論文の概要: An Energy-Efficient Smart Bus Transport Management System with Blind-Spot Collision Detection Ability

• arxiv url: http://arxiv.org/abs/2601.01274v1
• Date: Sat, 03 Jan 2026 20:10:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:22.158851
• Title: An Energy-Efficient Smart Bus Transport Management System with Blind-Spot Collision Detection Ability
• Title（参考訳）: ブラインド・スポット衝突検出機能を有するエネルギー効率の良いスマートバス輸送管理システム
• Authors: Md. Sadman Haque, Zobaer Ibn Razzaque, Robiul Awoul Robin, Fahim Hafiz, Riasat Azim,
• Abstract要約: 発展途上国の公共バス輸送システムは、しばしばリアルタイムの位置情報更新の欠如と利用者の負担に悩まされる。 安全, 効率, 持続可能性を高めるインテリジェントなバス停留所とともに, スマートな公共バスシステムを提案する。 提案システムは,バスの停留所で正確に停止しながら,リアルタイム盲点検出において約99%の効率性を示した。
• 参考スコア（独自算出の注目度）: 1.0874100424278175
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Public bus transport systems in developing countries often suffer from a lack of real-time location updates and for users, making commuting inconvenient and unreliable for passengers. Furthermore, stopping at undesired locations rather than designated bus stops creates safety risks and contributes to roadblocks, often causing traffic congestion. Additionally, issues such as blind spots, along with a lack of following traffic laws, increase the chances of accidents. In this work, we address these challenges by proposing a smart public bus system along with intelligent bus stops that enhance safety, efficiency, and sustainability. Our approach includes a deep learning-based blind-spot warning system to help drivers avoid accidents with automated bus-stop detection to accurately identify bus stops, improving transit efficiency. We also introduce IoT-based solar-powered smart bus stops that show real-time passenger counts, along with an RFID-based card system to track where passengers board and exit. A smart door system ensures safer and more organised boarding, while real-time bus tracking keeps passengers informed. To connect all these features, we use an HTTP-based server for seamless communication between the interconnected network systems. Our proposed system demonstrated approximately 99% efficiency in real-time blind spot detection while stopping precisely at the bus stops. Furthermore, the server showed real-time location updates both to the users and at the bus stops, enhancing commuting efficiency. The proposed energy-efficient bus stop demonstrated 12.71kWh energy saving, promoting sustainable architecture. Full implementation and source code are available at: https://github.com/sadman-adib/MoveMe-IoT
• Abstract（参考訳）: 発展途上国の公共バス輸送システムは、リアルタイムの位置情報更新の欠如や、利用者にとって不便で乗客に不便であることが多い。 さらに、指定のバス停よりも望ましくない場所での停留は、安全リスクを発生させ、道路封鎖に寄与し、しばしば渋滞を引き起こす。 また、盲点などの問題や、後続の交通法が欠如しているため、事故の可能性が高まる。 本研究では、安全、効率、持続可能性を高めるインテリジェントなバス停留所とともに、スマートな公共バスシステムを提案することで、これらの課題に対処する。 当社のアプローチにはディープラーニングベースの盲点警告システムが含まれており、自動バス停止検出による事故回避を支援し、バス停の正確な識別、交通効率の向上を実現している。 また、リアルタイムの乗客数を表示するIoTベースのスマートバス停や、乗客の乗降先を追跡するRFIDベースのカードシステムも導入しています。 スマートドアシステムは安全で組織化された搭乗を保証し、リアルタイムのバス追跡は乗客に知らせる。 これらの機能をすべて接続するために、相互接続されたネットワークシステム間のシームレスな通信にHTTPベースのサーバを使用します。 提案システムは,バスの停留所で正確に停止しながら,リアルタイム盲点検出において約99%の効率性を示した。 さらに, 利用者とバス停の双方にリアルタイムの位置情報更新を行い, 通勤効率を向上した。 提案されたエネルギー効率の高いバス停は12.71kWhの省エネ効果を示し、持続可能な建築を推進した。 完全な実装とソースコードは、https://github.com/sadman-adib/MoveMe-IoTで入手できる。

関連論文リスト

• Real-Time Bus Departure Prediction Using Neural Networks for Smart IoT Public Bus Transit [1.9922905420195371]
  本稿では,スマートIoTパブリックトランジットアプリケーションに適した,リアルタイムバス出発時刻予測のためのニューラルネットワークによるアプローチを提案する。 我々は、AI駆動モデルを活用して、データ前処理によるバススケジュールの精度を向上させる。 提案手法は,バス路線151路線で評価され,80秒未満の精度で出発時刻のずれを予測し,大幅な改善を示した。
  論文  参考訳（メタデータ） (2025-01-17T19:21:51Z)
• 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)
• RL-MSA: a Reinforcement Learning-based Multi-line bus Scheduling Approach [0.0]
  既存のアプローチは、通常、オフラインでバススケジューリングスキームを生成し、そのスキームに従ってバスをスケジュールする。 本稿では,MLBSPをマルコフ決定過程(MDP)としてモデル化する。 RL-MSA(Reinforcement Learning-based Multi-line bus Scheduling Approach)は,オフラインとオンラインの両フェーズでバススケジューリングを行うための手法である。
  論文  参考訳（メタデータ） (2024-03-11T07:07:05Z)
• An Online Approach to Solving Public Transit Stationing and Dispatch Problem [7.948662269574215]
  交通機関は限られた数の車両を予備に保管し、破壊時に被害経路を緩和するために派遣する。 本稿では、この問題を解決するために、非ミオピックシーケンシャルな決定手順を用いた原則的アプローチについて述べる。 実験の結果、提案手法は乗客を2%増やし、デッドヘッドマイルを40%削減することがわかった。
  論文  参考訳（メタデータ） (2024-03-05T21:48:29Z)
• MSight: An Edge-Cloud Infrastructure-based Perception System for Connected Automated Vehicles [58.461077944514564]
  本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。 MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。 評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
  論文  参考訳（メタデータ） (2023-10-08T21:32:30Z)
• 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)
• Real-Time Bus Arrival Prediction: A Deep Learning Approach for Enhanced Urban Mobility [2.1374208474242815]
  一般的な課題は、実際のバス到着時刻と予定された時刻とのミスマッチであり、固定されたスケジュールの混乱につながる。 本研究は,様々な交通機関(駅)におけるバス到着時刻を予測するための,革新的なAIに基づくデータ駆動手法を提案する。 完全に接続されたニューラルネットワークの展開により,公共バスの交通システムの精度と効率が向上する。
  論文  参考訳（メタデータ） (2023-03-27T16:45:22Z)
• Infrastructure-based End-to-End Learning and Prevention of Driver Failure [68.0478623315416]
  フェールネットは、規模が拡大したミニ都市において、名目上と無謀なドライバーの両方の軌道上で、エンドツーエンドでトレーニングされた、繰り返しニューラルネットワークである。 制御障害、上流での認識エラー、ドライバーのスピードを正確に識別し、名目運転と区別することができる。 速度や周波数ベースの予測器と比較すると、FailureNetのリカレントニューラルネットワーク構造は予測能力を向上し、ハードウェアにデプロイすると84%以上の精度が得られる。
  論文  参考訳（メタデータ） (2023-03-21T22:55:51Z)
• Reinforcement Learning based Cyberattack Model for Adaptive Traffic Signal Controller in Connected Transportation Systems [61.39400591328625]
  接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。 この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。 そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。 RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
  論文  参考訳（メタデータ） (2022-10-31T20:12:17Z)
• End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
  交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。 本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。 本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-28T07:54:40Z)
• Framework for Passenger Seat Availability Using Face Detection in Passenger Bus [1.90365714903665]
  バスの乗客は依然としてバス待ちや座席の問題に直面しており、交通管理や規制当局に悪影響を及ぼしている。 本研究では,背景の減算に基づいて,空席,満席,全席数をカウントする顔検出によるカメラ付きバスを提案する。 当社の結果は、交通管理の懸念に対処し、乗客が貴重な時間を節約できるよう支援する可能性があると信じています。
  論文  参考訳（メタデータ） (2020-07-12T04:31:28Z)

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。