Automatic Extraction of Relevant Road Infrastructure using Connected vehicle data and Deep Learning Model

要約

今日の急速に進化する都市景観では、交通システムの最適化、交通安全の強化、ドライバーや通勤者の全体的なモビリティ エクスペリエンスの向上のために、道路インフラの効率的かつ正確なマッピングが不可欠です。
しかし、厄介なボトルネックが進歩を妨げています。それは、手間と時間のかかる手動による交差点の特定です。
特定する必要がある交差点の数と、交差点ごとに必要な労働時間を単純に考慮すると、自動化ソリューションの必要性は否定できません。
この課題に対処するために、私たちはコネクテッドカーデータと最先端のディープラーニング技術を活用する新しいアプローチを提案します。
ジオハッシュを使用して車両の軌跡をセグメント化し、道路セグメントの画像表現を生成することにより、YOLOv5 (You Only Look Once バージョン 5) アルゴリズムを利用して直線道路セグメントと交差点の両方を正確に分類します。
実験結果では、全体的な分類精度が 95% という優れた結果を示しており、直線道路では 97% という驚異的な F1 スコアを達成し、交差点では 90% の F1 スコアに達しています。
このアプローチにより、時間とリソースが節約されるだけでなく、より頻繁な更新と道路ネットワークの包括的な理解が可能になります。
私たちの研究は、交通管理、都市計画、自動運転車両ナビゲーション システムに対する潜在的な影響を示しています。
コネクテッド ビークル データとディープ ラーニング モデルの融合は、道路インフラ マッピングの変革的な変化を約束し、よりスマートで安全、よりコネクテッドな交通エコシステムへと私たちを推進します。

要約(オリジナル)

In today’s rapidly evolving urban landscapes, efficient and accurate mapping of road infrastructure is critical for optimizing transportation systems, enhancing road safety, and improving the overall mobility experience for drivers and commuters. Yet, a formidable bottleneck obstructs progress – the laborious and time-intensive manual identification of intersections. Simply considering the shear number of intersections that need to be identified, and the labor hours required per intersection, the need for an automated solution becomes undeniable. To address this challenge, we propose a novel approach that leverages connected vehicle data and cutting-edge deep learning techniques. By employing geohashing to segment vehicle trajectories and then generating image representations of road segments, we utilize the YOLOv5 (You Only Look Once version 5) algorithm for accurate classification of both straight road segments and intersections. Experimental results demonstrate an impressive overall classification accuracy of 95%, with straight roads achieving a remarkable 97% F1 score and intersections reaching a 90% F1 score. This approach not only saves time and resources but also enables more frequent updates and a comprehensive understanding of the road network. Our research showcases the potential impact on traffic management, urban planning, and autonomous vehicle navigation systems. The fusion of connected vehicle data and deep learning models holds promise for a transformative shift in road infrastructure mapping, propelling us towards a smarter, safer, and more connected transportation ecosystem.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google