GNSSが遮断された環境下で慣性運動学習を用いた大規模シェア自転車追跡
Tracking Large-scale Shared Bikes with Inertial Motion Learning in GNSS Blocked Environments
記事のポイント
📰ニュース
GNSSが使えない都市部の複雑な環境で、低コストの慣性センサーのみでシェア自転車を正確に追跡する新技術が開発されました。
🔍注目ポイント
自転車の機械的制約と混合エキスパートモデルを組み合わせ、ペダリングと加速度の関係から車輪速度を動的に校正し、追跡精度を向上させます。
🔮これからどうなる
GNSSが届かない場所でもシェア自転車の位置を正確に把握できるようになり、利用者の利便性向上や運営効率化に貢献します。
従来の慣性センサーのみの測位は累積誤差が課題でしたが、本技術は複数のエキスパートモジュールで共有表現を捉え、不確実性を考慮した経路推定を行います。
DiDiのシェア自転車の実走行データで、既存手法より12%以上の精度向上と、車輪速度誤差0.5m/s以下を達成しました。
DiDiのシェア自転車の実走行データで、既存手法より12%以上の精度向上と、車輪速度誤差0.5m/s以下を達成しました。
GNSSが使えない場所での自転車追跡は本当に課題でしたから、この技術はシェアサイクル業界に大きな変化をもたらしそうです。都市部の移動がよりスムーズになるかもしれませんね。