論文の概要: Performance Evaluation of GPS Trajectory Rasterization Methods
- arxiv url: http://arxiv.org/abs/2401.01676v1
- Date: Wed, 3 Jan 2024 11:25:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-04 14:24:31.750516
- Title: Performance Evaluation of GPS Trajectory Rasterization Methods
- Title（参考訳）: GPS軌道ラスタ化法の性能評価
- Authors: Necip Enes Gengec and Ergin Tari
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The availability of the Global Positioning System (GPS) trajectory data is
increasing along with the availability of different GPS receivers and with the
increasing use of various mobility services. GPS trajectory is an important
data source which is used in traffic density detection, transport mode
detection, mapping data inferences with the use of different methods such as
image processing and machine learning methods. While the data size increases,
efficient representation of this type of data is becoming difficult to be used
in these methods. A common approach is the representation of GPS trajectory
information such as average speed, bearing, etc. in raster image form and
applying analysis methods. In this study, we evaluate GPS trajectory data
rasterization using the spatial join functions of QGIS, PostGIS+QGIS, and our
iterative spatial structured grid aggregation implementation coded in the
Python programming language. Our implementation is also parallelizable, and
this parallelization is also included as the fourth method. According to the
results of experiment carried out with an example GPS trajectory dataset, QGIS
method and PostGIS+QGIS method showed relatively low performance with respect
to our method using the metric of total processing time. PostGIS+QGIS method
achieved the best results for spatial join though its total performance
decreased quickly while test area size increases. On the other hand, both of
our methods' performances decrease directly proportional to GPS point. And our
methods' performance can be increased proportional to the increase with the
number of processor cores and/or with multiple computing clusters.
- Abstract（参考訳）: グローバル測位システム(gps)軌道データの可用性は、異なるgps受信機の可用性と様々なモビリティサービスの利用の増加とともに増加している。
GPSトラジェクトリは、トラフィック密度検出、トランスポートモード検出、マッピングデータ推論に、画像処理や機械学習などの異なる手法を用いて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。
一般的なアプローチは、平均速度、ベアリングなどのGPS軌跡情報をラスタ画像形式で表現し、解析手法を適用することである。
本研究では,QGIS,PostGIS+QGISの空間結合関数を用いたGPSトラジェクトリデータのラスタ化と,Pythonプログラミング言語で符号化された反復的空間構造グリッドアグリゲーション実装について検討する。
我々の実装も並列化可能であり、この並列化も第4の手法として含められている。
GPSトラジェクトリデータセットを用いた実験の結果,QGIS法とPostGIS+QGIS法は,全処理時間の計測値を用いて比較的低性能を示した。
PostGIS+QGIS法は空間接合において,試験面積の増大とともに全性能が急速に低下したにもかかわらず,最適結果を得た。
一方,両手法の性能はGPS点に比例して低下する。
また,提案手法の性能は,プロセッサコア数の増加やマルチコンピューティングクラスタ数の増加に比例して向上する可能性がある。
関連論文リスト
- Surrogate Modeling of Trajectory Map-matching in Urban Road Networks using Transformer Sequence-to-Sequence Model [1.3812010983144802]
本稿では、オフラインマップマッチングアルゴリズムのサロゲートとして機能するディープラーニングモデル、特にトランスフォーマーベースのエンコーダデコーダモデルを提案する。
このモデルは、ニューヨーク州マンハッタンで収集されたGPSトレースを使って訓練され、評価されている。
論文 参考訳（メタデータ） (2024-04-18T18:39:23Z) - Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。
バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。
ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
論文 参考訳（メタデータ） (2024-02-25T13:22:17Z) - 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) - GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。
我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。
実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
論文 参考訳（メタデータ） (2023-10-10T00:03:23Z) - 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) - 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) - 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) - Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。
本稿では,従来のアプローチのさらなる発展について述べる。
複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
論文 参考訳（メタデータ） (2020-08-09T09:26:30Z) - Wise Sliding Window Segmentation: A classification-aided approach for
trajectory segmentation [11.174536284571802]
ワイズスライディングウィンドウ(WS-II)と呼ばれる教師付き軌道分割アルゴリズムを提案する。
WS-IIは軌道座標を処理し、空間と時間の変化を見つけ、エラー信号を生成する。
提案手法は,異なる領域の3つの実データに対して評価する。
論文 参考訳（メタデータ） (2020-03-23T12:55:40Z) - Real-Time High-Performance Semantic Image Segmentation of Urban Street
Scenes [98.65457534223539]
都市景観のロバストなセマンティックセマンティックセグメンテーションのためのリアルタイムDCNNに基づく高速DCNN手法を提案する。
提案手法は, 51.0 fps と 39.3 fps の推論速度で, 平均 73.6% と平均 68.0% (mIoU) の精度を実現する。
論文 参考訳（メタデータ） (2020-03-11T08:45:53Z)
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。