Centre dedocumentation
scientifique

Pedestrian network generation based on crowdsourced tracking data / Xue Yang in International journal of geographical information science IJGIS, vol 34 n° 5 (May 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 5 (May 2020) . - pp 1051 - 1074 Titre : Pedestrian network generation based on crowdsourced tracking data Type de document : Article/Communication Auteurs : Xue Yang, Auteur ; Luliang Tang, Auteur ; Chang Ren, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 1051 - 1074 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes descripteurs IGN] approche participative [Termes descripteurs IGN] base de données multi-représentation [Termes descripteurs IGN] correction géométrique [Termes descripteurs IGN] correction topographique [Termes descripteurs IGN] dimension fractale [Termes descripteurs IGN] données localisées des bénévoles [Termes descripteurs IGN] estimation par noyau [Termes descripteurs IGN] mobilité urbaine [Termes descripteurs IGN] navigation pédestre [Termes descripteurs IGN] regroupement de points Résumé : (auteur) Pedestrian networks play an important role in various applications, such as pedestrian navigation services and mobility modeling. This paper presents a novel method to extract pedestrian networks from crowdsourced tracking data based on a two-layer framework. This framework includes a walking pattern classification layer and a pedestrian network generation layer. In the first layer, we propose a multi-scale fractal dimension (MFD) algorithm in order to recognize the two different types of walking patterns: walking with a clear destination (WCD) or walking without a clear destination (WOCD). In the second layer, we generate the pedestrian network by combining the pedestrian regions and pedestrian paths. The pedestrian regions are extracted based on a modified connected component analysis (CCA) algorithm from the WOCD traces. We generate the pedestrian paths using a kernel density estimation (KDE)-based point clustering algorithm from the WCD traces. The pedestrian network generation results using two actual crowdsourced datasets show that the proposed method has good performance in both geometrical correctness and topological correctness. Numéro de notice : A2020-207 Affiliation des auteurs : non IGN Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2019.1702197 date de publication en ligne : 09/12/2019 En ligne : https://doi.org/10.1080/13658816.2019.1702197 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94888 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2020051	SL	Revue	Centre de documentation	Revues en salle	Disponible