智慧基础设施:一个研究交汇点
该研究综合分析了美国不同地区的交通事故,并提出了一个使用交通监控摄像头和动作识别系统进行事故检测和交通分析的框架,将该框架与紧急服务整合,以提高交通事故的响应效率并减少人为错误。此外,研究还探讨了智能交通事故检测系统在智能城市中的应用,旨在改善交通管理和减少交通事故的严重程度。
Jul, 2023
通过使用受智能公共城市交叉口内的视觉传感器技术的德国,加上多视角相机和雷达系统感知交通情况和道路用户的行为等多种传感器来收集数据,以完整掌握场景信息并提供基础训练算法,在自动交通中实现了文中所提出的智能公共城市交叉口,用以扩展驾驶员和车辆感知系统的感知能力,并且为自动交通的各种应用程序提供了底层数据支持。
Jul, 2023
通过驾驶模拟器研究,探讨了基于基础设施的警告系统在改善交通安全和减少事故风险方面的作用,结果显示提前发出警告可以显著提高安全性。
Dec, 2023
该论文提出了一种使用智能交通管理基础设施来管理未来城市道路网络的分布式机制,其中智能自主车辆通过软件代理操作以安全高效地穿过道路网络,并结合竞争性市场所得到的交通分配策略,构建了一个自上而下的管理机制。
Jan, 2014
本文介绍了人工智能在智慧城市和社区 (SCC) 中的应用,并概述了用于交通控制的基于人工智能的技术,包括感知、智能交通控制和驾驶员建模。此外,文中还提到了数据注释的挑战和解释性的问题。
Apr, 2021
本文介绍了一种基于 Edge 技术的三相系统,通过图片处理和计算 Index 值以检测拥堵程度,判断是否有紧急车辆,并在边缘服务器上进行处理和决策,从而减轻云服务器的负担,提高实时系统的可靠性。
Apr, 2023
本研究提供了一个基于深度学习的实时交通监控平台,通过单个交通摄像头实现了车辆 / 行人检测、速度检测、轨迹估计、拥堵检测、以及车辆和行人交互的监测,同时使用短期和长期的时间视频数据流开发了分层交通模型解决方案,实现了对实际交通情况的监测。
Sep, 2021
通过利用车联网数据和深度学习模型,在道路基础设施映射方面取得了显著的成果,提出了一种基于 geohashing 和 YOLOv5 算法的自动识别路口的新方法,实验证明了该方法的高准确性和广泛应用前景。
Aug, 2023