Détail de l'auteur
Auteur Arnaud Le Guilcher
|
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externesTraffic signal detection from in-vehicle GPS speed profiles using functional data analysis and machine learning / Yann Méneroux in International Journal of Data Science and Analytics JDSA, vol inconnu ([01/10/2019])
Titre : Traffic signal detection from in-vehicle GPS speed profiles using functional data analysis and machine learning Type de document : Article/Communication Auteurs : Yann Méneroux Année de publication : 2019 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes descripteurs IGN] analyse fonctionnelle (mathématiques)
[Termes descripteurs IGN] apprentissage profond
[Termes descripteurs IGN] carte routière
[Termes descripteurs IGN] classification par forêts aléatoires
[Termes descripteurs IGN] contenu généré par les utilisateurs
[Termes descripteurs IGN] détection d'objet
[Termes descripteurs IGN] données routières
[Termes descripteurs IGN] feu de circulation
[Termes descripteurs IGN] inférence
[Termes descripteurs IGN] reconnaissance de formes
[Termes descripteurs IGN] signalisation routière
[Termes descripteurs IGN] trace GPS
[Termes descripteurs IGN] trafic routier
[Termes descripteurs IGN] transformation en ondelettes
[Termes descripteurs IGN] vitesseRésumé : (auteur) The increasing availability of large-scale global positioning system data stemming from in-vehicle-embedded terminal devices enables the design of methods deriving road network cartographic information from drivers’ recorded traces. Some machine learning approaches have been proposed in the past to train automatic road network map inference, and recently this approach has been successfully extended to infer road attributes as well, such as speed limitation or number of lanes. In this paper, we address the problem of detecting traffic signals from a set of vehicle speed profiles, under a classification perspective. Each data instance is a speed versus distance plot depicting over a hundred profiles on a 100-m-long road span. We proposed three different ways of deriving features: The first one relies on the raw speed measurements; the second one uses image recognition techniques; and the third one is based on functional data analysis. We input them into most commonly used classification algorithms, and a comparative analysis demonstrated that a functional description of speed profiles with wavelet transforms seems to outperform the other approaches with most of the tested classifiers. It also highlighted that random forests yield an accurate detection of traffic signals, regardless of the chosen feature extraction method, while keeping a remarkably low confusion rate with stop signs. Numéro de notice : A2019-497 Thématique : GEOMATIQUE Nature : Article DOI : 10.1007/s41060-019-00197-x date de publication en ligne : 04/10/2019 En ligne : https://doi.org/10.1007/s41060-019-00197-x Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93755
in International Journal of Data Science and Analytics JDSA > vol inconnu [01/10/2019][article]
contenu dans Spatial big data and machine learning in GIScience, Workshop at GIScience 2018, Melbourne, Australia, 28 August 2018 / Martin Raubal (2018)
Titre : Convolutional neural network for traffic signal inference based on GPS traces Type de document : Article/Communication Auteurs : Yann Méneroux Congrès : Workshop Spatial big data and machine learning (28 aout 2018; Melbourne, Australie), Commanditaire Editeur : Zurich : Eidgenossische Technische Hochschule ETH - Ecole Polytechnique Fédérale de Zurich EPFZ Année de publication : 2018 Projets : 1-Pas de projet / Importance : pp 9 - 12 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes descripteurs IGN] apprentissage automatique
[Termes descripteurs IGN] apprentissage profond
[Termes descripteurs IGN] données maillées
[Termes descripteurs IGN] réseau neuronal convolutif
[Termes descripteurs IGN] trace GPS
[Termes descripteurs IGN] trafic routier
[Termes descripteurs IGN] traitement de données localiséesRésumé : (auteur) Map inference techniques aim at using GPS trajectories collected from a fleet of vehicles, to infer geographic information and enrich road map databases. In this paper, we investigate whether a Convolutional Neural Network can detect traffic signals on a raster map of features computed from a large dataset of GPS traces. Experimentation revealed that our model is able to capture traffic signal pattern signature on this very specific case of unnatural input images. Performance indices are encouraging but need to be improved through a more refined tuning of the workflow. Numéro de notice : C2018-053 Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91340 Documents numériques
en open access
CNN for traffic signal inference ... - pdf éditeurAdobe Acrobat PDF
contenu dans 10th International Conference on Geographic Information Science (GIScience 2018), August 28-31, 2018 - Melbourne, Australia / Stephan Winter (2018)
Titre : Detection and localization of traffic signals with GPS floating car data and Random Forest Type de document : Article/Communication Auteurs : Yann Méneroux Congrès : GIScience 2018, 10th International Conference on Geographic Information Science (28 - 31 aout 2018; Melbourne, Australie) Editeur : Leibniz [Allemagne] : Schloss Dagstuhl – Leibniz-Zentrum für Informatik Année de publication : 2018 Collection : LIPIcs Leibniz International Proceedings in Informatics, ISSN 1868-8969 num. 114 Importance : 15 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes descripteurs IGN] apprentissage automatique
[Termes descripteurs IGN] base de données routières
[Termes descripteurs IGN] carte routière
[Termes descripteurs IGN] classification par forêts aléatoires
[Termes descripteurs IGN] distribution spatiale
[Termes descripteurs IGN] guidage de véhicules
[Termes descripteurs IGN] inférence
[Termes descripteurs IGN] Japon
[Termes descripteurs IGN] trace GPS
[Termes descripteurs IGN] trafic routier
[Termes descripteurs IGN] traitement de données localisées
[Termes descripteurs IGN] villeRésumé : (auteur) As Floating Car Data are becoming increasingly available, in recent years many research works focused on leveraging them to infer road map geometry, topology and attributes. In this paper, we present an algorithm, relying on supervised learning to detect and localize traffic signals based on the spatial distribution of vehicle stop points. Our main contribution is to provide a single framework to address both problems. The proposed method has been experimented with a one-month dataset of real-world GPS traces, collected on the road network of Mitaka (Japan). The results show that this method provides accurate results in terms of localization and performs advantageously compared to the OpenStreetMap database in exhaustivity. Among many potential applications, the output predictions may be used as a prior map and/or combined with other sources of data to guide autonomous vehicles. Numéro de notice : C2018-051 Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.4230/LIPIcs.GISCIENCE.2018.11 date de publication en ligne : 30/07/2018 En ligne : http://drops.dagstuhl.de/opus/volltexte/2018/9339/ Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91335 Documents numériques
en open access
Detection and localization of traffic signals ... - pdf éditeurAdobe Acrobat PDF
contenu dans 27èmes Journées de la Recherche de l'IGN / Journées Recherche de l'IGN 2018, 27es Journées (22 - 23 mars 2018; Cité Descartes, Champs-sur-Marne - Marne-la-Vallée, France) (2018)
Titre : Projet ANR MapMuxing : navigation fluide dans des représentations cartographiques hétérogènes Type de document : Article/Communication Auteurs : Guillaume Touya Congrès : Journées Recherche de l'IGN 2018, 27es Journées (22 - 23 mars 2018; Cité Descartes, Champs-sur-Marne - Marne-la-Vallée, France), Commanditaire Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2018 Projets : MapMuxing / Touya, Guillaume Langues : Français (fre) Descripteur : [Termes descripteurs IGN] interface homme-machine
[Termes descripteurs IGN] représentation cartographique
[Vedettes matières IGN] GéovisualisationRésumé : (Auteur) Il est maintenant très facile d’accéder à des représentations cartographiques multiples en utilisant des portails cartographiques sur un ordinateur, un téléphone, une tablette. Mais lorsque l’on souhaite naviguer entre ces représentations ou les mélanger, cela demande un nombre d'actions et un effort cognitif important, limitant notamment l’utilisation professionnelle de tels outils, comme la gestion d’un risque de tsunami. Pour améliorer cette navigation entre représentations (entre image aérienne-carte, entre deux échelles...), l’approche originale du projet ANR MapMuxing est de combiner des techniques de géovisualisations de l’IGN (généralisation, stylisation avancée) avec des interfaces homme-machine innovantes (loupes, animations). Toutes ces propositions sont évaluées directement auprès des utilisateurs par des protocoles scientifiquement contrôlés. Cette présentation présentera les résultats du projet, en montrant la synergie entre informaticiens, géomaticiens et géographes Numéro de notice : C2018-089 Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91543 Documents numériques
en open access
Projet ANR MapMuxing - diaporama de présentationAdobe Acrobat PDF
contenu dans 27èmes Journées de la Recherche de l'IGN / Journées Recherche de l'IGN 2018, 27es Journées (22 - 23 mars 2018; Cité Descartes, Champs-sur-Marne - Marne-la-Vallée, France) (2018)
Titre : Utilisation de véhicules traceurs pour la détection et la localisation de l'infrastructure routière par apprentissage automatique Type de document : Article/Communication Auteurs : Yann Méneroux Congrès : Journées Recherche de l'IGN 2018, 27es Journées (22 - 23 mars 2018; Cité Descartes, Champs-sur-Marne - Marne-la-Vallée, France), Commanditaire Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2018 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes descripteurs IGN] apprentissage automatique
[Termes descripteurs IGN] détection d'objet
[Termes descripteurs IGN] espace urbain
[Termes descripteurs IGN] feu de circulation
[Termes descripteurs IGN] réseau routier
[Termes descripteurs IGN] trafic routierRésumé : (Auteur) Avec la démocratisation des appareils connectés équipés de récepteur GPS, de grandes quantités de trajectoires de véhicules deviennent disponibles. Récemment, les techniques dites de map inference, visant à dériver de l’information cartographique à partir de traces GPS, tendent à compléter les techniques traditionnelles. Initialement restreintes à la construction de la géométrie des routes, elles sont progressivement utilisées pour enrichir les réseaux existants. Les méthodes d’apprentissage statistique (par exemple, réseaux de neurones, forêts aléatoires...) apportent une perspective intéressante et garantissent l’adaptabilité de l’approche aux différents cas d’utilisation. Nous nous intéressons ici à la détection des feux tricolores, en travaillant dans un premier temps sur un jeu de données expérimental, sur lequel nous comparons les performances d’approches dites «image» et «fonctionnelle». Nous tentons ensuite d’étendre les résultats obtenus sur des données réelles. Numéro de notice : C2018-087 Thématique : GEOMATIQUE/POSITIONNEMENT/URBANISME Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91539 Documents numériques
en open access
Utilisation de véhicules traceurs pour la détection - diaporama de présentationAdobe Acrobat PDFLes 26èmes Journées de la Recherche de l'IGN / Journées Recherche de l'IGN 2017, 26es Journées (23 - 24 mars 2017; Cité Descartes, Marne-la-Vallée, Champs-sur-Marne, France) (2017)
PermalinkPotentiel des données géolocalisées issues de la foule pour les questions de mobilité et tourisme : quelques exemples issus de la littérature / Laurence Jolivet (2017)
PermalinkPermalinkPermalink
