traffic safety | BriefGPT - AI 论文速递

关键词traffic safety

搜索结果 - 19

基于 YOLOv8 的车辆速度检测系统：提升都市区域的道路安全和交通管理
通过监测车辆速度来实现交通安全，本研究集中在对象识别与车辆速度估计的监督学习应用，针对孟加拉国特定的交通条件和安全问题，提出了一种高效可行的解决方案，这项工作对该领域做出了显著贡献。
PDF21 days ago
探索交通信号控制和连接和自动化车辆对交叉口安全的影响：一种深度强化学习方法
通过深度强化学习方法，本研究调查了自适应信号控制和联网自动化车辆对交叉路口安全的影响，考虑了追尾和横穿冲突，并发现联合应用自动化车辆和基于深度 Q 网络的信号控制可以显著减少追尾和横穿冲突，从而提高交通安全性。
PDFa month ago
CVPRCityLLaVA: 城市场景下 VLMs 的高效微调
城市场景交通安全描述与分析在保险检查和事故预防等应用中起着关键作用。本文介绍了 CityLLaVA，一种专门用于城市场景的视觉语言模型的新的微调框架，通过采用边界框进行最佳视觉数据预处理，包括视频最佳视角选择和在训练和测试阶段进行视觉提示工
PDF2 months ago
利用并行密集视频字幕提高交通安全的端到端事件分析
该研究介绍了在 AI City Challenge 2024 中针对 Track 2 的解决方案，主要关注交通安全、视频字幕、跨模态训练和领域特定模型适应等关键词。该解决方案在竞赛中取得了第六名，并通过提供开源代码使其更广泛地应用。
PDF3 months ago
基于 LSTM 的自动驾驶换道安全预测模型
自动驾驶技术能够提高交通安全和减少事故，本研究提出了基于短期记忆 (LSTM) 网络的安全敏感深度学习模型来预测轨迹，通过考虑交互信息的意图识别模块，实现高准确性和流畅性的车道变换，并优化自动驾驶轨迹规划。
PDF4 months ago
CrashFormer：预测事故风险的多模态架构
减少交通事故是全球公共安全的关键问题。该研究提出了一种名为 CrashFormer 的多模态架构，利用综合的输入数据，包括事故历史记录、天气信息、地图图像和人口统计信息来预测未来事故的风险，并在实验证明其在稀疏输入数据情况下的表现优于其他顺
PDF5 months ago
道路表面缺陷检测 -- 从基于图像到非图像：一份综述
确保交通安全至关重要，需要检测和防止道路表面缺陷，以此为主题，研究了道路表面缺陷检测的各种方法。主要方法是基于图像的方法，分析像素强度和表面纹理来识别缺陷；然而，这些方法对于天气和光照变化敏感，为解决这个问题，研究者探索了使用激光扫描仪或激
PDF5 months ago
AccidentGPT: 基于 V2X 环境感知的事故分析与预防的多模态大型模型
交通事故一直是交通安全领域的研究重点，然而以往的研究往往孤立进行，缺少综合性的交通安全分析与预防框架。为了填补这一空白，本研究引入了 AccidentGPT，这是一个综合事故分析和预防的多模态大型模型，通过多传感器感知提供全面的事故分析和预
PDF6 months ago
MARVEL：多智能体强化学习用于大规模可变速限
变速限制、交通管理、多智能体强化学习、高速公路走廊和交通安全是本研究的主要关键词和研究领域，并通过使用常见数据引入了一个名为 MARVEL 的多智能体强化学习框架，以实现大规模变速限制控制。
PDF8 months ago
基于 GAN 的深度监督语义分割方法
本研究提出了一种改进的语义分割模型，将对抗学习的优势与最先进的语义分割技术相结合，以捕捉交通图像中复杂而微妙的特征，通过在道路裂缝数据集上与现有方法（如 SEGAN）相比的显著性能提升来证明方法的有效性，提供了更精细和准确的道路结构和状况的
PDF9 months ago
融合 GAN 和纹理合成以增强道路损伤检测
交通安全和道路维护领域中，准确检测道路损伤对确保安全驾驶和延长道路耐久性至关重要。本研究提出了一种创新的方法，利用生成对抗网络生成具有不同形状的损伤，并通过纹理合成技术提取道路纹理，通过控制合成损伤的严重程度，嵌入到原始图像中，从而实现了损
PDF10 months ago
dacl1k：现实世界桥梁损伤数据集的开源数据测试
识别钢筋混凝土缺陷（RCDs）对于确定桥梁的结构完整性、交通安全性和耐久性至关重要。本研究通过对多标签分类的建筑检查图像进行训练，提供了高度多样的 RCD 数据集 “dacl1k”，并谨慎测试现有模型在该数据集上的可用性，结果表明最佳模型的
PDF10 months ago
自我监督的多任务学习框架：基于车载摄像头实现安全健康导向的互联驾驶环境感知
本文提出了一种基于图像合成和分解的双向 BPISD 方法，以及一种新的自监督多任务学习框架，可以同时估计深度、大气可见度、空气光和 PM2.5 质量浓度，从而进一步提高交通安全性、空气质量和公共卫生。
PDFa year ago
基于深度强化学习的 CARLA 模拟自动驾驶
本论文基于强化学习（RL）与 Deep Q-Learning 框架以及 CARLA 仿真环境，探索了一种实现自动驾驶车辆在高速行驶时保持车道并避让其他车辆的策略，以提高交通安全性。
PDFa year ago
CVPRM$^2$DAR：基于 Vision Transformer 的多视角多尺度驾驶员动作识别
提出了一个名为 M2DAR 的多视角、多尺度框架，利用计算机视觉技术实现自然驾驶动作识别和定位来保障交通安全，特别关注于检测分心驾驶行为，其核心特征在于一个具有权重共享、多尺度 Transformer-based 动作识别网络，并提出了一个
PDFa year ago
野外环境中的惊奇度量
本文首次证明了，如何使用根植于认知科学和神经科学的惊奇计算模型，结合最先进的机器学习生成模型，来检测复杂动态环境下（如道路交通）人类行为中令人惊奇的行为。这种模型可以支持交通冲突识别、道路用户响应时间建模以及驾驶员行为评估，同时也提出了量化
PDFa year ago
使用 Few-Shot 数据采样技术和 YOLOv8 实现实时多类头盔违规检测
本文提出了一种利用 YOLOv8 单阶段对象检测模型和 few-shot 数据采样策略开发的鲁棒的实时头盔违规检测系统，实验结果表明该系统有效、高效、稳健，可以用于交通监控和执法。
PDFa year ago
使用人工智能预防车祸
通过使用机器学习技术，结合交通事故和气象数据，该研究旨在预测交通事故的严重程度并减少交通事故。
PDF2 years ago
基于深度强化学习的交通灯和自动驾驶车辆的协作控制
为了实现联合国可持续发展目标，此论文提出一种名为 CoTV 的多智能体深度强化学习系统，可协同控制交通信号和连接自动驾驶车辆，以实现减少旅行时间、燃料和排放的目标，且易于部署和维护，并在多种实际城市场景中进行了有效性模拟研究。
PDF2 years ago