論文の概要: Automating Work Orders and Tracking Winter Snow Plows and Patrol Vehicles with Telematics Data
- arxiv url: http://arxiv.org/abs/2501.01128v1
- Date: Thu, 02 Jan 2025 08:02:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-05 17:15:32.756122
- Title: Automating Work Orders and Tracking Winter Snow Plows and Patrol Vehicles with Telematics Data
- Title（参考訳）: テレマティクスデータによる作業順序の自動化と冬季雪崩・パトロール車両の追跡
- Authors: Anugunj Naman, Yaguang Zhang, Aaron Ault, James Krogmeier,
- Abstract要約: 冬季道路の整備はインディアナ州交通省にとって重要な優先事項である。
現在のSnowplowワークロードのマニュアルトラッキングは非効率であり、エラーを起こしやすい。
我々は,テレマティクスシステムを用いた大規模GPSデータセットを用いて作業順序の作成と検証を自動化するブラウザ内Webアプリケーションを開発した。
- 参考スコア（独自算出の注目度）: 0.17999333451993949
- License:
- Abstract: Winter road maintenance is a critical priority for the Indiana Department of Transportation, which manages an extensive fleet across thousands of lane miles. The current manual tracking of snowplow workloads is inefficient and prone to errors. To address these challenges, we developed an in-browser web application that automates the creation and verification of work orders using a large-scale GPS dataset from telematics systems. The application processes millions of GPS data points from hundreds of vehicles over winter, significantly reducing manual labor and minimizing errors. Key features include geohashing for efficient road segment identification, detailed segment-level work records, and robust visualization of vehicle movements, even on repeated routes. Our proposed solution has the potential to enhance the accuracy and granularity of work records, support more effective resource allocation, ensure timely compensation for drivers, alleviate administrative burdens, and allow managers to focus on strategic planning and real-time challenges.
- Abstract（参考訳）: 冬季道路の整備はインディアナ州交通省にとって重要な優先事項であり、数千車線にまたがる広範な艦隊を管理している。
現在のSnowplowワークロードのマニュアルトラッキングは非効率であり、エラーを起こしやすい。
これらの課題に対処するため,我々は,テレマティクスシステムによる大規模GPSデータセットを用いて作業順序の作成と検証を自動化するブラウザ内Webアプリケーションを開発した。
このアプリケーションは、冬の間に数百台の車両から何百万ものGPSデータを処理し、手作業を大幅に削減し、エラーを最小限にする。
主な特徴は、効率的な道路セグメント識別のためのジオハッシング、詳細なセグメントレベルの作業記録、繰り返し経路であっても車両の動きの堅牢な可視化である。
提案手法は,作業記録の正確性と粒度の向上,より効果的な資源配分の支援,ドライバーのタイムリーな補償の確保,管理上の負担軽減,戦略的計画やリアルタイムの課題への注力を可能にする。
関連論文リスト
- Leveraging GNSS and Onboard Visual Data from Consumer Vehicles for Robust Road Network Estimation [18.236615392921273]
本稿では,自動運転車における道路グラフ構築の課題について述べる。
本稿では,これらの標準センサから取得したグローバルナビゲーション衛星システム(GNSS)のトレースと基本画像データについて提案する。
我々は、畳み込みニューラルネットワークを用いて、道路中心のセマンティックセグメンテーションタスクとして問題をフレーミングすることで、データの空間情報を利用する。
論文 参考訳（メタデータ） (2024-08-03T02:57:37Z) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳（メタデータ） (2023-10-08T21:32:30Z) - 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) - Prior Based Online Lane Graph Extraction from Single Onboard Camera
Image [133.68032636906133]
単眼カメラ画像からレーングラフをオンラインに推定する。
前者は、トランスフォーマーベースのWasserstein Autoencoderを通じてデータセットから抽出される。
オートエンコーダは、最初のレーングラフ推定を強化するために使用される。
論文 参考訳（メタデータ） (2023-07-25T08:58:26Z) - A Big-Data Driven Framework to Estimating Vehicle Volume based on Mobile
Device Location Data [0.40631409309544836]
車両の体積は、交通信号の制御、交通計画の優先順位付け、道路整備などの基礎となる重要な指標となっている。
従来の車両の体積を定量化する方法は、限られた場所における手動計数、ビデオカメラ、ループ検出器に頼っている。
本稿では, 大規模な地理的領域において, テラバイト単位のデバイス位置情報を取り込み, 車両の体積を推定できる, 大規模データ駆動型フレームワークを提案する。
論文 参考訳（メタデータ） (2023-01-20T16:23:17Z) - Haul Road Mapping from GPS Traces [0.0]
本稿では,道路網の正確な表現を,現場で運用されているトラックから取得したGPSデータを用いて自動的に導き出す可能性について検討する。
全ての試験アルゴリズムで見られる欠点に基づいて, 地雷の現場に典型的な工芸品の道路地図を幾何学的に解析するポストプロセッシング・ステップが開発された。
論文 参考訳（メタデータ） (2022-06-27T04:35:06Z) - Scalable and Real-time Multi-Camera Vehicle Detection,
Re-Identification, and Tracking [58.95210121654722]
理想化されたビデオストリームやキュレートされたビデオストリームの代わりに,リアルタイムで低解像度のCCTVを処理する,リアルタイムな都市規模のマルチカメラ車両追跡システムを提案する。
私たちの手法は、公共のリーダーボードで上位5人のパフォーマーにランク付けされています。
論文 参考訳（メタデータ） (2022-04-15T12:47:01Z) - How to Build a Curb Dataset with LiDAR Data for Autonomous Driving [11.632427050596728]
ビデオカメラと3D LiDARは、検出を抑えるために自動運転車に搭載されている。
カメラベースストレッチ検出手法は、難解な照明条件に悩まされる。
テンプレートアノテーションや効率的なテンプレートラベリングアプローチを備えたデータセットは、要求が高い。
論文 参考訳（メタデータ） (2021-10-08T08:32:37Z) - Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。
本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。
提案手法は,高品質なトラフィックフローマップを作成できる。
論文 参考訳（メタデータ） (2021-09-29T07:51:49Z) - MP3: A Unified Model to Map, Perceive, Predict and Plan [84.07678019017644]
MP3は、入力が生のセンサーデータと高レベルのコマンドであるマップレス運転に対するエンドツーエンドのアプローチである。
提案手法は, より安全で, 快適であり, 長期クローズループシミュレーションにおいて, ベースラインよりもコマンドを追従できることを示す。
論文 参考訳（メタデータ） (2021-01-18T00:09:30Z) - One Thousand and One Hours: Self-driving Motion Prediction Dataset [8.675886928486335]
これまでに1000時間以上のデータを含む、動き予測のための最大の自動運転データセットを提示する。
これはカリフォルニア州パロアルトの固定ルートに沿って、20台の自動運転車が4ヶ月にわたって収集したものだ。
これは170,000のシーンで構成され、各シーンの長さは25秒で、自動運転システムの知覚出力をキャプチャする。
論文 参考訳（メタデータ） (2020-06-25T15:23:41Z)
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。