Estimation of Road Transverse Slope Using Crowd-Sourced Data from Smartphones
Estimation of Road Transverse Slope Using Crowd-Sourced Data from Smartphones
复制标题
使用智能手机的众包数据估算道路横向坡度
DOI：
10.1145/3397536.3422239
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Qiao, Chunming
中科院分区：
文献类型：
--
作者：
Gupta, Abhishek;Khare, Abhinav;Jin, Haiming;Sadek, Adel;Su, Lu;Qiao, Chunming
在数字地图中集成道路横向几何特征信息，如交叉坡度和超高程，可以通过实现驾驶安全和效率应用，如高级驾驶辅助系统（ADAS），扩大其应用范围，主要是导航。道路网络的巨大规模和动态性使得道路几何特征的感知成为一项具有挑战性的任务。传统方法往往存在成本高、可扩展性和更新频率有限、传感精度差等问题。为了克服这些问题，我们提出了一个成本效益高、可扩展的道路横向坡度估计框架，该框架使用智能手机的传感器数据。基于智能手机传感器的误差特性，我们将加速度计、陀螺仪和GPS的数据智能地结合起来，估算出路段的道路横向坡度轮廓。为了提高系统的准确性和鲁棒性，对来自多个来源/车辆的道路横向坡度估计进行了众包，以补偿来自不同来源的传感器数据质量不同的影响。在9km的测试路线上进行的大量实验评估表明，我们提出的方法具有优越的性能，与现有方法相比，道路横向坡度估计精度提高了350%，误差在0.5°以下的误差占90%。
Integration of information on road transverse geometric features such as cross slope and superelevation in digital maps can widen the scope of its applications, which is primarily navigation, by enabling driving safety and efficiency applications such as Advanced Driver Assistance Systems (ADAS). The huge scale and dynamic nature of road networks make sensing such road geometric features a challenging task. Traditional methods oftentimes suffer from high cost, limited scalability and update frequency, as well as poor sensing accuracy. To overcome these problems, we propose a cost-effective and scalable road transverse slope estimation framework using sensor data from smartphones. Based on error characteristics of smartphone sensors, we intelligently combine data from accelerometer, gyroscope and GPS to estimate road transverse slope profile of a road segment. To improve accuracy and robustness of the system, the estimations of road transverse slope from multiple sources/vehicles are crowd-sourced to compensate for the effects of varying quality of sensor data from different sources. Extensive experimental evaluation on a test route of 9km demonstrates the superior performance of our proposed method, achieving 350% improvement on road transverse slope estimation accuracy over existing methods, with 90% of errors below 0.5°.
登录
查看更多内容
影响因子：
2
作者：
Sylvain Firer-Blaess;C. Fuchs
通讯作者：
Sylvain Firer-Blaess;C. Fuchs
使用低成本移动设备的自动超高测量方法：一种高效、经济的智能水平曲线安全评估方法
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
Y. Tsai;Chengbo Ai
通讯作者：
Chengbo Ai
使用多功能测量车自动分析横坡数据的创新技术
DOI：
--
发表时间：
2008
期刊：
影响因子：
--
作者：
A. Mraz;A. Nazef
通讯作者：
A. Nazef
DOI：
--
发表时间：
2007
期刊：
影响因子：
--
作者：
William J. Stein;T. Neuman
通讯作者：
T. Neuman
使用激光雷达技术的移动横向坡度测量方法
DOI：
--
发表时间：
2013
期刊：
影响因子：
--
作者：
Y. Tsai;Chengbo Ai;Zhaohua Wang;E. Pitts
通讯作者：
E. Pitts