Classification and speed estimation of vehicles via tire detection using single‐element piezoelectric sensor
Notice bibliographique
Résumé
Summary This paper presents novel vehicle classification technology by utilizing a single‐element piezoelectric sensor placed diagonally on a traffic lane to accurately identify vehicles. Novelty of this technique originates from using diagonally placed piezoelectric strip sensor and machine learning technology to provide a highly accurate and cost‐effective alternative to current vehicle classification systems. Diagonal placements of the piezoelectric strip sensor ensure detection of passing vehicle tires by facilitating vehicle classification process. Presented technology is capable of accurately classifying vehicles into a relatively large number of classifications, including motorcycle, which has proven to be a challenging category in present‐day commercial vehicle classifiers. Vehicle classification is a vital intelligent transportation systems application. Accurate data reporting aids suitable roadway design for safety and capacity and can also support other purposes, such as reporting highway congestion to the general public or providing area denseness data to interested businesses. To make a classification decision, a vehicle's signal is acquired from diagonal piezoelectric strip sensor, processed, and then applied to a machine learning algorithm. A speed estimation technique using the same single‐element piezoelectric sensor was also developed, tested, and compared with an embedded vehicle classifier currently used by the Oklahoma Department of Transportation. Testing on several highway sites indicated up to 97% classification accuracy. This paper presents a complete description of the developed system, including sensor installation, data acquisition and processing, and classification algorithm. Overall, the system offers a high‐performance cost‐effective solution for vehicle classification that minimizes roadwork typically required for loop and sensor installations of current systems. Copyright © 2016 John Wiley & Sons, Ltd.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».