Temporal Enhanced Floating Car Observers

要約

Floating Car Observers (FCO) は、センサーを搭載した車両を配備して他の車両を検出して位置を特定することにより、交通データを収集する革新的な方法です。
私たちは、FCO の普及率が低くても、特定の交差点で大量の車両を識別できることを実証しました。
これは、微細な交通シミュレーション内での検出のエミュレーションによって実現されます。
さらに、前の瞬間のデータを活用することで、現在のフレーム内の車両の検出を強化できます。
私たちの調査結果は、20 秒の観察ウィンドウを使用すると、現在のタイムステップで FCO によって認識されない車両の最大 20\% を回収できることを示しています。
これを活用するために、検出された車両の鳥瞰図 (BEV) 表現のシーケンスと深層学習モデルを利用する、データ駆動型の戦略を開発しました。
このアプローチは、現在検出されていない車両を現時点で表示し、現在検出されている車両を強化することを目的としています。
さまざまな時空間アーキテクチャの結果は、車両の最大 41\% を現在の位置で現在のタイムステップに回復できることを示しています。
この機能強化により、FCO が最初に利用できる情報が充実し、トラフィック管理戦略の実装を改善するために、トラフィックの状態とメトリクス (密度やキューの長さなど) の推定を改善できるようになります。

要約(オリジナル)

Floating Car Observers (FCOs) are an innovative method to collect traffic data by deploying sensor-equipped vehicles to detect and locate other vehicles. We demonstrate that even a small penetration rate of FCOs can identify a significant amount of vehicles at a given intersection. This is achieved through the emulation of detection within a microscopic traffic simulation. Additionally, leveraging data from previous moments can enhance the detection of vehicles in the current frame. Our findings indicate that, with a 20-second observation window, it is possible to recover up to 20\% of vehicles that are not visible by FCOs in the current timestep. To exploit this, we developed a data-driven strategy, utilizing sequences of Bird’s Eye View (BEV) representations of detected vehicles and deep learning models. This approach aims to bring currently undetected vehicles into view in the present moment, enhancing the currently detected vehicles. Results of different spatiotemporal architectures show that up to 41\% of the vehicles can be recovered into the current timestep at their current position. This enhancement enriches the information initially available by the FCO, allowing an improved estimation of traffic states and metrics (e.g. density and queue length) for improved implementation of traffic management strategies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google