論文の概要: Improving Fuzzy-Logic based Map-Matching Method with Trajectory Stay-Point Detection

• arxiv url: http://arxiv.org/abs/2208.02881v1
• Date: Thu, 4 Aug 2022 20:41:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-08 12:05:11.666416
• Title: Improving Fuzzy-Logic based Map-Matching Method with Trajectory Stay-Point Detection
• Title（参考訳）: 軌跡残留点検出によるファジィ論理に基づく地図マッチング法の改良
• Authors: Minoo Jafarlou, Omid Mahdi Ebadati E., Hassan Naderi
• Abstract要約: 多くのGPS軌跡データセットには、静止点の不規則性が含まれており、地図マッチングアルゴリズムは、無関係な道路へのミスマッチ軌跡を作る。 我々は,DBSCANを用いた軌道データセット内の静止点をクラスタ化し,冗長データを排除し,マップマッチングアルゴリズムの効率を向上する。 提案手法は,従来のファジィ論理に基づくマップマッチング手法と同じ精度で,データサイズを27.39%削減し,処理時間を8.9%削減する。
• 参考スコア（独自算出の注目度）: 3.093890460224435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The requirement to trace and process moving objects in the contemporary era gradually increases since numerous applications quickly demand precise moving object locations. The Map-matching method is employed as a preprocessing technique, which matches a moving object point on a corresponding road. However, most of the GPS trajectory datasets include stay-points irregularity, which makes map-matching algorithms mismatch trajectories to irrelevant streets. Therefore, determining the stay-point region in GPS trajectory datasets results in better accurate matching and more rapid approaches. In this work, we cluster stay-points in a trajectory dataset with DBSCAN and eliminate redundant data to improve the efficiency of the map-matching algorithm by lowering processing time. We reckoned our proposed method's performance and exactness with a ground truth dataset compared to a fuzzy-logic based map-matching algorithm. Fortunately, our approach yields 27.39% data size reduction and 8.9% processing time reduction with the same accurate results as the previous fuzzy-logic based map-matching approach.
• Abstract（参考訳）: 多くのアプリケーションが素早く正確な移動物体の位置を要求するため、現代における移動物体の追跡と処理の必要性は徐々に増大する。 マップマッチング手法は,対応する道路上の移動物体点と一致する前処理技術として用いられる。 しかし、GPS軌道データセットのほとんどが静止点の不規則性を含んでいるため、地図マッチングアルゴリズムは無関係な道路へのミスマッチ軌道を作る。 したがって、GPSトラジェクトリデータセットの静止領域を決定することは、より正確なマッチングとより迅速なアプローチをもたらす。 本研究では,DBSCANを用いたトラジェクトリデータセット内の静止点をクラスタリングし,冗長データを排除し,処理時間を短縮することでマップマッチングアルゴリズムの効率を向上させる。 ファジィ論理に基づくマップマッチングアルゴリズムと比較し,基底真理データセットを用いて提案手法の性能と正確性を検討した。 幸いなことに,従来のファジィ論理に基づくマップマッチング手法と同じ精度でデータサイズを27.39%削減し,処理時間を8.9%削減した。

関連論文リスト

• NavTopo: Leveraging Topological Maps For Autonomous Navigation Of a Mobile Robot [1.0550841723235613]
  トポロジマップと2段階の経路計画に基づく完全なナビゲーションパイプラインを提案する。 パイプラインは、入力ポイントクラウドのニューラルネットワーク記述子と2Dプロジェクションをマッチングすることで、グラフにローカライズする。 提案手法は,大規模な室内光相対論的シミュレーション環境でテストし,一般的な計量マッピング手法であるRTAB-MAPに基づく計量地図に基づく手法と比較する。
  論文  参考訳（メタデータ） (2024-10-15T10:54:49Z)
• Local All-Pair Correspondence for Point Tracking [59.76186266230608]
  ビデオシーケンス間の任意の点(TAP)を追跡するタスクのために設計された,高精度かつ効率的なモデルであるLocoTrackを紹介する。 LocoTrackは、すべてのTAP-Vidベンチマークで未整合の精度を実現し、現在の最先端の約6倍の速度で動作している。
  論文  参考訳（メタデータ） (2024-07-22T06:49:56Z)
• Performance Evaluation of GPS Trajectory Rasterization Methods [0.0]
  GPSトラジェクトリは、交通密度の検出、トランスポートモードの検出、マッピングデータに使用される重要なデータソースである。 データサイズが大きくなる一方、この種のデータの効率的な表現は、これらの手法での使用が困難になっている。 本研究では,QGIS,PostGIS+QGISの空間結合関数と,Pythonプログラム言語で符号化された構造化グリッド実装を用いてGPSデータの軌跡化を評価する。
  論文  参考訳（メタデータ） (2024-01-03T11:25:11Z)
• Improving Online Lane Graph Extraction by Object-Lane Clustering [106.71926896061686]
  本稿では,局所レーングラフの推定精度を向上させるために,アーキテクチャと損失の定式化を提案する。 提案手法は,中心線をクラスタ中心とすることで,対象を中心線に割り当てることを学ぶ。 提案手法は既存の3次元オブジェクト検出手法の出力を用いて,大幅な性能向上を実現することができることを示す。
  論文  参考訳（メタデータ） (2023-07-20T15:21:28Z)
• Linearized Wasserstein dimensionality reduction with approximation guarantees [65.16758672591365]
  LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。 我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。 また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
  論文  参考訳（メタデータ） (2023-02-14T22:12:16Z)
• A Map-matching Algorithm with Extraction of Multi-group Information for Low-frequency Data [9.476212160807549]
  本稿では,「ビッグデータ」をフル活用する新しい地図マッチング手法を考案する。 現在のマッチングプローブから空間的および時間的距離に応じて、全てのデータを4つのグループに分類する。 修正されたトップKショートパス法を用いて、楕円領域内の候補パスを探索し、融合スコアを用いて経路を推測する。
  論文  参考訳（メタデータ） (2022-09-18T08:09:17Z)
• Find a Way Forward: a Language-Guided Semantic Map Navigator [53.69229615952205]
  本稿では,新たな視点で言語誘導ナビゲーションの問題に対処する。 ロボットが自然言語の指示を実行し、地図観測に基づいて目標位置へ移動できるようにする。 提案手法は特に長距離ナビゲーションの場合において顕著な性能向上をもたらす。
  論文  参考訳（メタデータ） (2022-03-07T07:40:33Z)
• Class agnostic moving target detection by color and location prediction of moving area [11.326363150470204]
  移動目標検出はコンピュータビジョンにおいて重要な役割を果たす。 ディープラーニングベースの畳み込みニューラルネットワークのような最近のアルゴリズムは、高精度でリアルタイムのパフォーマンスを実現している。 モデル自由移動目標検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-24T12:34:58Z)
• FMODetect: Robust Detection and Trajectory Estimation of Fast Moving Objects [110.29738581961955]
  高速移動物体の検出と軌道推定のための最初の学習ベースアプローチを提案する。 提案手法は, 高速移動物体を軌道への切り離された距離関数として検出する。 シャープな外観推定のために,エネルギー最小化に基づくデブロワーリングを提案する。
  論文  参考訳（メタデータ） (2020-12-15T11:05:34Z)
• Automatic extraction of road intersection points from USGS historical map series using deep convolutional neural networks [0.0]
  道路交差点のデータは、異なる地理空間的応用と分析に利用されてきた。 我々は、ディープ畳み込みニューラルネットワークを領域ベースCNNと呼ばれるオブジェクト検出タスクに使用する標準パラダイムを採用した。 また、従来のコンピュータビジョンアルゴリズムと比較して、RCNNはより正確な抽出を提供する。
  論文  参考訳（メタデータ） (2020-07-14T23:51:15Z)
• Road Network Metric Learning for Estimated Time of Arrival [93.0759529610483]
  本稿では,ATA(Estimated Time of Arrival)のための道路ネットワークメトリックラーニングフレームワークを提案する。 本研究は,(1)走行時間を予測する主回帰タスク,(2)リンク埋め込みベクトルの品質向上のための補助的計量学習タスクの2つの構成要素から構成される。 提案手法は最先端モデルよりも優れており,その促進は少ないデータでコールドリンクに集中していることを示す。
  論文  参考訳（メタデータ） (2020-06-24T04:45:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。