論文の概要: Intelligent CCTV for Urban Design: AI-Based Analysis of Soft Infrastructure at Intersections

• arxiv url: http://arxiv.org/abs/2605.05402v1
• Date: Wed, 06 May 2026 19:34:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.396736
• Title: Intelligent CCTV for Urban Design: AI-Based Analysis of Soft Infrastructure at Intersections
• Title（参考訳）: 都市デザインのためのインテリジェントCCTV:インターセクションにおけるソフトインフラストラクチャのAIベース分析
• Abstract要約: 本研究は,車両の速度と安全性に及ぼす仮設歩行者避難所や延長施設などのソフト介入の影響を評価するためのAI対応分析フレームワークを提案する。 信号のない交差点では、平均85パーセントの速度がそれぞれ18.75%と16.56%まで低下した。 信号の交点は1つの位置を除いて同等の減少を示し、平均85分の1の速度は20.0%と17.19%まで低下した。
• 参考スコア（独自算出の注目度）: 8.141438987657068
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence (AI) and computer vision are transforming transportation data collection. This study introduces an AI-enabled analytics framework leveraging existing CCTV infrastructure to evaluate the impact of soft interventions, such as temporary pedestrian refuges and curb extensions, on vehicle speed and safety. Using deep learning and perspective-based speed estimation, we evaluated driver behavior before and after interventions, with repeated post-installation monitoring in Week 1 and Week 2, in Minneapolis. Findings reveal that at unsignalized intersections, mean and 85th-percentile speeds fell by up to 18.75% and 16.56%, respectively, while pass-through traffic decreased by as much as 12.2%. Signalized intersections showed comparable reductions except one location, with mean and 85th-percentile speeds dropping by up to 20.0% and 17.19%. These results demonstrate the traffic-calming effectiveness of soft infrastructure and underscore the utility of AI-powered methods for rapid, low-cost, and evidence-based transport policy evaluation.
• Abstract（参考訳）: 人工知能(AI)とコンピュータビジョンは、輸送データ収集を変革している。 本研究では、既存のCCTVインフラを活用してAIを利用した分析フレームワークを導入し、仮設歩行者避難所や延長施設などのソフト介入が車両の速度と安全性に与える影響を評価する。 深層学習と視点に基づく速度推定を用いて介入前後の運転行動を評価し,ミネアポリスの週1と週2に繰り返し設置後モニタリングを行った。 信号のない交差点では、平均と85パーセントの速度がそれぞれ18.75%と16.56%に低下し、パススルーのトラフィックは12.2%減少した。 信号の交点は1つの位置を除いて同等の減少を示し、平均85分の1の速度は20.0%と17.19%まで低下した。 これらの結果は、ソフトインフラストラクチャのトラフィック計算の有効性を実証し、高速で低コストでエビデンスに基づく交通政策評価のためのAIを活用した手法の有用性を裏付けるものである。

関連論文リスト

• MotoSafety: Edge-AI with Learned Temporal Importance for Two-Wheeler Collision Risk Assessment Under Time Pressure [0.8272083537040181]
  我々は、Learned Temporal Importance(LTI)の概念に基づいて構築された新しいエッジAIフレームワークであるMotoSafetyを紹介する。 MotoSafetyは94.97%の精度と99.33%のOC AUCを達成し、10のベースラインを上回っている。 この軽量なフレームワークはPTW衝突リスク評価を推進し、インテリジェントトランスポーテーションシステムのためのセーフシステムアプローチをサポートする。
  論文  参考訳（メタデータ） (2026-08-18T14:21:50Z)
• Calibration-Free Vehicle Speed Estimation: A Monocular Keypoint-Template Approach [0.8819673391477033]
  本稿では,モノクロビデオから車両の速度を確実かつ効果的に推定するキャリブレーションフリーフレームワークを提案する。 提案フレームワークは,36キーポイントの車両テンプレートと,各フレームに更新されたホモグラフィ行列を用いて車両速度を推定する。
  論文  参考訳（メタデータ） (2026-08-17T16:39:06Z)
• A Digital Twin Framework for Traffic-Aware UAV Pavement Monitoring without Lane Closure [0.0]
  本稿では、車線閉鎖のない交通対応UAV舗装監視のためのUnityベースのデジタルツインフレームワークを提案する。 提案した環境は、手続き的に生成された道路欠陥、動的車両と歩行者、無人UAVナビゲーション、組込み道路損傷認識パイプラインを統合している。 デジタル双生児は、ホバー・アンド・リチェック、マイクロ・リポジション、スキップ・アンド・リバイジットという、閉鎖された道路セグメントの3つの回復戦略を評価するために使用された。
  論文  参考訳（メタデータ） (2026-06-17T20:30:52Z)
• The Harsh Truth: Segment-Level Analysis of Harsh Driving Events in Milan Using Large-Scale Telematics, Street Networks, and Google Street View [3.6759575438610184]
  本研究はミラノの都市道路網を横断する過酷な出来事を分析した。 ハーシュ加速と制動イベントは、サロゲート安全指標として広く用いられているが、これまでは比較的小さな都市サンプルでのみ研究されてきた。
  論文  参考訳（メタデータ） (2026-05-29T18:46:55Z)
• Characterizing AI-Assisted Bot Traffic in Darknet Data: Implications for ICS and IIoT Security [0.0]
  自動スキャンツールとAI支援偵察エージェントの台頭は、インターネットの背景トラフィックパターンを大きく変えた。 本稿では,2021年から2025年にかけての1億9200万個の受動ダークネットパケットの時系列データセットをMerit ORION Network Telescopeから解析することにより,自動ボットトラフィックの進化を特徴付ける。
  論文  参考訳（メタデータ） (2026-05-14T00:07:20Z)
• Disengagement Analysis and Field Tests of a Prototypical Open-Source Level 4 Autonomous Driving System [1.476159132595762]
  本研究では,236kmの混在トラフィックに対して,Autowareベースのソフトウェアスタックを運用する研究車両の評価を行った。 新たな5レベル臨界フレームワークを用いて,26車種にわたる30の解離を分類することにより,空間的解離率0.1271/kmを観察した。
  論文  参考訳（メタデータ） (2026-03-23T12:47:47Z)
• Optimizing Multi-Lane Intersection Performance in Mixed Autonomy Environments [0.0]
  本稿では,グラフ注意ネットワーク(GAT)とSoft Actor-Critic(SAC)強化学習を組み合わせた新しい交通信号制御フレームワークを提案する。 提案したSACは、エントロピー最適化決定による適応的な信号制御を可能にする頑健な非政治強化学習アルゴリズムである。 実験の結果,従来の手法と比較して平均遅延時間を24.1%削減し,トラフィック違反を29.2%減少させることにより,GAT-SACアプローチの有効性を示した。
  論文  参考訳（メタデータ） (2025-11-04T03:10:47Z)
• STARN-GAT: A Multi-Modal Spatio-Temporal Graph Attention Network for Accident Severity Prediction [0.0]
  STARN-GATはマルチモード時空間グラフアテンションネットワークである。 道路ネットワークのトポロジ、時間的トラフィックパターン、環境コンテキストを統合された注意ベースのフレームワークに統合する。 その結果, 高リスク事例の同定におけるモデルの有効性と, リアルタイムかつ安全クリティカルな交通管理システムへの展開の可能性が示された。
  論文  参考訳（メタデータ） (2025-07-28T01:00:03Z)
• 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)
• Digital Twin-based Driver Risk-Aware Intelligent Mobility Analytics for Urban Transportation Management [18.015270631863665]
  本稿では,デジタルツインをベースとしたドライバリスク認識知能モビリティ分析システムを提案する。 DT-DIMAシステムはパンティルトカメラからのリアルタイムトラフィック情報を統合する。 このシステムは、ネットワーク全体のモビリティと安全性のリスクをリアルタイムで予測する。
  論文  参考訳（メタデータ） (2024-07-03T01:44:22Z)
• Traffic Smoothing Controllers for Autonomous Vehicles Using Deep Reinforcement Learning and Real-World Trajectory Data [45.13152172664334]
  我々は、自動運転車に展開できる交通平滑なクルーズコントローラーを設計する。 我々はテネシー州のI-24ハイウェイの実際の軌跡データを活用している。 その結果、低4%の自律走行車侵入速度で、多くの停止・停止波を示す軌道上で15%以上の燃料を節約できることが判明した。
  論文  参考訳（メタデータ） (2024-01-18T00:50:41Z)
• 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)
• 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)
• 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)
• Predicting the impact of urban change in pedestrian and road safety [0.0]
  近年の研究では、畳み込みニューラルネットワークがストリートビューの画像を利用した事故発生率を正確に予測できることが示されている。 事故発生に対する都市介入の影響(増加または減少)を自動的に予測する方法を詳述する。 交通ネットワークの基盤(サイドウォークとロードネットワーク)とその需要を考えると,これらの結果を複雑なネットワークフレームワークに統合する。
  論文  参考訳（メタデータ） (2022-02-03T10:37:51Z)
• 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)
• Targeted Physical-World Attention Attack on Deep Learning Models in Road Sign Recognition [79.50450766097686]
  本稿では,現実の道路標識攻撃に対するTAA手法を提案する。 実験の結果,TAA法は攻撃成功率(約10%)を向上し,RP2法と比較して摂動損失(約4分の1)を減少させることがわかった。
  論文  参考訳（メタデータ） (2020-10-09T02:31:34Z)

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。