複雑な交通シナリオでフォトニックレーダーを使用したSVMベースのマルチターゲット検出を使用した自律車両ナビゲーションの強化

効率的な輸送システムは、スマートシティの開発に不可欠です。自動運転車とインテリジェント輸送システム（ITS）は、そのようなシステムの重要なコンポーネントであり、安全で信頼性の高い、持続可能な輸送に貢献しています。交通渋滞を軽減し、交通の流れを改善し、交通安全を高め、それにより都市の輸送がより効率的かつ環境に優しいものにすることができます。複雑なトラフィックシナリオでのマルチターゲット検出の改善を目的とした、フォトニックレーダーテクノロジーとサポートベクターマシン分類の革新的な組み合わせを提示します。私たちのアプローチの中心は、空間的多重化で増強された周波数変調連続波写真レーダーであり、困難な天候を含むさまざまな環境条件で複数のターゲットを識別できるようにします。特に、当社のシステムは、4 GHzの動作帯域幅を利用して、有害な気象条件下でさえ、7 cmの印象的な範囲解像度を達成します。この機能は、動的な交通環境での正確な検出と分類に特に重要です。レーダーシステムの低電力要件とコンパクトな設計は、自律車両の展開に適したものを強化します。包括的な数値シミュレーションを通じて、私たちのシステムは、さまざまな距離と動き状態でターゲットを正確に検出する能力を実証し、定常で75％、移動ターゲットで33％の分類精度を達成しました。この研究は、障害物の検出と分類のための洗練されたソリューションを提供し、それによって都市環境をナビゲートする自動運転車の安全性と効率を改善することにより、それに大きく貢献しています。

Efficient transportation systems are essential for the development of smart cities. Autonomous vehicles and Intelligent Transportation Systems (ITS) are crucial components of such systems, contributing to safe, reliable, and sustainable transportation. They can reduce traffic congestion, improve traffic flow, and enhance road safety, thereby making urban transportation more efficient and environmentally friendly. We present an innovative combination of photonic radar technology and Support Vector Machine classification, aimed at improving multi-target detection in complex traffic scenarios. Central to our approach is the Frequency-Modulated Continuous-Wave photonic radar, augmented with spatial multiplexing, enabling the identification of multiple targets in various environmental conditions, including challenging weather. Notably, our system achieves an impressive range resolution of 7 cm, even under adverse weather conditions, utilizing an operating bandwidth of 4 GHz. This feature is particularly crucial for precise detection and classification in dynamic traffic environments. The radar system's low power requirement and compact design enhance its suitability for deployment in autonomous vehicles. Through comprehensive numerical simulations, our system demonstrated its capability to accurately detect targets at varying distances and movement states, achieving classification accuracies of 75% for stationary and 33% for moving targets. This research substantially contributes to ITS by offering a sophisticated solution for obstacle detection and classification, thereby improving the safety and efficiency of autonomous vehicles navigating through urban environments.