論文の概要: Integrating Vehicle Acoustic Data for Enhanced Urban Traffic Management: A Study on Speed Classification in Suzhou

• arxiv url: http://arxiv.org/abs/2506.21269v1
• Date: Thu, 26 Jun 2025 13:53:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:10.10675
• Title: Integrating Vehicle Acoustic Data for Enhanced Urban Traffic Management: A Study on Speed Classification in Suzhou
• Title（参考訳）: 都市交通管理強化のための自動車音響データの統合 : 周州における速度分類に関する研究
• Authors: Pengfei Fan, Yuli Zhang, Xinheng Wang, Ruiyuan Jiang, Hankang Gu, Dongyao Jia, Shangbo Wang,
• Abstract要約: 車両騒音と駆動速度の結合をモデル化するディープ畳み込みニューラルネットワーク(BMCNN)を提案する。 BMCNNは、SZUR-Acousticデータセットで87.56%、パブリックIDMT-Trafficデータセットで96.28%の分類精度を達成した。 提案手法は,実時間騒音モニタリングと速度推定のためのスマートシティ交通管理システムに組み込むことができる。
• 参考スコア（独自算出の注目度）: 6.224884420568902
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study presents and publicly releases the Suzhou Urban Road Acoustic Dataset (SZUR-Acoustic Dataset), which is accompanied by comprehensive data-acquisition protocols and annotation guidelines to ensure transparency and reproducibility of the experimental workflow. To model the coupling between vehicular noise and driving speed, we propose a bimodal-feature-fusion deep convolutional neural network (BMCNN). During preprocessing, an adaptive denoising and normalization strategy is applied to suppress environmental background interference; in the network architecture, parallel branches extract Mel-frequency cepstral coefficients (MFCCs) and wavelet-packet energy features, which are subsequently fused via a cross-modal attention mechanism in the intermediate feature space to fully exploit time-frequency information. Experimental results demonstrate that BMCNN achieves a classification accuracy of 87.56% on the SZUR-Acoustic Dataset and 96.28% on the public IDMT-Traffic dataset. Ablation studies and robustness tests on the Suzhou dataset further validate the contributions of each module to performance improvement and overfitting mitigation. The proposed acoustics-based speed classification method can be integrated into smart-city traffic management systems for real-time noise monitoring and speed estimation, thereby optimizing traffic flow control, reducing roadside noise pollution, and supporting sustainable urban planning.
• Abstract（参考訳）: 本研究では,Suzhou Urban Road Acoustic Dataset (SZUR-Acoustic Dataset, SZUR-Acoustic Dataset, SZUR-Acoustic Dataset, SZUR-Acoustic Dataset, SZUR-Acoustic Dataset, SZUR-Acoustic Dataset, SZUR-Acoustic Dataset) を作成した。 車両騒音と駆動速度の結合をモデル化するため,バイモーダルフュージョン深部畳み込みニューラルネットワーク(BMCNN)を提案する。 ネットワークアーキテクチャでは、並列分岐はメル周波数ケプストラム係数(MFCC)とウェーブレット-パケットエネルギー特徴を抽出し、その後、中間特徴空間におけるクロスモーダルアテンション機構を介して融合し、時間周波数情報を完全に活用する。 実験の結果、BMCNNはSZUR-Acoustic Datasetで87.56%、公開IDMT-Trafficデータセットで96.28%の分類精度を達成した。 蘇州データセットのアブレーション研究とロバストネステストは、パフォーマンス改善と過度な緩和への各モジュールの貢献をさらに検証する。 提案手法は,交通流制御を最適化し,道路沿いの騒音汚染を低減し,持続可能な都市計画を支援するため,リアルタイム騒音監視と速度推定のためのスマートシティ交通管理システムに組み込むことができる。

関連論文リスト

• Adaptive Control Attention Network for Underwater Acoustic Localization and Domain Adaptation [8.017203108408973]
  海洋における音源の局所化は、環境の複雑でダイナミックな性質のために難しい課題である。 本研究では,移動音源と受信機の距離を正確に予測するマルチブランチネットワークアーキテクチャを提案する。 提案手法は,SOTA(State-of-the-art)アプローチに類似した設定で優れる。
  論文  参考訳（メタデータ） (2025-06-20T18:13:30Z)
• 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)
• Towards Robust Transcription: Exploring Noise Injection Strategies for Training Data Augmentation [55.752737615873464]
  本研究では,SNR(Signal-to-Noise Ratio)レベルにおける白色雑音の影響について検討した。 この研究は、様々な音環境における一貫した性能を維持する転写モデルの開発に向けた予備的な研究として、貴重な洞察を与えてくれることを願っている。
  論文  参考訳（メタデータ） (2024-10-18T02:31:36Z)
• LoRaWAN Based Dynamic Noise Mapping with Machine Learning for Urban Noise Enforcement [8.010966370223985]
  広域にわたる長期騒音レベルを示す静的騒音マップは、自治体にとって貴重な都市計画資産である。 過渡的な振る舞いを頻繁に訴える非交通ノイズ源は、通常静的マップによって無視される。 本稿では,低消費電力広帯域ネットワーク(LPWAN)ベースのモノのインターネット(IoT)インフラストラクチャを用いて収集したデータを用いた動的ノイズマッピング手法を提案する。
  論文  参考訳（メタデータ） (2024-07-30T21:40:12Z)
• Explainable Artificial Intelligence driven mask design for self-supervised seismic denoising [0.0]
  自己教師付きコヒーレントノイズ抑圧法は、ノイズ統計の広範な知識を必要とする。 本稿では,視覚ネットワークであるブラックボックスの内部を見るために,説明可能な人工知能アプローチを提案する。 ランダムに選択された多数の入力画素に対するジャコビアン寄与の簡易な平均化が、最も効果的なマスクの指標であることを示す。
  論文  参考訳（メタデータ） (2023-07-13T11:02:55Z)
• Towards better traffic volume estimation: Jointly addressing the underdetermination and nonequilibrium problems with correlation-adaptive GNNs [47.18837782862979]
  本稿では, 交通量推定に関する2つの重要な問題について考察する。(1) 未検出運動による交通流の過小評価, (2) 渋滞伝播による非平衡交通流。 上記の問題に対処するために,データ駆動型,モデルフリー,相関適応型アプローチをグラフベースで実現するディープラーニング手法を実証する。
  論文  参考訳（メタデータ） (2023-03-10T02:22:33Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
  水中音響から風速時系列を検索するための深層学習手法を提案する。 我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
  論文  参考訳（メタデータ） (2022-08-18T15:27:40Z)
• IDMT-Traffic: An Open Benchmark Dataset for Acoustic Traffic Monitoring Research [0.4433315630787158]
  4718の車両通過イベントの2.5時間のステレオオーディオ記録を含む新しいオープンベンチマークデータセットを提示する。 このデータセットは、組み込みセンサーデバイスにオーディオ分類アルゴリズムをデプロイするユースケースを評価するのに適している。
  論文  参考訳（メタデータ） (2021-04-28T07:58:37Z)

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。