An Energy-Efficient Method with Dynamic GPS Sampling Rate for Transport Mode Detection and Trip Reconstruction
mercredi, 13 mai 2020·
,
Jonathan Milot
Jaël Champagne Gareau
Éric Beaudry
Résumé
This paper presents a novel approach for trip reconstruction and transport
mode detection. While traditional methods use a fixed GPS sampling rate, our
proposed method uses a dynamic rate to avoid unnecessary sensing and waste of
energy. We determine a time for each sampling that gives an interesting
trade-off using a particle filter. Our approach uses as input a map, including
transit network circuits and schedules, and produces as output the estimated
road segments and transport modes used. The effectiveness of our approach is
shown empirically using real map and transit network data. Our technique
achieves an accuracy of 96.3% for a 15.0% energy consumption reduction
(compared to the existing technique that has the closest accuracy) and an
accuracy of 85.6% for a 56.0% energy consumption reduction.
Type
Publication
Advances in Artificial Intelligence (Canadian AI 2020)
Auteurs
Auteurs
Chercheur postdoctoral en informatique
Je suis actuellement chercheur postdoctoral en informatique à l’Université
TÉLUQ, où mes travaux portent sur l’accélération de la conversion de nombres
entiers et flottants en chaînes de caractères décimales. Au cours de mon
doctorat, j’ai conçu des algorithmes et des structures de données exploitant
l’architecture moderne des ordinateurs afin de résoudre de grandes instances
de processus décisionnels de Markov (MDP). Durant ma maîtrise, j’ai développé
des algorithmes de planification d’itinéraires pour véhicules électriques,
visant à déterminer le chemin optimal entre deux points tout en minimisant
le temps total du trajet (déplacement, recharge et attente aux bornes).
Auteurs