欧阳靖比赛中文字幕Uber提高地图精度绝招:CatchME系统

缅甸新锦江在线 时间:2019-06-27 09:56:04

肯能建议路线和现实路线之间的差异不一定表示地图数据中的错误,就是捕捉给定路线上的错误还后能 仅依赖于一次驾驶的结果欧阳靖比赛中文字幕。相反,CatchME使用来自大地理区域的数千万次驾驶的匿名和聚合数据来捕获地图数据错误佳能s200spx驱动。

为了进一步提高CatchME的性能,为每个高密度单元制作了多个副本于英生妻子照片。每个副本具有相同的地图数据,就是具有不同且均匀分布的行程集,如下面的图9所示:

肯能CatchME肯能选择了趋于稳定具有16级大小(S2小区统计)的一点S2小区中的GPS点之间的异常概率方面的差异,平均大小为19,793平方米,就是CatchME将每个S2小区视为基本错误单元mysticthumbs。通过聚合哪几种单元,CatchME还后能 选择哪几种错误更有肯能影响驱动程序运行运行公司合作 伙伴程序运行运行运行的用户体验开心文学网。

在图2中,还后能 看见趋于稳定右转限制,阻止平台上的驾驶员向右转。就是,根据驾驶员的行为,还后能 判断这条信息肯能不准确。CatchME发现了平台建议的导航和实际驾驶员行为之间的差异,使系统也能识别并修复错误。

过滤误报

图2(b)

图9:有另还还有一个S2单元中的迹线被划分为具有相同地图数据的有另还还有一个S2单元。

CatchME的基本理念是Uber使用GPS追踪反映地面实况。通过分析道路地图匹配的异常,CatchME识别地图与地面实况之间的差异。哪几种差异通常是由地图数据错误引起的,还后能 通过更新地图来外理。

CatchME的结果肯能证明了這個非常有前景的最好的土办法 。在推出后的前有另还还有一个月内,CatchME检测到超过28,000个地图错误。在Uber的地图上纠正哪几种错误大大提高了驾驶ETA,导航和用户体验的准确性。

图5:通过在其捕捉点S1到S2之间创建路线并测量该路线的距离来计算从G1到G2的转换概率。

更好的地图,更好的用户体验

图6:在该示例中,维特比算法通过使用HMM来计算道路过渡S4,S3和S1的最肯能的分段序列。这有另还还有一个段代表GPSG1,G2和G3。

图5显示出了用于计算关于有另还还有一个点的GPS转移概率考虑到的因素上的特定段到另一GPS点上的特定段,使用下面的公式计算:

排放概率(EP)和转移概率(TP)将首先装进去HMM中。EP表示车辆在一点时刻冒出在一点路段上的肯能性。TP表示车辆在一定持续时间内从有另还还有一个路段移动到越来越 路段的肯能性。就是,对于周围具有m个路段的有另还还有一个GPS点,将趋于稳定m个EP,其表示每个路段上的该GPS轨迹的肯能性。对于GPS点G1,其中含米周围的主次,和G2,其中含?邻近段,有m*n个TP。哪几种概率在HMM中,维特比算法从中获取具有最相当于率的状况序列,该概率最肯能代表车辆正在移动的路段。

使用GPS识别地图错误

作为缩放CatchME的结果,足够的差异信号(异常概率)提供了用于评估数据错误的统计视图。聚合来自极少量驾驶的结果身后的哲学好,肯能看完在驾驶报告的给定地点的异常概率的一致性,你這個差异的根本原困更肯能是地图数据错误而完整性全是非法驾驶行为或噪声GPS信号。

CatchME采用分而治之(D&C)最好的土办法 在不同行程中横向扩展。D&C的主要目标是对GPS轨迹和地图数据进行分片,以便还后能 并行外理它们。分片基于跟踪和地图数据的S2单元。跨过多 个S2细胞的迹线被分成多个子迹线,每个子迹线由单个S2细胞完整性中含。检测在不同的S2细胞中平行独立运行。下面的图8说明了你這個高级分片。为了保证每个S2单元包括可用于检测错误的所有地图数据,亲戚亲戚当当我们当当我们 通常扩展S2单元边界,以便所有地图数据及其相关的GPS点完整性全是范围内。

图3(a):一名驾驶员左转非法,在此图像中以红点突冒出示。驾驶员行为原困实际行程路线与建议路线之间的差异。

就是,使用静态S2单元分区行程和映射数据有时无法提供足够的并发性。相似,旧金山国际机场(SFO)等一点地区的S2小区的驾驶次数远远多于农村地区相同水平的S2小区。

图7:路段A和B之间趋于稳定缺失段。就是,由绿色和浅绿色点标记的GPS点显示驾驶员穿过A到B。从GPS点G1到GPS点G2的转换概率异常低,表明G1和G2周围肯能趋于稳定地图错误。

CatchME错误检测算法

图3(b):噪声GPS信号原困实际行程路线与建议路线之间的差异。

如前所述,HMM是将GPS点与地图数据连接起来的桥梁。从概念上讲,维特比算法通过HMM中的所有肯能状况计算包括最肯能状况序列的路径。理想状况下,此序列中的状况转换在所有肯能状况中应具有高概率。就是,肯能趋于稳定地图数据错误,则此序列仍将包括具有低概率的状况转换。在你這個状况下,亲戚亲戚当当我们当当我们 将序列中的状况之间的低概率称为异常概率。

[2] Newson P , Krumm J . [ACM Press the 17th ACMSIGSPATIAL International Conference - Seattle, Washington(309.11.04-309.11.06)] Proceedings of the 17th ACM SIGSPATIAL InternationalConference on Advances in Geographic Information Systems - GIS "09 -Hidden Markov map matching through noise and sparseness[J]. 309:336.

在城市环境中,GPS轨迹未必完整性准确,就是无法得知平台上车辆的确切位置。Uber工程师将车辆位置概率装进去HMM中,维特比算法根据哪几种轨迹计算出车辆驶过的最肯能的路段序列。有了哪几种信息,CatchME会报告此序列中的跟踪异常,并突冒出示驱动程序运行运行行为与程序运行运行运行建议路径之间的差异。

你這個最好的土办法 消除了由高密度单元引起的瓶颈,就是原困更准确的结果,肯能每个单元仍然足够大,以中含用于地图匹配和错误检测的完整性地图数据上下文和GPS点。

下面的图2描绘了GPS轨迹要怎样突出地图数据中的不准确性的示例。在你這個状况下,旧金山金门公园的二根路线(a)显示一名司机在第8大道和富尔顿街的交叉路口右转,但司机主次了(b)建议路线:

CatchME的第有另还还有一个挑战是找出驾驶员的导航行为(由GPS轨迹记录)否是与建议的地图路线显示不一致。CatchME,使用隐马尔可夫模型(HMM)在地图数据上捕捉GPS轨迹,从而报告预期路线和实际路线之间的差异。

在该计算中,EP和TP形成矩阵。维特比以最相当于率获取全球最佳路段序列,哪几种概率最有肯能是车辆正在行驶的路线。下面的图6示出了G1,G2和G3是GPS点的示例,S1到S7是段,绿色圆圈是发射概率,黑色箭头是转换概率。运行维特比算法后,得到路段序列S4,S3和S1,以及G1,G2和G3的表示继续哪几种序列。

未来,Uber计划通过增强算法和利用卫星图像等一点证据来进一步提高CatchME的精度。结合客户报告的地图错误,CatchME发现的地图错误将为驾驶员提供更好的体验。

图10:由黄点动画显示的GPS跟踪显示GPS跟踪移位。CatchME忽略了你這個状况,即使它引发了视差信号。

通常,维特比算法从HMM中拾取的路段序列表示车辆经过的路段。就是,肯能地图数据有错误,相似图7中描绘的段,则该序列将包括异常低的转移概率,表明车辆无法在段上行进或在地图数据上下文中的一点段之间转换。

图8:使用S2单元对GPS轨迹和地图数据进行分片使亲戚亲戚当当我们当当我们 也能大规模地整理有关地图数据错误的见解。

建议路线与GPS轨迹之间的差异不一定是肯能地图数据错误造成的。下面的图3突冒出示了造成哪几种差异的另外有另还还有一个肯能原困:(a)非法或危险的驾驶员行为;(b)噪声GPS轨迹,即越来越 提供足够的具体数据来清楚地选择所采用的路线。

图2(a)

CatchME通过使用绿色和浅绿色颜色可视化可疑的GPS点来识别GPS轨迹之间的差异,哪几种颜色指示给定路线上的异常过渡(图7)。在哪几种状况下,操作员还后能 快速找到该区域并修复哪几种错误(图2)。

GPS点与路段上的捕捉点之间的半径距离在哪里。EP表示肯能车辆实际上在路段上,GPS将被观察的肯能性。(在MicrosoftResearch论文中了解有关发射概率的更多信息,通过噪声和稀疏性匹配隐藏马尔可夫地图)。

CatchMapError(CatchME)是有另还还有一个系统,还后能 通过驱动程序运行运行程序运行运行运行中的匿名GPS跟踪自动捕获地图数据中的错误。CatchME使用来自大型地理区域的数千万次驾驶的匿名和聚合数据来捕获地图数据错误。通过CatchME,运营商还后能 快速识别并修复哪几种错误,从而在Uber平台上实现更准确的路线和改进的驾驶员公司合作 体验。

参考资料:

[1] https://eng.uber.com/mapping-accuracy-with-catchme/

图1:左侧地图上缺少的路段原困7.6分钟的ETA;右侧的精确地图显著降低了ETA,为骑手和驾驶者提供了更好的体验。

里面的图4显示出了用于计算某个路段上的GPS点的EP所考虑的因素。公式概述如下:

缩放准确性

高精度的地图需用强大的地图堆栈,提供路由、导航指令和ETA计算等服务。以往, Uber工程师使用各种反馈来识别地图错误,相似,记录和理解用户反馈的机器学习模型,或通过评估地图指标来提高地图精度。这次,Uber发布博客称,Uber工程师构建了CatchME系统。

是有另还还有一个GPS点的半径距离与有另还还有一个与GPS点相关联的捕捉点之间的可路由距离之间的差值的绝对值。当发射GPS位置时车辆穿过这有另还还有一个主次的肯能性小于一点主次。

图4

如图3(b)所示,差异不一定是错误。CatchME连接GPS点,其中视差信号(或异常转移概率)作为多边形链趋于稳定(通常该多边形链包括相当于40个GPS点)。肯能此链的几何无效,CatchME将忽略此错误信号。CatchME还观察到一定数量的错误警报,哪几种错误警报是肯能下面的图10所示的GPS轨迹偏移引起的,其中GPS轨迹穿过建筑物而完整性全是靠近道路移动。肯能哪几种GPS点跨过多 个物理建筑大于某个阈值,CatchME将忽略你這個差异。

版权声明:以上文章中所选用的图片及文字来源于网络以及用户投稿,由于未联系到知识产权人或未发现有关知识产权的登记,如有知识产权人并不愿意新锦江使用,如果有侵权请立即联系新锦江,新锦江立即下架或删除。

热门文章