論文の概要: Dual LiDAR-Based Traffic Movement Count Estimation at a Signalized Intersection: Deployment, Data Collection, and Preliminary Analysis
- arxiv url: http://arxiv.org/abs/2507.13073v1
- Date: Thu, 17 Jul 2025 12:42:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-18 20:10:24.490299
- Title: Dual LiDAR-Based Traffic Movement Count Estimation at a Signalized Intersection: Deployment, Data Collection, and Preliminary Analysis
- Title（参考訳）: 信号化区間におけるデュアルLiDARに基づく交通移動数推定:展開,データ収集,予備解析
- Authors: Saswat Priyadarshi Nayak, Guoyuan Wu, Kanok Boriboonsomsin, Matthew Barth,
- Abstract要約: 交差点における交通行動カウント(TMC)は、信号タイミングの最適化、既存の交通制御対策の性能評価、遅延の最小化、混雑の低減、安全向上のために効率的な車線構成の提案に不可欠である。
従来、手動計数、ループ検出器、空気圧式路面管、カメラによる認識などの手法がTMC推定に用いられてきた。
光検出・照準(LiDAR)技術は、コスト削減と、3Dオブジェクトの検出、追跡、関連アプリケーションへの利用の拡大により、近年人気が高まっている。
本稿では,デュアルLiDARシステムの開発,展開,評価を行うための著者の取り組みについて述べる。
- 参考スコア（独自算出の注目度）: 5.795946079876444
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Traffic Movement Count (TMC) at intersections is crucial for optimizing signal timings, assessing the performance of existing traffic control measures, and proposing efficient lane configurations to minimize delays, reduce congestion, and promote safety. Traditionally, methods such as manual counting, loop detectors, pneumatic road tubes, and camera-based recognition have been used for TMC estimation. Although generally reliable, camera-based TMC estimation is prone to inaccuracies under poor lighting conditions during harsh weather and nighttime. In contrast, Light Detection and Ranging (LiDAR) technology is gaining popularity in recent times due to reduced costs and its expanding use in 3D object detection, tracking, and related applications. This paper presents the authors' endeavor to develop, deploy and evaluate a dual-LiDAR system at an intersection in the city of Rialto, California, for TMC estimation. The 3D bounding box detections from the two LiDARs are used to classify vehicle counts based on traffic directions, vehicle movements, and vehicle classes. This work discusses the estimated TMC results and provides insights into the observed trends and irregularities. Potential improvements are also discussed that could enhance not only TMC estimation, but also trajectory forecasting and intent prediction at intersections.
- Abstract（参考訳）: 交差点における交通行動カウント(TMC)は、信号タイミングの最適化、既存の交通制御対策の性能評価、遅延の最小化、混雑の低減、安全向上のために効率的な車線構成の提案に不可欠である。
従来、手動計数、ループ検出器、空気圧式路面管、カメラによる認識などの手法がTMC推定に用いられてきた。
一般的には信頼性が高いが、カメラベースのTMC推定は、厳しい天候や夜間の照明条件が悪く、不正確な場合が多い。
対照的に、コストの削減や3Dオブジェクトの検出、トラッキング、関連アプリケーションへの利用の拡大により、光検出・ランキング(LiDAR)技術は近年人気を博している。
本稿では, カリフォルニア州リアルト市の交差点におけるデュアルLiDARシステムの開発, 展開, 評価における著者の取り組みについて述べる。
2つのLiDARからの3D境界ボックス検出は、交通方向、車両の動き、車両クラスに基づいて車両数を分類するために使用される。
本研究は, 推定TMC結果について考察し, 観測された傾向と不規則性について考察する。
また、TMC推定だけでなく、交差点での軌道予測や意図予測も強化できる可能性も議論されている。
関連論文リスト
- Domain Adaptation Framework for Turning Movement Count Estimation with Limited Data [2.5920304684810014]
本研究では,領域適応(DA)を利用して交差点における回転数(TMC)を推定する新しいフレームワークを提案する。
提案したDAフレームワークの性能を最先端モデルと比較し,平均絶対誤差とルート平均角誤差の最小値を得た。
論文 参考訳（メタデータ） (2025-03-25T23:27:38Z) - Data-Driven Transfer Learning Framework for Estimating Turning Movement Counts [2.5920304684810014]
本研究では,交点における移動数(TMC)の推定に伝達学習を活用する新しい枠組みを提案する。
提案したTLモデルの性能を8つの最先端回帰モデルと比較し,平均絶対誤差とルート平均正方形誤差の最小値を得た。
論文 参考訳（メタデータ） (2024-12-13T05:02:16Z) - Traffic Co-Simulation Framework Empowered by Infrastructure Camera Sensing and Reinforcement Learning [4.336971448707467]
マルチエージェント強化学習(MARL)は、反復シミュレーションを用いて、ネットワーク内の信号機の制御戦略の学習に特に有効である。
本研究では,高忠実度3次元モデリングと大規模交通流シミュレーションを組み合わせたCARLAとSUMOを統合したシミュレーションフレームワークを提案する。
テストベッドでの実験では、リアルタイムカメラを用いた交通状況検出におけるMARLアプローチの有効性が実証された。
論文 参考訳（メタデータ） (2024-12-05T07:01:56Z) - A Holistic Framework Towards Vision-based Traffic Signal Control with
Microscopic Simulation [53.39174966020085]
交通信号制御(TSC)は交通渋滞を低減し、交通の流れを円滑にし、アイドリング時間を短縮し、CO2排出量を減らすために重要である。
本研究では,道路交通の流れを視覚的観察によって調節するTSCのコンピュータビジョンアプローチについて検討する。
我々は、視覚ベースのTSCとそのベンチマークに向けて、TrafficDojoと呼ばれる総合的なトラフィックシミュレーションフレームワークを導入する。
論文 参考訳（メタデータ） (2024-03-11T16:42:29Z) - Networkwide Traffic State Forecasting Using Exogenous Information: A
Multi-Dimensional Graph Attention-Based Approach [0.0]
本稿では,グラフに基づく交通予測手法(M-STGAT)を提案する。
過去の速度の観測に基づいてトラフィックを予測し、車線閉鎖イベント、温度、交通網の可視性などを予測する。
30分、45分、60分の予測地平線でテストを行う場合、3つの代替モデルを上回る結果が得られた。
論文 参考訳（メタデータ） (2023-10-18T21:57:20Z) - DenseLight: Efficient Control for Large-scale Traffic Signals with Dense
Feedback [109.84667902348498]
交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。
従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。
DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
論文 参考訳（メタデータ） (2023-06-13T05:58:57Z) - OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。
OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。
様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
論文 参考訳（メタデータ） (2023-04-20T16:31:22Z) - 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) - Real Time Monocular Vehicle Velocity Estimation using Synthetic Data [78.85123603488664]
移動車に搭載されたカメラから車両の速度を推定する問題を考察する。
そこで本研究では,まずオフ・ザ・シェルフ・トラッカーを用いて車両バウンディングボックスを抽出し,その後,小型ニューラルネットワークを用いて車両速度を回帰する2段階のアプローチを提案する。
論文 参考訳（メタデータ） (2021-09-16T13:10:27Z) - A Graph Convolutional Network with Signal Phasing Information for
Arterial Traffic Prediction [63.470149585093665]
動脈交通予測は 現代のインテリジェント交通システムの発展に 重要な役割を担っています
動脈交通予測に関する既存の研究の多くは、ループセンサからの流量と占有率の時間的測定のみを考慮し、上流と下流の検出器間のリッチな空間的関係を無視している。
我々は,信号タイミング計画から発生する空間情報を用いて,深層学習アプローチである拡散畳み込みリカレントニューラルネットワークを強化することで,このギャップを埋める。
論文 参考訳（メタデータ） (2020-12-25T01:40:29Z) - A Deep Reinforcement Learning Approach for Ramp Metering Based on
Traffic Video Data [0.0]
交通信号を利用してオンランプからの車両の流れを調節するランプメーターは、高速道路の車両移動性を改善するために広く実装されています。
従来の研究では、ポイント検出器によって収集された事前定義された交通手段に基づいて、信号タイミングをリアルタイムに更新する。
深層補強学習法 (DRL) を提案し, ランプ計測の効率化に資するトラフィックビデオデータの可能性を検討する。
論文 参考訳（メタデータ） (2020-12-09T05:08:41Z)
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。