实时道路内外 GPS 跟踪
应用统计
2014-04-22 v2
摘要
本文描述了一种基于 GPS 的跟踪模型，用于道路网络内外的位置和速度状态，并支持对状态相关参数（如 GPS 误差、加速度误差和道路转移概率）进行并行在线学习。具体而言，我们将 Ulmke 和 Koch (2006) 的条件线性跟踪模型适配到 H. F. Lopes 等人 (2011) 的粒子学习 (Particle Learning) 框架中，该框架为进一步的层次贝叶斯扩展奠定了基础。该滤波器在真实城市道路网络上表现良好，同时能够充分估计道路内外的转移概率。本文提出的模型还由一个开源 Java 项目提供支持。
引用
@article{arxiv.1303.1883,
title = {Real-time On and Off Road GPS Tracking},
author = {Brandon Willard},
journal= {arXiv preprint arXiv:1303.1883},
year = {2014}
}
备注
16 pages, 4 figures