論文の概要: A Vehicle-Integrated Approach to Digital Twin Deployment for Bridges Through Drive-By Sensing

• arxiv url: http://arxiv.org/abs/2610.08822v1
• Date: Fri, 25 Sep 2026 01:43:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 16:33:44.544597
• Title: A Vehicle-Integrated Approach to Digital Twin Deployment for Bridges Through Drive-By Sensing
• Title（参考訳）: ドライブバイセンシングによる橋梁のディジタル双極子展開への車両統合アプローチ
• Abstract要約: 橋のインフラの老朽化は世界的に懸念されているが、従来の構造的健康モニタリングシステムは費用がかかり、スケールが難しい。 本稿では,橋梁と道路条件の連続監視のための物理モデルと機械学習を統合した車両統合型デジタルツイン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）: 8.39638721487719
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Ageing bridge infrastructure is a growing global concern, yet conventional Structural Health Monitoring (SHM) systems are costly and difficult to scale, and routine visual inspections remain subjective. Drive-by, or indirect, bridge inspection, in which a sensorised vehicle recovers structural information from vehicle-bridge interaction (VBI) and vehicle-road interaction (VRI) responses, offers a scalable alternative. However, key challenges remain unresolved, including separating bridge responses from road roughness, detecting damage under normal traffic, and generalising across diverse bridge types. This paper presents a vehicle-integrated digital twin framework that unifies physics-based modelling and machine learning for continuous monitoring of bridge and road conditions. The framework comprises three pillars. First, surrogate models of VBI and VRI are constructed using a Fourier Neural Operator that learns function-to-function mappings from operating conditions to vehicle responses. Trained on both simulated and field data, these surrogates deliver millisecond-scale inference, replacing computationally intensive full-order analyses. Second, the design of a custom electric inspection vehicle, its sensor layout, and signal processing chain are optimised through Bayesian optimisation to maximise bridge information yield while suppressing road and vehicle noise. Unsupervised damage-assessment pipelines based on adversarial autoencoders, matrix profiles, and transformer architectures have been developed and validated to process the resulting vehicle data. Third, the complete workflow is validated through coordinated multi-site field trials in Australia and Japan, covering a range of bridge types, traffic conditions, and environmental settings.
• Abstract（参考訳）: 橋梁のインフラの老朽化は世界的に懸念されているが、従来の構造健康モニタリング(SHM)システムは費用がかかり、拡張が困難であり、定期的な視覚検査は依然として主観的である。 車両と車両の相互作用(VBI)と車両と道路の相互作用(VRI)から構造情報を復元する、ドライブバイまたは間接的な橋梁検査は、スケーラブルな代替手段を提供する。 しかし、道路の粗さから橋の応答を分離したり、通常の交通による損傷を検知したり、様々な橋のタイプにまたがって一般化したりするなど、重要な課題は未解決のままである。 本稿では,橋梁と道路条件の連続監視のための物理モデルと機械学習を統合した車両統合型デジタルツインフレームワークを提案する。 フレームは3つの柱から構成される。 第一に、VBIとVRIのサロゲートモデルは、動作条件から車両応答への関数間マッピングを学習するフーリエニューラル演算子を用いて構築される。 シミュレーションデータとフィールドデータの両方に基づいて、これらのサロゲートはミリ秒スケールの推論を行い、計算集約的な全順序解析を置き換える。 第二に、独自の電気検査車両の設計、センサレイアウト、信号処理チェーンをベイジアン最適化により最適化し、道路や車両の騒音を抑えながら橋の情報出力を最大化する。 対向オートエンコーダ、行列プロファイル、トランスフォーマーアーキテクチャに基づく無監督損傷評価パイプラインを開発し、結果の車両データを処理するために検証した。 第3に, オーストラリアと日本の多地点共同試験を通じて, 橋梁の種類, 交通条件, 環境条件などについて, 完全なワークフローを検証した。

関連論文リスト

• UAV traffic scene understanding: A regulation embedded multi-modal network and a unified benchmark [22.241798167957214]
  無人航空機(UAV)プラットフォームからの交通状況の理解は、インテリジェント輸送システムにとって不可欠である。 既存の手法は、光学画像に大きく依存しているため、現実世界の監視において重大な課題に直面している。 本稿では,UAVトラフィックシーン理解のための新しいマルチモーダルトラフィック認知ネットワーク(MTCNet)を提案する。
  論文  参考訳（メタデータ） (2026-03-11T12:53:38Z)
• 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)
• Lane-Wise Highway Anomaly Detection [8.086502588472783]
  本稿では,車線道路交通異常検出のためのスケーラブルかつ解釈可能なフレームワークを提案する。 従来のセンサ依存の手法とは異なり、我々の手法はAIを利用した視覚モデルを用いて車線固有の特徴を抽出する。 我々のフレームワークは、精度、リコール、F1スコアにおいて最先端の手法より優れています。
  論文  参考訳（メタデータ） (2025-05-05T12:32:23Z)
• 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)
• Leveraging Driver Field-of-View for Multimodal Ego-Trajectory Prediction [69.29802752614677]
  RouteFormerは、GPSデータ、環境コンテキスト、運転者の視野を組み合わせた新しいエゴ軌道予測ネットワークである。 データ不足に対処し、多様性を高めるために、同期運転場と視線データに富んだ都市運転シナリオのデータセットであるGEMを導入する。
  論文  参考訳（メタデータ） (2023-12-13T23:06:30Z)
• Deep Learning Overloaded Vehicle Identification for Long Span Bridges Based on Structural Health Monitoring Data [3.331125445667599]
  過負荷車両識別のためのBWIM (bridge weigh-in-motion)法が普及している。 深層学習に基づく過負荷車両識別手法(DOVI)を提案する。 簡易支持梁と長尺ケーブルステイドブリッジを用いてランダムな交通流下でモデル評価を行った。
  論文  参考訳（メタデータ） (2023-09-04T13:24:54Z)
• OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
  交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。 OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。 様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
  論文  参考訳（メタデータ） (2023-04-20T16:31:22Z)
• HierMUD: Hierarchical Multi-task Unsupervised Domain Adaptation between Bridges for Drive-by Damage Diagnosis [9.261126434781744]
  対象橋のラベルを使わずに,橋梁の損傷を診断するために,ある橋梁から学習したモデルを転送する新しい枠組みを提案する。 我々のフレームワークは、タスク共有とタスク固有の特徴を抽出するために、逆方向の方法で階層型ニューラルネットワークモデルを訓練する。 2つの橋と3台の車両から収集した実験データについて,本フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2021-07-23T19:39:32Z)
• Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data Augmentation [77.60050239225086]
  実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。 私達のアプローチは人間の相互作用なしで完全に自動です。 VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-15T03:03:38Z)
• Damage-sensitive and domain-invariant feature extraction for vehicle-vibration-based bridge health monitoring [25.17078512102496]
  本稿では,車両の加速度応答データから損傷感受性・領域不変性(DS&DI)特徴を抽出する物理誘導信号処理手法を提案する。 この特徴は,6つの実験のうち5つの実験において,橋梁にまたがる最高の損傷および局所化結果を提供する。
  論文  参考訳（メタデータ） (2020-02-06T05:45:39Z)

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。