論文の概要: Driving Assistance System for Ambulances to Minimise the Vibrations in Patient Cabin

• arxiv url: http://arxiv.org/abs/2604.16047v1
• Date: Fri, 17 Apr 2026 13:21:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.93112
• Title: Driving Assistance System for Ambulances to Minimise the Vibrations in Patient Cabin
• Title（参考訳）: 患者キャビンの振動最小化のためのアンバランス運転支援システム
• Authors: Abdulaziz Aldegheishem, Nabil Alrajeh, Lorena Parra, Oscar Romero, Jaime Lloret,
• Abstract要約: 我々は救急車における運転評価システムを訓練し、検証し、テストした。 提案システムは加速度センサを用いて車両の振動を測定するセンサノードで構成されている。 GPSセンサー、バッテリー、ディスプレイ、スピーカーもある。
• 参考スコア（独自算出の注目度）: 4.7106603037973045
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ambulance service is the main transport for diseased or injured people which suffers the same acceleration forces as regular vehicles. These accelerations, caused by the movement of the vehicle, impact the performance of tasks executed by sanitary personnel, which can affect patient survival or recovery time. In this paper, we have trained, validated, and tested a system to assess driving in ambulance services. The proposed system is composed of a sensor node which measures the vehicle vibrations using an accelerometer. It also includes a GPS sensor, a battery, a display, and a speaker. When two possible routes reach the same destination point, the system compares the two routes based on previously classified data and calculates an index and a score. Thus, the index balances the possible routes in terms of time to reach the destination and the vibrations suffered in the patient cabin to recommend the route that minimises those vibrations. Three datasets are used to train, validate, and test the system. Based on an Artificial Neural network (ANN), the classification model is trained with tagged data classified as low, medium, and high vibrations, and 97% accuracy is achieved. Then, the obtained model is validated using data from three routes of another region. Finally, the system is tested in two new scenarios with two possible routes to reach the destination. The results indicate that the route with less vibration is preferred when there are low time differences (less than 6%) between the two possible routes. Nonetheless, with the current weighting factors, the shortest route is preferred when time differences between routes are higher than 20%, regardless of the higher vibrations in the shortest route.
• Abstract（参考訳）: 救急車は、通常の車両と同じ加速力を持つ病気や負傷者の主な輸送手段である。 これらの加速は、車両の移動によって引き起こされ、患者の生存時間や回復時間に影響を与える可能性がある衛生関係者によって実行されるタスクのパフォーマンスに影響を及ぼす。 本稿では,救急サービスにおける運転評価システムの訓練,検証,試験を行った。 提案システムは加速度センサを用いて車両の振動を測定するセンサノードで構成されている。 GPSセンサー、バッテリー、ディスプレイ、スピーカーもある。 2つの可能な経路が同じ目的地点に達すると、予め分類されたデータに基づいて2つの経路を比較し、インデックスとスコアを算出する。 このように、この指標は、目的地に到達するための時間と患者室で被った振動のバランスをとり、振動を最小限に抑えるルートを推奨する。 3つのデータセットを使用して、システムのトレーニング、検証、テストを行う。 ニューラルネットワーク(ANN)に基づいて、低、中、高振動に分類されるタグ付きデータを用いて分類モデルを訓練し、97%の精度を達成する。 そして、他の領域の3経路のデータを用いて、得られたモデルを検証する。 最後に、システムは2つの新しいシナリオでテストされ、2つの経路で目的地に到達することができる。 その結果,両経路間に低時間差(6%未満)がある場合,振動の少ない経路が好ましいことがわかった。 それにもかかわらず、現在の重み付け要因では、最短経路の振動が高いにもかかわらず、経路間の時間差が20%以上である場合、最短経路が好ましい。

関連論文リスト

• Low-Cost System for Automatic Recognition of Driving Pattern in Assessing Interurban Mobility using Geo-Information [4.318840065508993]
  本稿では,運転スタイルを認識し,運転者がより安全で効率的な運転に到達できるようにするアプローチを提案する。 このシステムは、ディスプレイとスピーカーを備えたデバイスノードに接続された2つの物理的センサーで構成されている。 ノードには人工知能ニューラルネットワーク(ANN)が含まれており、センサからのデータを分析し、運転スタイルを認識する。
  論文  参考訳（メタデータ） (2026-04-16T16:47:08Z)
• 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)
• 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)
• Learning Position From Vehicle Vibration Using an Inertial Measurement Unit [2.1213500139850012]
  本稿では,グローバルナビゲーション衛星システム(GNSS)に依存しない車両位置決め手法を提案する。 従来のアプローチは特定の環境での干渉に弱いため、都市キャニオンやフライオーバーや低受信エリアなどの状況では信頼性が低い。 本研究では,慣性計測ユニット(IMU)センサで得られた加速度計およびジャイロスコープ測定から道路信号の学習に基づく車両位置決め手法を提案する。
  論文  参考訳（メタデータ） (2023-03-06T18:55:00Z)
• Detecting train driveshaft damages using accelerometer signals and Differential Convolutional Neural Networks [67.60224656603823]
  本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。 その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
  論文  参考訳（メタデータ） (2022-11-15T15:04:06Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• E-Scooter Rider Detection and Classification in Dense Urban Environments [5.606792370296115]
  本研究は,検出モデルの客観的評価を容易にするために,部分閉塞型E-スクータライダー検出のための新しいベンチマークを提案する。 技術の現状に対して15.93%の精度で検出性能を向上する,E-Scooterライダー検出の新規なオクルージョン対応手法を提案する。
  論文  参考訳（メタデータ） (2022-05-20T13:50:36Z)
• Real Time Monocular Vehicle Velocity Estimation using Synthetic Data [78.85123603488664]
  移動車に搭載されたカメラから車両の速度を推定する問題を考察する。 そこで本研究では,まずオフ・ザ・シェルフ・トラッカーを用いて車両バウンディングボックスを抽出し,その後,小型ニューラルネットワークを用いて車両速度を回帰する2段階のアプローチを提案する。
  論文  参考訳（メタデータ） (2021-09-16T13:10:27Z)
• Destination Prediction Based on Partial Trajectory Data [4.783019576803369]
  新車を買う人の3分の2は、内蔵のナビゲーションシステムの代わりに代用車を好んでいる。 多くのアプリケーションでは、ユーザの意図する目的地やルートに関する知識が不可欠である。 提案手法は,最新の部分軌跡と追加の文脈データに基づいて,車両の行き先や経路を予測する。
  論文  参考訳（メタデータ） (2020-04-16T06:26:10Z)

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。