エッジAIを用いた道路異常検知及びV2V、I2V、V2I可能性

初めまして、みずぺーといいます。
このnoteを機に初めて私を知った方のために、箇条書きで自己紹介を記述します。

• 年齢：28歳

• 出身：長崎

• 大学：中堅国立大学

• 専門：河川、河川計画、河道計画、河川環境

• 転職回数：1回（建設（2年9か月）→IT系年収100万up（現職3か月））

• IT系の資格：R5.4基本情報技術者試験合格💮、R5.5G資格

現在私は自動車系の業務にかかわっています。
そのため本記事では、今後の自動車業界の移り変わりを私の予測踏まえて話そうと思います。

エッジAIを用いた道路異常検知及びV2V、I2V、V2I可能性

車両のビデオ映像や道路カメラ、センサーからのデータポイントをAIで分析し、異常や落下物を検出します。

この手法は、特に自動運転車両の安全性を向上させるために使用されます

Edge AI-Based Automated Detection and Classification of Road Anomalies in VANET Using Deep Learning

Edge AI-Based Automated Detection and Classification of Road Anomalies in VANET Using Deep Learning

背景と問題及び課題

道路の異常は、気候変動、建設材料の低品質、大量の交通流、重量車両などにより急速に増加しており、これらの異常の検出と修復は、運転者、乗客、車両の安全性を保つために必要です。

新規性

・エッジAI上でAI処理を行う技術
・VANET（車両アドホックネットワーク（車両間や車両とインフラストラクチャ間で通信ネットワーク））

このメカニズムは、自動車が道路異常を自動的に検出し、その情報を次に来る車両に提供を可能にします。

方法①

1. エッジAIによる物体をインフラに提供（V2I）

2. インフラ間で情報共有（I2I）

3. インフラからほかの車両に提供（I2V）

方法②

1. エッジAIによる物体をほかの車両に提供（V2V）

どれも車が起点となりサブがインフラもしくは車で解決する世の中。

エッジAIとVANETを用いた異常検知及び車両への提供

カメラで撮影した道路画像と、車両内で道路異常検出のために展開された訓練済みモデルを使用することで、事故率と貧弱な道路状況による危険のリスクを減らすことができます。

結果
この研究では、異常のある道路と異常のない道路を自動的に検出し分類するために、Residual Convolutional Neural Network（ResNet-18）とVisual Geometry Group（VGG-11）という技術が使用された。

今後はその結果を元にV2V、V2I、I2Vへと展開する想定。