Roads AI - IRI Correlation: verschil tussen versies
(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...') |
Geen bewerkingssamenvatting |
||
| Regel 1: | Regel 1: | ||
[[Bestand:IRI ASAsense vs IRI reference.png|miniatuur| | [[Bestand:IRI ASAsense vs IRI reference.png|miniatuur|eIRI ASAsense vs IRI reference]] | ||
De | 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| | [[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. | ||
Versie van 10 okt 2024 15:22
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 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.
Als we de totale distributie van de data bekijken zien we ook een zeer sterke overeenkomst.
