論文の概要: Measuring Braking Behavior Using Vehicle Tracking and Camera-to-Satellite Homography Rectification

• arxiv url: http://arxiv.org/abs/2601.17558v1
• Date: Sat, 24 Jan 2026 18:59:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:07.922449
• Title: Measuring Braking Behavior Using Vehicle Tracking and Camera-to-Satellite Homography Rectification
• Title（参考訳）: 車両追尾とカメラ・衛星ホログラフィーによる制動挙動の測定
• Authors: J. P. Fleischer, Tanchanok Sirikanchittavon, Chonlachart Jeenprasom, Nooshin Yousefzadeh, Sanjay Ranka, Mohammed Hadi,
• Abstract要約: 本稿では,信号化都市高速道路における車両の挙動とブレーキイベントに着目し,交通カメラ映像を解析するためのオープンソースソフトウェアアプリケーションを提案する。 中心となるイノベーションは、固定されたトラフィックカメラビューと衛星の直視を結びつける、堅牢な地上面のホモグラフィー推定である。 すべての検出およびトラジェクトリデータは、その後の分析のためにClickHouseデータベースに格納される。
• 参考スコア（独自算出の注目度）: 4.61803711540329
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents an open-source software application for analyzing traffic camera footage, focusing on vehicle behavior and braking events at signalized urban highways. The core innovation is a robust ground-plane homography estimation that links fixed traffic camera views to satellite orthoimagery. This process rectifies the camera's oblique perspective, ensuring that pixel distances accurately represent real-world distances. This enables the acquisition of features such as vehicle trajectory, speed, deceleration, and braking severity without the need for camera calibration. The pipeline employs the MAGSAC++ estimator to build the homography, converting YOLO11 object detections into a rectified top-down coordinate system. All detection and trajectory data are stored in a ClickHouse database for subsequent analysis. A real-world case study at two signalized intersections in Key West, Florida, showcased the system's capabilities. Across two days of daytime footage, braking activity at the higher-volume intersection peaked around 4 PM at approximately 57.5 events per hour, while the second intersection peaked around 10 AM at roughly 15.5 events per hour. The spatial analysis revealed that most braking events initiated upstream, with mild and moderate braking mostly occurring 30 to 45+ meters away from the stop bar and severe braking distributed throughout, but particularly concentrated in lanes with higher interaction and merging activity. The findings highlight the significant potential of this centralized safety information system to support connected vehicles, facilitating proactive traffic management, crash mitigation, and data-driven roadway design and safety analysis.
• Abstract（参考訳）: 本稿では,信号化都市ハイウェイにおける車両の挙動とブレーキイベントに着目し,交通カメラ映像を解析するためのオープンソースソフトウェアアプリケーションを提案する。 中心となるイノベーションは、固定されたトラフィックカメラビューと衛星の直視を結びつける、堅牢な地上面のホモグラフィー推定である。 このプロセスは、カメラの斜めの視点を補正し、ピクセル距離が現実世界の距離を正確に表現することを保証する。 これにより、カメラのキャリブレーションを必要とせずに、車両の軌道、速度、減速、ブレーキの重症度などの特徴を取得できる。 このパイプラインは、ホモグラフィを構築するためにMAGSAC++推定器を使用し、YOLO11オブジェクト検出を修正されたトップダウン座標系に変換する。 すべての検出およびトラジェクトリデータは、その後の分析のためにClickHouseデータベースに格納される。 フロリダ州キーウェストの2つの信号化交差点における実世界のケーススタディでは、システムの能力が示された。 昼間の2日間の映像では、高体積の交差点でのブレーキ活動は1時間あたり約57.5イベントで午後4時頃にピークとなり、第2の交差点は1時間あたり約15.5イベントで午前10時頃にピークに達した。 空間分析の結果,ほとんどのブレーキは上流で発生し,緩やかで中程度のブレーキは停止バーから30～45mほど離れた地点で発生し,特に高い相互作用とマージ活性を持つ車線に集中していることがわかった。 この発見は、コネクテッドカーのサポート、積極的交通管理の促進、事故軽減、データ駆動型道路設計と安全分析など、この集中型安全情報システムの重要な可能性を浮き彫りにした。

関連論文リスト

• Learning Traffic Anomalies from Generative Models on Real-Time Observations [49.1574468325115]
  トラフィックデータの複雑な空間的および時間的依存関係をキャプチャするために,時空間生成適応ネットワーク(STGAN)フレームワークを用いる。 スウェーデンのヨーテボリで2020年に収集された42台の交通カメラから、STGANをリアルタイムで分単位でリアルタイムで観測する。 その結果, 精度が高く, 偽陽性率の低い交通異常を効果的に検出できることが示唆された。
  論文  参考訳（メタデータ） (2025-02-03T14:23:23Z)
• Multi-Source Urban Traffic Flow Forecasting with Drone and Loop Detector Data [61.9426776237409]
  ドローンが捉えたデータは、大規模都市ネットワークのための正確なマルチセンサー移動観測所を作ることができる。 単純なグラフベースモデルHiMSNetは、複数のデータモダリティと学習時間相関を統合するために提案されている。
  論文  参考訳（メタデータ） (2025-01-07T03:23:28Z)
• V-CAS: A Realtime Vehicle Anti Collision System Using Vision Transformer on Multi-Camera Streams [0.0]
  本稿では,リアルタイム衝突回避システム(V-CAS)を提案する。 V-CASは適応ブレーキによるリアルタイム衝突リスク評価と能動的緩和を可能にする。 その結果,従来の単カメラ法と比較して物体検出と追跡の大幅な改善,衝突回避の強化が示唆された。
  論文  参考訳（メタデータ） (2024-11-04T10:39:15Z)
• Application of 2D Homography for High Resolution Traffic Data Collection using CCTV Cameras [9.946460710450319]
  本研究では,CCTVカメラから高精細なトラフィックデータを抽出するための3段階のビデオ分析フレームワークを実装した。 このフレームワークの主要な構成要素は、オブジェクト認識、視点変換、車両軌道再構成である。 その結果, カメラ推定値間の速度偏差は10%以下で, 方向トラフィック数では+/-4.5%の誤差率を示した。
  論文  参考訳（メタデータ） (2024-01-14T07:33:14Z)
• CitySim: A Drone-Based Vehicle Trajectory Dataset for Safety Oriented Research and Digital Twins [1.981804802324697]
  CitySimは、12箇所で録画された1140分間のドローンビデオから車両軌道を抽出している。 CitySimは5ステップの手順で生成され、軌道の精度が保証された。
  論文  参考訳（メタデータ） (2022-08-23T15:24:53Z)
• Real-Time Accident Detection in Traffic Surveillance Using Deep Learning [0.8808993671472349]
  本稿では,交通監視用交差点における事故検出のための新しい効率的な枠組みを提案する。 提案手法は,最先端のYOLOv4法に基づく効率的かつ高精度な物体検出を含む,3つの階層的なステップから構成される。 提案フレームワークのロバスト性は,様々な照明条件でYouTubeから収集した映像シーケンスを用いて評価する。
  論文  参考訳（メタデータ） (2022-08-12T19:07:20Z)
• Turning Traffic Monitoring Cameras into Intelligent Sensors for Traffic Density Estimation [9.096163152559054]
  本稿では,4L特性の未校正交通監視カメラを用いて,交通密度を推定するためのフレームワークを提案する。 提案するフレームワークは,カメラキャリブレーションと車両検出という2つの主要コンポーネントで構成されている。 その結果, カメラキャリブレーションにおける平均絶対誤差 (MAE) は6m中0.2m未満であり, 各種条件下での車両検出精度は約90%であった。
  論文  参考訳（メタデータ） (2021-10-29T15:39:06Z)
• 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)

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。