論文の概要: Enhancing Pavement Sensor Data Acquisition for AI-Driven Transportation Research

• arxiv url: http://arxiv.org/abs/2502.14222v1
• Date: Thu, 20 Feb 2025 03:37:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-21 14:26:59.580232
• Title: Enhancing Pavement Sensor Data Acquisition for AI-Driven Transportation Research
• Title（参考訳）: AI駆動交通研究のための舗装センサデータ取得の促進
• Authors: Manish Kumar Krishne Gowda, Andrew Balmos, Shin Boonam, James V. Krogmeier,
• Abstract要約: 本稿では,交通センサデータ管理のための包括的ガイドラインを提案する。 アーカイブされた静的データとリアルタイムデータストリームの両方をカバーする。 この提案は、I-65とI-69グリーンフィールドを含むINDOTの現実世界のケーススタディに適用された。
• 参考スコア（独自算出の注目度）: 1.22995445255292
• License:
• Abstract: Effective strategies for sensor data management are essential for advancing transportation research, especially in the current data-driven era, due to the advent of novel applications in artificial intelligence. This paper presents comprehensive guidelines for managing transportation sensor data, encompassing both archived static data and real-time data streams. The real-time system architecture integrates various applications with data acquisition systems (DAQ). By deploying the in-house designed, open-source Avena software platform alongside the NATS messaging system as a secure communication broker, reliable data exchange is ensured. While robust databases like TimescaleDB facilitate organized storage, visualization platforms like Grafana provide real-time monitoring capabilities. In contrast, static data standards address the challenges in handling unstructured, voluminous datasets. The standards advocate for a combination of cost-effective bulk cloud storage for unprocessed sensor data and relational databases for recording summarized analyses. They highlight the role of cloud data transfer tools like FME for efficient migration of sensor data from local storages onto the cloud. Further, integration of robust visualization tools into the framework helps in deriving patterns and trends from these complex datasets. The proposals were applied to INDOT's real-world case studies involving the I-65 and I-69 Greenfield districts. For real-time data collection, Campbell Scientific DAQ systems were used, enabling continuous generation and monitoring of sensor metrics. In the case of the archived I-69 database, summary data was compiled in Oracle, while the unprocessed data was stored in SharePoint. The results underline the effectiveness of the proposed guidelines and motivate their adoption in research projects.
• Abstract（参考訳）: センサデータ管理の効果的な戦略は、特に現在のデータ駆動時代において、人工知能における新しい応用の出現により、輸送研究の進展に不可欠である。 本稿では,アーカイブされた静的データとリアルタイムデータストリームの両方を包含して,交通センサデータを管理するための包括的なガイドラインを提案する。 リアルタイムシステムアーキテクチャは、様々なアプリケーションとデータ取得システム(DAQ)を統合する。 NATSメッセージングシステムと共に社内で設計されたオープンソースのAvenaソフトウェアプラットフォームをセキュアな通信ブローカとしてデプロイすることにより、信頼性の高いデータ交換が保証される。 TimescaleDBのような堅牢なデータベースはストレージの整理を容易にするが、Grafanaのような視覚化プラットフォームはリアルタイムの監視機能を提供する。 対照的に、静的なデータ標準は、構造化されていない、明るいデータセットを扱う際の課題に対処する。 この標準は、非処理センサーデータに対する費用対効果の高いバルククラウドストレージと、要約分析を記録するためのリレーショナルデータベースの組み合わせを提唱している。 ローカルストレージからクラウドへのセンサデータの効率的なマイグレーションにおいて、FMEのようなクラウドデータ転送ツールが果たす役割を強調している。 さらに、ロバストな視覚化ツールをフレームワークに統合することは、これらの複雑なデータセットからパターンやトレンドを導き出すのに役立つ。 この提案は、I-65とI-69グリーンフィールドを含むINDOTの現実世界のケーススタディに適用された。 リアルタイムデータ収集には、センサメトリクスの連続生成とモニタリングを可能にするキャンベル・サイエンティフィックDAQシステムが使用された。 アーカイブされたI-69データベースの場合、要約データはOracleでコンパイルされ、未処理のデータはSharePointに保存された。 その結果,提案ガイドラインの有効性を概説し,研究プロジェクトへの導入を動機づけた。

関連論文リスト

• Data Advisor: Dynamic Data Curation for Safety Alignment of Large Language Models [79.65071553905021]
  所望のデータセットの特徴を考慮したデータ生成手法であるデータアドバイザを提案する。 Data Advisorは生成されたデータの状態を監視し、現在のデータセットの弱点を特定し、データ生成の次のイテレーションをアドバイスする。
  論文  参考訳（メタデータ） (2024-10-07T17:59:58Z)
• Putting Data at the Centre of Offline Multi-Agent Reinforcement Learning [3.623224034411137]
  オフラインマルチエージェント強化学習(英語: offline multi-agent reinforcement learning, MARL)は、静的データセットを用いてマルチエージェントシステムの最適制御ポリシーを見つける研究のエキサイティングな方向である。 この分野は定義上はデータ駆動型だが、これまでのところ、最先端の結果を達成するための努力は、データを無視してきた。 研究の大部分は、一貫した方法論を使わずに独自のデータセットを生成し、これらのデータセットの特徴に関するまばらな情報を提供する。
  論文  参考訳（メタデータ） (2024-09-18T14:13:24Z)
• DSBench: How Far Are Data Science Agents to Becoming Data Science Experts? [58.330879414174476]
  現実的なタスクでデータサイエンスエージェントを評価するためのベンチマークであるDSBenchを紹介する。 このベンチマークには、466のデータ分析タスクと、EloquenceとKaggleのコンペからソースされた74のデータモデリングタスクが含まれている。 現状のLLM, LVLM, エージェントを評価したところ, 最高のエージェントはデータ解析タスクの34.12%しか解決できず, RPG(Relative Performance Gap)は34.74%であった。
  論文  参考訳（メタデータ） (2024-09-12T02:08:00Z)
• Enabling High Data Throughput Reinforcement Learning on GPUs: A Domain Agnostic Framework for Data-Driven Scientific Research [90.91438597133211]
  我々は、強化学習の適用において重要なシステムのボトルネックを克服するために設計されたフレームワークであるWarpSciを紹介する。 我々は、CPUとGPU間のデータ転送の必要性を排除し、数千のシミュレーションを同時実行可能にする。
  論文  参考訳（メタデータ） (2024-08-01T21:38:09Z)
• An Automated Approach to Collecting and Labeling Time Series Data for Event Detection Using Elastic Node Hardware [18.15754187896287]
  本稿では,センサデータをIoTデバイス上で直接ラベル付けする新しい組込みシステムを提案する。 本稿では,各種センサデータのキャプチャとラベル付けを効率化する,特殊なラベル付けセンサを備えたハードウェアとソフトウェアの統合ソリューションを提案する。
  論文  参考訳（メタデータ） (2024-07-06T15:19:16Z)
• LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
  道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。 しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。 カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
  論文  参考訳（メタデータ） (2023-06-14T05:48:36Z)
• GAN-based Tabular Data Generator for Constructing Synopsis in Approximate Query Processing: Challenges and Solutions [0.0]
  Approximate Query Processing (AQP) は、データ(シノプシス)の要約に基づいて、集約されたクエリに近似した回答を提供する技術である。 本研究では,AQPを用いて合成構築を行うことのできる表データ生成におけるGAN(Generative Adversarial Networks)の新規活用について検討する。 以上の結果から,データ駆動システムにおけるAQPの効率と有効性に変化をもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2022-12-18T05:11:04Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)
• Efficient Data Management for Intelligent Urban Mobility Systems [6.808852580156539]
  本稿では,インテリジェントな都市移動システムのための統合データ管理・処理フレームワークを提案する。 利用可能なデータソースについて議論し、クラウド中心のデータ管理とストリーム処理アーキテクチャの概要を述べる。
  論文  参考訳（メタデータ） (2021-01-22T18:28:04Z)
• Data Mining with Big Data in Intrusion Detection Systems: A Systematic Literature Review [68.15472610671748]
  クラウドコンピューティングは、複雑で高性能でスケーラブルな計算のために、強力で必要不可欠な技術になっている。 データ生成の迅速化とボリュームは、データ管理とセキュリティに重大な課題をもたらし始めている。 ビッグデータ設定における侵入検知システム(IDS)の設計と展開が重要視されている。
  論文  参考訳（メタデータ） (2020-05-23T20:57:12Z)
• DataFed: Towards Reproducible Research via Federated Data Management [0.0]
  DataFedは軽量で分散した科学データ管理システムである。 それは、ゆるやかに結合された科学施設のネットワーク内のストレージシステムの連合にまたがる。
  論文  参考訳（メタデータ） (2020-04-07T21:05:22Z)

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。