エッジクラウドセンサーフュージョンとCNNベースのパーセプトロンによるリアルタイム車両制御

科学分野:

• インテリジェント交通システム;エッジコンピューティング;深層学習

背景:

• リアルタイム車両制御はインテリジェント交通システムにとって極めて重要であり、認識と意思決定のための迅速なセンサーデータ処理に依存しています。;現在のシステムは、さまざまな環境条件への適応や運用上の安全性の確保に課題を抱えています。

研究 の 目的:

• 深層学習とIoTセンサーフュージョンを統合したハイブリッドエッジクラウド手法を開発し、適応型車両制御を実現すること。;多様な運転シナリオ下での物体検出、停止時間予測、およびブレーキ制御を強化すること。

主な方法:

• 認識タスクのために、超音波範囲データと畳み込みニューラルネットワーク（CNN）を融合して利用しました。;処理と制御のためにハイブリッドエッジクラウドアーキテクチャを実装しました。;エッジハードウェア（Jetson Nano、Raspberry Pi）で、通常のおよびシミュレートされた悪条件下でCNNモデルをトレーニングおよび評価しました。

主要な成果:

• 通常の条件下でR² = 0.99、悪条件下でR² = 0.98という高いパフォーマンスを達成しました。;平均二乗誤差（MSE）は0.0085と低く記録されました。;リアルタイムエッジ展開に適した低推論遅延（110〜230 ms）を実証しました。

結論:

• ハイブリッドエッジクラウドアプローチは、IoTセンサーフュージョンとCNNベースの認識を通じて、適応型リアルタイム車両制御を可能にします。;このシステムは、さまざまな運転条件下での予測精度と運用安全性を向上させます。;インテリジェント交通アプリケーションのための低コストエッジデバイスへの深層学習の展開の実現可能性を確認します。