論文の概要: Compression of GPS Trajectories using Autoencoders

• arxiv url: http://arxiv.org/abs/2301.07420v1
• Date: Wed, 18 Jan 2023 10:32:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-19 16:16:43.796540
• Title: Compression of GPS Trajectories using Autoencoders
• Title（参考訳）: オートエンコーダを用いたGPS軌道の圧縮
• Authors: Michael K\"olle, Steffen Illium, Carsten Hahn, Lorenz Schauer, Johannes Hutter and Claudia Linnhoff-Popien
• Abstract要約: 我々は,GPSトラジェクトリを圧縮・再構成するために,lstm-autoencoder を用いた手法を提案する。 この性能は他の軌道圧縮アルゴリズム(ダグラス・ペッカー)と比較される。
• 参考スコア（独自算出の注目度）: 6.044912425856236
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ubiquitous availability of mobile devices capable of location tracking led to a significant rise in the collection of GPS data. Several compression methods have been developed in order to reduce the amount of storage needed while keeping the important information. In this paper, we present an lstm-autoencoder based approach in order to compress and reconstruct GPS trajectories, which is evaluated on both a gaming and real-world dataset. We consider various compression ratios and trajectory lengths. The performance is compared to other trajectory compression algorithms, i.e., Douglas-Peucker. Overall, the results indicate that our approach outperforms Douglas-Peucker significantly in terms of the discrete Fr\'echet distance and dynamic time warping. Furthermore, by reconstructing every point lossy, the proposed methodology offers multiple advantages over traditional methods.
• Abstract（参考訳）: 位置追跡が可能なモバイルデバイスがユビキタスに利用可能になったことで、GPSデータの収集が大幅に増加した。 重要な情報を保存しながら必要なストレージ量を削減するために、いくつかの圧縮手法が開発されている。 本稿では,ゲームと実世界の両方で評価されるgpsトラジェクタを圧縮・再構成するために,lstm-autoencoderに基づく手法を提案する。 様々な圧縮比と軌道長を考慮する。 性能は他の軌道圧縮アルゴリズム、すなわちダグラス・ポーカーと比較される。 総じて、我々のアプローチは離散的なfr\'echet距離と動的時間ゆがみの点でダグラス・パイカーを著しく上回っていることを示している。 さらに,全ての損失点を再構築することにより,提案手法は従来の手法よりも多くの利点をもたらす。

関連論文リスト

• AutoFlow: An Autoencoder-based Approach for IP Flow Record Compression with Minimal Impact on Traffic Classification [0.0]
  本稿では,深層学習,特にオートエンコーダを用いたIPフローレコードの圧縮手法を提案する。 本研究では,大規模な実世界のネットワークトラフィックデータセットを用いた大規模な実験を通じて,本手法の有効性を実証する。 この作業の影響は、より効率的なネットワーク監視、リソース制約のある環境でのリアルタイム分析、スケーラブルなネットワーク管理ソリューションにまで及んでいる。
  論文  参考訳（メタデータ） (2024-09-17T11:24:22Z)
• RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
  本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。 具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。 我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
  論文  参考訳（メタデータ） (2024-03-28T08:54:40Z)
• 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)
• G-MEMP: Gaze-Enhanced Multimodal Ego-Motion Prediction in Driving [71.9040410238973]
  我々は、視線データを用いて、運転者の車両のエゴ軌道を推定することに集中する。 次に、GPSとビデオ入力と視線データを組み合わせた新しいマルチモーダルエゴ軌道予測ネットワークであるG-MEMPを開発する。 その結果,G-MEMPは両ベンチマークにおいて最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-12-13T23:06:30Z)
• SparseTrack: Multi-Object Tracking by Performing Scene Decomposition based on Pseudo-Depth [84.64121608109087]
  2次元画像から目標の相対的な深さを求めるための擬似深度推定法を提案する。 次に,得られた深度情報を用いて,高密度なターゲットセットを複数のスパースなターゲットサブセットに変換するディープカスケードマッチング(DCM)アルゴリズムを設計する。 擬似深度法とDCM戦略をデータアソシエーションプロセスに統合することにより、SparseTrackと呼ばれる新しいトラッカーを提案する。
  論文  参考訳（メタデータ） (2023-06-08T14:36:10Z)
• RNTrajRec: Road Network Enhanced Trajectory Recovery with Spatial-Temporal Transformer [15.350300338463969]
  本稿では,道路網を改良したトランスフォーマーベースフレームワーク RNTrajRec を提案する。 RNTrajRecはまずグラフモデル、すなわちGridGNNを使用して、各道路セグメントの埋め込み機能を学ぶ。 次にサブグラフ生成モジュールを導入し、各GPSポイントをGPSポイント周辺の道路ネットワークのサブグラフ構造として表現する。
  論文  参考訳（メタデータ） (2022-11-23T11:28:32Z)
• Unrolled Compressed Blind-Deconvolution [77.88847247301682]
  sparse multi channel blind deconvolution (S-MBD) はレーダー/ソナー/超音波イメージングなどの多くの工学的応用で頻繁に発生する。 そこで本研究では,受信した全信号に対して,はるかに少ない測定値からブラインドリカバリを可能にする圧縮手法を提案する。
  論文  参考訳（メタデータ） (2022-09-28T15:16:58Z)
• Multimodal Scale Consistency and Awareness for Monocular Self-Supervised Depth Estimation [1.1470070927586016]
  単眼ビデオの自己監督アプローチは、長いシーケンスにわたってスケール不整合に苦しむ。 外観ベースの損失を補うために、動的に重み付けされたGPS-to-Scale(g2s)損失を提案する。 低周波GPSデータによるトレーニングでも性能を向上させるため、推論時のスケール一貫性と認識深度推定を実証します。
  論文  参考訳（メタデータ） (2021-03-03T15:39:41Z)
• OctSqueeze: Octree-Structured Entropy Model for LiDAR Compression [77.8842824702423]
  本稿では,LiDAR点雲のメモリフットプリントを削減するための新しいディープ圧縮アルゴリズムを提案する。 本手法は,メモリフットプリントを低減するために,点間の間隔と構造的冗長性を利用する。 我々のアルゴリズムは、自動運転車などのアプリケーションにおいて、LiDARポイントのオンボードおよびオフボードストレージを減らすために使用できる。
  論文  参考訳（メタデータ） (2020-05-14T17:48:49Z)
• Optimizing Vessel Trajectory Compression [71.42030830910227]
  前回の研究では,AISの位置情報をオンラインで消費することで,血管軌跡の要約表現を提供するトラジェクトリ検出モジュールを導入しました。 この手法は、生データの少なくとも70%を冗長として廃棄することにより、元のコースからほとんど逸脱しない信頼性の高い軌道合成を提供することができる。 しかし、そのような軌道圧縮はパラメトリゼーションに非常に敏感である。 各容器のタイプを考慮し, 軌道のシナプスを改良する適切な構成を提供する。
  論文  参考訳（メタデータ） (2020-05-11T20:38:56Z)

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。