参考訳）: ストリートスケープアプリケーションサービススタック(SASS:Streetscape Application Services Stack) - 都市アプリケーションのための分散センシングアーキテクチャを目指して
• Authors: Navid Salami Pargoo, Mahshid Ghasemi, Shuren Xia, Mehmet Kerem Turkcan, Taqiya Ehsan, Chengbo Zang, Yuan Sun, Javad Ghaderi, Gil Zussman, Zoran Kostic, Jorge Ortiz,
• Abstract要約: ストリートスケープアプリケーションは、多様なセンサーとリアルタイムな意思決定を統合するアプリケーションを通じて、安全、移動性、生活の質を改善することを目的としている。 Street Application Services Stack (SASS)は、これらの課題に、マルチモーダルデータ同期、時間的データ融合、分散エッジコンピューティングの3つのコアサービスで対処する。 私たちは、リアルタイムでスケーラブルな都市アプリケーションをサポートするために、SASSがいかに抽象化とパフォーマンスを提供するかを示します。
• 参考スコア（独自算出の注目度）: 7.650929650666603
• License:
• Abstract: As urban populations grow, cities are becoming more complex, driving the deployment of interconnected sensing systems to realize the vision of smart cities. These systems aim to improve safety, mobility, and quality of life through applications that integrate diverse sensors with real-time decision-making. Streetscape applications-focusing on challenges like pedestrian safety and adaptive traffic management-depend on managing distributed, heterogeneous sensor data, aligning information across time and space, and enabling real-time processing. These tasks are inherently complex and often difficult to scale. The Streetscape Application Services Stack (SASS) addresses these challenges with three core services: multimodal data synchronization, spatiotemporal data fusion, and distributed edge computing. By structuring these capabilities as clear, composable abstractions with clear semantics, SASS allows developers to scale streetscape applications efficiently while minimizing the complexity of multimodal integration. We evaluated SASS in two real-world testbed environments: a controlled parking lot and an urban intersection in a major U.S. city. These testbeds allowed us to test SASS under diverse conditions, demonstrating its practical applicability. The Multimodal Data Synchronization service reduced temporal misalignment errors by 88%, achieving synchronization accuracy within 50 milliseconds. Spatiotemporal Data Fusion service improved detection accuracy for pedestrians and vehicles by over 10%, leveraging multicamera integration. The Distributed Edge Computing service increased system throughput by more than an order of magnitude. Together, these results show how SASS provides the abstractions and performance needed to support real-time, scalable urban applications, bridging the gap between sensing infrastructure and actionable streetscape intelligence.
• Abstract（参考訳）: 都市人口の増加に伴い、都市はより複雑になり、スマートシティのビジョンを実現するための相互接続型センシングシステムの展開が進められている。 これらのシステムは、多様なセンサーとリアルタイムな意思決定を統合するアプリケーションを通じて、安全、移動性、生活の質を向上させることを目的としている。 歩行者の安全や適応的な交通管理といった課題に焦点をあてたストリートスケープアプリケーションは、分散した異種センサーデータの管理、時間と空間をまたいだ情報の整合化、リアルタイム処理の実現に重点を置いている。 これらのタスクは本質的に複雑で、スケールが難しいことが多い。 Streetscape Application Services Stack (SASS)は、これらの課題に、マルチモーダルデータ同期、時空間データ融合、分散エッジコンピューティングの3つのコアサービスで対処する。 これらの機能を明確で構成可能な抽象化として、明確なセマンティクスで構成することで、SASSは、開発者はマルチモーダル統合の複雑さを最小限にしつつ、ストリートスケープアプリケーションを効率的にスケールできる。 そこで我々は,SASSを2つの実世界テストベッド環境 – 主要都市における駐車場の制御と都市交差点 – で評価した。 これらのテストベッドは多様な条件下でSASSをテストし、その実用性を示した。 Multimodal Data Synchronizationサービスは、時間的ミスアライメントエラーを88%削減し、50ミリ秒以内の同期精度を実現した。 時空間データフュージョンサービスは、歩行者と車両の検知精度を10%以上改善し、マルチカメラの統合を活用している。 分散エッジコンピューティングサービスは、システムのスループットを桁違いに向上させた。 これらの結果は、SASSがリアルタイムでスケーラブルな都市アプリケーションをサポートするために必要な抽象化とパフォーマンスを提供し、センシングインフラストラクチャと実行可能な街並みインテリジェンスとのギャップを埋める方法を示している。

関連論文リスト

• Self-Supervised State Space Model for Real-Time Traffic Accident Prediction Using eKAN Networks [18.385759762991896]
  SSL-eKambaは、交通事故予測のための効率的な自己組織化フレームワークである。 一般化を促進するために,交通パターン表現を適応的に改善する2つの自己教師付き補助タスクを設計する。 2つの実世界のデータセットの実験では、SSL-eKambaは最先端のベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2024-09-09T14:25:51Z)
• A Practical Large-Scale Roadside Multi-View Multi-Sensor Spatial Synchronization Framework for Intelligent Transportation Systems [8.359600566062236]
  カスケード空間変換(CST)を用いた現在の手法は、大規模な展開において累積誤差につながることが多い。 本研究では,大規模・多視点・マルチセンサシナリオを対象とした並列空間変換(PST)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-04T11:43:31Z)
• Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for Cross-City Semantic Segmentation using High-Resolution Domain Adaptation Networks [82.82866901799565]
  我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。 単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。 高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
  論文  参考訳（メタデータ） (2023-09-26T23:55:39Z)
• OASIS: Automated Assessment of Urban Pedestrian Paths at Scale [16.675093530600154]
  モバイル機器を用いて歩道ネットワークデータを抽出する自由かつオープンソースの自動マッピングシステムを開発した。 本稿では,地域交通経路レビューチームの一員である人間測量士とともに,実環境で収集した画像を用いて訓練・テストしたプロトタイプシステムについて述べる。
  論文  参考訳（メタデータ） (2023-03-04T01:32:59Z)
• Deep Learning based Computer Vision Methods for Complex Traffic Environments Perception: A Review [22.53793239186955]
  本稿では、インテリジェントトランスポートシステム(ITS)と自律運転(AD)におけるコンピュータビジョンの応用に関する広範な文献レビューを行った。 データ課題は、トレーニングデータの収集とラベル付け、実際の状況への関連性、データセット固有のバイアス、処理に必要な大量のデータ、プライバシの懸念に関連している。 ディープラーニング(DL)モデルは通常、組み込みハードウェアのリアルタイム処理には複雑すぎるため、説明可能性や一般化性が欠如しており、現実世界の設定ではテストが難しい。
  論文  参考訳（メタデータ） (2022-11-09T05:16:01Z)
• SHIFT: A Synthetic Driving Dataset for Continuous Multi-Task Domain Adaptation [152.60469768559878]
  ShiFTは、自動運転のための最大規模のマルチタスク合成データセットである。 曇り、雨と霧の強さ、昼の時間、車と歩行者の密度を個別に連続的に変化させる。 私たちのデータセットとベンチマークツールキットはwww.vis.xyz/shift.comで公開されています。
  論文  参考訳（メタデータ） (2022-06-16T17:59:52Z)
• Scalable Vehicle Re-Identification via Self-Supervision [66.2562538902156]
  自動車再同定は、都市規模の車両分析システムにおいて重要な要素の1つである。 車両再設計のための最先端のソリューションの多くは、既存のre-idベンチマークの精度向上に重点を置いており、計算の複雑さを無視することが多い。 推論時間に1つのネットワークのみを使用する自己教師型学習によって、シンプルで効果的なハイブリッドソリューションを提案する。
  論文  参考訳（メタデータ） (2022-05-16T12:14:42Z)
• 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)
• Value Function is All You Need: A Unified Learning Framework for Ride Hailing Platforms [57.21078336887961]
  DiDi、Uber、Lyftなどの大型配車プラットフォームは、都市内の数万台の車両を1日中数百万の乗車要求に接続している。 両課題に対処するための統合価値に基づく動的学習フレームワーク(V1D3)を提案する。
  論文  参考訳（メタデータ） (2021-05-18T19:22:24Z)
• Collaborative Augmented Reality on Smartphones via Life-long City-scale Maps [4.110540459079004]
  本稿では,モバイル端末上での都市規模の共有拡張現実体験を実現するための,初のエンドツーエンド生産型コンピュータビジョンシステムを提案する。 本稿では,都市スケールSLAMのスケーラビリティ,堅牢性,マップ更新,オールタイム全天候性能といった重要な課題に対する効果的なソリューションとして,経験ベースマッピングフレームワークの新たな定式化を提案する。 システムはサンフランシスコで大規模に展開、テストされ、数百kmの地図化されたエリアでAR体験を提供する。
  論文  参考訳（メタデータ） (2020-11-10T19:45:06Z)

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。