文献

J-GLOBAL ID：202002237825429342   整理番号：20A1409601

SHRP2自然運転データを利用したテンソルフロー深層学習による車載ビデオカメラに基づく軌道レベル霧検出【JST・京大機械翻訳】

Trajectory-level fog detection based on in-vehicle video camera with TensorFlow deep learning utilizing SHRP2 naturalistic driving data

著者 (2件)： Khan Md Nasim (University of Wyoming, Department of Civil & Architectural Engineering, 1000 E University Ave, Dept. 3295, Laramie, WY 82071, United States) ,  Ahmed Mohamed M. (University of Wyoming, Department of Civil & Architectural Engineering, 1000 E University Ave, Dept. 3295, Laramie, WY 82071, United States)
資料名： Accident Analysis & Prevention  (Accident Analysis & Prevention)
巻： 142  ページ： Null  発行年： 2020年 
JST資料番号： D0828A  ISSN： 0001-4575  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 霧を含む悪天候中のリアルタイム気象情報と運転支援を有する運転者は安全運転にとって極めて重要である。本研究の主要な焦点は,リアルタイムで正確な軌道レベル気象情報を提供する手頃な車内霧検出法を開発することであった。本研究では,SHRP2自然運転研究(NDS)ビデオデータを用い,深層ニューラルネットワーク(DNN),再電流ニューラルネットワーク(RNN),長短熱メモリ(LSTM),および畳込みニューラルネットワーク(CNN)を含むいくつかの有望な深層学習技術を利用した。TensorFlowマシン学習ライブラリに関するPythonプログラミングを用いて,深層学習モデルを訓練した。分析は,明確な,離れた霧と近霧を含む3つの気象条件から成るデータセットで行った。訓練プロセスの間に,Adamと勾配降下を含む2つの最適化器を使用した。DNN,RNN,LSTM,およびCNNの全体的予測精度は,勾配降下最適化器を用いて,それぞれ,約85%,77%,84%,および97%であったことがわかったが,一方,DNN,RNN,LSTM,およびCNNの総合予測精度は,それぞれ,約85%,77%,84%,および97%であった。DNN,RNN,LSTM,およびCNNについて,それぞれ88%,91%,93%,および98%の改善された総合予測精度を,Adam最適化装置を考慮して観察した。提案した霧検出法は,気象条件を検出する単一ビデオカメラのみを必要とし,従って,気象ベース可変速度制限(VSL)システムおよび先進旅行情報システム(ATIS)を更新するために,リアルタイムで軌道レベル気象情報を収集するために,保守車両にフィットする安価なオプションである。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  最適化 ,  電流 ,  *学習 ,  保全 ,  気象 ,  ニューラルネットワーク ,  旅行 ,  気象情報 ,  気象条件 ,  *ビデオカメラ ,  荒天 ,  機械学習
準シソーラス用語： 予測精度 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (13件)： Foggy気象 ,  機械学習 ,  深層学習 ,  画像分類 ,  テンソルフロー ,  深層ニューラルネットワーク ,  リカレントニューラルネットワーク ,  長期短期記憶 ,  畳込みニューラルネットワーク ,  高度運転者支援システム ,  高度旅行情報システム ,  可変速度限界 ,  モバイル気象センサ

分類 (1件)： 自動車事故,交通安全  (TB01050G)

タイトルに関連する用語 (7件)： テンソル ,  フロー ,  深層学習 ,  車載 ,  ビデオカメラ ,  軌道 ,  霧