Feb, 2017

Kharita: 使用图形 spanners 实现强韧的地图推断

PDF
TL;DR利用 GPS 信息收集了大量的地理轨迹信息，本文提出了高效的算法从中生成准确的地图，严格评估表明与现有工作相比，增加了 Biagioni f-score 并将执行时间减少了一个数量级，并开放源代码以便其他研究人员借鉴。
geospatial trajectoryroad network identificationgraph spannersperformance evaluationopen source
发现论文，激发创造
  • 道路网络生成器：基于 GPS 数据绘制施工地点道路图

    采用 GPS 轨迹推断方法，构建地图上的道路施工现场。该方法通过识别道路网中的交叉口，将它们连接为边缘，并产生一个图形，用于规划和任务分配。在挪威的一个实际施工现场展示了该方法的有效性。

    Feb, 2024

  • 用于结构化在线地图的分层循环注意力网络

    通过层级循环网络输出结构化多段线，我们提出了一种用于在线道路网络提取的方法，并以新型可微分损失函数度量模型预测结果和真实路径的偏差。实验表明，该方法可在 90 公里的公路上正确恢复 92% 的拓扑结构。

    Dec, 2020

  • 地图学习：自动驾驶的视觉常识

    本文提出了一种基于车载摄像头图像的道路布局推断模型，同时构建了一个路况数据集，可以将导航地图的元数据与 Google 街景图像匹配以提供标签，并利用深度卷积网络训练该模型，结果表明该方法可用于提升基础设施安全性。

    Nov, 2016

  • 增量地图更新的道路网络融合

    本文提出了一种称为 mapfuse 的系统，该系统将人工注释的地图与任何自动推理地图融合，以有效实现快速地图更新，并研究了道路关闭的问题。

    Feb, 2018

  • RoadTagger: 基于图神经网络的稳健道路属性推断

    本研究提出了 RoadTagger 模型，将卷积神经网络和图神经网络相结合以解决从卫星影像中推断道路属性的问题，并成功解决了图像分类器的有效接收域有限的困难，评估结果显示 RoadTagger 模型在大规模实际数据和小规模合成数据上均取得了较高的推断精度和鲁棒性。

    Dec, 2019

  • 异构 GNN 长期视觉地图稀疏化

    本文介绍了一种使用图神经网络模型建模三维稠密地图为异构图并预测三维点重要性得分的方法，以选取具有未来重定位价值和稀疏地图覆盖的点。该方法在自适应环境中提取出稳定和广泛可见的地图点，并在定位性能方面优于基线模型。

    Mar, 2022

  • 基于多轨道 GPS 数据的人工智能众包地图构建与应用

    利用高精度地图技术和人工智能，该论文研究了从大量低精度 GPS 轨迹数据融合中生成高精度 GPS 数据的快速有效算法，并基于大量社交车辆实现了基于众包更新的地图数据集合模型，从而提高数据精度、降低测量成本以及减少数据存储空间，推动高精度地图在智能车辆领域的合理应用。

    Feb, 2024

  • 创建 Web 地理数据知识图谱

    本文介绍了我们最近开发的方法，以解决地理数据在 Web 和机器学习应用中的数据真实性、缺乏地理和语义特性集成以及不完整表示等问题。

    Feb, 2023

  • 空间 - 时间城市知识图谱启用的出行模式预测

    本文利用空间 — 时间城市知识图谱中的移动轨迹，特定地点类别信息及时间信息，设计了一个模型，旨在解决基于知识图谱技术的用户的远期移动预测问题，提高了预测精确度。同时，对 POI 类别作为背景知识和辅助信息的实验结果表明，可帮助提升预测精度。

    Nov, 2021

  • INCREASE: 基于感应的空间时间克里金图表示学习

    本文提出了一种基于图表示学习的时空克里金模型，通过编码不同观察位置间的空间相似性、功能相似性和转移概率，结合门控循环神经网络和多种关系注意机制，从多个时间步骤中动态融合不同关系的时空信息，成功解决了基于异质空间关系的时空克里金问题。

    Feb, 2023