StaR Maps: Unveiling Uncertainty in Geospatial Relations

要約

インテリジェント交通システムとその公共スペースでのアプリケーションの複雑さが増すにつれ、表現力豊かで多用途な知識表現に対する需要が高まっています。
意味ラベルによる地物への詳細な注釈付けなど、さまざまな地図作成の取り組みが広範囲にカバーされていますが、それぞれの地理情報システムでは一般的に過小評価されている、その固有の不確実性を理解することが不可欠です。
したがって、統計的、確率的観点と地理空間データのリレーショナルな性質を組み合わせた表現を開発することが重要です。
さらに、このような表現は、データの精度を正直に表示することを容易にし、タスク依存のクエリから新しい洞察を得るための高度な推論のための環境を提供する必要があります。
私たちの取り組みは、2 つの方法でこのギャップに対処しています。
まず、不確実な意味論的なマップ データの表現として統計的関係マップ (StaR マップ) を提示します。
次に、広い都市空間へのアプローチを拡張するための StaR マップの効率的な計算を実証します。
現実世界のクラウドソーシング データの実験を通じて、複雑な地理空間情報の不確かな知識と推論を表現するという点で、StaR マップのアプリケーションと有用性を裏付けています。

要約(オリジナル)

The growing complexity of intelligent transportation systems and their applications in public spaces has increased the demand for expressive and versatile knowledge representation. While various mapping efforts have achieved widespread coverage, including detailed annotation of features with semantic labels, it is essential to understand their inherent uncertainties, which are commonly underrepresented by the respective geographic information systems. Hence, it is critical to develop a representation that combines a statistical, probabilistic perspective with the relational nature of geospatial data. Further, such a representation should facilitate an honest view of the data’s accuracy and provide an environment for high-level reasoning to obtain novel insights from task-dependent queries. Our work addresses this gap in two ways. First, we present Statistical Relational Maps (StaR Maps) as a representation of uncertain, semantic map data. Second, we demonstrate efficient computation of StaR Maps to scale the approach to wide urban spaces. Through experiments on real-world, crowd-sourced data, we underpin the application and utility of StaR Maps in terms of representing uncertain knowledge and reasoning for complex geospatial information.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google