Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Replay traffic: Visualisering och upptäckt av trafiksituationer ur stora datamängder
Responsible organisation
2024 (Swedish)Report (Other academic)
Abstract [sv]

Slutrapporten är framtagen med ekonomiskt stöd från Trafikverket Skyltfonden. Ståndpunkter, slutsatser och arbetsmetoder i rapporten reflekterar författaren och överensstämmer inte med nödvändighet med Trafikverkets ståndpunkter, slutsatser och arbetsmetoder inom rapportens ämnesområde. 

I projektet har XENSE Vision tagit fram ett visualiseringsverktyg som analyserar trackingdata från stereokameror på ett nytt sätt. Dels så kan specifika trafiksituationer hittas i stora mängder sparad trackingdata, där en användare söker efter tillfällen då vissa uppsatta regler är uppfyllda. Dels så kan dessa situationer visualiseras på ett sätt så att det liknar den riktiga situationen. Genom att rendera olika objekt med digitala fordon och personer i en 3D-bakgrund av trafikplatsen kan situationerna ”återupplevas” liknande som i ett datorspel. Förhoppningen är att dessa återupplevda trafiksituationer ska kunna göra att faror identifieras, kvantifieras och i bästa fall förebyggs. I initiala diskussioner med potentiella framtida användare av verktyget på kommuner så finns det en stark optimism för att tekniken kan skapa stora nyttor inom trafiksäkerhet. Det finns många olika sätt att utveckla tekniken vidare, dels för att förfina den men även för att gå in på andra områden. Resultaten avses att spridas främst genom kommersiella implementationer av tekniken.

Place, publisher, year, edition, pages
2024. , p. 12
Series
Skyltfonden
Keywords [sv]
Visualiseringsverktyg, trackingdata, trafiksäkerhet, 3D-verktyg, väg
National Category
Computer graphics and computer vision
Research subject
Skyltfonden, Skyltfonden - Verktyg/Övrigt
Identifiers
URN: urn:nbn:se:trafikverket:diva-16317OAI: oai:DiVA.org:trafikverket-16317DiVA, id: diva2:1896508
Funder
Swedish Transport Administration, TRV 2022/114246Available from: 2024-09-10 Created: 2024-09-10 Last updated: 2025-09-04

Open Access in DiVA

No full text in DiVA

Computer graphics and computer vision

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 216 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf