Towards Intelligent Transportation with Pedestrians and Vehicles In-the-Loop: A Surveillance Video-Assisted Federated Digital Twin Framework

作者: Xiaolong Li, Jianhao Wei, Haidong Wang, Li Dong, Ruoyang Chen, Changyan Yi, Jun Cai, Dusit Niyato, Xuemin, Shen

发布时间: 2025-03-07

来源: arxiv

研究方向: 智能交通系统（ITS）中的数字孪生和融合感知技术

主要内容

该研究提出了一种名为SV-FDT的框架，旨在通过融合监控视频和数字孪生技术，实现包含行人和车辆在内的智能交通系统。该框架通过多源监控视频构建行人和车辆交互模型，并在云端和边缘设备之间进行分布式数据处理。

1. 提出了一个名为SV-FDT的监控视频辅助联邦数字孪生框架，用于实现包含行人和车辆在内的智能交通系统。

2. 分析了基于语义分割的FDT构建的关键设计需求和挑战。

3. 通过案例研究验证了SV-FDT框架在优化交通管理方面的有效性。

4. 总结了该领域中的开放性挑战和未来研究方向。

1. 云-边-端协同架构

2. 语义分割技术

3. 基于代理的交互建模

4. 联邦学习

5. 边缘计算

6. 数字孪生

实验结果表明，SV-FDT在镜像延迟、识别精度和主观评估方面优于传统的终端服务器框架。它能够实现更快的响应时间和更高的识别准确性，并提供了更好的用户体验。

未来工作将集中于以下几个方面：多模态融合以提高数字孪生的精确度；优化跨不同车载通信系统的数字孪生同步；将数字孪生扩展到未来的超空间智能交通系统；在自我演化的FDT系统中实现最优的交通信号控制。