A Data Correction Algorithm for Low-Frequency Floating Car Data.
A Data Correction Algorithm for Low-Frequency Floating Car Data.
复制标题
一种低频浮动车数据的数据校正算法
DOI：
10.3390/s18113639
复制
发表时间：
2018-10-26
期刊：
影响因子：
--
通讯作者：
Cai Y
中科院分区：
文献类型：
--
作者：
Li B;Guo Y;Zhou J;Cai Y
浮动汽车采集的数据是车道级地图制作的重要来源。与其他数据源相比，该方法是一种低成本但具有挑战性的生成高精度地图的方法。针对低频浮动车数据，提出了一种数据校正算法。首先采用自适应密度优化方法对轨迹数据进行预处理，去除误差较大的噪声点;然后，我们匹配的轨迹数据与OpenStreetMap（OSM）使用一个有效的分层地图匹配算法。最后，我们校正浮动车数据基于OSM的物理吸引力模型。利用武汉市数千辆出租车在一周内收集的数据进行实验。结果表明，数据的准确性得到了提高，证明了所提出的算法的实用性和有效性。
The data collected by floating cars is an important source for lane-level map production. Compared with other data sources, this method is a low-cost but challenging way to generate high-accuracy maps. In this paper, we propose a data correction algorithm for low-frequency floating car data. First, we preprocess the trajectory data by an adaptive density optimizing method to remove the noise points with large mistakes. Then, we match the trajectory data with OpenStreetMap (OSM) using an efficient hierarchical map matching algorithm. Lastly, we correct the floating car data by an OSM-based physical attraction model. Experiments are conducted exploiting the data collected by thousands of taxies over one week in Wuhan City, China. The results show that the accuracy of the data is improved and the proposed algorithm is demonstrated to be practical and effective.
登录
查看更多内容
DOI：
10.1016/j.jag.2012.05.013
发表时间：
2012-10-01
影响因子：
7.5
作者：
Li, Jun;Qin, Qiming;Zhao, Yue
通讯作者：
Zhao, Yue
DOI：
10.1080/13658816.2014.944527
发表时间：
2015-01-02
影响因子：
5.7
作者：
Wang, Jing;Rui, Xiaoping;Raghavan, Venkatesh
通讯作者：
Raghavan, Venkatesh
CLRIC：通过众包收集基于车道的道路信息
DOI：
10.1109/tits.2016.2521482
发表时间：
2016-09-01
影响因子：
8.5
作者：
Tang, Luliang;Yang, Xue;Li, Qingquan
通讯作者：
Li, Qingquan
基于朴素贝叶斯分类的车辆GPS轨迹车道级道路信息挖掘
影响因子：
3.4
作者：
Tang, Luliang;Yang, Xue;Li, Qingquan
通讯作者：
Li, Qingquan
一种检测不同密度空间簇的迭代检测和去除方法
影响因子：
2.4
作者：
Liu, Qiliang;Tang, Jianbo;Shi, Yan
通讯作者：
Shi, Yan