文献

J-GLOBAL ID：202102261963175354   整理番号：21A1781929

橋梁加速度のウェーブレット散乱変換とニューラルネットワークによる交通車両の分類

WAVELET SCATTERING TRANSFORM OF BRIDGE ACCELERATION AND CLASSIFICATION OF TRAFFIC VEHICLES USING NEURAL NETWORKS

著者 (2件)： 竹谷晃一 (東京工業大学 環境・社会理工学院土木・環境工学系) ,  佐々木栄一 (東京工業大学 環境・社会理工学院土木・環境工学系)
資料名： AI・データサイエンス論文集(Web)  (Artificial Intelligence and Data Science (Web))
巻： 1  号： J1  ページ： 158-167(J-STAGE)  発行年： 2020年 
JST資料番号： U2325A  ISSN： 2435-9262  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本研究は,橋梁の構造応答を利用して交通環境を分析するB-WIMベースの交通センシングの構築を目指し,ウェーブレット散乱変換による特徴抽出とニューラルネットワークを活用した交通車両の識別方法の提案を試みた.ウェーブレット散乱変換を用いた多層の畳み込み計算により,加速度の振動応答データから時間周波数情報である散乱係数を算出し特徴抽出を行った.限られた交通計測のデータからニューラルネットワークの学習を行うため,散乱係数を時間方向にサブサンプリングすることで学習データを増幅する方法を提案した.多段階の分類による交通車両の識別フローを提案し,それぞれの分類においてニューラルネットワークを構築した.比較的少ない交通車両のデータセットにおいても,学習データを増幅させることで高精度で試験車や路線バスの識別を可能とした.(著者抄録)

シソーラス用語： 特徴抽出 ,  振動 ,  動的応答 ,  加速度 ,  道路橋 ,  試験車 ,  路線バス ,  ウェーブレット変換 ,  速度センサ ,  ビデオカメラ ,  パワースペクトル密度 ,  関数 ,  フィルタバンク ,  *ニューラルネットワーク ,  *分類 ,  データ ,  係数 ,  橋梁振動 ,  加速度応答 ,  加速度センサ ,  *車種 ,  学習データ
準シソーラス用語： スケーリング関数 ,  散乱係数

著者キーワード (5件)： bridge ,  acceleration response ,  traffic sensus ,  wavelet scattering transform ,  neural network

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (13件)：

• 1) ICTを活用した交通量・旅行速度調査の方向性,第3回ICTを活用した新道路交通調査体系検討会,資料2, 2019.
• 2) 東俊孝,高田知典,井坪慎二,内田淳:道路交通センサスのための次世代情報収集システムの開発,土木情報利用技術論文集,15巻,pp.103-110, 2006.
• 3) 一見健太, 林佑樹, 佐田達典, 石坂哲宏:距離画像センサを用いた走行車両台数計測に関する研究,土木学会論文集(F3), 67巻,2号,pp.142-149, 2011.
• 4) 新たな道路交通調査体系における常時観測データの活用イメージ,第3回ICTを活用した新道路交通調査体系検討会,資料3, 2019.
• 5) Moses F.: Weigh-in-Motion System Using Instrumented Bridges, Transportation Engineering Journal of ASCE, Vol.105, Issue 3, pp.233-249, 1979.

タイトルに関連する用語 (7件)： 橋梁 ,  加速度 ,  ウェーブレット ,  散乱 ,  ニューラルネットワーク ,  交通 ,  分類