FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W4375846850> ?p ?o ?g. }

• W4375846850 endingPage "26" @default.
• W4375846850 startingPage "19" @default.
• W4375846850 abstract "Цель.Решена задача определения типа дорожного покрытия (асфальтированная, гравийная дорога, мостовая) с использованием искусственного интеллекта. Методы.Предложено использовать данные об ускорении по трем осям с инерциального измерительного модуля, помещенного в транспортное средство. Массив разделен на данные, полученные на трех разных типах дорожного покрытия путем фильтрации данных по географическим координатам. Всего при частоте дискретизации 400 Гц получено 802 163 отсортированных по координатам семпла, что равно примерно 33 минутам езды на автомобиле. Для реализации алгоритма идентификации типов дорожного покрытия использована сеть долгой краткосрочной памяти (англ. long short-term memory — LSTM) — разновидность архитектуры рекуррентных нейронных сетей. Однослойная LSTM-нейронная сеть, содержащая 256 нейронов, реализована с помощью библиотеки Keras. Результаты.Эффективность идентификации типов дорожного покрытия, достигнутая в работе, равна 88.2 %. Проанализирована матрица ошибок. Большинство ошибок можно объяснить, принимая во внимание выбранную стратегию сбора данных: симуляция естественной езды на легковом автомобиле в черте города. Приведено краткое описание будущей работы по данной теме. Road condition monitoring is an essential goal for transport infrastructure. It is important for the fast and safe evolution of autonomous vehicles, useful for advanced driver assistance systems and efficient road repair. In this paper we propose a solution to the problem of identifying the type of pavement using machine learning methods. Asphalt road, gravel road and cobbled road were the types of pavement quality, which were identified. The research community uses various types of sensors and data to solve this classification problem. This paper evaluates pavement type identification using data received from the inertial measurement unit installed in a vehicle and, in particular, data generated by the accelerometers. One car was used. The traffic route was chosen so that all three types of road surface were located on a small section of the road. The obtained data was used in training the long short-term memory recurrent neural network. The achieved accuracy of identification the type of road surface was 88.2 %." @default.
• W4375846850 created "2023-05-10" @default.
• W4375846850 creator A5048078481 @default.
• W4375846850 creator A5062532880 @default.
• W4375846850 creator A5090591507 @default.
• W4375846850 date "2023-04-16" @default.
• W4375846850 modified "2023-09-23" @default.
• W4375846850 title "Neural network application to road surface typ eidentification" @default.
• W4375846850 doi "https://doi.org/10.25743/ict.2023.28.2.003" @default.
• W4375846850 hasPublicationYear "2023" @default.
• W4375846850 type Work @default.
• W4375846850 citedByCount "0" @default.
• W4375846850 crossrefType "journal-article" @default.
• W4375846850 hasAuthorship W4375846850A5048078481 @default.
• W4375846850 hasAuthorship W4375846850A5062532880 @default.
• W4375846850 hasAuthorship W4375846850A5090591507 @default.
• W4375846850 hasConcept C108583219 @default.
• W4375846850 hasConcept C111919701 @default.
• W4375846850 hasConcept C116834253 @default.
• W4375846850 hasConcept C127413603 @default.
• W4375846850 hasConcept C147176958 @default.
• W4375846850 hasConcept C154945302 @default.
• W4375846850 hasConcept C168056786 @default.
• W4375846850 hasConcept C205649164 @default.
• W4375846850 hasConcept C22212356 @default.
• W4375846850 hasConcept C2779888511 @default.
• W4375846850 hasConcept C2780042925 @default.
• W4375846850 hasConcept C41008148 @default.
• W4375846850 hasConcept C50644808 @default.
• W4375846850 hasConcept C58640448 @default.
• W4375846850 hasConcept C59822182 @default.
• W4375846850 hasConcept C64093975 @default.
• W4375846850 hasConcept C79061980 @default.
• W4375846850 hasConcept C79403827 @default.
• W4375846850 hasConcept C86803240 @default.
• W4375846850 hasConcept C89805583 @default.
• W4375846850 hasConceptScore W4375846850C108583219 @default.
• W4375846850 hasConceptScore W4375846850C111919701 @default.
• W4375846850 hasConceptScore W4375846850C116834253 @default.
• W4375846850 hasConceptScore W4375846850C127413603 @default.
• W4375846850 hasConceptScore W4375846850C147176958 @default.
• W4375846850 hasConceptScore W4375846850C154945302 @default.
• W4375846850 hasConceptScore W4375846850C168056786 @default.
• W4375846850 hasConceptScore W4375846850C205649164 @default.
• W4375846850 hasConceptScore W4375846850C22212356 @default.
• W4375846850 hasConceptScore W4375846850C2779888511 @default.
• W4375846850 hasConceptScore W4375846850C2780042925 @default.
• W4375846850 hasConceptScore W4375846850C41008148 @default.
• W4375846850 hasConceptScore W4375846850C50644808 @default.
• W4375846850 hasConceptScore W4375846850C58640448 @default.
• W4375846850 hasConceptScore W4375846850C59822182 @default.
• W4375846850 hasConceptScore W4375846850C64093975 @default.
• W4375846850 hasConceptScore W4375846850C79061980 @default.
• W4375846850 hasConceptScore W4375846850C79403827 @default.
• W4375846850 hasConceptScore W4375846850C86803240 @default.
• W4375846850 hasConceptScore W4375846850C89805583 @default.
• W4375846850 hasIssue "2" @default.
• W4375846850 hasLocation W43758468501 @default.
• W4375846850 hasOpenAccess W4375846850 @default.
• W4375846850 hasPrimaryLocation W43758468501 @default.
• W4375846850 hasRelatedWork W156629876 @default.
• W4375846850 hasRelatedWork W2079985134 @default.
• W4375846850 hasRelatedWork W2163839940 @default.
• W4375846850 hasRelatedWork W2621353408 @default.
• W4375846850 hasRelatedWork W2914866757 @default.
• W4375846850 hasRelatedWork W3010894809 @default.
• W4375846850 hasRelatedWork W3098344488 @default.
• W4375846850 hasRelatedWork W3143646918 @default.
• W4375846850 hasRelatedWork W3195988957 @default.
• W4375846850 hasRelatedWork W4294892452 @default.
• W4375846850 isParatext "false" @default.
• W4375846850 isRetracted "false" @default.
• W4375846850 workType "article" @default.