Descripteur



Etendre la recherche sur niveau(x) vers le bas
A trajectory restoration algorithm for low-sampling-rate floating car data and complex urban road networks / Bozhao Li in International journal of geographical information science IJGIS, vol 35 n° 4 (April 2021)
![]()
[article]
Titre : A trajectory restoration algorithm for low-sampling-rate floating car data and complex urban road networks Type de document : Article/Communication Auteurs : Bozhao Li, Auteur ; Zhongliang Cai, Auteur ; Mengjun Kang, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 717 - 740 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes descripteurs IGN] appariement de cartes
[Termes descripteurs IGN] chemin le plus court (algorithme)
[Termes descripteurs IGN] Pékin (Chine)
[Termes descripteurs IGN] réseau routier
[Termes descripteurs IGN] taux d'échantillonnage
[Termes descripteurs IGN] trafic routier
[Termes descripteurs IGN] trajectoire
[Termes descripteurs IGN] zone urbaineRésumé : (auteur) Low-sampling-rate floating car data (FCD) are more challenging than those with high-sampling-rate FCD for map matching (MM) algorithms. Some MM algorithms for low-sampling-rate FCD lack sufficient efficiency nor accuracy, especially related to complex urban road networks. This paper proposes a new method named the trajectory restoration algorithm, which is based on geometry MM algorithms to ensure efficiency and accuracy. The proposed algorithm adopts the modified A* shortest path algorithm to reduce the number of function calls and fully considers road network topology and historical matched points to improve its accuracy. We test the efficiency and accuracy of the trajectory restoration algorithm with FCD data for the complex urban road networks in Beijing. The results have strong continuity which greatly improves the utilization of FCD. We show that the proposed algorithm outperforms related MM methods in efficiency and accuracy and its robustness to restore trajectories of both high and low sampling rates in complex urban road networks. Numéro de notice : A2021-269 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1080/13658816.2020.1825721 date de publication en ligne : 20/10/2020 En ligne : https://doi.org/10.1080/13658816.2020.1825721 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97326
in International journal of geographical information science IJGIS > vol 35 n° 4 (April 2021) . - pp 717 - 740[article]Hidden Markov map matching based on trajectory segmentation with heading homogeneity / Ge Cui in Geoinformatica [en ligne], vol 25 n° 1 (January 2021)
![]()
[article]
Titre : Hidden Markov map matching based on trajectory segmentation with heading homogeneity Type de document : Article/Communication Auteurs : Ge Cui, Auteur ; Wentao Bian, Auteur ; Xin Wang, Auteur Année de publication : 2021 Article en page(s) : pp 179 - 206 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] appariement de cartes
[Termes descripteurs IGN] appariement de données localisées
[Termes descripteurs IGN] Hidden Markov Model (HMM)
[Termes descripteurs IGN] réseau routier
[Termes descripteurs IGN] segmentation
[Termes descripteurs IGN] trajectographie par GPS
[Vedettes matières IGN] GénéralisationRésumé : (Auteur) Map matching is to locate GPS trajectories onto the road networks, which is an important preprocessing step for many applications based on GPS trajectories. Currently, hidden Markov model is one of the most widely used methods for map matching. However, both effectiveness and efficiency of conventional map matching methods based on hidden Markov model will decline in the dense road network, as the number of candidate road segments enormously increases around GPS point. To overcome the deficiency, this paper proposes a segment-based hidden Markov model for map matching. The proposed method first partitions GPS trajectory into several GPS sub-trajectories based on the heading homogeneity and length constraint; next, the candidate road segment sequences are searched out for each GPS sub-trajectory; last, GPS sub-trajectories and road segment sequences are matched in hidden Markov model, and the road segment sequences with the maximum probability is identified. A case study is conducted on a real GPS trajectory dataset, and the experiment result shows that the proposed method improves the effectiveness and efficiency of the conventional HMM map matching method. Numéro de notice : A2021-094 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s10707-020-00429-4 date de publication en ligne : 02/01/2021 En ligne : https://doi.org/10.1007/s10707-020-00429-4 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96934
in Geoinformatica [en ligne] > vol 25 n° 1 (January 2021) . - pp 179 - 206[article]Unfolding spatial-temporal patterns of taxi trip based on an improved network kernel density estimation / Boxi Shen in ISPRS International journal of geo-information, vol 9 n° 11 (November 2020)
![]()
[article]
Titre : Unfolding spatial-temporal patterns of taxi trip based on an improved network kernel density estimation Type de document : Article/Communication Auteurs : Boxi Shen, Auteur ; Xiang Xu, Auteur ; Jun Li, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : n° 683 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes descripteurs IGN] analyse spatio-temporelle
[Termes descripteurs IGN] appariement de cartes
[Termes descripteurs IGN] circulation urbaine
[Termes descripteurs IGN] estimation par noyau
[Termes descripteurs IGN] mobilité urbaine
[Termes descripteurs IGN] modèle conceptuel de données localisées
[Termes descripteurs IGN] modèle conceptuel de flux
[Termes descripteurs IGN] Shenzhen
[Termes descripteurs IGN] taxi
[Termes descripteurs IGN] trafic routier
[Termes descripteurs IGN] trajetRésumé : (auteur) Taxi mobility data plays an important role in understanding urban mobility in the context of urban traffic. Specifically, the taxi is an important part of urban transportation, and taxi trips reflect human behaviors and mobility patterns, allowing us to identify the spatial variety of such patterns. Although taxi trips are generated in the form of network flows, previous works have rarely considered network flow patterns in the analysis of taxi mobility data; Instead, most works focused on point patterns or trip patterns, which may provide an incomplete snapshot. In this work, we propose a novel approach to explore the spatial-temporal patterns of taxi travel by considering point, trip and network flow patterns in a simultaneous fashion. Within this approach, an improved network kernel density estimation (imNKDE) method is first developed to estimate the density of taxi trip pick-up and drop-off points (ODs). Next, the correlation between taxi service activities (i.e., ODs) and land-use is examined. Then, the trip patterns of taxi trips and its corresponding routes are analyzed to reveal the correlation between trips and road structure. Finally, network flow analysis for taxi trip among areas of varying land-use types at different times are performed to discover spatial and temporal taxi trip ODs from a new perspective. A case study in the city of Shenzhen, China, is thoroughly presented and discussed for illustrative purposes. Numéro de notice : A2020-730 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi9110683 date de publication en ligne : 15/11/2020 En ligne : https://doi.org/10.3390/ijgi9110683 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96337
in ISPRS International journal of geo-information > vol 9 n° 11 (November 2020) . - n° 683[article]Road network simplification for location-based services / Abdeltawab M. Hendawi in Geoinformatica [en ligne], vol 24 n° 4 (October 2020)
![]()
[article]
Titre : Road network simplification for location-based services Type de document : Article/Communication Auteurs : Abdeltawab M. Hendawi, Auteur ; John A. Stankovic, Auteur ; Ayman Taha, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 801 - 826 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] algorithme de Douglas-Peucker
[Termes descripteurs IGN] appariement de cartes
[Termes descripteurs IGN] appariement de données localisées
[Termes descripteurs IGN] appariement de graphes
[Termes descripteurs IGN] carte routière
[Termes descripteurs IGN] compression de données
[Termes descripteurs IGN] Hidden Markov Model (HMM)
[Termes descripteurs IGN] réseau routier
[Termes descripteurs IGN] service fondé sur la position
[Termes descripteurs IGN] simplification de contour
[Termes descripteurs IGN] stockage de données
[Vedettes matières IGN] GénéralisationRésumé : (Auteur) Road-network data compression or simplification reduces the size of the network to occupy less storage with the aim to fit small form-factor routing devices, mobile devices, or embedded systems. Simplification (a) reduces the storage cost of memory and disks, and (b) reduces the I/O and communication overhead. There are several road network compression techniques proposed in the literature. These techniques are evaluated by their compression ratios. However, none of these techniques takes into consideration the possibility that the generated compressed data can be used directly in Map-matching operation which is an essential component for all location-aware services. Map-matching matches a measured latitude and longitude of an object to an edge in the road network graph. In this paper, we propose a novel simplification technique, named COMA, that (1) significantly reduces the size of a given road network graph, (2) achieves high map-matching quality on the simplified graph, and (3) enables the generated compressed road network graph to be used directly in map-matching and location-based applications without a need to decompress it beforehand. COMA smartly deletes those nodes and edges that will not affect the graph connectivity nor causing much of ambiguity in the map-matching of objects’ location. COMA employs a controllable parameter; termed a conflict factor C, whereby location aware services can trade the compression gain with map-matching accuracy at varying granularity. We show that the time complexity of our COMA algorithm is O(|N|log|N|). Intensive experimental evaluation based on a real implementation and data demonstrates that COMA can achieve about a 75% compression-ratio while preserving high map-matching quality. Road Network, Simplification, Compression, Spatial, Location, Performance, Accuracy, Efficiency, Scalability. Numéro de notice : A2020-495 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s10707-020-00406-x date de publication en ligne : 01/05/2020 En ligne : https://doi.org/10.1007/s10707-020-00406-x Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96115
in Geoinformatica [en ligne] > vol 24 n° 4 (October 2020) . - pp 801 - 826[article]Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs / Yann Méneroux (2019)
![]()
Titre : Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs Type de document : Thèse/HDR Auteurs : Yann Méneroux, Auteur ; Sébastien Mustière , Directeur de thèse ; Guillaume Saint Pierre, Directeur de thèse
Editeur : Champs/Marne : Université Paris-Est Année de publication : 2019 Importance : 292 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université Paris Est dans le cadre de l'Ecole Doctorale Mathématiques et STIC, Signal, Image, AutomatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes descripteurs IGN] appariement de cartes
[Termes descripteurs IGN] autocorrélation spatiale
[Termes descripteurs IGN] classification par forêts aléatoires
[Termes descripteurs IGN] décomposition empirique du signal
[Termes descripteurs IGN] détection automatique
[Termes descripteurs IGN] données GPS
[Termes descripteurs IGN] modèle mathématique
[Termes descripteurs IGN] navigation pédestre
[Termes descripteurs IGN] ondelette de Haar
[Termes descripteurs IGN] récepteur GPS
[Termes descripteurs IGN] régression quantile
[Termes descripteurs IGN] réseau neuronal convolutif
[Termes descripteurs IGN] segmentation d'image
[Termes descripteurs IGN] signalisation routière
[Termes descripteurs IGN] trace GPS
[Termes descripteurs IGN] vitesse de déplacementRésumé : (auteur) Avec la démocratisation des appareils connectés équipés d'un récepteur GPS, de grandes quantités de trajectoires de véhicules deviennent disponibles, notamment via les flottes de véhicules professionnels et les applications mobiles collaboratives de navigation et d'assistance à la conduite. Récemment, les techniques dites de map inference, visant à dériver de l'information cartographique à partir de ces traces GPS, tendent à compléter, voire à remplacer les techniques traditionnelles. Initialement restreintes à la construction de la géométrie des routes, elles sont progressivement utilisées pour enrichir les réseaux existants, et en particulier pour construire une base de données numérique de la signalisation verticale. La connaissance fine et exhaustive de l'infrastructure routière est un prérequis indispensable dans de nombreux domaines : pour les gestionnaires de réseaux et les décideurs dans le cadre de travaux d'aménagement, pour les usagers avec le calcul précis des temps de parcours, mais aussi, plus récemment, dans le cadre du véhicule autonome. Dans ce contexte, les méthodes d'apprentissage statistique apportent une perspective intéressante et garantissent l’adaptabilité de l'approche aux différents cas d'utilisation et à la grande variabilité des données rencontrées en pratique. L'objectif de ce travail de thèse est d'étudier le potentiel de cette classe de méthodes, pour la détection automatique de la signalisation routière, en temps différé, à partir d'un ensemble de profils de vitesse GPS. Le premier cas d'application est celui de la détection des feux de circulation, étendu par la suite a d'autre types de signalisation comme les passages piétons. En premier lieu, nous travaillons sur un jeu de données expérimental de haute qualité, à l'aide duquel nous étudions les performances de plusieurs classifieurs et nous comparons deux représentations mathématiques des données : une approche classique de reconnaissance d'image et une approche fonctionnelle consistant à agréger et à décomposer les signaux de profils de vitesses sur une base d'ondelettes de Haar. Les résultats obtenus montrent la pertinence de l'approche fonctionnelle, en particulier lorsqu'elle est combinée à l'algorithme des forêts aléatoires, en termes de fiabilité de détection et de temps de calcul. L'approche est alors appliquée sur d'autres types d'éléments de l'infrastructure. Dans un second temps, nous tentons d'adapter la méthode proposée sur le cas de données observationnelles, i.e. acquises en environnement non-contrôlé, pour lesquelles nous cherchons également à estimer la position des feux de signalisation par régression statistique. Les résultats montrent la sensibilité de l'approche axe sur l'apprentissage face à des données fortement bruitées ainsi que la difficulté liée à la définition de l'emprise spatiale des instances individuelles sur un réseau routier complexe. Nous tentons de lever ce second verrou à l'aide d'approches globales fondées sur une segmentation d'image par réseau de neurones convolutionnel. Enfin, nous expérimentons une approche permettant d'exploiter. L'autocorrélation spatiale des variables cibles sur les instances individuelles à l'aide de la topologie du graphe routier et en modélisant la zone d'étude sous forme d'un champ de Markov conditionnel. Les résultats obtenus montrent une amélioration des performances de détection par rapport à l'apprentissage non-structuré. Ces travaux de thèse ont également suscité le développement de méthodes originales de prétraitement des trajectoires GPS (filtrage, interpolation, débiaisage et recalage sur un réseau routier de référence) ainsi que l'élaboration de critères objectifs d'évaluation de la qualité de ces pré-traitements. Note de contenu : 1- Cadre général et enjeux de la thèse
2- Méthodes et algorithmes pour le pré-traitement des trajectoires GPS
3- Comparaison des approches image et fonctionnelle en conditions expérimentale
4- Etude du potentiel des méthodes d'apprentissage sur un cas opérationnel
5- Approches globales : réseaux de neurones artificiels et apprentissage structuréNuméro de notice : 25687 Affiliation des auteurs : LaSTIG COGIT (2012-2019) Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : thèse de Doctorat : Signal, Image, Automatique : Paris-Est : 2019 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans date de publication en ligne : 28/02/2020 En ligne : https://tel.archives-ouvertes.fr/tel-02493936/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94716 The effects of navigation sensors and spatial road network data quality on the performance of map matching algorithms / M. Quddus in Geoinformatica, vol 13 n° 1 (March 2009)
PermalinkL'évolution de la navigation et de la cartographie routière, un exemple à suivre pour l'intérieur ? / P. Saint-Martin in XYZ, n° 112 (septembre - novembre 2007)
PermalinkPermalinkMapping Dilution of Precision (MDOP) and map-matched GPS / Geoffrey Blewitt in International journal of geographical information science IJGIS, vol 16 n° 1 (january 2002)
Permalink