随着移动设备和物联网技术的普及,时空数据的收集和分析变得越来越重要。轨迹预测,尤其是实时轨迹预测,对于许多应用领域如智能交通和城市规划等至关重要。现有的轨迹预测方法往往无法在保证预测准确性的同时满足实时性的要求,且实时数...随着移动设备和物联网技术的普及,时空数据的收集和分析变得越来越重要。轨迹预测,尤其是实时轨迹预测,对于许多应用领域如智能交通和城市规划等至关重要。现有的轨迹预测方法往往无法在保证预测准确性的同时满足实时性的要求,且实时数据通常是不完整或带有噪声的,要求预测算法必须能够适应不完全的轨迹信息。基于此,提出了一种基于时空数据库的实时启发式轨迹预测模型(Real-time Heuristic Trajectory Prediction Based on Spatio-Temporal Databases,RHTP-STD)。RHTP-STD利用MobilityDB数据库平台存储和管理轨迹数据,通过图构建算法将轨迹数据转换为时空图。RHTP-STD采用启发式算法,融合历史和实时数据,快速预测移动对象的未来轨迹。实验结果表明,RHTP-STD在Argoverse数据集上的预测准确性和实时性均优于现有方法。讨论所提方法在不同应用场景中的适用性,提出了未来的研究方向。展开更多
随着自动驾驶技术的快速发展,准确预测周围车辆的运动轨迹成为确保行车安全的关键。现有的方法大多未充分考虑车辆与环境以及车与车之间的互动和环境情景信息,面对复杂交通场景下的轨迹预测性能不佳。基于此,提出一种融合时空查询Transf...随着自动驾驶技术的快速发展,准确预测周围车辆的运动轨迹成为确保行车安全的关键。现有的方法大多未充分考虑车辆与环境以及车与车之间的互动和环境情景信息,面对复杂交通场景下的轨迹预测性能不佳。基于此,提出一种融合时空查询Transformer的情景感知多模态车辆轨迹预测模型(Contex-aware Multimodal Vehicle Trajectory Pediction Model Based on Spatio-Temporal Query Transformer,STQformer),高效地理解和预测复杂交通环境中的车辆行为。模型以Transformer框架为基础,引入可学习的时空查询并利用社交交互模块,实现对车辆意图的深度感知和更准确的轨迹预测。实验结果表明:与当前先进的轨迹预测算法相比,STQformer在长期预测方面的性能同比性能最佳对比模型提升了9%。该模型有助于提升自动驾驶系统的安全性和可靠性,推动自动驾驶技术的发展和应用,使其更好地适应复杂多变的交通环境,减少交通事故,提高交通效率。展开更多
随着自动驾驶、智能导航等领域的快速发展,对时空轨迹预测的准确性和鲁棒性的要求不断提高。传统轨迹预测方法主要依赖运动历史数据,忽略了环境中的语义信息,在复杂场景下往往难以取得理想的预测效果。对轨迹预测领域相关研究进行综述,...随着自动驾驶、智能导航等领域的快速发展,对时空轨迹预测的准确性和鲁棒性的要求不断提高。传统轨迹预测方法主要依赖运动历史数据,忽略了环境中的语义信息,在复杂场景下往往难以取得理想的预测效果。对轨迹预测领域相关研究进行综述,特别是基于空间语义分析的轨迹预测研究进展。重点探讨了视觉语言模型(Vision Language Model,VLM)和大语言模型(Large Language Model,LLM)在轨迹预测方面的应用,介绍了多种基于空间语义分析的轨迹预测模型。通过实验结果分析发现,VLM和LLM能够显著提升轨迹预测的准确率。基于空间语义分析的轨迹预测方法未来将考虑多模态融合、提升模型架构、提高推理速度等方向,以进一步提升大规模轨迹预测的性能。展开更多
移动数据挖掘是指对移动设备中大规模数据进行挖掘和分析的过程,获取有用的信息和知识,以支持移动应用和服务的开发和改进。区块链是一种分布式的、去中心化的数据库技术,可以实现在网络中多方之间安全地传输信息、交易资产,不依赖于中...移动数据挖掘是指对移动设备中大规模数据进行挖掘和分析的过程,获取有用的信息和知识,以支持移动应用和服务的开发和改进。区块链是一种分布式的、去中心化的数据库技术,可以实现在网络中多方之间安全地传输信息、交易资产,不依赖于中心化的机构或第三方信任机构。然而,面对复杂的移动数据场景,现有的隐私保护、索引选择等方法存在诸多不足,如无法高效处理大数据量的加解密任务、区块链上数据分布不均、无法有效应对移动设备计算能力不足等问题。针对上述不足,提出一种基于移动数据挖掘和区块链的数据共享方法(A Data Sharing Method for Mobile Data Mining and Blockchain,ADS-MB)。ADS-MB集成了密钥分片共享算法,可有效避免密钥被第三方获取或篡改而导致隐私内容泄露。ADS-MB使用基于SM2的改进算法来加强区块链数据的一致性和安全性,同时支持动态的区块链索引维护。实验结果表明,在真实移动业务数据集和WeiboDataShare数据集上,ADS-MB的性能优于现有的数据分享方法。展开更多
We experimentally study the dynamic characteristics of a miniaturized spin-exchange relaxation-free(SERF) magnetometer based on uniform light field. The ceramic ferrule is used to expand the Gaussian beam to improve l...We experimentally study the dynamic characteristics of a miniaturized spin-exchange relaxation-free(SERF) magnetometer based on uniform light field. The ceramic ferrule is used to expand the Gaussian beam to improve light intensity uniformity, while the volume of the sensor is also reduced. This scheme makes the magnetometer have better sensitivity when the detected light intensity is less than 3.16 m W/cm^(2) at 120℃. When the temperature rises to 150℃ the sensitivity under the action of uniform light field is 18.5 f T/Hz^(1/2). The bandwidth of the sensor remains at the original level and meets application needs. The proposed structure improves transverse polarization uniformity within the miniaturized sensor, which is ideal for the magnetoencephalography and magnetocardiography imaging systems.展开更多
文摘随着移动设备和物联网技术的普及,时空数据的收集和分析变得越来越重要。轨迹预测,尤其是实时轨迹预测,对于许多应用领域如智能交通和城市规划等至关重要。现有的轨迹预测方法往往无法在保证预测准确性的同时满足实时性的要求,且实时数据通常是不完整或带有噪声的,要求预测算法必须能够适应不完全的轨迹信息。基于此,提出了一种基于时空数据库的实时启发式轨迹预测模型(Real-time Heuristic Trajectory Prediction Based on Spatio-Temporal Databases,RHTP-STD)。RHTP-STD利用MobilityDB数据库平台存储和管理轨迹数据,通过图构建算法将轨迹数据转换为时空图。RHTP-STD采用启发式算法,融合历史和实时数据,快速预测移动对象的未来轨迹。实验结果表明,RHTP-STD在Argoverse数据集上的预测准确性和实时性均优于现有方法。讨论所提方法在不同应用场景中的适用性,提出了未来的研究方向。
文摘随着自动驾驶技术的快速发展,准确预测周围车辆的运动轨迹成为确保行车安全的关键。现有的方法大多未充分考虑车辆与环境以及车与车之间的互动和环境情景信息,面对复杂交通场景下的轨迹预测性能不佳。基于此,提出一种融合时空查询Transformer的情景感知多模态车辆轨迹预测模型(Contex-aware Multimodal Vehicle Trajectory Pediction Model Based on Spatio-Temporal Query Transformer,STQformer),高效地理解和预测复杂交通环境中的车辆行为。模型以Transformer框架为基础,引入可学习的时空查询并利用社交交互模块,实现对车辆意图的深度感知和更准确的轨迹预测。实验结果表明:与当前先进的轨迹预测算法相比,STQformer在长期预测方面的性能同比性能最佳对比模型提升了9%。该模型有助于提升自动驾驶系统的安全性和可靠性,推动自动驾驶技术的发展和应用,使其更好地适应复杂多变的交通环境,减少交通事故,提高交通效率。
文摘随着自动驾驶、智能导航等领域的快速发展,对时空轨迹预测的准确性和鲁棒性的要求不断提高。传统轨迹预测方法主要依赖运动历史数据,忽略了环境中的语义信息,在复杂场景下往往难以取得理想的预测效果。对轨迹预测领域相关研究进行综述,特别是基于空间语义分析的轨迹预测研究进展。重点探讨了视觉语言模型(Vision Language Model,VLM)和大语言模型(Large Language Model,LLM)在轨迹预测方面的应用,介绍了多种基于空间语义分析的轨迹预测模型。通过实验结果分析发现,VLM和LLM能够显著提升轨迹预测的准确率。基于空间语义分析的轨迹预测方法未来将考虑多模态融合、提升模型架构、提高推理速度等方向,以进一步提升大规模轨迹预测的性能。
文摘移动数据挖掘是指对移动设备中大规模数据进行挖掘和分析的过程,获取有用的信息和知识,以支持移动应用和服务的开发和改进。区块链是一种分布式的、去中心化的数据库技术,可以实现在网络中多方之间安全地传输信息、交易资产,不依赖于中心化的机构或第三方信任机构。然而,面对复杂的移动数据场景,现有的隐私保护、索引选择等方法存在诸多不足,如无法高效处理大数据量的加解密任务、区块链上数据分布不均、无法有效应对移动设备计算能力不足等问题。针对上述不足,提出一种基于移动数据挖掘和区块链的数据共享方法(A Data Sharing Method for Mobile Data Mining and Blockchain,ADS-MB)。ADS-MB集成了密钥分片共享算法,可有效避免密钥被第三方获取或篡改而导致隐私内容泄露。ADS-MB使用基于SM2的改进算法来加强区块链数据的一致性和安全性,同时支持动态的区块链索引维护。实验结果表明,在真实移动业务数据集和WeiboDataShare数据集上,ADS-MB的性能优于现有的数据分享方法。
基金the National Natural Science Foundation of China (Grant No. 62003020)。
文摘We experimentally study the dynamic characteristics of a miniaturized spin-exchange relaxation-free(SERF) magnetometer based on uniform light field. The ceramic ferrule is used to expand the Gaussian beam to improve light intensity uniformity, while the volume of the sensor is also reduced. This scheme makes the magnetometer have better sensitivity when the detected light intensity is less than 3.16 m W/cm^(2) at 120℃. When the temperature rises to 150℃ the sensitivity under the action of uniform light field is 18.5 f T/Hz^(1/2). The bandwidth of the sensor remains at the original level and meets application needs. The proposed structure improves transverse polarization uniformity within the miniaturized sensor, which is ideal for the magnetoencephalography and magnetocardiography imaging systems.
