澳大利亚道路安全的AiRAP自动化审核(英)(附下载)

news2024/10/6 8:00:48

ee6de1c201c5b79ff90496ded3df7f2f.jpeg

项目概况

该项目由新南威尔士州交通局(TfNSW)领导,悉尼科技大学,国际道路评估计划(iRAP)和澳大利亚地理空间数据专家Anditi的研究和协助。

该项目开展的工作是全球首创,其活动和成果是澳大利亚和世界各地的利益相关者感兴趣的。

提高安全性的原因

使我们的道路更安全的动力是由于一组可怕的统计数据。2016年至2020年间,澳大利亚道路上有1,753人丧生。仅此一项就需要关注和行动。但还需要考虑一组鲜为人知的数字。每年有超过40,000人遭受终生的、使人衰弱的伤害。

为解决这些统计数字可以采取的任何措施都需要进行评估。

AusRAP、iRAP 和 AiRAP

正如澳大利亚新车评估计划(ANCAP)评估我们道路上汽车的安全性一样,澳大利亚道路评估计划(AUSRAP)评估这些汽车将行驶的道路的安全性。

新南威尔士州交通局已经获得了其管理的18,000公里道路的AusRAP数据。该项目试图使用新方法来更快地获取有关这些道路上状态的最新信息。这些新方法将使用国际道路评估方案(iRAP)及其一套工具。AiRAP认证的数据补充了这一现有框架,增加了“......使用自动、可重复和可扩展的方法加速和智能地捕获道路安全相关数据。"

在本项目中,TomTom的MN-R数据与使用LiDAR数据和360度图像的提取技术和机器学习相结合,为新南威尔士州的州公路网捕获了20,000公里的道路属性数据。

使用此数据将导致:

  • 减少进行道路安全评估所需的时间和精力

  • 降低成本,提高收集的准确性和频率,以实现绩效跟踪和KPI监控目的

  • 改善道路安全和拯救生命

该项目在联合国第二个道路安全行动十年、澳大利亚国家道路安全战略和新南威尔士州道路安全计划期间运行,这三个计划都将道路风险评级作为道路安全管理和报告的关键组成部分。

该项目的更广泛目标是在一个可扩展和可重复的框架内做到这一点,以造福澳大利亚国家、州和地方各级以及国际上的其他司法管辖区。这将通过国际道路评估方案(iRAP)领导的新“AiRAP”倡议来实现。

在该项目下开发的AiRAP框架将为现有和新出现的数据源提供机制,为整个澳大利亚和全世界的网络级道路安全评估提供信息。

项目成果

该项目中使用的方法实现了以下目标:

  • 使用从现有数据源提取的自动数据方法交付了 20,000 公里的属性数据(7 个属性)。

  • 证明了使用“现成”数据提取 52 个星级属性的可行性,其中 34 个已获得 AiRAP 认证,可进一步使用。

  • 建立了一个认证框架,以便对其他数据源和供应商做同样的事情。

  • 为新南威尔士州绘制了承载75%车辆出行的地图道路。

  • 建立了地方政府道路网络扫描的“轻”星级方法,以及

  • 绘制了潜在的数据提供商,并估计了使用新数据源和提取方法的成本节约和效率收益。

下个阶段

在这些成就的基础上,提议开展第二个项目阶段,该阶段将:

  • 进一步开发属性数据的能力,特别是速度和流量属性

  • 地方政府道路网络的指示灯星级

  • 继续完善 AiRAP 就绪属性和类别定义以及提取技术

  • 使用数据驱动的方法对易受攻击的道路使用者流进行建模

  • 进一步发展数据市场

在最终报告《澳大利亚道路安全AiRAP自动化》中了解有关项目方法、调查结果和后续步骤的更多信息。

0b26ae75f4cfbcdaf24aa296ab1b330f.jpeg

135a10f20e8ecc988577c61cdf6995d3.jpeg

915dd63a478200f572d7982eeb338a8b.jpeg

2196d7ab931a38d419cd4e696711001b.jpeg

9daf5e0a6d4f56ac5731474367ce6b97.jpeg

1356507f58d54ce15bc964eacd0f6d52.jpeg

bb2871e8d236287bfbda96d5ffbeb285.jpeg

f7c3fbc5a2236b286709d1590166c90b.jpeg

700523beff9415faafe6a7dc1e9a59bf.jpeg

900b7b65291edb3ad002147933cf5bf3.jpeg

2db6d82f278cab31bd94d692cf6badec.jpeg

46590d72933ffef244b0a4c59f012581.jpeg

d235071b1869a8e39e8a6054d6fb5d72.jpeg

9f4dd8d87b5cd3a8b1a95116fd71979e.jpeg

dc9379dbcf7f235a9d8c2286b3cbc0e3.jpeg

c0f1857d77a7203c6f206d92825cb7fe.jpeg

a191f660caf7f402c812b61a2fd3533c.jpeg

d3b91d9a7a0c82d3d70b0ef3584d1503.jpeg

e1447cdea4c75110a151b8c1f6d87eed.jpeg

295c234cb1a2df3167fc5aafc0b5a194.jpeg

c59676f4ab83e3b7d9126543d0471d24.jpeg

808ff96b2276ce6d4ebc656fb5ab695d.jpeg

9369bc225964cadf4d9ae1d275a29167.jpeg

928a9825d0d3d3a0c6663a00ea24c95c.jpeg

d39c0859083a3077069fcc1e41513723.jpeg

107d30f420f9fae0d05579bc914a4d5e.jpeg

b2fbdfaa85977390fb6edb05a6eb223a.jpeg

3947eadae0735b21f5544bdb35619571.jpeg

4ba1a3352584fb0b4d224f6f01047abf.jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/622425.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

15、库函数开发小结

目录 0x01、初始化 0x02、数据输入输出 0x03、状态位、标志位 0x0001、事件 0x0002、标志位的检查与清除 0x04、外设函数分类 本节我们来总结一下ST库开发的步骤和共同点,在总结之前,我们来看一下基本所有外设都有的以下几类寄存器: 1…

chatgpt赋能python:Python就业指南:市场现状、薪资情况及就业前景

Python就业指南:市场现状、薪资情况及就业前景 Python作为一门既新颖又多用的编程语言,已经引起了越来越多的关注。据统计,在2019年,全球Python使用者数已经达到了960万人。而在中国,Python的应用也越来越普及&#x…

PolyFormer:将图像分割称为顺序多边形生成

文章目录 PolyFormer: Referring Image Segmentation as Sequential Polygon Generation\摘要本文方法Multi-modal Transformer EncoderRegression-based Transformer Decoder 实验结果 PolyFormer: Referring Image Segmentation as Sequential Polygon Generation\ 摘要 在…

为什么会有分布式锁?分布式锁实现方案

分布式锁是控制分布式系统之间同步访问共享资源的一种方式。分布式环境下会出现资源竞争的地方都需要分布式锁的协调。 分布式锁的作用:在整个系统提供一个全局、唯一的锁,在分布式系统中每个系统在进行相关操作的时候需要获取到该锁,才能执…

Calibre 6.18.1 正式发布,功能强大的开源电子书工具

导读Calibre 开源项目是 Calibre 官方出的电子书管理工具。它可以查看,转换,编辑和分类所有主流格式的电子书。Calibre 是个跨平台软件,可以在 Linux、Windows 和 macOS 上运行。 Calibre 6.18.1 正式发布,此次更新内容如下&#…

数据挖掘(6.1)--神经网络

目录 神经网络简介 BP算法 Delta学习规则的基本原理 BP神经网络的结构 BP神经网络的算法描述 神经网络训练一般步骤 后向传播算法的主要步骤 优缺点 BP算法简单举例 神经网络简介 神经网络是一种计算模型,它受到人脑处理信息的生物神经网络过程的启发。人…

围绕工业 APT 攻击的主要问题

高级持续威胁 (APT) 行动在受害者网络内取得成功的关键因素包括人为因素、安全措施不足、网络安全解决方案更新和配置方面的挑战以及其他因素。 虽然其中一些原因可能看起来微不足道,但卡巴斯基专家在事件响应活动中经常遇到这些问题。 为帮助公司减轻相关威胁并确…

win系统将脚手架的软链接指向本地脚手架

先了解一下脚手架研发、发布、安装、调试发大致流程: 本地研发,具体研发过程略当前目录下登录npm npm login发布脚手架 npm publish安装脚手架 npm i -g xxxx(win系统会在系统盘的nodejs文件夹下自动添加脚手架执行命令和执行文件&#xff0…

94.构建样品餐部分第二节

上节课完成的页面是这样的 ● 之后我们设置一下图标 .meal-attribute {font-size: 1.8rem;font-weight: 500;display: flex;align-items: center;gap: 1.6rem; }.meal-img {width: 100%; }.meal-icon {height: 2.4rem;width: 2.4rem;color: #e67e22; }● 为了突出这些参数的…

Go1.21 速览:新内置函数 clear、min、max 和新标准库包 cmp!

大家好,我是煎鱼。 前面给大家分享了 Go1.21 正式不支持 macOS 10.13 和 10.14 的支持。吓得我赶紧把我的 2017 款的老爷机从 10.14 升成 13.4。感觉 mbp 已经变成了暖宝宝。😅 今天给大家分享的是 Go 1.21 中的两个双新增项,分别是新的 3 个…

QTYX量化系统实战案例分享|涨停股池中寻找反弹机会-202306

前言 “实战案例分享系列”是和大家分享一些股票量化分析工具QTYX在实战中的应用案例(包括失败的案例),这样能够帮助大家更好地去理解QTYX中的功能设计,也能更好地帮助大家搭建出属于自己的量化交易系统。 关于QTYX的使用攻略可以…

Clion开发STM32之链接文件进行模块的一个解耦(编程方式)

问题的引入 在单片机的开发过程中,往往涉及到驱动的移植,但是移植的过程中又会去添加和修改主逻辑的驱动引脚初始化或时钟初始化,这里面就会存在一个问题就是:改动的地方太多了,容易影响到其它功能模块。所以能不能做…

200SMART CPU输入/输出接线的几个关键点

总结来看,S7-200系列PLC提供4个不同的基本型号的8种CPU,其接线方式也可大致分为6种: 1.CPU SR20接线 2.CPU SR40接线 3.CPU CR40接线 4.CPU ST40接线 5. CPU SR60接线 6. CPU ST60接线 除了CPU外,我们还需要了解200smart PLC的数…

Rocketmq面试(二)Rocketmq如何保证消息不丢失

如果想要保证消息不丢失就要知道,消息可能出现丢失得地方。 1.producer发送消息 2.Broker存储消息 3.Consumer消费消息 4.Broker主从切换 下面一共有9个维度可以保证消息不丢失。 目录 维度一:同步发送 维度二.异步发送 维度三.刷盘策略 维度四…

后端——平台登录功能实战

这里写目录标题 一、登录接口设计示意图二、后端设计三、创建用户表四、后端鉴权逻辑五、登录接口实现六、使用 JWT 生成 token七、路由鉴权八、登录与测试用例服务结合九、跨域一、登录接口设计示意图 二、后端设计 三、创建用户表 db=SQLAlchemy(app

华尔街新风向:多基金失英伟达机会

在过去一年多的美联储暴力加息周期中,科技成长股一直不怎么受到主流投资者待见,但面对今年美股“人工智能涨个不停”的局面后,过去两周里大量的知名基金都在撒开脚丫子狂追高速狂飙的“英伟达列车”。 根据监管文件显示,包括道富…

视频与AI,与进程交互(一)

目的 正在写一个视频与AI的工具,从接入,算法处理,转发,存储, 到调用AI进程,并且与AI进程进行交互,插件化,脚本化,做得比较辛苦,期间的进程和线程交互以及结果…

基于奥比中光深度相机进行虹膜识别处理

MATLAB仿真实现效果展示 图1 奥比中光红外深度相机拍摄效果 MATLAB仿真红外效果的图片,使用奥比中光的Astra_Pro深度相机和Astra进行拍摄,效果很好。 声明:本文的虹膜识别系统模型参考了西澳大利亚大学,计算机科学与软件工程学…

Spark 优化

1.RDD分区数 Task是作用在每个分区上的,每个分区至少需要一个Task去处理 改变分区数可间接改变任务的并行度,类似手动指定Reduce数量 第一个RDD的分区数由切片的数量决定 默认情况下子RDD的分区数等于父RDD的分区数 Shuflle类算子可手动指定RDD分区数 设…

chatgpt赋能python:Python屏幕截图并保存:简单易用的库

Python屏幕截图并保存:简单易用的库 屏幕截图是程序员们在软件开发中常用到的一个小技巧,对于调试、记录Bug、编写文档等方面有极大的帮助。而其中,Python成为了众多程序员的利器之一。 在Python中,大量的库提供了屏幕截图的方法…