[論文レビュー] Construction and application of artificial intelligence crowdsourcing map based on multi-track GPS data

Yong Wang, Yanlin Zhou+3 more|arXiv (Cornell University)|Feb 24, 2024

Advanced Computational Techniques and Applications被引用数 22

ひとこと要約

本論文は、多数の低精度GPS軌跡を高速・高精度に融合する効果的なアルゴリズムを提案し、社会的車両を活用して地図データを更新する crowdsourcing マップモデルを構築します。

ABSTRACT

In recent years, the rapid development of high-precision map technology combined with artificial intelligence has ushered in a new development opportunity in the field of intelligent vehicles. High-precision map technology is an important guarantee for intelligent vehicles to achieve autonomous driving. However, due to the lack of research on high-precision map technology, it is difficult to rationally use this technology in the field of intelligent vehicles. Therefore, relevant researchers studied a fast and effective algorithm to generate high-precision GPS data from a large number of low-precision GPS trajectory data fusion, and generated several key data points to simplify the description of GPS trajectory, and realized the "crowdsourced update" model based on a large number of social vehicles for map data collection came into being. This kind of algorithm has the important significance to improve the data accuracy, reduce the measurement cost and reduce the data storage space. On this basis, this paper analyzes the implementation form of crowdsourcing map, so as to improve the various information data in the high-precision map according to the actual situation, and promote the high-precision map can be reasonably applied to the intelligent car.

研究の動機と目的

• 知能車両アプリケーションにおける高精度マップの必要性を動機づける。
• 低精度GPS軌跡を高速・効果的に高精度データへ融合するアルゴリズムを開発する。
• 社会的車両を活用して地図情報を強化する crowdsourcing マップ更新モデルを構築する。
• crowdsourcing が高精度マップの精度を改善し、コストを削減し、データ保存の必要性を低減する方法を分析する。

提案手法

• 多数の低精度GPS軌跡から高精度GPSデータを生成する高速で効果的なアルゴリズムを開発する。
• GPS軌跡の記述を簡略化するために主要なデータ点を抽出する。
• 地図データ収集のために大量の社会的車丼を用いた crowdsourcing 更新モデルを定式化する。
• 実世界の条件下で高精度マップ情報を向上させるための crowdsourcing マップの実装形態を分析する。

実験結果

リサーチクエスチョン

• RQ1 低精度GPS軌跡を効率的に融合して高精度GPSデータを生成するにはどうすればよいか？
• RQ2 知能車両の高精度マップデータ更新における crowdsourcing の役割は何か？
• RQ3 実際の走行シーンに適応させるために crowdsourcing マップモデルをどのように実装できるか？
• RQ4 地図データにおける AI crowdsourcing の適用で精度、コスト、保存容量の利点は何か？

主な発見

• 大量の社会的車両に基づく crowdsourcing 更新モデルを地図データ収集に提案する。
• この手法はデータの精度を向上させ、測定コストとデータ保存スペースを削減することを目的とする。
• 本研究は知能車の高精度マップ情報を向上させるための crowdsourcing マップの実装形態を分析する。