論文の概要: A Map-matching Algorithm with Extraction of Multi-group Information for
Low-frequency Data
- arxiv url: http://arxiv.org/abs/2209.08500v1
- Date: Sun, 18 Sep 2022 08:09:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 20:13:46.973977
- Title: A Map-matching Algorithm with Extraction of Multi-group Information for
Low-frequency Data
- Title(参考訳): 低周波データに対するマルチグループ情報の抽出とマップマッチングアルゴリズム
- Authors: Jie Fang, Xiongwei Wu, Dianchao Lin, Mengyun Xu, Huahua Wu, Xuesong Wu
and Ting Bi
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 9.476212160807549
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The growing use of probe vehicles generates a huge number of GNSS data.
Limited by the satellite positioning technology, further improving the accuracy
of map-matching is challenging work, especially for low-frequency trajectories.
When matching a trajectory, the ego vehicle's spatial-temporal information of
the present trip is the most useful with the least amount of data. In addition,
there are a large amount of other data, e.g., other vehicles' state and past
prediction results, but it is hard to extract useful information for matching
maps and inferring paths. Most map-matching studies only used the ego vehicle's
data and ignored other vehicles' data. Based on it, this paper designs a new
map-matching method to make full use of "Big data". We first sort all data into
four groups according to their spatial and temporal distance from the present
matching probe which allows us to sort for their usefulness. Then we design
three different methods to extract valuable information (scores) from them: a
score for speed and bearing, a score for historical usage, and a score for
traffic state using the spectral graph Markov neutral network. Finally, we use
a modified top-K shortest-path method to search the candidate paths within an
ellipse region and then use the fused score to infer the path (projected
location). We test the proposed method against baseline algorithms using a
real-world dataset in China. The results show that all scoring methods can
enhance map-matching accuracy. Furthermore, our method outperforms the others,
especially when GNSS probing frequency is less than 0.01 Hz.
- Abstract(参考訳): 探査機の利用が増加すると、大量のGNSSデータが生成される。
衛星測位技術によって制限され、地図マッチングの精度をさらに向上することは、特に低周波軌道において難しい作業である。
軌跡と一致する場合、エゴ車両の現在旅行の時空間情報は、最も少ないデータ量で最も有用である。
また、他の車両の状態や過去の予測結果など、他にも大量のデータがあるが、地図のマッチングや経路の推測に有用な情報を抽出することは困難である。
ほとんどの地図マッチング研究はエゴ車のデータのみを使用し、他の車両のデータを無視した。
そこで本研究では,「ビッグデータ」をフル活用するための新しい地図マッチング手法を考案した。
まず,その空間的および時間的距離に応じて,全データを4つのグループに分類し,その有用性を整理する。
次に, 速度と軸受のスコア, 歴史的利用のスコア, スペクトルグラフマルコフ中立ネットワークを用いたトラヒック状態のスコアという, 価値情報(スコア)を抽出するための3つの異なる手法を考案した。
最後に,改良されたtop-k shortest-path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(投影位置)を推定する。
中国における実世界のデータセットを用いて,提案手法をベースラインアルゴリズムに対してテストした。
その結果,すべてのスコアリング手法が地図マッチング精度を向上させることがわかった。
さらに, GNSS の周波数が 0.01 Hz 未満の場合には, 本手法は他の手法よりも優れる。
関連論文リスト
- GOTLoc: General Outdoor Text-based Localization Using Scene Graph Retrieval with OpenStreetMap [4.51019574688293]
GOTLOCは,GPS信号が利用できない屋外環境でも動作可能な,ロバストな位置決め手法である。
本手法は,テキスト記述と地図から生成されたシーングラフの比較を利用して,ロバストなローカライゼーションを実現する。
提案手法は,ポイントクラウドマップに依存するアルゴリズムに匹敵する精度を実現する。
論文 参考訳(メタデータ) (2025-01-15T04:51:10Z) - Inferring Neural Signed Distance Functions by Overfitting on Single Noisy Point Clouds through Finetuning Data-Driven based Priors [53.6277160912059]
本稿では,データ駆動型およびオーバーフィット型手法のプロースを推進し,より一般化し,高速な推論を行い,より高精度なニューラルネットワークSDFを学習する手法を提案する。
そこで本研究では,距離管理やクリーンポイントクラウド,あるいは点正規化を伴わずに,データ駆動型プリエントを微調整できる新しい統計的推論アルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-10-25T16:48:44Z) - Minimally Supervised Learning using Topological Projections in
Self-Organizing Maps [55.31182147885694]
自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。
提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。
提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
論文 参考訳(メタデータ) (2024-01-12T22:51:48Z) - Radio Map Estimation -- An Open Dataset with Directive Transmitter
Antennas and Initial Experiments [49.61405888107356]
実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。
モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
論文 参考訳(メタデータ) (2024-01-12T14:56:45Z) - 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) - Automated classification of pre-defined movement patterns: A comparison
between GNSS and UWB technology [55.41644538483948]
リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。
本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
論文 参考訳(メタデータ) (2023-03-10T14:46:42Z) - Improving Fuzzy-Logic based Map-Matching Method with Trajectory
Stay-Point Detection [3.093890460224435]
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。
論文 参考訳(メタデータ) (2022-08-04T20:41:13Z) - AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。
我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
論文 参考訳(メタデータ) (2022-01-31T20:02:22Z) - Topo-boundary: A Benchmark Dataset on Topological Road-boundary
Detection Using Aerial Images for Autonomous Driving [11.576868193291997]
オフライントポロジカル道路境界検出のための新しいベンチマークデータセットであるtextitTopo-boundaryを提案する。
データセットには21,556$1000times 1000$-size 4-channel aerial imageが含まれる。
データセットを用いて,3つのセグメンテーションベースラインと5つのグラフベースラインを実装し,評価する。
論文 参考訳(メタデータ) (2021-03-31T14:42:00Z) - 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。