論文の概要: An Integrated Roadside Sensing and Communication Framework for Vulnerable Road User Safety at Signalized Intersections
- arxiv url: http://arxiv.org/abs/2606.07016v1
- Date: Fri, 05 Jun 2026 07:59:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-08 14:33:29.630615
- Title: An Integrated Roadside Sensing and Communication Framework for Vulnerable Road User Safety at Signalized Intersections
- Title（参考訳）: 信号区間における危険道路ユーザ安全のための総合的道路情報センシング・通信フレームワーク
- Abstract要約: Vulnerable Road Users (VRU) は、世界の都市交通事故の約半分を占める。
VRU保護のためのセンシング技術に関する最近のレビューは、数十のシングルセンサーとデュアルセンサーの展開をカタログ化している。
本稿では,信号交差点におけるVRU保護のための統合フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vulnerable road users (VRUs) account for approximately half of urban traffic deaths globally, with intersections concentrating a disproportionate share of these casualties. Recent reviews of sensing technology for VRU protection have cataloged dozens of single-sensor and dual-sensor deployments, yet none of the surveyed systems couples multi-modal sensing with edge-side near-miss analytics and bidirectional vehicle-to-everything (V2X) and pedestrian-to-everything (P2X) messaging in a single intersection cabinet. This paper presents an integrated framework for VRU protection at signalized intersections, combining LiDAR, radar, RGB camera, and thermal camera at the perception layer, edge-based prediction and surrogate-safety analytics at the computation layer, V2X and P2X messaging at the communication layer, and adaptive signal control at the actuation layer. The framework is grounded in an empirical case study using R-LiViT, the first publicly released roadside LiDAR-Visual-Thermal dataset, which provides 200 multi-modal sequences and 2,400 annotated RGB-T frames at three German intersections. Analysis of 53,319 detection annotations reveals that VRUs comprise approximately 49% of all road-user observations, that day-to-night density drops by 38% for pedestrians and 45% for vehicles while the night distribution shows a higher close-proximity share, that per-frame close-proximity event counts vary approximately 10-fold across the eight unique locations at three intersections, and that 83% of pedestrian bounding boxes are small in image space, indicating that VRUs are typically far from any single sensor. These findings support multi-modal sensing, edge-side analytics, and adaptive context-sensitive deployment rather than uniform single-sensor solutions.
- Abstract（参考訳）: Vulnerable Road Users (VRU) は、世界の都市交通事故の約半分を占めており、交差点はこれらの犠牲者の不均等な割合に集中している。
VRU保護のためのセンサー技術に関する最近のレビューでは、数十の単一センサーとデュアルセンサーの配置がリストアップされているが、調査対象のシステムでは、エッジサイドのニアミス分析と双方向車間通信(V2X)と歩行者間通信(P2X)を1つの交差点キャビネットで結合するマルチモーダルセンシングは行われていない。
本稿では,認識層におけるLiDAR,レーダー,RGBカメラ,サーマルカメラ,エッジベースの予測・サロゲート安全分析,通信層におけるV2XおよびP2Xメッセージング,アクティベーション層における適応信号制御を組み合わせた,信号化交差点におけるVRU保護のための統合フレームワークを提案する。
R-LiViTは、ドイツの3つの交差点で200のマルチモーダルシーケンスと2,400の注釈付きRGB-Tフレームを提供するロードサイドLiDAR-Visual-Thermalデータセットである。
53,319の検出アノテーションの分析によると、VRUは全道路利用者の約49%を占めており、歩行者の38%、車両の45%は日中密度が低下し、夜間の分布はより近い確率のシェアを示し、フレームごとの近接確率は3つの交差点の8箇所で約10倍、歩行者境界ボックスの83%は画像空間において小さい。
これらの知見は、一様単一センサソリューションではなく、マルチモーダルセンシング、エッジサイド分析、適応型コンテキストセンシティブなデプロイメントをサポートする。
関連論文リスト
- RESOLVE: A Multi-Resolution and Multi-Modal Dataset for Roadside Cooperative Perception [2.4779082385578337]
我々は,マルチ解像度ロードサイドLiDARと同期カメラ-LiDARセンサを備えた大規模ベンチマークデータセットRESOLVEを紹介する。
大規模なベンチマーク実験の結果、マルチモーダル核融合がLiDARの点間隔を補うことができるかが明らかになった。
論文 参考訳（メタデータ） (2026-06-30T16:04:33Z) - DSERT-RoLL: Robust Multi-Modal Perception for Diverse Driving Conditions with Stereo Event-RGB-Thermal Cameras, 4D Radar, and Dual-LiDAR [66.23438033222963]
DSERT-RoLLは、ステレオイベント、RGB、サーマルカメラを4DレーダーとデュアルLiDARと組み合わせた駆動データセットである。
データセットは正確な2Dおよび3Dバウンディングボックスを提供し、トラックIDとエゴ車両のオドメトリーを提供する。
論文 参考訳（メタデータ） (2026-04-04T11:03:16Z) - UrbanIng-V2X: A Large-Scale Multi-Vehicle, Multi-Infrastructure Dataset Across Multiple Intersections for Cooperative Perception [45.81880967650386]
UrbanIng-V2Xは、時間的に整列された34のセンサーシーケンスと、20秒間続く空間的に校正されたセンサーシーケンスから構成される。
すべてのシーケンスは10Hzの周波数でアノテートされ、3D境界ボックスは13のオブジェクトクラスにまたがる。
UrbanIng-V2Xは合計12台の車載RGBカメラ、2台の車載LiDAR、17台のインフラ熱カメラ、12台のインフラLiDARからのデータを提供する。
論文 参考訳（メタデータ） (2025-10-27T16:12:12Z) - AGC-Drive: A Large-Scale Dataset for Real-World Aerial-Ground Collaboration in Driving Scenarios [68.84774511206797]
AGC-DriveはAerial-Ground Cooperativeの3D知覚のための最初の大規模実世界のデータセットである。
AGC-Driveには350のシーンがあり、それぞれ約100のフレームと13のオブジェクトカテゴリをカバーする完全な注釈付き3Dバウンディングボックスがある。
車両間協調認識と車両間協調認識の2つの3次元タスクのベンチマークを提供する。
論文 参考訳（メタデータ） (2025-06-19T14:48:43Z) - Towards Intelligent Transportation with Pedestrians and Vehicles In-the-Loop: A Surveillance Video-Assisted Federated Digital Twin Framework [62.47416496137193]
本稿では,歩行者や車いすによるITSを支援するための監視ビデオ支援型デジタルツイン(SV-FDT)フレームワークを提案する。
i)複数のソースからトラフィック監視ビデオを収集するエンドレイヤ、(ii)セマンティックセグメンテーションに基づく視覚理解、ツインエージェントベースのインタラクションモデリング、およびローカルデジタルツインシステム(LDTS)をローカルで作成するエッジレイヤ、(iii)異なるリージョンにわたるLDTSを統合してグローバルDTモデルをリアルタイムで構築するクラウドレイヤの3層で構成されている。
論文 参考訳（メタデータ） (2025-03-06T07:36:06Z) - V2X-Radar: A Multi-modal Dataset with 4D Radar for Cooperative Perception [61.58737390490639]
V2X-Radarは、4Dレーダを特徴とする世界初の大規模実世界のマルチモーダルデータセットである。
データセットは20KのLiDARフレーム、40Kのカメライメージ、350Kの注釈付きボックスを含む20Kの4Dレーダデータで構成されている。
様々な研究領域をサポートするために, 協調認識のためのV2X-Radar-C, 路面認識のためのV2X-Radar-I, 単車知覚のためのV2X-Radar-Vを確立した。
論文 参考訳（メタデータ） (2024-11-17T04:59:00Z) - 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) - InScope: A New Real-world 3D Infrastructure-side Collaborative Perception Dataset for Open Traffic Scenarios [13.821143687548494]
本稿では,新しい3次元インフラ側協調認識データセットについて紹介する。
InScopeは303の追跡軌道と187,787個の3D境界ボックスで20日間の捕獲期間をカプセル化している。
論文 参考訳（メタデータ） (2024-07-31T13:11:14Z) - DeepSense-V2V: A Vehicle-to-Vehicle Multi-Modal Sensing, Localization, and Communications Dataset [12.007501768974281]
本研究は、mmWave車両間通信を研究するための、最初の大規模マルチモーダルデータセットを示す。
このデータセットには、日夜120kmの都市間および農村部で運転する車両が含まれており、最高速度は時速100kmである。
トラックから自転車まで、あらゆる画像から100万件以上の物体が検出されました。
論文 参考訳（メタデータ） (2024-06-25T19:43:49Z) - DeepAccident: A Motion and Accident Prediction Benchmark for V2X
Autonomous Driving [76.29141888408265]
本研究では,現実の運転において頻繁に発生する多様な事故シナリオを含む大規模データセットを提案する。
提案したDeepAccidentデータセットには57Kの注釈付きフレームと285Kの注釈付きサンプルが含まれており、これは大規模なnuScenesデータセットの約7倍である。
論文 参考訳（メタデータ） (2023-04-03T17:37:00Z)
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。