文献

J-GLOBAL ID：202202260575103352   整理番号：22A0917896

人工知能支援鉄道トレスパッシング検出とデータ解析:方法論と事例研究【JST・京大機械翻訳】

Artificial intelligence-aided railroad trespassing detection and data analytics: Methodology and a case study

著者 (5件)： Zhang Zhipeng (Shanghai Key Laboratory for Digital Maintenance of Buildings and Infrastructure, School of Naval Architecture, Ocean and Civil Engineering, Shanghai Jiao Tong University, China) ,  Zhang Zhipeng (Department of Civil and Environmental Engineering, Rutgers, The State University of New Jersey, USA) ,  Zaman Asim (Department of Civil and Environmental Engineering, Rutgers, The State University of New Jersey, USA) ,  Xu Jinxuan (Department of Electrical and Computer Engineering, Rutgers, The State University of New Jersey, USA) ,  Liu Xiang (Department of Civil and Environmental Engineering, Rutgers, The State University of New Jersey, USA)
資料名： Accident Analysis & Prevention  (Accident Analysis & Prevention)
巻： 168  ページ： Null  発行年： 2022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： 鉄道産業は,米国の交通インフラと経済繁 proにおいて主要な役割を果たし,安全性は,最も重要である。治療は,鉄道関連死亡の主因であり,米国の過去10年間,踏み越し頻度と死亡の低減にはほとんど進んでいない。鉄道産業における監視カメラと膨大な量のビデオデータの広範な展開は,これらの事象を達成可能であるが,リアルタイムビデオまたはアーカイブビデオデータをモニターするために膨大な労働時間を必要とする。この課題に対処し,この大きなデータを利用するために,本研究では,トレッシング事象の自動検出のためのロバストな人工知能(AI)支援フレームワークを開発した。この深層学習ベースツールは,自動的にトレッシングイベントを検出し,違反者のタイプを区別し,ビデオクリップを生成し,1データセットにトレッシングイベントの基礎的情報を文書化する。本研究は,特定の場所におけるデータフィードのリスク分析を通して,ビデオ監視インフラストラクチャの未利用の可能性を利用するための最先端のAIツールによる鉄道産業の提供を目的とする。事例研究において,AIは1600hのアーカイブビデオフーチングで分析され,ニュージャージーの1つのグレード交差から3,000trespassingイベントで検出された。これらの大きなビデオデータから生成されたデータは,鉄道安全研究におけるヒューマンファクタの理解を助け,また,特定の踏面的安全リスクマネジメントイニシアチブに寄与し,列車乗員,鉄道乗客,および道路利用者の安全を,工学,教育,および道路利用者の踏み越しに改善することに寄与するであろう。Copyright 2022 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： 安全性 ,  *鉄道 ,  ヒューマンファクタ ,  頻度 ,  死 ,  乗務員 ,  *人工知能 ,  踏面 ,  リスク分析 ,  録画装置 ,  乗客 ,  インフラストラクチャー ,  *事例研究 ,  ロバスト性
準シソーラス用語： 監視カメラ , 【Automatic Indexing@JST】

著者キーワード (5件)： Trespassing ,  鉄道の安全性 ,  人工知能 ,  コンピュータビジョン ,  リスク管理

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 (6件)： 人工知能 ,  支援 ,  鉄道 ,  データ解析 ,  方法論 ,  研究