論文の概要: V-SenseDrive: A Privacy-Preserving Road Video and In-Vehicle Sensor Fusion Framework for Road Safety & Driver Behaviour Modelling

• arxiv url: http://arxiv.org/abs/2509.18187v1
• Date: Thu, 18 Sep 2025 21:55:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.471487
• Title: V-SenseDrive: A Privacy-Preserving Road Video and In-Vehicle Sensor Fusion Framework for Road Safety & Driver Behaviour Modelling
• Title（参考訳）: V-SenseDrive: 道路安全・運転行動モデリングのためのプライバシー保護ロードビデオと車載センサフュージョンフレームワーク
• Authors: Muhammad Naveed, Nazia Perwaiz, Sidra Sultana, Mohaira Ahmad, Muhammad Moazam Fraz,
• Abstract要約: V-SenseDriveはパキスタンの運転環境内で収集された最初のプライバシー保護型マルチモーダル運転行動データセットである。 V-SenseDriveはスマートフォンベースの慣性センサーとGPSセンサーのデータと同期した道路対向ビデオを組み合わせて、3つの目標運転行動を記録する。 パキスタンにおける現実の運転を表現することによって、V-SenseDriveは、ドライバーの行動データセットのグローバルな状況における重要なギャップを埋める。
• 参考スコア（独自算出の注目度）: 2.1928400227015814
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Road traffic accidents remain a major public health challenge, particularly in countries with heterogeneous road conditions, mixed traffic flow, and variable driving discipline, such as Pakistan. Reliable detection of unsafe driving behaviours is a prerequisite for improving road safety, enabling advanced driver assistance systems (ADAS), and supporting data driven decisions in insurance and fleet management. Most of existing datasets originate from the developed countries with limited representation of the behavioural diversity observed in emerging economies and the driver's face recording voilates the privacy preservation. We present V-SenseDrive, the first privacy-preserving multimodal driver behaviour dataset collected entirely within the Pakistani driving environment. V-SenseDrive combines smartphone based inertial and GPS sensor data with synchronized road facing video to record three target driving behaviours (normal, aggressive, and risky) on multiple types of roads, including urban arterials, secondary roads, and motorways. Data was gathered using a custom Android application designed to capture high frequency accelerometer, gyroscope, and GPS streams alongside continuous video, with all sources precisely time aligned to enable multimodal analysis. The focus of this work is on the data acquisition process, covering participant selection, driving scenarios, environmental considerations, and sensor video synchronization techniques. The dataset is structured into raw, processed, and semantic layers, ensuring adaptability for future research in driver behaviour classification, traffic safety analysis, and ADAS development. By representing real world driving in Pakistan, V-SenseDrive fills a critical gap in the global landscape of driver behaviour datasets and lays the groundwork for context aware intelligent transportation solutions.
• Abstract（参考訳）: 道路交通事故は、特に異質な道路条件、混在する交通の流れ、パキスタンのような可変運転の規律を持つ国において、公衆衛生上の大きな課題となっている。 安全でない運転行動の信頼性の高い検出は、道路安全の改善、高度な運転支援システム(ADAS)の実現、保険および車両管理におけるデータ駆動決定のサポートの必要条件である。 既存のデータセットのほとんどは、新興国で観察される行動の多様性を限定的に表現した先進国から生まれており、運転者の顔記録はプライバシー保護を無効にしている。 V-SenseDriveはパキスタンの運転環境内で収集された最初のプライバシー保護型マルチモーダル運転行動データセットである。 V-SenseDriveは、スマートフォンベースの慣性センサーとGPSセンサーのデータと、同期された道路対向ビデオを組み合わせて、都市部や二次道路、自動車など、さまざまな種類の道路上での3つの目標運転行動(通常、攻撃的、危険)を記録する。 データは、高周波加速度計、ジャイロスコープ、GPSストリームを連続ビデオとともにキャプチャするために設計されたカスタムAndroidアプリケーションを使用して収集された。 この研究は、参加者の選択、運転シナリオ、環境配慮、センサービデオ同期技術など、データ取得プロセスに焦点を当てている。 データセットは生、処理、セマンティックレイヤに構造化され、ドライバーの行動分類、交通安全分析、ADAS開発における将来の研究への適応性を保証する。 パキスタンにおける現実の運転を表現することによって、V-SenseDriveは、ドライバーの行動データセットのグローバルな状況における重要なギャップを埋め、コンテキストを意識したインテリジェントな交通ソリューションの基盤となる。

関連論文リスト

• PhysDrive: A Multimodal Remote Physiological Measurement Dataset for In-vehicle Driver Monitoring [30.242706543653497]
  PhysDriveは、接触のない車内生理学的センシングのための最初の大規模マルチモーダルデータセットである。 運転者の動き、動的な自然光、車両の種類、道路条件など、幅広い自然主義的な運転条件をカバーしている。
  論文  参考訳（メタデータ） (2025-07-25T11:23:44Z)
• OnSiteVRU: A High-Resolution Trajectory Dataset for High-Density Vulnerable Road Users [41.63444034391952]
  本研究は,交差点,道路セグメント,都市村など,様々なシナリオをカバーするOnSiteVRUデータセットを開発した。 データセットは、自動車、電動自転車、人力自転車の軌道データを提供し、約17,429の軌道を0.04秒精度で収集する。 その結果、VRU_DataはVRU密度とシーンカバレッジの点で従来のデータセットよりも優れており、VRUの行動特性をより包括的に表現できることがわかった。
  論文  参考訳（メタデータ） (2025-03-30T08:44:55Z)
• DAVE: Diverse Atomic Visual Elements Dataset with High Representation of Vulnerable Road Users in Complex and Unpredictable Environments [60.69159598130235]
  Vulnerable Road Users (VRU) の高表現による認識手法の評価を目的とした新しいデータセット DAVE を提案する。 DAVEは16種類のアクターカテゴリー(動物、人間、車など)と16種類のアクションタイプ(カットイン、ジグザグ運動、Uターンなど、複雑で稀なケース)を手動でアノテートしたデータセットである。 実験の結果,既存の手法はDAVEで評価すると性能の劣化に悩まされ,将来的なビデオ認識研究のメリットを浮き彫りにしていることがわかった。
  論文  参考訳（メタデータ） (2024-12-28T06:13:44Z)
• Harnessing Smartphone Sensors for Enhanced Road Safety: A Comprehensive Dataset and Review [7.867406170788454]
  本研究では,スマートフォンセンサから得られた包括的データセットを提案する。 これらのセンサーは加速力、重力、回転速度、磁場強度、車両速度などのパラメータをキャプチャする。 このデータセットは、道路安全、インフラ整備、交通管理、都市計画を強化するように設計されている。
  論文  参考訳（メタデータ） (2024-11-11T19:15:29Z)
• Traffic and Safety Rule Compliance of Humans in Diverse Driving Situations [48.924085579865334]
  安全な運転プラクティスを再現する自律システムを開発するためには、人間のデータを分析することが不可欠だ。 本稿では,複数の軌道予測データセットにおける交通・安全規則の適合性の比較評価を行う。
  論文  参考訳（メタデータ） (2024-11-04T09:21:00Z)
• GARLIC: GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [81.82487256783674]
  GARLIC: GPT拡張強化学習のフレームワーク。 本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
  論文  参考訳（メタデータ） (2024-08-19T08:23:38Z)
• Leveraging Driver Field-of-View for Multimodal Ego-Trajectory Prediction [69.29802752614677]
  RouteFormerは、GPSデータ、環境コンテキスト、運転者の視野を組み合わせた新しいエゴ軌道予測ネットワークである。 データ不足に対処し、多様性を高めるために、同期運転場と視線データに富んだ都市運転シナリオのデータセットであるGEMを導入する。
  論文  参考訳（メタデータ） (2023-12-13T23:06:30Z)
• Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
  歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。 本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。 我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
  論文  参考訳（メタデータ） (2021-06-22T15:40:21Z)

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。