Centre dedocumentation
scientifique

Learning from GPS trajectories of floating car for CNN-based urban road extraction with high-resolution satellite imagery / Ju Zhang in IEEE Transactions on geoscience and remote sensing, Vol 59 n° 3 (March 2021)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > Vol 59 n° 3 (March 2021) . - pp 1836 - 1847 Titre : Learning from GPS trajectories of floating car for CNN-based urban road extraction with high-resolution satellite imagery Type de document : Article/Communication Auteurs : Ju Zhang, Auteur ; Qingwu Hu, Auteur ; Jiayuan Li, Auteur ; Mingyao Ai, Auteur Année de publication : 2021 Article en page(s) : pp 1836 - 1847 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] base d'apprentissage [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] extraction du réseau routier [Termes IGN] image à haute résolution [Termes IGN] rastérisation [Termes IGN] segmentation d'image [Termes IGN] trace GPS [Termes IGN] trace numérique [Termes IGN] trajectoire [Termes IGN] Wuhan (Chine) [Termes IGN] zone urbaine Résumé : (Auteur) Deep learning has achieved great success in recent years, among which the convolutional neural network (CNN) method is outstanding in image segmentation and image recognition. It is also widely used in satellite imagery road extraction and, generally, can obtain accurate and extraction results. However, at present, the extraction of roads based on CNN still requires a lot of manual preparation work, and a large number of samples can be marked to achieve extraction, which has to take long drawing cycle and high production cost. In this article, a new CNN sample set production method is proposed, which uses the GPS trajectories of floating car as training set (GPSTasST), for the multilevel urban roads extraction from high-resolution remote sensing imagery. This method rasterizes the GPS trajectories of floating car into a raster map and uses the processed raster map to label the satellite image to obtain a road extraction sample set. CNN can extract roads from remote sensing imagery by learning the training set. The results show that the method achieves a harmonic mean of precision and recall higher than road extraction method from single data source while eliminating the manual labeling work, which shows the effectiveness of this work. Numéro de notice : A2021-211 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE/POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.3003425 Date de publication en ligne : 14/07/2020 En ligne : https://doi.org/10.1109/TGRS.2020.3003425 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97196 [article]

Context-aware similarity of GPS trajectories / Radu Mariescu-Istodor in Journal of location-based services, vol 14 n° 4 ([01/11/2020])  

Public [article]  inJournal of location-based services > vol 14 n° 4 [01/11/2020] . - pp 231 - 251 Titre : Context-aware similarity of GPS trajectories Type de document : Article/Communication Auteurs : Radu Mariescu-Istodor, Auteur ; Pasi Fränti, Auteur Année de publication : 2020 Article en page(s) : pp 231 - 251 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] prise en compte du contexte [Termes IGN] similitude [Termes IGN] trace GPS [Termes IGN] traitement de données localisées [Termes IGN] trajectoire Résumé : (auteur) Measuring similarity of GPS trajectories has attracted a lot of attention in recent years. As a result, multiple trajectory similarity measures have been developed and are used in a wide set of applications which aim to extract meaningful information from large collections. In this paper, we focus on some of the most popular measures and study how they all can be adapted to use contextual information. We experiment using the buildings in an urban setting as the context and demonstrate how it impacts the similarity values. Experiments show that routes rank differently in terms of similarity in the presence of context which can have serious implications in applications such as trajectory search and clustering similar trajectories. Numéro de notice : A2020-848 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1080/17489725.2020.1842923 Date de publication en ligne : 04/11/2020 En ligne : https://doi.org/10.1080/17489725.2020.1842923 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98654 [article]

Traffic 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 10 n° 1 (June 2020)    

Public [article]  inInternational Journal of Data Science and Analytics JDSA > vol 10 n° 1 (June 2020) . - pp 101 - 119 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 , Auteur ; Arnaud Le Guilcher , Auteur ; Guillaume Saint Pierre, Auteur ; Mohammad Ghasemi Hamed, Auteur ; Sébastien Mustière , Auteur ; Olivier Orfila, Auteur Année de publication : 2020 Projets : 1-Pas de projet / Article en page(s) : pp 101 - 119 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] analyse fonctionnelle (mathématiques) [Termes IGN] apprentissage profond [Termes IGN] carte routière [Termes IGN] classification par forêts aléatoires [Termes IGN] contenu généré par les utilisateurs [Termes IGN] détection d'objet [Termes IGN] données routières [Termes IGN] feu de circulation [Termes IGN] inférence [Termes IGN] reconnaissance de formes [Termes IGN] signalisation routière [Termes IGN] trace GPS [Termes IGN] trafic routier [Termes IGN] transformation en ondelettes [Termes IGN] vitesse Résumé : (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 : A2020-336 Affiliation des auteurs : LASTIG COGIT+Ext (2012-2019) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern 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 [article]

Documents numériques

peut être téléchargé Traffic signal detection ... - preprint Adobe Acrobat PDF

Uber movement data: a proxy for average one-way commuting times by car / Yeran Sun in ISPRS International journal of geo-information, vol 9 n° 3 (March 2020)  

Public [article]  inISPRS International journal of geo-information > vol 9 n° 3 (March 2020) . - 16 p. Titre : Uber movement data: a proxy for average one-way commuting times by car Type de document : Article/Communication Auteurs : Yeran Sun, Auteur ; Yinming Ren, Auteur ; Xuan Sun, Auteur Année de publication : 2020 Article en page(s) : 16 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] Boston (Massachusetts) [Termes IGN] distribution spatiale [Termes IGN] flux [Termes IGN] migration pendulaire [Termes IGN] objet mobile [Termes IGN] origine - destination [Termes IGN] planification urbaine [Termes IGN] taxi [Termes IGN] temps de trajet [Termes IGN] trace GPS Résumé : (auteur) Recently, Uber released datasets named Uber Movement to the public in support of urban planning and transportation planning. To prevent user privacy issues, Uber aggregates car GPS traces into small areas. After aggregating car GPS traces into small areas, Uber releases free data products that indicate the average travel times of Uber cars between two small areas. The average travel times of Uber cars in the morning peak time periods on weekdays could be used as a proxy for average one-way car-based commuting times. In this study, to demonstrate usefulness of Uber Movement data, we use Uber Movement data as a proxy for commuting time data by which commuters’ average one-way commuting time across Greater Boston can be figured out. We propose a new approach to estimate the average car-based commuting times through combining commuting times from Uber Movement data and commuting flows from travel survey data. To further demonstrate the applicability of the commuting times estimated by Uber movement data, this study further measures the spatial accessibility of jobs by car by aggregating place-to-place commuting times to census tracts. The empirical results further uncover that 1) commuters’ average one-way commuting time is around 20 min across Greater Boston; 2) more than 75% of car-based commuters are likely to have a one-way commuting time of less than 30 min; 3) less than 1% of car-based commuters are likely to have a one-way commuting time of more than 60 min; and 4) the areas suffering a lower level of spatial accessibility of jobs by car are likely to be evenly distributed across Greater Boston. Numéro de notice : A2020-255 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi9030184 Date de publication en ligne : 24/03/2020 En ligne : https://doi.org/10.3390/ijgi9030184 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95010 [article]

Analyse spatio-temporelle des mobilités de randonneurs dans le PNR du Massif des Bauges / Colin Kerouanton (2020)  

Public Titre : Analyse spatio-temporelle des mobilités de randonneurs dans le PNR du Massif des Bauges Titre original : Spatio-temporal analysis of hikers mobilities in the PNR du Massif des Bauges Type de document : Thèse/HDR Auteurs : Colin Kerouanton , Auteur ; Anne Loison, Directeur de thèse ; Clémence Perrin-Malterre, Encadrant ; Laurence Jolivet , Encadrant Editeur : Chambéry : Université de Savoie Année de publication : 2020 Importance : 277 p. Format : 21 x 30 cm Note générale : bibliographie Thèse pour obtenir le grade de Docteur de l'Université Savoie Mont Blanc, spécialité Biodiversité, écologie, environnement Langues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] analyse spatio-temporelle [Termes IGN] loisir [Termes IGN] mobilité [Termes IGN] parc naturel régional [Termes IGN] parc naturel régional du massif des Bauges [Termes IGN] piéton [Termes IGN] randonnée [Termes IGN] trace GPS [Termes IGN] trajet Résumé : (auteur) La grande faune de montagne est actuellement abondante, mais ses effectifs pourraient baisser si la « qualité » et la surface des habitats disponibles diminuaient, par exemple en conséquence d’une hausse des pratiques touristiques. Or, si ces pratiques se diversifient, leurs impacts sur la faune et ses attraits vis-à vis de la faune sont mal quantifiés et qualifiés. Les gestionnaires sont en manque d’informations quantifiées et cartographiées pour mettre en place des mesures de gestion des pratiques humaines. Cette thèse a pour but l’analyse spatio-temporelle des mobilités de randonneurs, enregistrées par portage de GPS. Elle s’inscrit dans une perspective inter-disciplinaire entre écologie, sociologie, géographie et géomatique. Les connaissances issues des résultats de la thèse devront être employables par les écologues pour l’étude de l’interaction Faune/Humain, mais aussi par les gestionnaires du territoire. La thèse se décline en deux parties, reprenant la définition d’une trajectoire (composée de pauses et de déplacements entre ces pauses) : (1) détecter les pauses par le biais d’un outil de géomatique, définir les paramètres de ce dernier, analyser les pauses selon les caractéristiques sociologiques des randonneurs, déterminer les espaces à forte probabilité de pause ; (2) comparer les vitesses de déplacement des randonneurs selon la pente et selon leur profil, et en déduire un modèle statistique de vitesse de marche en montagne, comparer ce modèle aux modèles déjà existants, simuler des scénarios de randonnées, analyser la variation spatio-temporelle de la fréquentation des sentiers, classifier automatiquement les trajectoires. Numéro de notice : 17614 Affiliation des auteurs : LASTIG COGIT (2012-2019) Thématique : BIODIVERSITE/GEOMATIQUE Nature : Thèse française Note de thèse : thèse : Biodiversité, écologie, environnement : Savoie Mont Blanc : 2020 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 15/10/2020 En ligne : https://hal.archives-ouvertes.fr/tel-02967697/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96169

Potential of crowdsourced traces for detecting updates in authoritative geographic data / Stefan Ivanovic (2020)  

Permalink

Analysing the positional accuracy of GNSS multi-tracks obtained from VGI sources to generate improved 3D mean axes / Antonio Tomás Mozas-Calvache in International journal of geographical information science IJGIS, vol 33 n° 11 (November 2019)  

Permalink

A filtering-based approach for improving crowdsourced GNSS traces in a data update context / Stefan Ivanovic in ISPRS International journal of geo-information, vol 8 n° 9 (September 2019)  

Permalink

Accuracy assessment of speed values calculated from GNSS tracks of roads obtained from VGI / Antonio Tomás Mozas-Calvache in Survey review, vol 51 n° 367 (July 2019)  

Permalink

Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs / Yann Méneroux (2019)  

Permalink

Pedestrian network information extraction based on VGI / Xuejing Xie in Geomatica [en ligne], vol 72 n° 3 (September 2018)  

Permalink

Appariement automatique de données hétérogènes: textes, traces GPS et ressources géographiques / Amine Medad (2018) 

Permalink

Convolutional neural network for traffic signal inference based on GPS traces / Yann Méneroux (2018) 

Permalink

Detection and localization of traffic signals with GPS floating car data and Random Forest / Yann Méneroux (2018)    

Permalink

Unveiling movement uncertainty for robust trajectory similarity analysis / Andre Salvaro Furtado in International journal of geographical information science IJGIS, vol 32 n° 1-2 (January - February 2018)  

Permalink