Vehicle Trajectory Reconstruction for Signalized Intersections with Low-Frequency Floating Car Data
Notice bibliographique
Résumé
Floating car data are beneficial in estimating traffic conditions in wide areas and are playing an increasing role in traffic surveillance. However, widespread application is limited by low-sample frequency which makes it hard to get a complete picture of a vehicle’s motion. An accurate and reliable reconstruction of a vehicle’s trajectory could effectively result in a higher sampling frequency enabling a more accurate estimation of road traffic parameters. Existing methods require additional information such as nearby vehicles, signal timing strategies, and queue patterns which are not always available. To address this problem, this paper presents a method used with low-sample frequency data to reconstruct vehicle trajectories through intersections, without the need for extra information. Furthermore, the additional parameters for the speed-time curve distributions for deceleration rate and acceleration rate are generated. A piecewise deceleration and acceleration model is developed to calculate the acceleration rate for different travel modes in the trajectory. The distribution parameters of the acceleration data for each travel mode are then estimated using a new Expectation Maximization (EM) algorithm. The acceleration statistics are then used to reconstruct the corresponding parts of the trajectory. Compared to the reference trajectories (truth), the test results show that the method developed in this paper achieves improvement in accuracy ranging from 16 to 67% over the commonly used linear interpolation method. In addition, the proposed method is not very sensitive to the sampling interval of the floating car data, unlike the linear interpolation method where the error grows rapidly with increasing sampling interval.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».