論文の概要: Edge-AI Perception Node for Cooperative Road-Safety Enforcement and Connected-Vehicle Integration

• arxiv url: http://arxiv.org/abs/2601.07845v1
• Date: Tue, 06 Jan 2026 08:02:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 18:27:18.864231
• Title: Edge-AI Perception Node for Cooperative Road-Safety Enforcement and Connected-Vehicle Integration
• Title（参考訳）: 協調的道路安全強化と連結車両統合のためのエッジAI知覚ノード
• Authors: Shree Charran R, Rahul Kumar Dubey,
• Abstract要約: インドなどの新興国の急速な自動車化は、2023年に1100万件以上の違反が記録されており、4000台あたり約1人の警官が警察に拘束されている。 従来の監視と手動によるチケット発行は、この規模にスケールできないため、自律的で協力的でエネルギー効率のよいエッジAI認識インフラの必要性を動機付けている。 本稿では,多クラス交通違反の分析と,接続されたインテリジェントな車両エコシステム内での安全事象の拡散を行うためのリアルタイム道路側認識ノードを提案する。
• 参考スコア（独自算出の注目度）: 2.320417845168326
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rapid motorization in emerging economies such as India has created severe enforcement asymmetries, with over 11 million recorded violations in 2023 against a human policing density of roughly one officer per 4000 vehicles. Traditional surveillance and manual ticketing cannot scale to this magnitude, motivating the need for an autonomous, cooperative, and energy efficient edge AI perception infrastructure. This paper presents a real time roadside perception node for multi class traffic violation analytics and safety event dissemination within a connected and intelligent vehicle ecosystem. The node integrates YOLOv8 Nano for high accuracy multi object detection, DeepSORT for temporally consistent vehicle tracking, and a rule guided OCR post processing engine capable of recognizing degraded or multilingual license plates compliant with MoRTH AIS 159 and ISO 7591 visual contrast standards. Deployed on an NVIDIA Jetson Nano with a 128 core Maxwell GPU and optimized via TensorRT FP16 quantization, the system sustains 28 to 30 frames per second inference at 9.6 W, achieving 97.7 percent violation detection accuracy and 84.9 percent OCR precision across five violation classes, namely signal jumping, zebra crossing breach, wrong way driving, illegal U turn, and speeding, without manual region of interest calibration. Comparative benchmarking against YOLOv4 Tiny, PP YOLOE S, and Nano DetPlus demonstrates a 10.7 percent mean average precision gain and a 1.4 times accuracy per watt improvement. Beyond enforcement, the node publishes standardized safety events of CAM and DENM type to connected vehicles and intelligent transportation system backends via V2X protocols, demonstrating that roadside edge AI analytics can augment cooperative perception and proactive road safety management within the IEEE Intelligent Vehicles ecosystem.
• Abstract（参考訳）: インドなどの新興国の急速な自動車化は、2023年に1100万件以上の違反が記録されており、4000台あたり約1人の警官が警察に拘束されている。 従来の監視と手動によるチケット発行は、この規模にスケールできないため、自律的で協力的でエネルギー効率のよいエッジAI認識インフラの必要性を動機付けている。 本稿では,多クラス交通違反の分析と,接続されたインテリジェントな車両エコシステム内での安全事象の拡散を行うためのリアルタイム道路側認識ノードを提案する。 このノードは、高精度なマルチオブジェクト検出のためにYOLOv8 Nanoと、時間的に一貫した車両追跡のためのDeepSORTと、MoRTH AIS 159およびISO 7591の視覚コントラスト標準に準拠した劣化または多言語ライセンスプレートを認識することができるルール付きOCRポスト処理エンジンを統合している。 NVIDIA Jetson Nanoに128コアのMaxwell GPUを搭載してTensorRT FP16量子化により最適化され、9.6Wで毎秒28フレームから30フレームを保ち、9.7%の違反検出精度と84.9%のOCR精度を達成した。 YOLOv4 Tiny、PP YOLOE S、Nano DetPlusに対するベンチマークでは、平均的な精度が10.7%向上し、1ワットあたりの精度が1.4倍であることが示されている。 このノードは、CAMとDENM型の標準化された安全イベントを、接続された車両とV2Xプロトコルを介してインテリジェントな輸送システムバックエンドに公開し、道端AI分析がIEEE Intelligent Vehiclesエコシステム内の協調的な認識と積極的道路安全管理を強化することを実証している。

関連論文リスト

• A Novel AI-Driven System for Real-Time Detection of Mirror Absence, Helmet Non-Compliance, and License Plates Using YOLOv8 and OCR [0.8921166277011348]
  道路安全は重要な世界的な問題であり、ヘルメット法や車両安全基準のマニュアルが資源集約的で矛盾している。 本稿では,交通違反検出を自動化し,実施効率と道路安全を著しく向上するAIを利用したシステムを提案する。
  論文  参考訳（メタデータ） (2025-11-15T13:18:17Z)
• Research on Expressway Congestion Warning Technology Based on YOLOv11-DIoU and GRU-Attention [0.0]
  既存の「検出予測」システムには重大な欠陥がある。 交通流の認識には、2つのベースラインアルゴリズムが最適化された。 DeepSortは4つのIDスイッチで93.8%のMOTA(11.3%)に達した。 渋滞警告のために、渋滞前駆体を捕捉するGRU-Attentionモデルが構築された。
  論文  参考訳（メタデータ） (2025-09-15T13:35:43Z)
• Advancing Autonomous Vehicle Intelligence: Deep Learning and Multimodal LLM for Traffic Sign Recognition and Robust Lane Detection [11.743721109110792]
  本稿では,先進的な深層学習技術とマルチモーダル大規模言語モデル(MLLM)を組み合わせた総合的な道路認識手法を提案する。 交通信号認識では,ResNet-50,Yv8,RT-DETRを評価し,ResNet-50で99.8%,YOLOv8で98.0%,RT-DETRで96.6%の精度を達成した。 車線検出のために,曲線フィッティングにより強化されたCNNに基づくセグメンテーション手法を提案する。
  論文  参考訳（メタデータ） (2025-03-08T19:12:36Z)
• RoboSense: Large-scale Dataset and Benchmark for Egocentric Robot Perception and Navigation in Crowded and Unstructured Environments [62.5830455357187]
  我々は3種類のセンサー(Camera, LiDAR, Fisheye)をベースとした自我中心型マルチセンサデータ収集プラットフォームを構築した。 大規模なマルチモーダルデータセットであるRoboSenseは、エゴセントリックなロボット知覚を促進するために構築されている。
  論文  参考訳（メタデータ） (2024-08-28T03:17:40Z)
• iPLAN: Intent-Aware Planning in Heterogeneous Traffic via Distributed Multi-Agent Reinforcement Learning [57.24340061741223]
  本稿では,高密度および不均一な交通シナリオにおける軌跡や意図を予測できる分散マルチエージェント強化学習(MARL)アルゴリズムを提案する。 インテント対応プランニングのアプローチであるiPLANにより、エージェントは近くのドライバーの意図をローカルな観察からのみ推測できる。
  論文  参考訳（メタデータ） (2023-06-09T20:12:02Z)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)
• A Computer Vision-Based Approach for Driver Distraction Recognition using Deep Learning and Genetic Algorithm Based Ensemble [1.8907108368038217]
  携帯電話や他の無線機器が原因で 道路の安全が危うくなる 本研究の目的は,運転者の気晴らし分類問題の性能を向上させることにより,既存の運転姿勢認識技術を支援することである。 本稿では,AlexNet,VGG-16,EfficientNet B0,Vanilla CNN,Modified DenseNet,InceptionV3+BiLSTMという,6つの独立したディープニューラルネットワークの遺伝的アルゴリズムに基づくアンサンブルを用いたアプローチを提案する。
  論文  参考訳（メタデータ） (2021-07-28T13:39:31Z)

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。