在面向交通情境的区域数据中检视数据真实性
新兴技术
2024-04-29 v1 计算机视觉与模式识别
摘要
流量数据收集是研究人员和当局多年来面临的巨大任务。随着技术的进步以及各种工具用于处理和提取流量数据的引入, 该任务已显着便利。来自天空的数据(DFS)是一种此类工具, 基于图像处理和人工智能(AI), 提供宏观及微观变量的输出。该公司声称提供 98 到 100 percent 的数据导出准确性。该工具在 Developed 国家广泛使用, 在这些国家的交通具有均质且基于车道的运动。 在本研究中, 作者检验了 DFS 工具在异构区域交通运动中数据真实性, 这在大多数 Developing 国家普遍存在。通过使用 Classified Volume Count(CVC)、单个车辆类别的 Space Mean Speeds(SMS) 以及探针车辆的微观轨迹进行验证来检验 DFS 主张。为每个车辆类别中存在的交通流估计 CVC 的误差。计算每个车辆类别之间手动与 DFS 提取的空间平均速度(SMS)的平均绝对百分比误差(MAPE)，并使用 GPS 基于探针车辆上的跟踪器验证微观轨迹。结果在从鸟瞰视角收集的数据中相当准确, 误差最小。其他数据收集配置存在显著误差, 这些误差主要由交通组成多样性、摄像机角度以及交通方向所致。
引用
@article{arxiv.2404.17212,
title = {Scrutinizing Data from Sky: An Examination of Its Veracity in Area Based Traffic Contexts},
author = {Yawar Ali and Krishnan K N and Debashis Ray Sarkar and K. Ramachandra Rao and Niladri Chatterjee and Ashish Bhaskar},
journal= {arXiv preprint arXiv:2404.17212},
year = {2024}
}