論文の概要: Semantic Edge-Cloud Communication for Real-Time Urban Traffic Digital Twins

• arxiv url: http://arxiv.org/abs/2610.14187v1
• Date: Fri, 09 Oct 2026 18:02:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 22:44:27.685959
• Title: Semantic Edge-Cloud Communication for Real-Time Urban Traffic Digital Twins
• Title（参考訳）: リアルタイム都市交通デジタル双生児のためのセマンティックエッジクラウド通信
• Abstract要約: 都市交通システムはますます複雑化しており、リアルタイムの交通認識、積極的衝突予測、安全向上と渋滞軽減のためのインテリジェントな管理が求められている。 ディジタルツインは、リアルタイム監視、衝突予測、トラフィックフロー最適化、および多様な現実的なシナリオ生成のために、物理トラフィック環境の同期仮想レプリカを有効にすることにより、強力なソリューションを提供する。 本稿では,リアルタイムな都市交通デジタルツインアプリケーションのためのセマンティック通信に基づくエッジクラウド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）: 5.400078270696542
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Urban traffic systems are becoming increasingly complex, demanding real-time traffic perception, proactive collision prediction, and intelligent management to improve safety and reduce congestion. Although AI-driven traffic management has shown strong promise, its success relies on diverse, high-quality data spanning critical scenarios such as collisions, near-collisions, and traffic rule violations. Digital twins offer a powerful solution by enabling synchronized virtual replicas of physical traffic environments for real-time monitoring, collision prediction, traffic-flow optimization, and diverse realistic scenario generation. However, continuously synchronizing a high-fidelity urban traffic digital twin through edge surveillance cameras requires substantial edge-cloud communication, and transmitting raw video streams leads to severe bandwidth and latency constraints. To overcome this challenge, this paper proposes a semantic communication-based edge-cloud framework for real-time urban traffic digital twin applications. By leveraging edge intelligence to extract and transmit only task-relevant semantic traffic information instead of full video feeds, the proposed framework significantly reduces communication overhead while preserving the essential dynamics needed for accurate real-time digital twin reconstruction. Experimental results demonstrate more than 99% transmission savings and an average trajectory reconstruction error of only 0.12 m, confirming the proposed framework as an effective, scalable, and low-latency solution for AI-enabled urban traffic digital twin applications.
• Abstract（参考訳）: 都市交通システムはますます複雑化しており、リアルタイムの交通認識、積極的衝突予測、安全向上と渋滞軽減のためのインテリジェントな管理が求められている。 AI駆動のトラフィック管理は強い約束を示しているが、その成功は、衝突、ニアコリジョン、トラフィックルール違反といった重要なシナリオにまたがる多様な高品質なデータに依存している。 ディジタルツインは、リアルタイム監視、衝突予測、トラフィックフロー最適化、および多様な現実的なシナリオ生成のために、物理トラフィック環境の同期仮想レプリカを有効にすることにより、強力なソリューションを提供する。 しかし、エッジ監視カメラを介して高忠実な都市交通デジタルツインを継続的に同期させるには、エッジクラウド通信がかなり必要であり、生のビデオストリームの送信は、帯域幅とレイテンシの厳しい制約につながる。 この課題を克服するために,リアルタイムな都市交通デジタルツインアプリケーションのためのセマンティックコミュニケーションベースのエッジクラウドフレームワークを提案する。 エッジインテリジェンスを活用して、フルビデオフィードの代わりにタスク関連セマンティックトラフィック情報のみを抽出し、送信することにより、正確なリアルタイムディジタルツイン再構築に必要な基本的なダイナミクスを保ちながら、通信オーバーヘッドを大幅に低減する。 実験により,99%以上のトランスミッションセーブと0.12mの平均軌道再構成誤差が示され,提案手法がAI対応の都市交通デジタルツインアプリケーションに有効な,スケーラブルで,低レイテンシなソリューションであることを確認できた。

関連論文リスト

• A VAE-Driven Multi-Task Satellite-Aided Semantic Communication Framework for 6G-Enabled Connected Autonomous Vehicles [51.449502491030756]
  衛星支援自動運転のためのマルチタスク・セマンティック・コミュニケーション・フレームワークを提案する。 このフレームワークは、両方のタスクを共同で最適化するために、エンドツーエンドで訓練されている。 提案手法は,87.23%から98.17%までの帯域幅削減を実現している。
  論文  参考訳（メタデータ） (2026-07-15T06:49:41Z)
• Autonomous Traffic Signal Optimization Using Digital Twin and Agentic AI for Real-Time Decision-Making [0.0]
  本稿では,エージェントAIが管理するトランスポートインフラストラクチャのディジタルツインを通じて,トラフィック光の最適化を行う新たなフレームワークについて概説する。 このフレームワークは物理的センサーとエッジコンピューティングに依存し、リアルタイムの交通情報を測定し、常に更新されたデジタルツインでトラフィックの流れをシミュレートする。 その結果,このフレームワークは信号待ち時間を最小限に抑え,交通流全体の有効性に肯定的な影響を及ぼすことがわかった。
  論文  参考訳（メタデータ） (2026-04-30T11:43:06Z)
• Enhanced Urban Traffic Management Using CCTV Surveillance Videos and Multi-Source Data Current State Prediction and Frequent Episode Mining [3.3248768737711045]
  本研究の目的は、CCTV監視ビデオとマルチソースデータを統合し、リアルタイムの都市交通予測を強化する統一的なフレームワークを開発することである。 このフレームワークは46台のカメラにまたがる313,931個のバウンディングボックスからなるCityFlowデータセットで評価された。
  論文  参考訳（メタデータ） (2025-10-04T06:11:34Z)
• Semantic Edge-Cloud Communication for Real-Time Urban Traffic Surveillance with ViT and LLMs over Mobile Networks [5.862522659881676]
  インテリジェント・トランスポーテーション・システム(ITS)にとって、道路の安全を確保し、交通の流れを最適化し、車両軌道を追跡し、スマートシティでの衝突を防止するために、リアルタイムの都市交通監視が不可欠である。 本稿では,送信オーバヘッドを大幅に低減する意味コミュニケーションフレームワークを提案する。 従来の収穫画像では93%の精度で89%のLLM応答精度を維持しながら,データ伝送サイズを99.9%削減する。
  論文  参考訳（メタデータ） (2025-09-25T14:53:36Z)
• TGDT: A Temporal Graph-based Digital Twin for Urban Traffic Corridors [5.354266007520225]
  既存のディープラーニングモデルは、しばしば空間的な一般化性に欠け、複雑なアーキテクチャに依存し、リアルタイムのデプロイメントに苦労する。 本稿では,時間的畳み込みニューラルネットワークと注意グラフニューラルネットワークを統合したスケーラブルなフレームワークであるTGDTを提案する。
  論文  参考訳（メタデータ） (2025-04-25T01:28:32Z)
• 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)
• 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)
• 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)

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。