Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Spatial Keyword Query Processing in the Internet of Vehicles Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

An Improved Robust Low Cost Approach for Real Time Vehicle Positioning in a Smart City

verfasst von : Ikram Belhajem, Yann Ben Maissa, Ahmed Tamtaoui

Erschienen in: Industrial Networks and Intelligent Systems

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The Global Positioning System (GPS) aided low cost Dead Reckoning (DR) system can provide without interruption the vehicle position for efficient fleet management solutions in smart cities. The Extended Kalman Filter (EKF) is generally applied for data fusion using the sensor’s measures and the GPS position as a helper.
However, the EKF depends on the vehicle dynamic variations and may quickly diverge during periods of GPS signal loss.
In this paper, we present a robust low cost approach using EKF and neural networks (NN) with Particle Swarm Optimization (PSO) to reliably estimate the real time vehicle position. While GPS signals are available, we train the NN with PSO on different dynamics and outage times to learn the position errors so we can correct the future EKF predictions during GPS signal outages. We obtain empirically an improvement of up to 94% over the simple EKF predictions in case of GPS failures.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Network Topology Exploration for Industrial Networks
Nächstes Kapitel Effect of Network Architecture Changes on OCSVM Based Intrusion Detection System
Literatur
1.
Caragliu, A., Del Bo, C., Nijkamp, P.: Smart cities in Europe. J. Urban Technol. 18, 65–82 (2011). Routledge, EnglandCrossRef
2.
Noureldin, A., Karamat, T.B., Eberts, M.D., El-Shafie, A.: Performance enhancement of MEMS-based INS/GPS integration for low-cost navigation applications. IEEE Trans. Veh. Technol. 58, 1077–1096 (2009). IEEECrossRef
3.
Grewal, M.S.: Kalman filtering. In: Lovric, M. (ed.) International Encyclopedia of Statistical Science, pp. 705–708. Springer, Heidelberg (2011)CrossRef
4.
Domenico, D.D., Fiengo, G., Glielmo, L.: On-board prototype of a vehicle localization system. In: 2007 IEEE International Conference on Control Applications, pp. 438–443. IEEE, USA (2007)
5.
Georgy, J., Iqbal, U., Noureldin, A.: Quantitative comparison between Kalman filter and Particle filter for low cost INS/GPS integration. In: Proceedings of the 6th International Symposium on Mechatronics and Its Applications (ISMA 2009), pp. 1–7. IEEE, USA (2009)
6.
Lucet, E., Betaille, D., Donnay Fleury, N., Ortiz, M., Salle, D., Canou, J.: Real-time 2D localization of a car-like mobile robot using dead reckoning and GPS, with satellite masking prediction. In: Accurate localization for land transportation Workshop, pp. 15–18. France (2009)
7.
Ismaeel, S.A., Hasan, A.M.: GPS/INS system integratin based on neuro-wavelet techniques. In: Proceedings of the 2006 International Conference on Artificial Intelligence (ICAI 2006), vol. 2, pp. 446–452. CSREA Press, Las Vegas (2006)
8.
Hasan, A.M., Samsudin, K., Ramli, A.R.: Optimizing of ANFIS for estimating INS error during GPS outages. J. Chin. Inst. Eng. 34, 967–982 (2011). Taylor & Francis, LondonCrossRef
9.
Malleswaran, M., Vaidehi, V., Sivasankari, N.: A novel approach to the integration of GPS and INS using recurrent neural networks with evolutionary optimization techniques. In: Aerospace Science and Technology, vol. 32, pp. 169–179. Elsevier B.V., Netherlands (2014)
10.
Belhajem, I., Ben Maissa, Y., Tamtaoui, A.: A hybrid low cost approach using Extended Kalman filter and neural networks for real time positioning. In: 2016 International Conference on Information Technology for Organizations Development (IT4OD), pp. 1–5. IEEE (2016)
11.
Belhajem, I., Ben Maissa, Y., Tamtaoui, A.: A hybrid machine learning based low cost approach for real time vehicle position estimation in a smart city. In: El-Azouzi, R., Menasché, D.S., Sabir, E., Pellegrini, F.D., Benjillali, M. (eds.) Advances in Ubiquitous Networking 2. LNEE, vol. 397, pp. 559–572. Springer, Heidelberg (2017). doi:10.​1007/​978-981-10-1627-1_​44 CrossRef
12.
Goodall, C., Syed, Z., El-Sheimy, N.: Improving INS/GPS navigation accuracy through compensation of Kalman filter errors. In: Proceedings of the 64th IEEE Vehicular Technology Conference, VTC Fall 2006, pp. 1–5. IEEE (2006)
13.
Haykin, S.: Neural Networks: A Comprehensive Foundation. Prentice Hall PTR, USA (1994)MATH
14.
Yegnanarayana, B.: Artificial Neural Networks. Prentice-Hall of India Pvt. Ltd., New Delhi (2004)
15.
Kennedy, J., Eberhart, R.C.: Particle swarm optimization. In: Proceedings of the IEEE International Conference on Neural Networks, pp. 1942–1948. IEEE, USA (1995)
16.
Kulkarni, R.V., Venayagamoorthy, G.K.: Particle swarm optimization in wireless-sensor networks a brief survey. IEEE Trans. Syst. Man Cybern. Part C (Appl. Rev.) 41, 262–267 (2011). IEEE Press, Piscataway, NJ, USA
17.
Korrapati, H., Courbon, J., Alizon, S., Marmoiton, F.: The Institut Pascal data sets: un jeu de données en extérieur, multicapteurs et datées avec réalité terrain, données d’étalonnage et outils logiciels. In: ORASIS 2013, Congrès des jeunes chercheurs en vision par ordinateur. France (2013)
Metadaten
Titel
An Improved Robust Low Cost Approach for Real Time Vehicle Positioning in a Smart City
verfasst von
Ikram Belhajem
Yann Ben Maissa
Ahmed Tamtaoui
Copyright-Jahr
2017
Buch
Industrial Networks and Intelligent Systems

Print ISBN: 978-3-319-52568-6

Electronic ISBN: 978-3-319-52569-3

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-52569-3_7

Premium Partner

    Bildnachweise