論文の概要: A System for Train Condition Monitoring and Structural Health Assessment of Rail Vehicles
- arxiv url: http://arxiv.org/abs/2608.05221v1
- Date: Wed, 05 Aug 2026 11:01:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 17:43:06.633163
- Title: A System for Train Condition Monitoring and Structural Health Assessment of Rail Vehicles
- Title（参考訳）: 鉄道車両の運転状態モニタリングと構造健康評価システム
- Abstract要約: 本稿では、構造センサ技術とAIに基づくデータ分析を統合した、リアルタイム車両状態監視と衝撃検出のための新しいアプローチを提案する。
提案フレームワークは, 影響の自動検出, 構造的損傷, 運転時のイベントの自動検出, 連続監視による条件ベースメンテナンス, 車両設計の最適化を支援するための長期データ分析の3つの主要な応用に対処する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The ongoing digitalization of rail systems and the increasing use of artificial intelligence (AI) are fundamentally transforming the design, operation, and maintenance of rail vehicles. While fully automated operation at Grade of Automation 4 (GoA4) is well established in metro systems, its deployment in mainline rail remains limited. This is primarily due to stringent safety requirements and the complexity of open operational environments. Current perception systems based on cameras, radar, and lidar are effective in detecting objects but provide limited capability for reliably identifying impacts, collisions, and driving-over events. This paper presents a novel approach for real-time vehicle condition monitoring and impact detection that integrates structural sensor technologies with AI-based data analysis. The proposed framework addresses three key applications: (1) automated detection of impacts, structural damage, and driving-over events, (2) condition-based maintenance enabled by continuous monitoring, and (3) long-term data analytics to support vehicle design optimization. The results demonstrate the feasibility of the proposed approach and highlight its potential to enhance operational safety, enable predictive maintenance strategies, and support the transition toward fully automated operation in mainline rail systems
- Abstract（参考訳）: 鉄道システムのデジタル化と人工知能(AI)の利用の増加は、鉄道車両の設計、運用、保守を根本的に変えつつある。
グレード・オブ・オートメーション4(GoA4)での完全自動化運転は地下鉄システムで十分に確立されているが、本線への配備は限られている。
これは主に、厳格な安全要件と、オープンな運用環境の複雑さに起因する。
カメラ、レーダー、ライダーに基づく現在の知覚システムは、物体を検出するのに有効であるが、衝突や運転時の事象を確実に識別する能力に制限がある。
本稿では、構造センサ技術とAIに基づくデータ分析を統合した、リアルタイム車両状態監視と衝撃検出のための新しいアプローチを提案する。
提案フレームワークは, 影響の自動検出, 構造的損傷, 運転時のイベントの自動検出, 連続監視による条件ベースメンテナンス, 車両設計の最適化を支援するための長期データ分析の3つの主要な応用に対処する。
提案手法の有効性を実証し, 運転安全性の向上, 予測保守戦略の実現, 本線鉄道システムにおける完全自動運転への移行支援の可能性を強調した。
関連論文リスト
- A Multi-Sensor Dataset for Monitoring the Operational Environment of Rail Vehicles [0.0]
このデータセットには、鉄道特化オブジェクトと一般認識オブジェクトの両方の700万以上の高品質アノテーションが含まれている。
最終的なデータセットはDB InfraGO AGで要求でき、鉄道領域におけるAI駆動環境監視を推進するための貴重なリソースとして機能する。
論文 参考訳（メタデータ） (2026-08-05T11:13:48Z) - Connected Dependability Cage: Run-Time Function and Anomaly Monitoring for the Development and Operation of Safe Automated Vehicles [4.255452662944005]
Connected Dependability Cageは、AI対応の知覚システムにおける階層的なフェールオペレーショナル動作を可能にする。
システムは優雅な劣化をサポートし、究極的には最小リスクの操作戦略への移行を可能にする。
論文 参考訳（メタデータ） (2026-04-30T11:20:39Z) - FlyAware: Inertia-Aware Aerial Manipulation via Vision-Based Estimation and Post-Grasp Adaptation [38.97192455287927]
本文は, 強靭な航空操作のための新しい枠組みを提示する。
提案システムでは,視力に基づく初期慣性推定モジュールとポストグラフ適応機構を統合した。
制御のために、ゲインスケジューリングに基づく慣性を考慮した適応制御戦略を開発する。
論文 参考訳（メタデータ） (2026-01-30T08:02:33Z) - Domain-Enhanced Dual-Branch Model for Efficient and Interpretable Accident Anticipation [5.188064309021252]
本稿では,ダッシュカムビデオからの視覚情報と,事故報告から得られた構造化テキストデータを統合する事故予測フレームワークを提案する。
ベンチマークデータセットを用いた総合評価では、予測精度の向上、応答性の向上、計算オーバーヘッドの低減、アプローチの解釈可能性の向上が評価された。
論文 参考訳（メタデータ） (2025-07-17T03:16:28Z) - DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。
タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。
シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-03-07T11:41:18Z) - Transformer Vibration Forecasting for Advancing Rail Safety and Maintenance 4.0 [40.196971298573644]
本研究では、機械的故障を回避するために既存のシステムとシームレスに統合する堅牢なDeep Autoregressiveソリューションを提案する。
本手法は, 各種条件および故障シナリオ下での振動信号をシミュレートし, 予測する。
これらのシステムは、メンテナンスの必要性を警告し、事故を事前に防止することができる。
論文 参考訳（メタデータ） (2025-01-20T20:29:40Z) - Evaluating Driver Readiness in Conditionally Automated Vehicles from
Eye-Tracking Data and Head Pose [3.637162892228131]
SAEレベル3または部分的に自動化された車両では、ドライバーは必要な時に介入する準備ができている必要がある。
本稿では,頭部ポーズ特徴と視線追跡データを組み合わせることで,運転準備性評価の包括的分析を行う。
両特徴セットを組み合わせた双方向LSTMアーキテクチャは、DMDデータセット上で平均0.363の絶対誤差を達成する。
論文 参考訳（メタデータ） (2024-01-20T17:32:52Z) - VT-Former: An Exploratory Study on Vehicle Trajectory Prediction for Highway Surveillance through Graph Isomorphism and Transformer [2.812395851874055]
車両軌道予測(VTP)は、車両の過去と現在の動きに基づいて将来の位置を予測することを目的としている。
VTPは道路安全の重要な要素であり、交通管理、事故防止、ワークゾーン安全性、エネルギー最適化などの応用を支援する。
本稿では,高速道路の安全と監視のための新しいトランスフォーマーベースのVTPアプローチであるVT-Formerを紹介する。
論文 参考訳（メタデータ） (2023-11-11T17:52:06Z) - 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) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - Vehicle-road Cooperative Simulation and 3D Visualization System [0.0]
自動車と道路のコラボレーション技術は、その限界を克服し、交通の安全と効率を改善することができる。
信頼性と信頼性を確保するためには厳格なテストと検証方法が必要である。
論文 参考訳（メタデータ） (2022-07-14T04:53:54Z) - Differentiable Control Barrier Functions for Vision-based End-to-End
Autonomous Driving [100.57791628642624]
本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。
我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
論文 参考訳（メタデータ） (2022-03-04T16:14:33Z)
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。