Vulnerable Road User Detection and Safety Enhancement: A Comprehensive Survey

要約

道路交通弱者(VRU)が関与する交通事故は、世界の交通事故のかなりの部分を占めています。
交通通信エコシステムの進歩と、高度な信号処理および機械学習技術の組み合わせにより、さまざまなセンサーからのデータの利用が容易になりました。
これらの進歩と広範なデータセットの利用可能にもかかわらず、交通死傷者を軽減するには大幅な進歩が必要です。
このペーパーでは、VRU の安全性を強化するための最先端のテクノロジーと方法論の包括的な調査を提供します。
この研究では、車両と VRU 間の通信ネットワークを詳しく調査し、高度なセンサーの統合と関連データセットの可用性を強調しています。
センサーデータの品質を向上させるための前処理技術とデータ融合方法を検討します。
さらに、私たちの研究では、VRU 安全システムの開発とテストに不可欠な重要なシミュレーション環境を評価しています。
私たちの調査では、変動する環境条件などの課題に対処する、VRU の検出および分類アルゴリズムの最近の進歩にも焦点を当てています。
さらに、プロアクティブな衝突回避戦略にとって重要な、VRU の意図と動作を予測する最先端の研究についても取り上げます。
この調査を通じて、VRU 安全技術の現在の状況を包括的に理解し、進歩している領域とさらなる研究開発が必要な領域を特定することを目的としています。

要約(オリジナル)

Traffic incidents involving vulnerable road users (VRUs) constitute a significant proportion of global road accidents. Advances in traffic communication ecosystems, coupled with sophisticated signal processing and machine learning techniques, have facilitated the utilization of data from diverse sensors. Despite these advancements and the availability of extensive datasets, substantial progress is required to mitigate traffic casualties. This paper provides a comprehensive survey of state-of-the-art technologies and methodologies to enhance the safety of VRUs. The study delves into the communication networks between vehicles and VRUs, emphasizing the integration of advanced sensors and the availability of relevant datasets. It explores preprocessing techniques and data fusion methods to enhance sensor data quality. Furthermore, our study assesses critical simulation environments essential for developing and testing VRU safety systems. Our research also highlights recent advances in VRU detection and classification algorithms, addressing challenges such as variable environmental conditions. Additionally, we cover cutting-edge research in predicting VRU intentions and behaviors, which is crucial for proactive collision avoidance strategies. Through this survey, we aim to provide a comprehensive understanding of the current landscape of VRU safety technologies, identifying areas of progress and areas needing further research and development.

arxiv情報

著者 Renato M. Silva,Gregório F. Azevedo,Matheus V. V. Berto,Jean R. Rocha,Eduardo C. Fidelis,Matheus V. Nogueira,Pedro H. Lisboa,Tiago A. Almeida
発行日 2024-05-29 15:42:10+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.LG パーマリンク