論文の概要: Revolutionizing Traffic Management with AI-Powered Machine Vision: A Step Toward Smart Cities

• arxiv url: http://arxiv.org/abs/2503.02967v1
• Date: Tue, 04 Mar 2025 19:50:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 15:53:12.210310
• Title: Revolutionizing Traffic Management with AI-Powered Machine Vision: A Step Toward Smart Cities
• Title（参考訳）: AIを活用したマシンビジョンによる交通管理の革新 - スマートシティへの一歩
• Authors: Seyed Hossein Hosseini DolatAbadi, Sayyed Mohammad Hossein Hashemi, Mohammad Hosseini, Moein-Aldin AliHosseini,
• Abstract要約: 本研究では、人工知能(AI)と機械ビジョン技術が交通システムに革命をもたらす可能性を探求する。 本研究は、高度な監視カメラとディープラーニングアルゴリズムを活用して、車両、交通異常、運転者の挙動をリアルタイムに検出するシステムを提案する。
• 参考スコア（独自算出の注目度）: 0.9374652839580183
• License:
• Abstract: The rapid urbanization of cities and increasing vehicular congestion have posed significant challenges to traffic management and safety. This study explores the transformative potential of artificial intelligence (AI) and machine vision technologies in revolutionizing traffic systems. By leveraging advanced surveillance cameras and deep learning algorithms, this research proposes a system for real-time detection of vehicles, traffic anomalies, and driver behaviors. The system integrates geospatial and weather data to adapt dynamically to environmental conditions, ensuring robust performance in diverse scenarios. Using YOLOv8 and YOLOv11 models, the study achieves high accuracy in vehicle detection and anomaly recognition, optimizing traffic flow and enhancing road safety. These findings contribute to the development of intelligent traffic management solutions and align with the vision of creating smart cities with sustainable and efficient urban infrastructure.
• Abstract（参考訳）: 都市の急速な都市化と車両の混雑の増加は、交通管理と安全に大きな課題をもたらした。 本研究では、人工知能(AI)と機械ビジョン技術が交通システムに革命をもたらす可能性を探求する。 本研究は、高度な監視カメラとディープラーニングアルゴリズムを活用して、車両、交通異常、運転者の挙動をリアルタイムに検出するシステムを提案する。 このシステムは地理空間と気象データを統合し、環境条件に動的に適応し、多様なシナリオにおいて堅牢な性能を確保する。 YOLOv8モデルとYOLOv11モデルを用いて,車両検出と異常認識の高精度化,交通流の最適化,道路安全の向上を実現している。 これらの知見は、インテリジェントな交通管理ソリューションの開発に寄与し、持続的で効率的な都市インフラを持つスマートシティの構築というビジョンと一致している。

関連論文リスト

• AIoT-based smart traffic management system [0.0]
  本稿では,交通流の最適化と都市環境の混雑軽減を目的とした,AIベースの新しいスマートトラフィック管理システムを提案する。 既存のCCTVカメラのライブ映像を分析することで、新たなハードウェアの必要性を排除することができる。 AIモデルはライブビデオフィードを処理し、車両を正確にカウントし、交通密度を評価し、適応的な信号制御を可能にする。
  論文  参考訳（メタデータ） (2025-02-04T11:38:42Z)
• Multi-Source Urban Traffic Flow Forecasting with Drone and Loop Detector Data [61.9426776237409]
  ドローンが捉えたデータは、大規模都市ネットワークのための正確なマルチセンサー移動観測所を作ることができる。 単純なグラフベースモデルHiMSNetは、複数のデータモダリティと学習時間相関を統合するために提案されている。
  論文  参考訳（メタデータ） (2025-01-07T03:23:28Z)
• Artificial Intelligence in Traffic Systems [0.0]
  この記事では、AIとトラフィック管理が交わるトピックについてレビューする。 AIによる交通信号制御システム、自動距離、速度認識などの分野で構成されている。 トラフィック管理におけるAIのメリットも様々である。
  論文  参考訳（メタデータ） (2024-12-16T18:15:49Z)
• AI-Driven Scenarios for Urban Mobility: Quantifying the Role of ODE Models and Scenario Planning in Reducing Traffic Congestion [0.0]
  本稿では,人工知能(AI)駆動技術が交通渋滞動態に与える影響について検討する。 我々は,自動運転車やインテリジェント交通管理といったAIイノベーションが,さまざまな規制枠組みの下での混雑緩和に果たす役割を評価する。
  論文  参考訳（メタデータ） (2024-10-25T18:09:02Z)
• GARLIC: GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [81.82487256783674]
  GARLIC: GPT拡張強化学習のフレームワーク。 本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
  論文  参考訳（メタデータ） (2024-08-19T08:23:38Z)
• Big Data and Deep Learning in Smart Cities: A Comprehensive Dataset for AI-Driven Traffic Accident Detection and Computer Vision Systems [0.0]
  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。
  論文  参考訳（メタデータ） (2024-01-07T21:50:24Z)
• Uncertainty Quantification for Image-based Traffic Prediction across Cities [63.136794104678025]
  不確実量化(UQ)法は確率論的推論を誘導するためのアプローチを提供する。 複数の都市にまたがる大規模画像ベース交通データセットへの適用について検討する。 モスクワ市を事例として,交通行動に対する時間的・空間的影響を考察した。
  論文  参考訳（メタデータ） (2023-08-11T13:35:52Z)
• From Data to Action: Exploring AI and IoT-driven Solutions for Smarter Cities [0.0]
  この研究は,3つのユースケースに対してデータ駆動型アプローチを提供するインテリジェントな都市管理システムを導入している。 Aveiro Cityでのケーススタディでは、実行可能な洞察を生み出すためのシステムの有効性が示されている。
  論文  参考訳（メタデータ） (2023-06-06T10:22:43Z)
• Vision Paper: Causal Inference for Interpretable and Robust Machine Learning in Mobility Analysis [71.2468615993246]
  インテリジェントな輸送システムを構築するには、人工知能とモビリティ分析の複雑な組み合わせが必要である。 ここ数年、高度なディープニューラルネットワークを使った輸送アプリケーションの開発が急速に進んでいる。 このビジョンペーパーは、解釈可能性と堅牢性を必要とするディープラーニングに基づくモビリティ分析における研究課題を強調する。
  論文  参考訳（メタデータ） (2022-10-18T17:28:58Z)
• 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)
• Smart Urban Mobility: When Mobility Systems Meet Smart Data [55.456196356335745]
  都市人口は都市部で約25億人に達し、道路交通量は2050年までに12億台を超えた。 輸送部門の経済貢献は欧州のGDPの5%を占め、アメリカでは平均482.05億ドルの費用がかかる。
  論文  参考訳（メタデータ） (2020-05-09T13:53:01Z)

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。