論文の概要: DRIFT open dataset: A drone-derived intelligence for traffic analysis in urban environmen

• arxiv url: http://arxiv.org/abs/2504.11019v1
• Date: Tue, 15 Apr 2025 09:43:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-16 22:09:51.900793
• Title: DRIFT open dataset: A drone-derived intelligence for traffic analysis in urban environmen
• Title（参考訳）: DRIFT Open dataset: 都市環境における交通分析のためのドローン由来のインテリジェンス
• Authors: Hyejin Lee, Seokjun Hong, Jeonghoon Song, Haechan Cho, Zhixiong Jin, Byeonghun Kim, Joobin Jin, Jaegyun Im, Byeongjoon Noh, Hwasoo Yeo,
• Abstract要約: DRone由来のインテリジェンス・フォー・トラヒック・アナリティクス(DRIFT)データセットは、高度約250mのドローンビデオから体系的に収集された大規模な都市交通データセットである。 DRIFTは、方向情報を含む高解像度の車両軌道を提供し、ビデオ同期とオルトマップアライメントによって処理される。 このデータセットは,交通流解析やシミュレーション研究などの学術研究や実用化に大きく貢献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）: 2.780698399474917
• License:
• Abstract: Reliable traffic data are essential for understanding urban mobility and developing effective traffic management strategies. This study introduces the DRone-derived Intelligence For Traffic analysis (DRIFT) dataset, a large-scale urban traffic dataset collected systematically from synchronized drone videos at approximately 250 meters altitude, covering nine interconnected intersections in Daejeon, South Korea. DRIFT provides high-resolution vehicle trajectories that include directional information, processed through video synchronization and orthomap alignment, resulting in a comprehensive dataset of 81,699 vehicle trajectories. Through our DRIFT dataset, researchers can simultaneously analyze traffic at multiple scales - from individual vehicle maneuvers like lane-changes and safety metrics such as time-to-collision to aggregate network flow dynamics across interconnected urban intersections. The DRIFT dataset is structured to enable immediate use without additional preprocessing, complemented by open-source models for object detection and trajectory extraction, as well as associated analytical tools. DRIFT is expected to significantly contribute to academic research and practical applications, such as traffic flow analysis and simulation studies. The dataset and related resources are publicly accessible at https://github.com/AIxMobility/The-DRIFT.
• Abstract（参考訳）: 信頼性の高い交通データは都市移動の理解と効果的な交通管理戦略の開発に不可欠である。 本研究は,韓国大江の9つの交差する交差点を網羅し,高度約250mの同期ドローン映像から体系的に収集した大規模都市交通データセットであるDRone由来のインテリジェンス・フォー・トラヒック・アナリティクス(DRIFT)データセットを紹介する。 DRIFTは、方向情報を含む高解像度の車両軌道を提供し、ビデオ同期とオルトマップアライメントによって処理され、81,699台の車両軌道の包括的なデータセットを提供する。 DRIFTデータセットを通じて、研究者は複数のスケールでトラフィックを同時に分析することができます。車線変更のような個々の車両の操作や、時間対衝突のような安全性指標から、相互接続された都市交差点をまたいだネットワークフローのダイナミクスを集約します。 DRIFTデータセットは、オブジェクトの検出と軌道抽出のためのオープンソースモデルと関連する分析ツールによって補完される、追加の事前処理なしで即時使用を可能にするように構成されている。 DRIFTは,交通流解析やシミュレーション研究などの学術研究や実用化に大きく貢献することが期待されている。 データセットと関連するリソースはhttps://github.com/AIxMobility/The-DRIFTで公開されている。

関連論文リスト

• Interaction Dataset of Autonomous Vehicles with Traffic Lights and Signs [11.127555705122283]
  本稿では,自動走行車(AV)と交通制御装置,特に信号機と停止標識の相互作用を総合的に把握するデータセットの開発について述べる。 我々の研究は、AVがこれらの交通制御装置をどのようにナビゲートするかの実際の軌跡データを提供することによって、既存の文献における重要なギャップに対処する。 本研究では,交通信号を用いた37,000以上のインスタンスと,停止標識を用いた44,000のインスタンスを組み込んで,関連する対話軌跡データをMotionデータセットから同定し抽出する手法を提案する。
  論文  参考訳（メタデータ） (2025-01-21T22:59:50Z)
• 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)
• Real-Time Vehicle Detection and Urban Traffic Behavior Analysis Based on UAV Traffic Videos on Mobile Devices [14.30857727025523]
  本稿では,ドローン技術,iOS開発,深層学習技術を統合し,モバイル端末上での交通映像取得,物体検出,物体追跡,交通行動解析機能を統合する。 車両物体検出は精度98.27%、リコール率87.93%に達し、リアルタイム処理能力は毎秒30フレームで安定している。
  論文  参考訳（メタデータ） (2024-02-26T02:09:36Z)
• Traffic Reconstruction and Analysis of Natural Driving Behaviors at Unsignalized Intersections [1.7273380623090846]
  この研究は、TNのメンフィスにある様々な無署名の交差点で、その日の異なる時間に交通を記録していた。 ビデオデータを手動でラベル付けして特定の変数をキャプチャした後,SUMOシミュレーション環境におけるトラフィックシナリオを再構築した。 これらのシミュレーションから得られた出力データは、車両移動の時間空間図、走行時間頻度分布、ボトルネック点を特定するための速度配置プロットなど、包括的な分析を提供する。
  論文  参考訳（メタデータ） (2023-12-22T09:38:06Z)
• The IMPTC Dataset: An Infrastructural Multi-Person Trajectory and Context Dataset [4.413278371057897]
  市内の交差点は、怪我や致命的な事故で最も重要な交通エリアである。 われわれは、ドイツのインテリジェントな公共都市交差点と視覚センサー技術を使用している。 得られたデータセットは8時間の計測データから構成される。
  論文  参考訳（メタデータ） (2023-07-12T13:46:20Z)
• Generative AI-empowered Simulation for Autonomous Driving in Vehicular Mixed Reality Metaverses [130.15554653948897]
  車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。 現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。 生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-16T16:54:10Z)
• Federated Deep Learning Meets Autonomous Vehicle Perception: Design and Verification [168.67190934250868]
  フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。 FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。 マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
  論文  参考訳（メタデータ） (2022-06-03T23:55:45Z)
• 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)
• 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)
• Deep traffic light detection by overlaying synthetic context on arbitrary natural images [49.592798832978296]
  深部交通光検出器のための人工的な交通関連トレーニングデータを生成する手法を提案する。 このデータは、任意の画像背景の上に偽のトラフィックシーンをブレンドするために、基本的な非現実的なコンピュータグラフィックスを用いて生成される。 また、交通信号データセットの本質的なデータ不均衡問題にも対処し、主に黄色い状態のサンプルの少なさによって引き起こされる。
  論文  参考訳（メタデータ） (2020-11-07T19:57:22Z)

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。