- Таобао
- Книги / Журналы/ Газеты
- Наука
- Физика
- 633331895214
Отслеживайте большие данные и высокую точность времени и точности.

Цена: 2 663руб. (¥126)
Артикул: 633331895214
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара<p><h4 style="background-color: #e5e5e5;line-height: 24.0px;">&amp;nbsp;&amp;nbsp;Основная информация</h4><br><table width="790" border="0" cellspacing="0" cellpadding="0" style="border: 1.0px solid #cdcdcd;font-size: 18.0px;"><tr><td width="80" align="right" style="border-bottom: 1.0px solid #cdcdcd;">Заголовок:</td><td style="border-bottom: 1.0px solid #cdcdcd;border-left: 1.0px solid #cdcdcd;">&amp;nbsp;Интеллектуальный анализ больших данных о траекториях и краудсорсинговое картографирование дорог с высокой пространственно-временной точностью</td></tr><tr><td width="80" align="right" style="border-bottom: 1.0px solid #cdcdcd;">Автор:</td><td style="border-bottom: 1.0px solid #cdcdcd;border-left: 1.0px solid #cdcdcd;">&amp;nbsp;Тан Лулян и др.</td></tr><tr><td width="80" align="right" style="border-bottom: 1.0px solid #cdcdcd;">Издательство:</td><td style="border-bottom: 1.0px solid #cdcdcd;border-left: 1.0px solid #cdcdcd;">&amp;NBSP; Science Press</td></tr><tr><td width="80" align="right" style="border-bottom: 1.0px solid #cdcdcd;">Дата публикации:</td><td style="border-bottom: 1.0px solid #cdcdcd;border-left: 1.0px solid #cdcdcd;">&amp;nbsp;2019-11-01</td></tr><tr><td width="80" align="right" style="border-bottom: 1.0px solid #cdcdcd;">Издание:</td><td style="border-bottom: 1.0px solid #cdcdcd;border-left: 1.0px solid #cdcdcd;">&amp;nbsp;</td></tr><tr><td width="80" align="right" style="border-bottom: 1.0px solid #cdcdcd;">ISBN:</td><td style="border-bottom: 1.0px solid #cdcdcd;border-left: 1.0px solid #cdcdcd;">&amp;nbsp;9787030624000</td></tr><tr><td width="80" align="right" style="border-bottom: 1.0px solid #cdcdcd;">Рыночная цена:</td><td style="border-bottom: 1.0px solid #cdcdcd;border-left: 1.0px solid #cdcdcd;">&amp;nbsp;168.0</td></tr></table><div class="tit" style="width: 760.0px;height: 40.0px;background: #f2f2f2;padding: 0.0px 10.0px 0.0px 20.0px;float: left;"><div style="width: 490.0px;line-height: 40.0px;font-size: 18.0px;color: #444444;font-weight: bold;float: left;"><div style="margin: 10.0px 8.0px 0.0px 0.0px;float: left;"><img src="https://img.alicdn.com/imgextra/i3/322791652/TB2WyrwbVXXXXbeXpXXXXXXXXXX_!!322791652.jpg"></div>Оглавление</div><div style="font-size: 12.0px;line-height: 40.0px;color: #888888;float: left;width: 270.0px;">Знание о мечтах, мы продаем только книги с качеством и питательными!</div></div><div class="descrip" style="float: left;width: 768.0px;margin: 0.0px;padding: 15.0px 5.0px 15.0px 15.0px;list-style-type: none;border-left: solid 1.0px #f7f7f7;border-right: solid 1.0px #f7f7f7;position: ;overflow: hidden;line-height: 24.0px;font-size: 18.0px;color: #000000;">Оглавление<br>Глава 1 Получение больших данных пространственно-временной траектории 1<br>1.1 Технология дорожного картографирования высокой пространственно-временной точности 2<br>1.1.1 Технология высокоточного профессионального картографирования дорог 2<br>1.1.2 Технология высокоточного краудсорсингового картографирования дорог 3<br>1.1.3 Преимущества и недостатки высокоточного профессионального картографирования дорог и технологии краудсорсингового картографирования 4<br>1.2 Плавающая система сбора данных автомобиля 5<br>1.2.1 Принцип системы 5<br>1.2.2 Состав системы 5<br>1.2.3 Возможности системы 7<br>1.2.4 Характеристики данных 7<br>1.3 Платформа обмена данными волонтеров 9<br>1.3.1 Режим платформы 9<br>1.3.2 Возможности платформы 10<br>1.3.3 Состав данных 11<br>1.3.4 Характеристики данных 13<br>Ссылки 14<br>Глава 2 Предварительная обработка данных траектории 18<br>2.1 Источники ошибок в данных о траектории 18<br>2.1.1 Ошибка GPS 18<br>2.1.2 Отсутствующие данные 19<br>2.2 Устранить точки дрейфа траектории 20<br>2.2.1 Существующие методы обработки точек дрейфа 20<br>2.2.2 Плавающие характеристики распределения данных автомобиля 22<br>2.2.3 Устранение точки дрейфа на основе плотности триангуляции Делоне 23<br>2.2.4 Экспериментальная проверка 25<br>2.3 Высокоточная фильтрация траекторий 27<br>2.3.1 Существующие методы очистки данных о траекториях 27<br>2.3.2 Характеристики распределения траекторий синхронизации высокой и низкой точности 29<br>2.3.3 Метод очистки больших данных о траектории транспортного средства на основе модели согласованности движения 30<br>2.3.4 Экспериментальная проверка 35<br>2.4 Восстановление недостающей траектории 40<br>2.4.1 Существующие недостающие методы реконструкции 40<br>2.4.2 Извлечение признаков поведения 42<br>2.4.3 Моделирование вероятности отсутствия траектории на основе исторического поведения 43<br>2.4.4 Экспериментальная проверка 45<br>Ссылки 47<br>Глава 3 Распознавание перекрестков дорог и сбор информации 50<br>3.1 Обзор сбора информации о перекрестках дорог 50<br>3.1.1 Распознавание перекрестков на основе данных изображения 50<br>3.1.2 Распознавание перекрестков на основе 3DLiDAR и мультисенсорного слияния 51<br>3.1.3 Распознавание перекрестков на основе данных о траектории 51<br>3.1.4 Резюме 52<br>3.2 Функции пересечения дорог и характеристики рулевого управления автомобиля 53<br>3.3 Быстрое определение перекрестков на уровне дорог 54<br>3.3.1 Извлечение пар точек изменения поворота транспортного средства 54<br>3.3.2. Кластеризация пар точек поворота на основе метода растущей кластеризации 56<br>3.3.3 Идентификация пересечения плоскостей на основе метода кластеризации локальной связности 58<br>3.4 Получение пространственной структуры пересечений уровней в данных многоуровневой дорожной сети 59<br>3.4.1 Определение положения центра и круга дальности пересечения плоскостей 59<br>3.4.2 Выделение пространственной структуры перекрестков дорог на уровне полосы движения 60<br>3.4.3 Выделение пространственной структуры перекрестков дорог на уровне полосы движения 62<br>3.5 Экспериментальная проверка 62<br>3.5.1 Экспериментальные данные 62<br>3.5.2 Настройка параметров 63<br>3.5.3 Визуализация и оценка точности результатов эксперимента 66<br>3.5.4 Сравнение методов идентификации пересечений на уровне городских дорог 69<br>Ссылки 71<br>Глава 4. Сбор информации о геометрической связности многоуровневых дорог 73<br>4.1 Обзор сбора информации о геометрической связности дорог 73<br>4.1.1 Получение информации о дороге на основе данных изображения 73<br>4.1.2 Извлечение информации о дороге на основе данных бортового/автомобильного лазера 75<br>4.1.3 Извлечение информации о дороге на основе данных о траектории транспортного средства 75<br>4.1.4 Резюме 76<br>4.2 Извлечение информации о геометрической связности уровня осевой линии дороги и полосы движения 78<br>4.2.1 Анализ процесса восприятия информации дорожной сети на основе когнитивных правил 78<br>4.2.2 Модель объединения траекторий и построение дорожной сети с учетом когнитивных законов 79<br>4.2.3 Качественная и количественная оценка извлечения информации о дорожной сети 85<br>4.2.4 Экспериментальная проверка 86<br>4.3 Извлечение информации о геометрической связности на уровне полос движения 89<br>4.3.1 Характеристики распределения данных о траектории движения транспортного средства в плоскости и поперечном сечении дороги 89<br>4.3.2 Сбор информации о геометрии дороги на уровне полосы движения на основе оптимизации модели гауссовой смеси с ограничениями 90<br>4.3.3 Извлечение информации о дорожном соединении на уровне полосы движения 97<br>4.3.4 Экспериментальная проверка 101<br>Список литературы 111<br>Глава 5. Обнаружение изменений в неоднородных дорожных данных 116<br>5.1 Обзор обнаружения изменения дорожных данных 116<br>5.1.1 Метод обнаружения изменения растровых данных 116<br>5.1.2 Метод обнаружения изменения векторных данных 117<br>5.1.3 Классификация и моделирование изменений пространственных данных 118<br>5.2 Мера сходства геометрии дороги 118<br>5.2.1 Метод описания геометрических фигур 118<br>5.2.2 Мера геометрического сходства дорог 121<br>5.3 Измерение семантического сходства атрибутов дороги 126<br>5.3.1 Семантическое выражение онтологии пространственной информации 126<br>5.3.2 Создание онтологии классификации дорожной информации 128<br>5.4 Обнаружение изменения данных о дороге на основе модели сходства наземных объектов 137<br>5.4.1 Модель подобия наземных объектов 138<br>5.4.2 Классификация изменений дорожных данных 140<br>5.4.3 Обнаружение изменения дорожных данных 141<br>5.5 Обнаружение и извлечение изменений в данных о дорожном движении 145<br>5.5.1 Подготовка данных до и после изменений 146<br>5.5.2 Расчет сходства наземных объектов 147<br>5.5.3 Обнаружение и извлечение изменений в дорожных данных 147<br>5.6 Оценка модели сходства наземных объектов и алгоритма обнаружения изменений пространственных данных 150<br>5.6.1 Анализ точности измерения сходства поверхностных объектов 150<br>5.6.2 Определение и анализ порога изменения сходства наземных объектов 151<br>Ссылки 155<br>Глава 6. Обнаружение изменения дорожной информации 159<br>6.1 Обзор обнаружения изменений городской дорожной сети 159<br>6.1.1 Новые данные изображения накладываются на исторические данные изображения для обнаружения изменений дороги 159<br>6.1.2 Объединение данных изображений с информацией ГИС для обнаружения изменений дорог 160<br>6.1.3 Сравнение векторных данных дорожной сети до и после для обнаружения изменений дорог 161<br>6.1.4 Объединение текущих данных о траекториях и исторических данных о дорожной сети для обнаружения изменений на дорогах 161<br>6.2 Обнаружение изменений городской многоуровневой дорожной сети 162<br>6.2.1 Виды изменений городской многоуровневой дорожной сети 162<br>6.2.2 Метод обнаружения изменений дорожной сети на основе алгоритма сопоставления карт 163<br>6.3 Обнаружение изменений дорожной сети на уровне осевой линии дороги 165<br>6.3.1 Виды изменений геометрической связности дорожной сети на уровне осевой линии 165<br>6.3.2 Обнаружение изменения дороги на основе метода сопоставления «точка-линия» 166<br>6.3.3 Обновление дорожной сети на уровне осевой линии 170<br>6.3.4 Экспериментальная проверка 171<br>6.4 Обнаружение изменений дорожной сети на уровне полосы движения 177<br>6.4.1 Виды изменений в дорожной сети 177<br>6.4.2 Обнаружение изменений топологии сети автомобильных дорог на основе данных о траектории движения 179<br>6.4.3 Обновление сети автомобильных дорог на основе результатов обнаружения изменений 183<br>6.4.4 Экспериментальная проверка 184<br>6.5 Обнаружение изменений дорожной сети на уровне полосы движения 188<br>6.5.1 Подтверждение соответствия кандидата сегменту дороги на основе теории эллипса ошибок 189<br>6.5.2 Метод согласования траекторий, основанный на теории нечеткой логики 190<br>6.5.3 Обнаружение изменений дорожной сети на уровне полос на основе результатов сопоставления 193<br>6.5.4 Экспериментальная проверка 196<br>Ссылки 203</div><div class="tit" style="width: 760.0px;height: 40.0px;background: #f2f2f2;padding: 0.0px 10.0px 0.0px 20.0px;float: left;"><div style="width: 490.0px;line-height: 40.0px;font-size: 18.0px;color: #444444;font-weight: bold;float: left;"><div style="margin: 10.0px 8.0px 0.0px 0.0px;float: left;"><img src="https://img.alicdn.com/imgextra/i3/322791652/TB2WyrwbVXXXXbeXpXXXXXXXXXX_!!322791652.jpg"></div>Введение</div><div style="font-size: 12.0px;line-height: 40.0px;color: #888888;float: left;width: 270.0px;">Знание о мечтах, мы продаем только книги с качеством и питательными!</div></div><div class="descrip" style="float: left;width: 768.0px;margin: 0.0px;padding: 15.0px 5.0px 15.0px 15.0px;list-style-type: none;border-left: solid 1.0px #f7f7f7;border-right: solid 1.0px #f7f7f7;position: ;overflow: hidden;line-height: 24.0px;font-size: 18.0px;color: #000000;">Большие данные траектории характеризуются низкой стоимостью сбора, быстрым обновлением и богатым объемом информации. Это новый способ для людей исследовать законы человеческой деятельности и исследовать физическую структуру космоса. «Интеллектуальный анализ больших данных о траекториях и краудсорсинговое картографирование дорог с высокой пространственно-временной точностью» берет за основу анализ больших данных о траекториях и направлен на получение и обновление информации о городской дорожной сети на всех уровнях.В нем всесторонне и систематически представлены теория и метод краудсорсингового картирования дорог с высокой пространственно-временной точностью на основе данных о траекториях, включая сбор данных о пространственно-временных траекториях, высокоточную фильтрацию данных о траекториях, идентификацию пересечений городских дорог и сбор информации о геометрической связности на всех уровнях, теорию и методы обнаружения изменений дорожной сети, а также стратегии автоматического обновления дорожных сетей на всех уровнях.«Траекторный анализ больших данных и краудсорсинговое картирование дорог с высокой пространственно-временной точностью» следует основной логической линии сбора данных, шумоподавления данных и открытия знаний. Каждая глава начинается с конкретной проблемы и объясняет идеи от более мелких к более глубоким, чтобы читатели могли понять суть метода анализа больших данных о траекториях и изучить схему извлечения траекторий для получения информации о дорожной сети с высокой пространственно-временной точностью.</div><div class="tit" style="width: 760.0px;height: 40.0px;background: #f2f2f2;padding: 0.0px 10.0px 0.0px 20.0px;float: left;"><div style="width: 490.0px;line-height: 40.0px;font-size: 18.0px;color: #444444;font-weight: bold;float: left;"><div style="margin: 10.0px 8.0px 0.0px 0.0px;float: left;"><img src="https://img.alicdn.com/imgextra/i3/322791652/TB2WyrwbVXXXXbeXpXXXXXXXXXX_!!322791652.jpg"></div>Чтение в Интернете</div><div style="font-size: 12.0px;line-height: 40.0px;color: #888888;float: left;width: 270.0px;">Знание о мечтах, мы продаем только книги с качеством и питательными!</div></div><div class="tit" style="width: 760.0px;height: 40.0px;background: #f2f2f2;padding: 0.0px 10.0px 0.0px 20.0px;float: left;"><div style="width: 490.0px;line-height: 40.0px;font-size: 18.0px;color: #444444;font-weight: bold;float: left;"><div style="margin: 10.0px 8.0px 0.0px 0.0px;float: left;"><img src="https://img.alicdn.com/imgextra/i3/322791652/TB2WyrwbVXXXXbeXpXXXXXXXXXX_!!322791652.jpg"></div>СМИ обзор</div><div style="font-size: 12.0px;line-height: 40.0px;color: #888888;float: left;width: 270.0px;">Знание о мечтах, мы продаем только книги с качеством и питательными!</div></div><div class="descrip" style="float: left;width: 768.0px;margin: 0.0px;padding: 15.0px 5.0px 15.0px 15.0px;list-style-type: none;border-left: solid 1.0px #f7f7f7;border-right: solid 1.0px #f7f7f7;position: ;overflow: hidden;line-height: 24.0px;font-size: 18.0px;color: #000000;"><br>системы позиционирования, измерительная техника, исследования&amp;nbsp;</div></p>
Продавец:读买天下图书专营店
Рейтинг:

Всего отзывов:0
Положительных:0
Добавить в корзину
- Информация о товаре
- Фотографии
Основная информация
| Заголовок: | Интеллектуальный анализ больших данных о траекториях и краудсорсинговое картографирование дорог с высокой пространственно-временной точностью |
| Автор: | Тан Лулян и др. |
| Издательство: |   Science Press |
| Дата публикации: | 2019-11-01 |
| Издание: | |
| ISBN: | 9787030624000 |
| Рыночная цена: | 168.0 |

Знание о мечтах, мы продаем только книги с качеством и питательными!
Оглавление
Глава 1 Получение больших данных пространственно-временной траектории 1
1.1 Технология дорожного картографирования высокой пространственно-временной точности 2
1.1.1 Технология высокоточного профессионального картографирования дорог 2
1.1.2 Технология высокоточного краудсорсингового картографирования дорог 3
1.1.3 Преимущества и недостатки высокоточного профессионального картографирования дорог и технологии краудсорсингового картографирования 4
1.2 Плавающая система сбора данных автомобиля 5
1.2.1 Принцип системы 5
1.2.2 Состав системы 5
1.2.3 Возможности системы 7
1.2.4 Характеристики данных 7
1.3 Платформа обмена данными волонтеров 9
1.3.1 Режим платформы 9
1.3.2 Возможности платформы 10
1.3.3 Состав данных 11
1.3.4 Характеристики данных 13
Ссылки 14
Глава 2 Предварительная обработка данных траектории 18
2.1 Источники ошибок в данных о траектории 18
2.1.1 Ошибка GPS 18
2.1.2 Отсутствующие данные 19
2.2 Устранить точки дрейфа траектории 20
2.2.1 Существующие методы обработки точек дрейфа 20
2.2.2 Плавающие характеристики распределения данных автомобиля 22
2.2.3 Устранение точки дрейфа на основе плотности триангуляции Делоне 23
2.2.4 Экспериментальная проверка 25
2.3 Высокоточная фильтрация траекторий 27
2.3.1 Существующие методы очистки данных о траекториях 27
2.3.2 Характеристики распределения траекторий синхронизации высокой и низкой точности 29
2.3.3 Метод очистки больших данных о траектории транспортного средства на основе модели согласованности движения 30
2.3.4 Экспериментальная проверка 35
2.4 Восстановление недостающей траектории 40
2.4.1 Существующие недостающие методы реконструкции 40
2.4.2 Извлечение признаков поведения 42
2.4.3 Моделирование вероятности отсутствия траектории на основе исторического поведения 43
2.4.4 Экспериментальная проверка 45
Ссылки 47
Глава 3 Распознавание перекрестков дорог и сбор информации 50
3.1 Обзор сбора информации о перекрестках дорог 50
3.1.1 Распознавание перекрестков на основе данных изображения 50
3.1.2 Распознавание перекрестков на основе 3DLiDAR и мультисенсорного слияния 51
3.1.3 Распознавание перекрестков на основе данных о траектории 51
3.1.4 Резюме 52
3.2 Функции пересечения дорог и характеристики рулевого управления автомобиля 53
3.3 Быстрое определение перекрестков на уровне дорог 54
3.3.1 Извлечение пар точек изменения поворота транспортного средства 54
3.3.2. Кластеризация пар точек поворота на основе метода растущей кластеризации 56
3.3.3 Идентификация пересечения плоскостей на основе метода кластеризации локальной связности 58
3.4 Получение пространственной структуры пересечений уровней в данных многоуровневой дорожной сети 59
3.4.1 Определение положения центра и круга дальности пересечения плоскостей 59
3.4.2 Выделение пространственной структуры перекрестков дорог на уровне полосы движения 60
3.4.3 Выделение пространственной структуры перекрестков дорог на уровне полосы движения 62
3.5 Экспериментальная проверка 62
3.5.1 Экспериментальные данные 62
3.5.2 Настройка параметров 63
3.5.3 Визуализация и оценка точности результатов эксперимента 66
3.5.4 Сравнение методов идентификации пересечений на уровне городских дорог 69
Ссылки 71
Глава 4. Сбор информации о геометрической связности многоуровневых дорог 73
4.1 Обзор сбора информации о геометрической связности дорог 73
4.1.1 Получение информации о дороге на основе данных изображения 73
4.1.2 Извлечение информации о дороге на основе данных бортового/автомобильного лазера 75
4.1.3 Извлечение информации о дороге на основе данных о траектории транспортного средства 75
4.1.4 Резюме 76
4.2 Извлечение информации о геометрической связности уровня осевой линии дороги и полосы движения 78
4.2.1 Анализ процесса восприятия информации дорожной сети на основе когнитивных правил 78
4.2.2 Модель объединения траекторий и построение дорожной сети с учетом когнитивных законов 79
4.2.3 Качественная и количественная оценка извлечения информации о дорожной сети 85
4.2.4 Экспериментальная проверка 86
4.3 Извлечение информации о геометрической связности на уровне полос движения 89
4.3.1 Характеристики распределения данных о траектории движения транспортного средства в плоскости и поперечном сечении дороги 89
4.3.2 Сбор информации о геометрии дороги на уровне полосы движения на основе оптимизации модели гауссовой смеси с ограничениями 90
4.3.3 Извлечение информации о дорожном соединении на уровне полосы движения 97
4.3.4 Экспериментальная проверка 101
Список литературы 111
Глава 5. Обнаружение изменений в неоднородных дорожных данных 116
5.1 Обзор обнаружения изменения дорожных данных 116
5.1.1 Метод обнаружения изменения растровых данных 116
5.1.2 Метод обнаружения изменения векторных данных 117
5.1.3 Классификация и моделирование изменений пространственных данных 118
5.2 Мера сходства геометрии дороги 118
5.2.1 Метод описания геометрических фигур 118
5.2.2 Мера геометрического сходства дорог 121
5.3 Измерение семантического сходства атрибутов дороги 126
5.3.1 Семантическое выражение онтологии пространственной информации 126
5.3.2 Создание онтологии классификации дорожной информации 128
5.4 Обнаружение изменения данных о дороге на основе модели сходства наземных объектов 137
5.4.1 Модель подобия наземных объектов 138
5.4.2 Классификация изменений дорожных данных 140
5.4.3 Обнаружение изменения дорожных данных 141
5.5 Обнаружение и извлечение изменений в данных о дорожном движении 145
5.5.1 Подготовка данных до и после изменений 146
5.5.2 Расчет сходства наземных объектов 147
5.5.3 Обнаружение и извлечение изменений в дорожных данных 147
5.6 Оценка модели сходства наземных объектов и алгоритма обнаружения изменений пространственных данных 150
5.6.1 Анализ точности измерения сходства поверхностных объектов 150
5.6.2 Определение и анализ порога изменения сходства наземных объектов 151
Ссылки 155
Глава 6. Обнаружение изменения дорожной информации 159
6.1 Обзор обнаружения изменений городской дорожной сети 159
6.1.1 Новые данные изображения накладываются на исторические данные изображения для обнаружения изменений дороги 159
6.1.2 Объединение данных изображений с информацией ГИС для обнаружения изменений дорог 160
6.1.3 Сравнение векторных данных дорожной сети до и после для обнаружения изменений дорог 161
6.1.4 Объединение текущих данных о траекториях и исторических данных о дорожной сети для обнаружения изменений на дорогах 161
6.2 Обнаружение изменений городской многоуровневой дорожной сети 162
6.2.1 Виды изменений городской многоуровневой дорожной сети 162
6.2.2 Метод обнаружения изменений дорожной сети на основе алгоритма сопоставления карт 163
6.3 Обнаружение изменений дорожной сети на уровне осевой линии дороги 165
6.3.1 Виды изменений геометрической связности дорожной сети на уровне осевой линии 165
6.3.2 Обнаружение изменения дороги на основе метода сопоставления «точка-линия» 166
6.3.3 Обновление дорожной сети на уровне осевой линии 170
6.3.4 Экспериментальная проверка 171
6.4 Обнаружение изменений дорожной сети на уровне полосы движения 177
6.4.1 Виды изменений в дорожной сети 177
6.4.2 Обнаружение изменений топологии сети автомобильных дорог на основе данных о траектории движения 179
6.4.3 Обновление сети автомобильных дорог на основе результатов обнаружения изменений 183
6.4.4 Экспериментальная проверка 184
6.5 Обнаружение изменений дорожной сети на уровне полосы движения 188
6.5.1 Подтверждение соответствия кандидата сегменту дороги на основе теории эллипса ошибок 189
6.5.2 Метод согласования траекторий, основанный на теории нечеткой логики 190
6.5.3 Обнаружение изменений дорожной сети на уровне полос на основе результатов сопоставления 193
6.5.4 Экспериментальная проверка 196
Ссылки 203
Глава 1 Получение больших данных пространственно-временной траектории 1
1.1 Технология дорожного картографирования высокой пространственно-временной точности 2
1.1.1 Технология высокоточного профессионального картографирования дорог 2
1.1.2 Технология высокоточного краудсорсингового картографирования дорог 3
1.1.3 Преимущества и недостатки высокоточного профессионального картографирования дорог и технологии краудсорсингового картографирования 4
1.2 Плавающая система сбора данных автомобиля 5
1.2.1 Принцип системы 5
1.2.2 Состав системы 5
1.2.3 Возможности системы 7
1.2.4 Характеристики данных 7
1.3 Платформа обмена данными волонтеров 9
1.3.1 Режим платформы 9
1.3.2 Возможности платформы 10
1.3.3 Состав данных 11
1.3.4 Характеристики данных 13
Ссылки 14
Глава 2 Предварительная обработка данных траектории 18
2.1 Источники ошибок в данных о траектории 18
2.1.1 Ошибка GPS 18
2.1.2 Отсутствующие данные 19
2.2 Устранить точки дрейфа траектории 20
2.2.1 Существующие методы обработки точек дрейфа 20
2.2.2 Плавающие характеристики распределения данных автомобиля 22
2.2.3 Устранение точки дрейфа на основе плотности триангуляции Делоне 23
2.2.4 Экспериментальная проверка 25
2.3 Высокоточная фильтрация траекторий 27
2.3.1 Существующие методы очистки данных о траекториях 27
2.3.2 Характеристики распределения траекторий синхронизации высокой и низкой точности 29
2.3.3 Метод очистки больших данных о траектории транспортного средства на основе модели согласованности движения 30
2.3.4 Экспериментальная проверка 35
2.4 Восстановление недостающей траектории 40
2.4.1 Существующие недостающие методы реконструкции 40
2.4.2 Извлечение признаков поведения 42
2.4.3 Моделирование вероятности отсутствия траектории на основе исторического поведения 43
2.4.4 Экспериментальная проверка 45
Ссылки 47
Глава 3 Распознавание перекрестков дорог и сбор информации 50
3.1 Обзор сбора информации о перекрестках дорог 50
3.1.1 Распознавание перекрестков на основе данных изображения 50
3.1.2 Распознавание перекрестков на основе 3DLiDAR и мультисенсорного слияния 51
3.1.3 Распознавание перекрестков на основе данных о траектории 51
3.1.4 Резюме 52
3.2 Функции пересечения дорог и характеристики рулевого управления автомобиля 53
3.3 Быстрое определение перекрестков на уровне дорог 54
3.3.1 Извлечение пар точек изменения поворота транспортного средства 54
3.3.2. Кластеризация пар точек поворота на основе метода растущей кластеризации 56
3.3.3 Идентификация пересечения плоскостей на основе метода кластеризации локальной связности 58
3.4 Получение пространственной структуры пересечений уровней в данных многоуровневой дорожной сети 59
3.4.1 Определение положения центра и круга дальности пересечения плоскостей 59
3.4.2 Выделение пространственной структуры перекрестков дорог на уровне полосы движения 60
3.4.3 Выделение пространственной структуры перекрестков дорог на уровне полосы движения 62
3.5 Экспериментальная проверка 62
3.5.1 Экспериментальные данные 62
3.5.2 Настройка параметров 63
3.5.3 Визуализация и оценка точности результатов эксперимента 66
3.5.4 Сравнение методов идентификации пересечений на уровне городских дорог 69
Ссылки 71
Глава 4. Сбор информации о геометрической связности многоуровневых дорог 73
4.1 Обзор сбора информации о геометрической связности дорог 73
4.1.1 Получение информации о дороге на основе данных изображения 73
4.1.2 Извлечение информации о дороге на основе данных бортового/автомобильного лазера 75
4.1.3 Извлечение информации о дороге на основе данных о траектории транспортного средства 75
4.1.4 Резюме 76
4.2 Извлечение информации о геометрической связности уровня осевой линии дороги и полосы движения 78
4.2.1 Анализ процесса восприятия информации дорожной сети на основе когнитивных правил 78
4.2.2 Модель объединения траекторий и построение дорожной сети с учетом когнитивных законов 79
4.2.3 Качественная и количественная оценка извлечения информации о дорожной сети 85
4.2.4 Экспериментальная проверка 86
4.3 Извлечение информации о геометрической связности на уровне полос движения 89
4.3.1 Характеристики распределения данных о траектории движения транспортного средства в плоскости и поперечном сечении дороги 89
4.3.2 Сбор информации о геометрии дороги на уровне полосы движения на основе оптимизации модели гауссовой смеси с ограничениями 90
4.3.3 Извлечение информации о дорожном соединении на уровне полосы движения 97
4.3.4 Экспериментальная проверка 101
Список литературы 111
Глава 5. Обнаружение изменений в неоднородных дорожных данных 116
5.1 Обзор обнаружения изменения дорожных данных 116
5.1.1 Метод обнаружения изменения растровых данных 116
5.1.2 Метод обнаружения изменения векторных данных 117
5.1.3 Классификация и моделирование изменений пространственных данных 118
5.2 Мера сходства геометрии дороги 118
5.2.1 Метод описания геометрических фигур 118
5.2.2 Мера геометрического сходства дорог 121
5.3 Измерение семантического сходства атрибутов дороги 126
5.3.1 Семантическое выражение онтологии пространственной информации 126
5.3.2 Создание онтологии классификации дорожной информации 128
5.4 Обнаружение изменения данных о дороге на основе модели сходства наземных объектов 137
5.4.1 Модель подобия наземных объектов 138
5.4.2 Классификация изменений дорожных данных 140
5.4.3 Обнаружение изменения дорожных данных 141
5.5 Обнаружение и извлечение изменений в данных о дорожном движении 145
5.5.1 Подготовка данных до и после изменений 146
5.5.2 Расчет сходства наземных объектов 147
5.5.3 Обнаружение и извлечение изменений в дорожных данных 147
5.6 Оценка модели сходства наземных объектов и алгоритма обнаружения изменений пространственных данных 150
5.6.1 Анализ точности измерения сходства поверхностных объектов 150
5.6.2 Определение и анализ порога изменения сходства наземных объектов 151
Ссылки 155
Глава 6. Обнаружение изменения дорожной информации 159
6.1 Обзор обнаружения изменений городской дорожной сети 159
6.1.1 Новые данные изображения накладываются на исторические данные изображения для обнаружения изменений дороги 159
6.1.2 Объединение данных изображений с информацией ГИС для обнаружения изменений дорог 160
6.1.3 Сравнение векторных данных дорожной сети до и после для обнаружения изменений дорог 161
6.1.4 Объединение текущих данных о траекториях и исторических данных о дорожной сети для обнаружения изменений на дорогах 161
6.2 Обнаружение изменений городской многоуровневой дорожной сети 162
6.2.1 Виды изменений городской многоуровневой дорожной сети 162
6.2.2 Метод обнаружения изменений дорожной сети на основе алгоритма сопоставления карт 163
6.3 Обнаружение изменений дорожной сети на уровне осевой линии дороги 165
6.3.1 Виды изменений геометрической связности дорожной сети на уровне осевой линии 165
6.3.2 Обнаружение изменения дороги на основе метода сопоставления «точка-линия» 166
6.3.3 Обновление дорожной сети на уровне осевой линии 170
6.3.4 Экспериментальная проверка 171
6.4 Обнаружение изменений дорожной сети на уровне полосы движения 177
6.4.1 Виды изменений в дорожной сети 177
6.4.2 Обнаружение изменений топологии сети автомобильных дорог на основе данных о траектории движения 179
6.4.3 Обновление сети автомобильных дорог на основе результатов обнаружения изменений 183
6.4.4 Экспериментальная проверка 184
6.5 Обнаружение изменений дорожной сети на уровне полосы движения 188
6.5.1 Подтверждение соответствия кандидата сегменту дороги на основе теории эллипса ошибок 189
6.5.2 Метод согласования траекторий, основанный на теории нечеткой логики 190
6.5.3 Обнаружение изменений дорожной сети на уровне полос на основе результатов сопоставления 193
6.5.4 Экспериментальная проверка 196
Ссылки 203

Знание о мечтах, мы продаем только книги с качеством и питательными!
Большие данные траектории характеризуются низкой стоимостью сбора, быстрым обновлением и богатым объемом информации. Это новый способ для людей исследовать законы человеческой деятельности и исследовать физическую структуру космоса. «Интеллектуальный анализ больших данных о траекториях и краудсорсинговое картографирование дорог с высокой пространственно-временной точностью» берет за основу анализ больших данных о траекториях и направлен на получение и обновление информации о городской дорожной сети на всех уровнях.В нем всесторонне и систематически представлены теория и метод краудсорсингового картирования дорог с высокой пространственно-временной точностью на основе данных о траекториях, включая сбор данных о пространственно-временных траекториях, высокоточную фильтрацию данных о траекториях, идентификацию пересечений городских дорог и сбор информации о геометрической связности на всех уровнях, теорию и методы обнаружения изменений дорожной сети, а также стратегии автоматического обновления дорожных сетей на всех уровнях.«Траекторный анализ больших данных и краудсорсинговое картирование дорог с высокой пространственно-временной точностью» следует основной логической линии сбора данных, шумоподавления данных и открытия знаний. Каждая глава начинается с конкретной проблемы и объясняет идеи от более мелких к более глубоким, чтобы читатели могли понять суть метода анализа больших данных о траекториях и изучить схему извлечения траекторий для получения информации о дорожной сети с высокой пространственно-временной точностью.

Знание о мечтах, мы продаем только книги с качеством и питательными!

Знание о мечтах, мы продаем только книги с качеством и питательными!
системы позиционирования, измерительная техника, исследования

