論文の概要: Route Based Map Matching via a Structured Codebook and Token Sequence Decoding

• arxiv url: http://arxiv.org/abs/2607.22543v1
• Date: Thu, 30 Apr 2026 07:36:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:38.953591
• Title: Route Based Map Matching via a Structured Codebook and Token Sequence Decoding
• Title（参考訳）: 構造化コードブックとトークンシーケンス復号による経路マップマッチング
• Abstract要約: 本研究は,都市高速道路網上のGPSトラックデータに対する,効率的かつ計算学的に軽量な経路マップマッチング手法を提案する。 我々は、各候補経路を行と接合名の列として表現し、そのようなシーケンスの集合をルートコードブックとして、探索軌道のスコア付きアライメントとして、コードブックのメンバーに対する地図マッチングを定式化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study proposes an efficient and computationally light route based map matching method for GPS track data on urban expressway networks. The key idea is to exploit a symbolic structure of named lines and named junctions that link level map matching leaves unused. We represent each candidate route as a sequence of line and junction names, take the set of such sequences as a route codebook, and formulate map matching as scored alignment of a probe trajectory against members of the codebook. Probes become token sequences via a mesh quantizer, a precomputed grid mapping each coordinate to a line or junction token, and the decoder returns a member of the codebook by construction. The codebook is indexed by a DAFSA $\times$ Levenshtein automaton, a fuzzy lookup technique from approximate string matching and speech recognition; the per query decoding cost is orders of magnitude lower than a brute force scan. We evaluate the method on a deformed replica of the Tokyo Metropolitan Expressway topology. The method recovers the exact route at moderate GPS noise and continues to identify the line and junction sequence under heavy noise; a sensitivity analysis maps the mesh resolution operating range. Real probe evaluation, channel model calibration, and a head to head HMM comparison are left to a forthcoming version.
• Abstract（参考訳）: 本研究は,都市高速道路網上のGPSトラックデータに対する,効率的かつ計算学的に軽量な経路マップマッチング手法を提案する。 鍵となる考え方は、名前付きラインと名前付きジャンクションのシンボル構造を利用して、未使用の葉のレベルマップマッチングをリンクすることである。 我々は、各候補経路を行と接合名の列として表現し、そのようなシーケンスの集合をルートコードブックとして、探索軌道のスコア付きアライメントとして、コードブックのメンバーに対する地図マッチングを定式化する。 プローブはメッシュ量子化器を介してトークンシーケンスとなり、事前計算されたグリッドは各座標を行またはジャンクショントークンにマッピングし、デコーダは構成によってコードブックのメンバーを返す。 コードブックはDAFSA $\times$ Levenshtein オートマトンによってインデックスされ、近似文字列マッチングと音声認識によるファジィルックアップ技術である。 東京都高速道路トポロジの変形レプリカについて検討した。 提案手法は,GPS雑音下で正確な経路を復元し,重騒音下での線と接合配列の同定を継続し,感度解析によりメッシュ分解能動作範囲をマッピングする。 実際のプローブ評価,チャネルモデル校正,ヘッド・ツー・ヘッドHMMの比較は,今後のバージョンに委ねられる。

関連論文リスト

• Discovering a Zeta Map Algorithm on Dyck Paths via Mechanistic Interpretability [2.3895981099137535]
  我々は、Dyckパスのマップ上に、小さな1層、ワンヘッドエンコーダ・デコーダ変換器を訓練する。 我々は、デコーダのクロスアテンション分析を含む機械的解釈可能性ツールを用いて、その学習を分析した。 このアルゴリズムがゼータマップと一致することを証明し、ラベリングにおける逆の規則を変調する。
  論文  参考訳（メタデータ） (2026-05-28T18:59:30Z)
• DiffMM: Efficient Method for Accurate Noisy and Sparse Trajectory Map Matching via One Step Diffusion [7.910040077410762]
  本稿では,エンコーダ拡散に基づくマップマッチングフレームワークであるDiffMMを提案する。 大規模軌跡データセットについて広範な実験を行った。 提案手法は精度と効率の両面で最先端の地図マッチング手法より一貫して優れている。
  論文  参考訳（メタデータ） (2026-01-13T12:14:57Z)
• NLP-enabled Trajectory Map-matching in Urban Road Networks using a Transformer-based Encoder-decoder [1.3812010983144802]
  本研究では,NLPにインスパイアされた機械翻訳としてタスクを定式化する,データ駆動型深層学習型マップマッチングフレームワークを提案する。 変圧器を用いたエンコーダ・デコーダモデルでは,ノイズの多いGPS点の文脈表現を学習し,軌道の挙動や道路構造をエンドツーエンドに推定する。 合成軌道実験により、この手法は文脈認識を統合することによって従来の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） (2024-04-18T18:39:23Z)
• GEC-DePenD: Non-Autoregressive Grammatical Error Correction with Decoupled Permutation and Decoding [52.14832976759585]
  文法的誤り訂正(GEC)は、通常自己回帰的なシーケンス・ツー・シーケンスモデルで解決される重要なNLPタスクである。 本稿では, アーキテクチャを置換ネットワークに分離する, GEC に対する非自己回帰的アプローチを提案する。 GECの既知の非自己回帰手法よりもネットワークが向上することを示す。
  論文  参考訳（メタデータ） (2023-11-14T14:24:36Z)
• Context Perception Parallel Decoder for Scene Text Recognition [52.620841341333524]
  シーンテキスト認識手法は高い精度と高速な推論速度を達成するのに苦労している。 本稿では、STRにおけるARデコーディングの実証的研究を行い、ARデコーダが言語文脈をモデル化するだけでなく、視覚的文脈知覚のガイダンスも提供することを明らかにする。 我々は一連のCPPDモデルを構築し、提案したモジュールを既存のSTRデコーダにプラグインする。英語と中国語のベンチマーク実験により、CPPDモデルはARベースモデルよりも約8倍高速に動作し、高い競争精度を達成できることを示した。
  論文  参考訳（メタデータ） (2023-07-23T09:04:13Z)
• Quick Adaptive Ternary Segmentation: An Efficient Decoding Procedure For Hidden Markov Models [41.99844472131922]
  ノイズ観測から元の信号を復号することは、ほぼすべてのHMMデータ解析における主要な目標の1つである。 QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATSについて述べる。 QATSの実装はGitHubのRパッケージQATSにある。
  論文  参考訳（メタデータ） (2023-05-29T19:37:48Z)
• Efficient Nearest Neighbor Search for Cross-Encoder Models using Matrix Factorization [60.91600465922932]
  本稿では,クロスエンコーダのみに頼って,二重エンコーダによる検索を回避する手法を提案する。 我々のアプローチは、現在の広く使われている方法よりも優れたテスト時間リコール-vs計算コストトレードオフを提供する。
  論文  参考訳（メタデータ） (2022-10-23T00:32:04Z)
• ConTextual Mask Auto-Encoder for Dense Passage Retrieval [49.49460769701308]
  CoT-MAEは,高密度経路抽出のための簡易かつ効果的な生成前訓練法である。 文のセマンティクスを高密度ベクトルに圧縮する学習は、自己教師付きおよび文脈教師付きマスキングによる自動エンコーディングによって行われる。 我々は,大規模経路探索ベンチマークの実験を行い,強力なベースラインよりも大幅に改善されたことを示す。
  論文  参考訳（メタデータ） (2022-08-16T11:17:22Z)
• CoordGAN: Self-Supervised Dense Correspondences Emerge from GANs [129.51129173514502]
  本稿では,各生成画像の高密度対応マップを学習する構造テクスチャ不整合GANであるCoordinate GAN(CoordGAN)を紹介する。 提案するジェネレータは,既存手法に比べて構造とテクスチャの絡み合いが良くなることを示す。
  論文  参考訳（メタデータ） (2022-03-30T17:55:09Z)
• Aerial Map-Based Navigation Using Semantic Segmentation and Pattern Matching [1.6244541005112747]
  提案システムは,画像と地図データベース間の画像と画像のマッチングではなく,ラベルとラベルのマッチングを試みる。 高レベルの特徴を抽出するツールとしてディープラーニング技術を用いることで、画像ベースのローカライゼーション問題をパターンマッチング問題に還元する。
  論文  参考訳（メタデータ） (2021-07-01T18:31:42Z)
• Graph Sampling Based Deep Metric Learning for Generalizable Person Re-Identification [114.56752624945142]
  我々は、最も一般的なランダムサンプリング手法である有名なpkサンプリングは、深層メトリック学習にとって有益で効率的ではないと主張する。 大規模計量学習のためのグラフサンプリング(GS)と呼ばれる効率的なミニバッチサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2021-04-04T06:44:15Z)
• A SLAM Map Restoration Algorithm Based on Submaps and an Undirected Connected Graph [0.0]
  サブマップを逐次マージすることで,UAVデータセットの全グローバルマップを再構築する手法を提案する。 その結果, マッピングの完全性は, 現在の主流SLAM法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-07-29T04:26:36Z)
• 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)
• UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional Variational Autoencoders [81.5490760424213]
  データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。 そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-13T04:12:59Z)

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。