論文の概要: Edge-Assisted Crowdsensing for Explainable Cyclist Safety Perception
- arxiv url: http://arxiv.org/abs/2611.08441v1
- Date: Thu, 05 Nov 2026 18:33:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-07 04:55:13.623783
- Title: Edge-Assisted Crowdsensing for Explainable Cyclist Safety Perception
- Title（参考訳）: 説明可能な自転車安全知覚のためのエッジアシスト群集センシング
- Abstract要約: ハンドルバーカメラはストリートレベルのフレームを提供し、視覚言語モデル(VLM)は各フレームを構造化されたトラフィック属性に変換する。
説明可能なブースティングマシン(EBM)は、それらをOpenStreetMapロードインフラストラクチャと組み合わせて、クラウドソースされた1-9の安全性スコアを予測する。
2本のロンドン路線からの1,362本の注釈付きフレームでは、ESM回帰器は72.2%の精度に達し、平均絶対誤差は1.011である。
- 参考スコア（独自算出の注目度）: 1.84316002191515
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Cyclist fatality rates remain high despite policy support for active travel, and autonomous vehicles add complexity to mixed traffic. Neither crash statistics nor multi-model detection pipelines scale to continuous monitoring of perceived safety along a route. We present an edge-assisted crowdsensing system: handlebar cameras supply street-level frames, a vision-language model (VLM) turns each frame into structured traffic attributes through a single prompt, and an explainable boosting machine (EBM) combines them with OpenStreetMap road infrastructure and on-bike kinematics to predict a crowdsourced 1-9 safety score. Extraction belongs at the network edge: the fastest self-hosted model needs 2.49 s per frame and scoring takes 0.4 ms on a CPU. On 1,362 annotated frames from two London routes, the EBM regressor reaches 72.2 percent binary accuracy and a mean absolute error of 1.011 under five-fold cross-validation. It is within one accuracy point of black-box ensembles. Its per-feature shape functions give exact attribution: physical lane separation is worth +0.97 rating points, a painted lane +0.70 and a construction site -0.65. Planners can therefore price an infrastructure change in rating points, and the results enter cost-benefit analysis directly. We also report inter-annotator agreement (alpha = 0.4695), an attribute audit, and a sensitivity analysis linking attribute error to accuracy. With re-encoding, a 20 s sampling interval serves 1,000 riders at 54 Mbit/s at a cost of 1.4 accuracy points, making continuous monitoring practical.
- Abstract（参考訳）: 自転車の死亡率は、アクティブトラベルの政策サポートにもかかわらず高いままであり、自動運転車は混在する交通に複雑さを増す。
クラッシュ統計もマルチモデル検出パイプラインも、経路に沿って認識される安全性の継続的な監視にはスケールしない。
ハンドバーカメラが街路レベルのフレームを供給し、視覚言語モデル(VLM)が各フレームを1つのプロンプトで構造化トラフィック属性に変換し、説明可能なブースティングマシン(EBM)がそれらをOpenStreetMapロードインフラストラクチャとオンバイクキネマティクスと組み合わせてクラウドソースされた1-9セーフティスコアを予測する。
最も高速な自己ホスト型モデルはフレームあたり2.49秒を必要とし、スコアリングはCPUで0.4秒かかる。
2本のロンドン路線からの1,362本の注釈付きフレームでは、ESM回帰器は72.2%の精度に達し、平均絶対誤差は1.011である。
ブラックボックスアンサンブルの1つの精度ポイント内にある。
物理的な車線分離は +0.97 評価点、塗装された車線 +0.70 および建設現場 -0.65 である。
そのため、プランナーは評価ポイントのインフラ変更を価格設定でき、その結果は直接費用対効果の分析に入る。
また、アノテータ間合意(alpha = 0.4695)、属性監査、属性エラーを精度にリンクする感度分析を報告する。
20秒のサンプリング間隔は、1.4の精度で54 Mbit/sの1,000人のライダーに提供され、継続的な監視が実用的なものとなった。
関連論文リスト
- Structured Representation Probing for Risk Anticipation in End-to-End Autonomous Driving [45.62895137747747]
エンドツーエンドの運転ポリシーは、トラフィック、エゴの振る舞い、および道路の制約の構造化された内部表現を形成する。
本研究では,フリーズポリシからアクタ,エゴ,マップ表現を読み取る軽量モニタであるStructured Representation Probe(SRP)を紹介する。
論文 参考訳（メタデータ） (2026-10-27T14:20:15Z) - From Routing Signals to Selective Review: Visual regrounding in MoE VLMs [48.07726955428853]
視覚言語モデル(VLM)は偽の視覚的前提を受け入れ、対象の物体の色、数、位置、状態について疑問に答える。
本稿では,Mixture-of-Experts (MoE)VLMにおける内部ルーティング決定を活用するための最初のフレームワークを提案する。
提案手法は,MoE VLMによってすでに作成されており,低コストな検出と選択的な視覚的リグラウンドを支援することができる。
論文 参考訳（メタデータ） (2026-09-29T17:49:07Z) - Multi-modal Rail Crossing Safety Analysis [7.874272026541354]
鉄道横断の1つ以上の画像があれば、視覚的な手がかりを利用して、どれだけ安全かをしっかり見積もることができるだろうか?
本稿では,鉄道横断のマルチモーダルデータを取り込み,専門家の意見と,連邦鉄道局(FRA)が使用する安全スコアに合わせた安全評価とスコアを提供するシステムを提案する。
提案システムでは、マクロF1スコア0.757のハイリスクとローリスクの交差を同定し、FRAベースの安全スコアをRMSE0.078と相関0.492で推定する。
論文 参考訳（メタデータ） (2026-07-01T18:26:57Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - An Open-Source Two-Stage Computer Vision Pipeline for Fine-Grained Vehicle Classification using Vision Transformers [0.0]
車両のボディタイプは、クラッシュを乗り越える際のサイクリストの重傷の重症度を決定づける重要な要因であるが、車両を分類するための自動ツールがオープンな文献には存在しない。
本稿では、未学習のRT-DETR検出器と微調整の視覚変換器を組み合わせたオープンソースの2段コンピュータビジョンパイプラインを提案する。
信頼に基づく棄権機構は、ソフトマックス出力が0.60未満になるとステージ2の予測を保ち、無音の誤分類ではなく未知のラベルを生成する。
論文 参考訳（メタデータ） (2026-06-03T17:53:33Z) - A Geometry-Informed Computer Vision Method for Detecting and Examining Overtaking Vehicles From A Bicycle [0.0]
本稿では,自転車に搭載された1台のカメラからのイベント検出を自動で行う,幾何学インフォームドコンピュータビジョンパイプラインを提案する。
パイプラインは97.8%のリコールを達成し、偽陽性はゼロとなり、車両通過の2.44秒前の平均を達成した。
論文 参考訳（メタデータ） (2026-06-03T17:41:00Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - Pedestrian Crossing Intent Prediction via Psychological Features and Transformer Fusion [6.689013818004752]
歩行者意図予測のための軽量・社会的情報アーキテクチャを提案する。
ハイウェイエンコーダ、コンパクト 4-token Transformer、グローバル セルフアテンション プーリングを使って、4つの行動ストリーム(アテンション、位置、状況、相互作用)を融合する。
提案手法は、モダリティに依存しない、ビジョン言語パイプラインとの統合が容易で、リソース制約のあるプラットフォーム上でのリスク認識の意図予測に適している。
論文 参考訳（メタデータ） (2026-03-20T00:19:34Z) - Towards Robust Unsupervised Attention Prediction in Autonomous Driving [40.84001015982244]
本稿では,自律走行システムに対するロバストな無監督注意予測手法を提案する。
不確かさマイニングブランチは、自然の場面における複数の事前訓練されたモデル間の共通点と相違点を分析して、予測を洗練する。
知識埋め込みブロックは、擬似ラベルを適応的に強化するために駆動知識を取り入れることで、ドメインギャップを橋渡しする。
ソフトアテンションとダイナミックアメンデーションにより, 破損に対する堅牢性を向上する新しいデータアメンデーション手法を提案する。
論文 参考訳（メタデータ） (2025-01-25T03:01:26Z) - Hybrid-Segmentor: A Hybrid Approach to Automated Fine-Grained Crack Segmentation in Civil Infrastructure [52.2025114590481]
エンコーダ・デコーダをベースとした手法であるHybrid-Segmentorを導入する。
これにより、モデルは、様々な種類の形状、表面、き裂の大きさを区別する一般化能力を向上させることができる。
提案モデルは,5つの測定基準(精度0.971,精度0.804,リコール0.744,F1スコア0.770,IoUスコア0.630)で既存ベンチマークモデルより優れ,最先端の状態を達成している。
論文 参考訳（メタデータ） (2024-09-04T16:47:16Z)
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。