論文の概要: Harnessing ADAS for Pedestrian Safety: A Data-Driven Exploration of Fatality Reduction

• arxiv url: http://arxiv.org/abs/2509.00048v1
• Date: Sun, 24 Aug 2025 17:58:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-14 05:12:41.052001
• Title: Harnessing ADAS for Pedestrian Safety: A Data-Driven Exploration of Fatality Reduction
• Title（参考訳）: 歩行者安全のためのADASのハーネス化--データ駆動による減肉の探索
• Authors: Methusela Sulle, Judith Mwakalonge, Gurcan Comert, Saidi Siuhi, Nana Kankam Gyimah,
• Abstract要約: 歩行者の死者はアメリカ合衆国でも増え続けている。 Advanced Driver Assistance Systems (ADAS)は、歩行者の安全を改善するための有望な道を提供する。 本研究では、FARS(Fatality Analysis Reporting System)を用いた包括的データ駆動分析を行う。 その結果、ADASは事故の重大度を低減し、いくつかの致命傷を予防できるが、その効果は低照度および悪天候下で減少することが示された。
• 参考スコア（独自算出の注目度）: 4.1201966507589995
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Pedestrian fatalities continue to rise in the United States, driven by factors such as human distraction, increased vehicle size, and complex traffic environments. Advanced Driver Assistance Systems (ADAS) offer a promising avenue for improving pedestrian safety by enhancing driver awareness and vehicle responsiveness. This study conducts a comprehensive data-driven analysis utilizing the Fatality Analysis Reporting System (FARS) to quantify the effectiveness of specific ADAS features like Pedestrian Automatic Emergency Braking (PAEB), Forward Collision Warning (FCW), and Lane Departure Warning (LDW), in lowering pedestrian fatalities. By linking vehicle specifications with crash data, we assess how ADAS performance varies under different environmental and behavioral conditions, such as lighting, weather, and driver/pedestrian distraction. Results indicate that while ADAS can reduce crash severity and prevent some fatalities, its effectiveness is diminished in low-light and adverse weather. The findings highlight the need for enhanced sensor technologies and improved driver education. This research informs policymakers, transportation planners, and automotive manufacturers on optimizing ADAS deployment to improve pedestrian safety and reduce traffic-related deaths.
• Abstract（参考訳）: 歩行者の死者は、人間の気晴らし、車両の大きさの増大、交通環境の複雑化などの要因により、アメリカ合衆国で増え続けている。 Advanced Driver Assistance Systems (ADAS)は、ドライバーの認識と車両の応答性を高めることによって、歩行者の安全を改善するための有望な道を提供する。 本研究では,PAEB(Pedestrian Automatic Emergency Braking),FCW(Forward Collision Warning),LDW(Lane Departure Warning)などの特定のADAS機能の有効性を定量化するために,FARS(Fatality Analysis Reporting System)を用いた包括的データ駆動分析を行った。 車両仕様と事故データとを結びつけることで、照明、天気、運転者/歩行者の気遣いなど、環境や行動の異なる条件下でのADAS性能がどのように変化するかを評価する。 その結果、ADASは事故の重大度を低減し、いくつかの致命傷を予防できるが、その効果は低照度および悪天候下で減少することが示された。 この結果は、センサー技術の強化とドライバー教育の改善の必要性を浮き彫りにした。 本研究は、ADASの配置を最適化し、歩行者の安全を改善し、交通事故による死亡事故を減らすことについて、政策立案者、交通計画者、自動車製造業者に通知する。

関連論文リスト

• Overtake Detection in Trucks Using CAN Bus Signals: A Comparative Study of Machine Learning Methods [51.28632782308621]
  ボルボグループが提供する5台の車載トラックから収集した制御エリアネットワーク(CAN)バスデータを用いたオーバーテイク検出に焦点を当てた。 車両操作検出、ニューラルネットワーク(ANN)、ランダムフォレスト(RF)、サポートベクトルマシン(SVM)の3つの共通分類器の評価を行った。 当社のパートラック分析では、特にオーバーテイクにおいて、車両毎のトレーニングデータの量に依存する分類精度も明らかにしています。
  論文  参考訳（メタデータ） (2025-07-01T09:20:41Z)
• Towards Reliable and Interpretable Traffic Crash Pattern Prediction and Safety Interventions Using Customized Large Language Models [14.53510262691888]
  TrafficSafeは、テキストレベルの推論として、再フレームのクラッシュ予測と機能属性に適応するフレームワークである。 飲酒運転が深刻な事故の要因となっている。 TrafficSafeは、戦略的クラッシュデータ収集の改善を導くモデルトレーニングにおいて、重要な機能を強調している。
  論文  参考訳（メタデータ） (2025-05-18T21:02:30Z)
• Unraveling Pedestrian Fatality Patterns: A Comparative Study with Explainable AI [5.242869847419834]
  この研究は、歩行者の死亡に寄与する重要な要因を特定するために、説明可能な人工知能(XAI)を用いている。 以上の結果から, 年齢, アルコール, 薬物使用量, 場所, 環境条件が歩行者死亡率の予測因子であることを示唆した。 発見によると、中ブロックの場所や視界の悪い地域では歩行者の死亡が一般的であり、高齢者や物質不足の人はリスクが高い。
  論文  参考訳（メタデータ） (2025-03-22T02:44:41Z)
• Analyzing Factors Influencing Driver Willingness to Accept Advanced Driver Assistance Systems [5.242869847419834]
  本研究では,乗用車におけるADASの運転者の認識,知識源,利用パターンについて検討する。 全国調査では、米国ドライバーの多様なサンプルからデータを収集した。 発見は、社会経済的、人口統計学的、行動的要因がADAS導入に与える影響を強調している。
  論文  参考訳（メタデータ） (2025-02-23T19:01:54Z)
• Driver Age and Its Effect on Key Driving Metrics: Insights from Dynamic Vehicle Data [2.3072218701168166]
  2030年までに65歳以上の高齢者は50%以上増加し、道路上の高齢者の数が大幅に増加すると予想されている。 70人以上のドライバーは、40代や50代よりも死亡率が高い。
  論文  参考訳（メタデータ） (2025-01-12T20:01:07Z)
• Context-Aware Quantitative Risk Assessment Machine Learning Model for Drivers Distraction [0.0]
  MDDRA(Multi-class Driver Distraction Risk Assessment)モデルは、旅行中の車両、運転者、環境データを考慮したモデルである。 MDDRAは、危険行列上のドライバーを安全、不注意、危険と分類する。 我々は、重度レベルに応じて運転者の気晴らしを分類し、予測するために機械学習技術を適用した。
  論文  参考訳（メタデータ） (2024-02-20T23:20:36Z)
• Using Visual and Vehicular Sensors for Driver Behavior Analysis: A Survey [0.0]
  危険ドライバーは米国での死亡事故の70%を占めている。 本稿では,視覚・車体データを用いた運転者の行動分析手法について検討する。
  論文  参考訳（メタデータ） (2023-08-25T14:33:59Z)
• A Counterfactual Safety Margin Perspective on the Scoring of Autonomous Vehicles' Riskiness [52.27309191283943]
  本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。 本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
  論文  参考訳（メタデータ） (2023-08-02T09:48:08Z)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)

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。