Roads AI - IRI Correlation - Bewerkingsoverzicht

Wout: titel aanpassen

2024-11-15T09:40:49Z

titel aanpassen

← Oudere versie		Versie van 15 nov 2024 09:40
Regel 1:		Regel 1:
			{{DISPLAYTITLE:PAVEsense eIRI correlatie met referentie metingen}}
	[[Bestand:Port of Antwerp Groundtruth vs eIRI measurements of ASAsense.jpg\|miniatuur\|eIRI ASAsense vs IRI reference]]		[[Bestand:Port of Antwerp Groundtruth vs eIRI measurements of ASAsense.jpg\|miniatuur\|eIRI ASAsense vs IRI reference]]
	''Geldig vanaf PAVEsense versie 8 (november 2024)''		''Geldig vanaf PAVEsense versie 8 (november 2024)''

Wout: pavesense v8 eIRI update documentatie

2024-11-15T09:37:13Z

pavesense v8 eIRI update documentatie

@@ Regel 1: / Regel 1: @@
-[[Bestand:IRI ASAsense vs IRI reference.png|miniatuur|eIRI ASAsense vs IRI reference]]
+[[Bestand:Port of Antwerp Groundtruth vs eIRI measurements of ASAsense.jpg|miniatuur|eIRI ASAsense vs IRI reference]]
-De eIRI-waarden van ASAsense worden berekend op basis van het wegprofiel dat wordt opgemeten aan de hand van de accelerometer in de sensorbox. We combineren hierbij de metingen van de verschillende passages en nemen daarbij de 85-ste percentiel van IRI (over de geselecteerde passages) van alle passages die voldoen aan het [[Roads AI#Convergentie|convergentiecriterium]]. Uit onderzoek blijkt namelijk dat dit een betere correlatie geeft met referentie data.
+''Geldig vanaf PAVEsense versie 8 (november 2024)''
-De correlatie werd gedaan met behulp van referentiedata die we van de haven van Antwerpen mochten ontvangen. Met behulp van enkele correcties voor de GPS-drift merken we een correlatie (R² factor) van 67% op. Gezien het feit dat we meten na de demping van de wagen, over verschillende passages heen, terwijl de referentiedata eenmalig wordt opgemaakt en telkens langs één zijde van de wagen, beschouwen we dit als een redelijke goede correlatiefactor. Belangrijker nog is echter wat het effect is op de analyse. Zoals u in de afbeelding hiernaast kan zien worden de hoge pieken afgevlakt, maar is er verder een zeer goede gelijkenis tussen de referentiedata en de ASAsense data. De slechtere wegen in de referentiedata komen ook in de ASAsense data terug als slecht, de goede als goede.
+De eIRI-waarden van ASAsense worden berekend op basis van het wegprofiel dat wordt opgemeten aan de hand van de accelerometer in de sensorbox. We combineren hierbij de metingen van de verschillende passages en nemen daarbij het '''gemiddelde''' van de eIRI (over de geselecteerde passages) van alle passages die voldoen aan het [[Roads AI#Convergentie|convergentiecriterium]].
-[[Bestand:IRI ASAsense vs PoA distribution.png|miniatuur|eIRI ASAsense t.o.v. PoA distributie]]
 Als we de totale distributie van de data bekijken zien we ook een zeer sterke overeenkomst.

Thomas op 10 okt 2024 om 15:22

2024-10-10T15:22:28Z

← Oudere versie		Versie van 10 okt 2024 15:22
Regel 1:		Regel 1:
	[[Bestand:IRI ASAsense vs IRI reference.png\|miniatuur\|~~IRI~~ ASAsense vs IRI reference]]		[[Bestand:IRI ASAsense vs IRI reference.png\|miniatuur\|eIRI ASAsense vs IRI reference]]
	De ~~IRI~~-waarden van ASAsense worden berekend op basis van het wegprofiel dat wordt opgemeten aan de hand van de accelerometer in de sensorbox. We combineren hierbij de metingen van de verschillende passages en nemen daarbij de 85-ste percentiel van IRI (over de geselecteerde passages) van alle passages die voldoen aan het [[Roads AI#Convergentie\|convergentiecriterium]]. Uit onderzoek blijkt namelijk dat dit een betere correlatie geeft met referentie data.		De eIRI-waarden van ASAsense worden berekend op basis van het wegprofiel dat wordt opgemeten aan de hand van de accelerometer in de sensorbox. We combineren hierbij de metingen van de verschillende passages en nemen daarbij de 85-ste percentiel van IRI (over de geselecteerde passages) van alle passages die voldoen aan het [[Roads AI#Convergentie\|convergentiecriterium]]. Uit onderzoek blijkt namelijk dat dit een betere correlatie geeft met referentie data.

	De correlatie werd gedaan met behulp van referentiedata die we van de haven van Antwerpen mochten ontvangen. Met behulp van enkele correcties voor de GPS-drift merken we een correlatie (R² factor) van 67% op. Gezien het feit dat we meten na de demping van de wagen, over verschillende passages heen, terwijl de referentiedata eenmalig wordt opgemaakt en telkens langs één zijde van de wagen, beschouwen we dit als een redelijke goede correlatiefactor. Belangrijker nog is echter wat het effect is op de analyse. Zoals u in de afbeelding hiernaast kan zien worden de hoge pieken afgevlakt, maar is er verder een zeer goede gelijkenis tussen de referentiedata en de ASAsense data. De slechtere wegen in de referentiedata komen ook in de ASAsense data terug als slecht, de goede als goede.		De correlatie werd gedaan met behulp van referentiedata die we van de haven van Antwerpen mochten ontvangen. Met behulp van enkele correcties voor de GPS-drift merken we een correlatie (R² factor) van 67% op. Gezien het feit dat we meten na de demping van de wagen, over verschillende passages heen, terwijl de referentiedata eenmalig wordt opgemaakt en telkens langs één zijde van de wagen, beschouwen we dit als een redelijke goede correlatiefactor. Belangrijker nog is echter wat het effect is op de analyse. Zoals u in de afbeelding hiernaast kan zien worden de hoge pieken afgevlakt, maar is er verder een zeer goede gelijkenis tussen de referentiedata en de ASAsense data. De slechtere wegen in de referentiedata komen ook in de ASAsense data terug als slecht, de goede als goede.
	[[Bestand:IRI ASAsense vs PoA distribution.png\|miniatuur\|~~IRI~~ ASAsense t.o.v. PoA distributie]]		[[Bestand:IRI ASAsense vs PoA distribution.png\|miniatuur\|eIRI ASAsense t.o.v. PoA distributie]]
	Als we de totale distributie van de data bekijken zien we ook een zeer sterke overeenkomst.		Als we de totale distributie van de data bekijken zien we ook een zeer sterke overeenkomst.

Thomas: Nieuwe pagina aangemaakt met 'IRI ASAsense vs IRI reference De IRI-waarden van ASAsense worden berekend op basis van het wegprofiel dat wordt opgemeten aan de hand van de accelerometer in de sensorbox. We combineren hierbij de metingen van de verschillende passages en nemen daarbij de 85-ste percentiel van IRI (over de geselecteerde passages) van alle passages die voldoen aan het convergentiecriterium. Uit on...'

2022-12-14T15:37:27Z

Nieuwe pagina aangemaakt met 'miniatuur|IRI ASAsense vs IRI reference De IRI-waarden van ASAsense worden berekend op basis van het wegprofiel dat wordt opgemeten aan de hand van de accelerometer in de sensorbox. We combineren hierbij de metingen van de verschillende passages en nemen daarbij de 85-ste percentiel van IRI (over de geselecteerde passages) van alle passages die voldoen aan het convergentiecriterium. Uit on...'

Nieuwe pagina

[[Bestand:IRI ASAsense vs IRI reference.png|miniatuur|IRI ASAsense vs IRI reference]]
De IRI-waarden van ASAsense worden berekend op basis van het wegprofiel dat wordt opgemeten aan de hand van de accelerometer in de sensorbox. We combineren hierbij de metingen van de verschillende passages en nemen daarbij de 85-ste percentiel van IRI (over de geselecteerde passages) van alle passages die voldoen aan het [[Roads AI#Convergentie|convergentiecriterium]]. Uit onderzoek blijkt namelijk dat dit een betere correlatie geeft met referentie data.

De correlatie werd gedaan met behulp van referentiedata die we van de haven van Antwerpen mochten ontvangen. Met behulp van enkele correcties voor de GPS-drift merken we een correlatie (R² factor) van 67% op. Gezien het feit dat we meten na de demping van de wagen, over verschillende passages heen, terwijl de referentiedata eenmalig wordt opgemaakt en telkens langs één zijde van de wagen, beschouwen we dit als een redelijke goede correlatiefactor. Belangrijker nog is echter wat het effect is op de analyse. Zoals u in de afbeelding hiernaast kan zien worden de hoge pieken afgevlakt, maar is er verder een zeer goede gelijkenis tussen de referentiedata en de ASAsense data. De slechtere wegen in de referentiedata komen ook in de ASAsense data terug als slecht, de goede als goede.
[[Bestand:IRI ASAsense vs PoA distribution.png|miniatuur|IRI ASAsense t.o.v. PoA distributie]]
Als we de totale distributie van de data bekijken zien we ook een zeer sterke overeenkomst.