論文の概要: Predicting Asphalt Pavement Friction Using Texture-Based Image Indicator

• arxiv url: http://arxiv.org/abs/2507.03559v1
• Date: Fri, 04 Jul 2025 13:11:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.781413
• Title: Predicting Asphalt Pavement Friction Using Texture-Based Image Indicator
• Title（参考訳）: テクスチャベース画像指標を用いたアスファルト舗装摩擦予測
• Authors: Bingjie Lu, Zhengyang Lu, Yijiashun Qi, Hanzhe Guo, Tianyao Sun, Zunduo Zhao,
• Abstract要約: この指標により、デジタル画像を用いて舗装摩擦を容易にかつ安価に測定できる。 実験室で動的摩擦試験装置(DFT)を用いて対応する摩擦を計測した。 各アスファルト表面タイプについて統計モデルを構築し, 提案した指標と摩擦係数を相関させる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Pavement skid resistance is of vital importance for road safety. The objective of this study is to propose and validate a texture-based image indicator to predict pavement friction. This index enables pavement friction to be measured easily and inexpensively using digital images. Three different types of asphalt surfaces (dense-graded asphalt mix, open-grade friction course, and chip seal) were evaluated subject to various tire polishing cycles. Images were taken with corresponding friction measured using Dynamic Friction Tester (DFT) in the laboratory. The aggregate protrusion area is proposed as the indicator. Statistical models are established for each asphalt surface type to correlate the proposed indicator with friction coefficients. The results show that the adjusted R-square values of all relationships are above 0.90. Compared to other image-based indicators in the literature, the proposed image indicator more accurately reflects the changes in pavement friction with the number of polishing cycles, proving its cost-effective use for considering pavement friction in mix design stage.
• Abstract（参考訳）: 舗装スキー抵抗は道路安全にとって極めて重要である。 本研究の目的は,舗装摩擦を予測するためのテクスチャに基づくイメージインジケータの提案と評価である。 この指標により、デジタル画像を用いて舗装摩擦を容易にかつ安価に測定できる。 3種類のアスファルト表面(高濃度アスファルト混合, オープングレード摩擦路, チップシール)をタイヤ研磨サイクルにより評価した。 実験室で動的摩擦試験装置(DFT)を用いて対応する摩擦を計測した。 この指標として集合突起領域が提案されている。 各アスファルト表面タイプについて統計モデルを構築し, 提案した指標と摩擦係数を相関させる。 その結果、すべての関係の調整されたR-二乗値は0.90以上であることが示されている。 文献における他の画像ベース指標と比較して, 提案した画像インジケータは, 研磨サイクル数による舗装摩擦の変化をより正確に反映し, 混合設計段階における舗装摩擦を考慮した費用対効果を実証している。

関連論文リスト

• Journey into Automation: Image-Derived Pavement Texture Extraction and Evaluation [1.6329554017117616]
  平均テクスチャ深さ(MTD)はアスファルト舗装のスキッド抵抗を評価し,道路安全を確保する上で重要である。 本研究では,舗装画像からテクスチャ特徴を抽出し,MTDを評価する自動システムの開発に焦点をあてる。
  論文  参考訳（メタデータ） (2025-01-05T01:46:46Z)
• Road Surface Friction Estimation for Winter Conditions Utilising General Visual Features [0.4972323953932129]
  本稿では,道路側カメラによる路面摩擦のコンピュータビジョンによる評価について検討する。 本稿では、事前学習された視覚変換器モデルと畳み込みブロックからなるハイブリッドディープラーニングアーキテクチャWCamNetを提案する。
  論文  参考訳（メタデータ） (2024-04-25T12:46:23Z)
• Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
  道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。 本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。 カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
  論文  参考訳（メタデータ） (2024-04-11T10:26:40Z)
• Lightweight Regression Model with Prediction Interval Estimation for Computer Vision-based Winter Road Surface Condition Monitoring [0.4972323953932129]
  本稿では,カメラ画像から路面摩擦特性を推定できるディープラーニング回帰モデルSIWNetを提案する。 SIWNetはアーキテクチャに不確実性推定機構を含めることで、技術の状態を拡張している。 モデルは、SeeingThroughFogデータセットでトレーニングされ、テストされた。
  論文  参考訳（メタデータ） (2023-10-02T06:33:06Z)
• CarPatch: A Synthetic Benchmark for Radiance Field Evaluation on Vehicle Components [77.33782775860028]
  車両の新たな総合ベンチマークであるCarPatchを紹介する。 内在カメラパラメータと外在カメラパラメータを付加した画像のセットに加えて、各ビューに対して対応する深度マップとセマンティックセグメンテーションマスクが生成されている。 グローバルとパートベースのメトリクスは、いくつかの最先端技術を評価し、比較し、より良い特徴付けるために定義され、使われてきた。
  論文  参考訳（メタデータ） (2023-07-24T11:59:07Z)
• Friction Interventions to Curb the Spread of Misinformation on Social Media [60.327955710977555]
  品質認知学習における摩擦の効果について検討した。 しかし、少量の摩擦と学習が組み合わさって、ポストの平均品質が著しく向上する。 提案された介入は、エンゲージメントに最小限の影響を与え、簡単に大規模に展開できる。
  論文  参考訳（メタデータ） (2023-07-21T11:05:02Z)
• Estimating friction coefficient using generative modelling [0.7503129292751939]
  本研究は,視覚的知覚学習課題として,摩擦推定の問題を定式化することを目的とする。 意味的セグメンテーションを適用し、抽出した特徴を用いて摩擦力を予測して表面特性を検出する。
  論文  参考訳（メタデータ） (2023-03-10T13:58:28Z)
• Masked Images Are Counterfactual Samples for Robust Fine-tuning [77.82348472169335]
  微調整の深層学習モデルは、分布内(ID)性能と分布外(OOD)堅牢性の間のトレードオフにつながる可能性がある。 そこで本研究では,マスク付き画像を対物サンプルとして用いて,ファインチューニングモデルのロバスト性を向上させる新しいファインチューニング手法を提案する。
  論文  参考訳（メタデータ） (2023-03-06T11:51:28Z)
• Detecting Road Obstacles by Erasing Them [101.45116269051692]
  画像パッチを選択して周囲の道路テクスチャに塗布し,そのパッチから障害を取り除く傾向にある。 次に、元のパッチと塗布されたパッチとの相違を認識するためにトレーニングされたネットワークを使用し、消去された障害を通知します。
  論文  参考訳（メタデータ） (2020-12-25T21:56:36Z)
• A Deep Learning Approach to Predict Hamburg Rutting Curve [0.0]
  本研究では, 深層学習技術である畳み込みニューラルネットワーク(CNN)を用いてアスファルト混合物の破れ深さを予測する新しいモデルを提案する。 総合的なHWTT結果の収集を含むデータベースを用いて,CNNに基づく機械学習予測モデルを開発した。 このモデルは、実験室での試験が不可能な場合のアスファルト混合物のラト深さを推定するためのツールや、コスト削減のための事前設計試験として使用できる。
  論文  参考訳（メタデータ） (2020-11-12T22:10:54Z)

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。