文献

J-GLOBAL ID：201702264608218341   整理番号：17A0023348

高速道路上でのスパース移動センサデータを用いた車両軌跡再構成のための確率的モデル【Powered by NICT】

Probabilistic model for vehicle trajectories reconstruction using sparse mobile sensor data on freeways

著者 (6件)： Shan Xiaonian (Key Laboratory of Road and Traffic Engineering of the Ministry of Education, Tongji University, Shanghai 201804 China) ,  Hao Peng (Center for Environmental Research & Technology, UC Riverside, CA 92507 USA) ,  Chen Xiaohong (Key Laboratory of Road and Traffic Engineering of the Ministry of Education, Tongji University, Shanghai 201804 China) ,  Boriboonsomsin Kanok (Center for Environmental Research & Technology, UC Riverside, CA 92507 USA) ,  Wu Guoyuan (Center for Environmental Research & Technology, UC Riverside, CA 92507 USA) ,  Barth Matthew J. (Center for Environmental Research & Technology, UC Riverside, CA 92507 USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ITSC  ページ： 689-694  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 現実世界の車両軌跡データは,運転者行動研究,旅行時間の推定,および車両エネルギー/放出評価のような多くの用途で使用が増加している。スマートフォンのようなモバイルセンサの偏在するため,現実世界の車両軌跡データは大規模で収集することができる。しかし,実際に最も大規模モバイルセンサデータは実装コストのために,サンプリング率の点で少ない。これらのデータは,いくつかの応用で用いることができる前に,最初の高分解能車両軌跡(例えば,二毎)にデータを再構成する必要がある。本論文では,高速道路上に捕集されたスパース移動センサーデータによる車両軌跡を再構築するための確率的モデルを提示した。事前確率分布を異なる運転モード,例えば,加速,減速,走行,アイドリングの統計を定量化した。最尤推定(MLE)法を用いて連続サンプリング時間の間の二ごとの車両軌跡を再構成した。提案したモデルは,NGSIMの米国10データセットを用いて較正し,検証し,スパース移動センサデータの適用性を高めるのに非常に有望であることを示した。結果は二毎の位置と速度の推定の平均絶対誤差(MAE)は1.39mと0.47m/sであった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アイドリング ,  *確率モデル ,  最尤法 ,  確率分布 ,  *軌跡 ,  旅行時間 ,  *高速道路 ,  運転モード ,  *再構成 ,  適応性 ,  スマートフォン ,  *透視図法
準シソーラス用語： サンプリング速度 ,  運転者行動 ,  *モバイルセンサー , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 高速道路 ,  センサデータ ,  軌跡 ,  再構成 ,  確率的モデル