The Streetscape Application Services Stack (SASS): Towards a Distributed Sensing Architecture for Urban Applications

要約

都市人口の増加に伴い都市はより複雑化しており、スマートシティのビジョンを実現するために相互接続されたセンシングシステムの導入が推進されています。
これらのシステムは、多様なセンサーとリアルタイムの意思決定を統合するアプリケーションを通じて、安全性、モビリティ、生活の質を向上させることを目的としています。
歩行者の安全や適応型交通管理などの課題に重点を置く街路アプリケーションは、分散された異種センサー データの管理、時間と空間を超えた情報の調整、およびリアルタイム処理の実現に依存しています。
これらのタスクは本質的に複雑であり、多くの場合拡張が困難です。
Streetscape Application Services Stack (SASS) は、マルチモーダル データ同期、時空間データ フュージョン、分散エッジ コンピューティングという 3 つのコア サービスでこれらの課題に対処します。
これらの機能を明確なセマンティクスを備えた明確で構成可能な抽象化として構造化することで、SASS を使用すると、開発者はマルチモーダル統合の複雑さを最小限に抑えながら、街路景観アプリケーションを効率的に拡張できます。
私たちは、管理された駐車場と米国の主要都市の市街地交差点という 2 つの実際のテストベッド環境で SASS を評価しました。
これらのテストベッドにより、さまざまな条件下で SASS をテストすることができ、その実用的な適用性が実証されました。
マルチモーダル データ同期サービスは、時間的なずれエラーを 88% 削減し、50 ミリ秒以内の同期精度を達成しました。
時空間データ融合サービスは、マルチカメラの統合を活用して、歩行者と車両の検出精度を 10% 以上向上させました。
分散エッジ コンピューティング サービスにより、システムのスループットが 1 桁以上向上しました。
これらの結果を総合すると、SASS がリアルタイムでスケーラブルな都市アプリケーションをサポートするために必要な抽象化とパフォーマンスを提供し、センシング インフラストラクチャと実用的な街路景観インテリジェンスの間のギャップを埋める方法を示しています。

要約(オリジナル)

As urban populations grow, cities are becoming more complex, driving the deployment of interconnected sensing systems to realize the vision of smart cities. These systems aim to improve safety, mobility, and quality of life through applications that integrate diverse sensors with real-time decision-making. Streetscape applications-focusing on challenges like pedestrian safety and adaptive traffic management-depend on managing distributed, heterogeneous sensor data, aligning information across time and space, and enabling real-time processing. These tasks are inherently complex and often difficult to scale. The Streetscape Application Services Stack (SASS) addresses these challenges with three core services: multimodal data synchronization, spatiotemporal data fusion, and distributed edge computing. By structuring these capabilities as clear, composable abstractions with clear semantics, SASS allows developers to scale streetscape applications efficiently while minimizing the complexity of multimodal integration. We evaluated SASS in two real-world testbed environments: a controlled parking lot and an urban intersection in a major U.S. city. These testbeds allowed us to test SASS under diverse conditions, demonstrating its practical applicability. The Multimodal Data Synchronization service reduced temporal misalignment errors by 88%, achieving synchronization accuracy within 50 milliseconds. Spatiotemporal Data Fusion service improved detection accuracy for pedestrians and vehicles by over 10%, leveraging multicamera integration. The Distributed Edge Computing service increased system throughput by more than an order of magnitude. Together, these results show how SASS provides the abstractions and performance needed to support real-time, scalable urban applications, bridging the gap between sensing infrastructure and actionable streetscape intelligence.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google