PREDICTION D'UN PARAMETRE DE RECALAGE CARTOGRAPHIQUE PAR APPRENTISSAGE PROFOND

• Main Authors: GARCIA, LUCIEN, VIGNEAU, WILLY
• Format: Patent
• Language: French
• Published: 13.03.2020
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; GYROSCOPIC INSTRUMENTS; MEASURING; MEASURING DISTANCES, LEVELS OR BEARINGS; NAVIGATION; PHOTOGRAMMETRY OR VIDEOGRAMMETRY; PHYSICS; SURVEYING; TESTING

La présente invention a pour objet des procédés (300) d'entrainement de modèles d'apprentissage profond (400), des procédés de prédiction d'un paramètre de recalage cartographique, des procédés de mise à jour d'une carte routière numérique, un programme informatique permettant de mettre en œuvre les procédés et des dispositifs (100) pour la mise à jour d'une carte routière numérique. Le principe général de l'invention est basé sur l'utilisation de l'apprentissage automatique (« machine learning », en langue anglaise). Pour cela, dans l'invention, on entraine un modèle statistique d'apprentissage profond (« deep learning », en langue anglaise) selon une démarche d'apprentissage automatique dite supervisée. Par la suite, le modèle statistique d'apprentissage profond pré-entraîné est utilisé pour prédire un paramètre de recalage cartographique à partir d'une mesure de coordonnées géographiques et d'un identifiant du capteur de position ayant réalisé la mesure de coordonnées géographiques. Enfin, le paramètre de recalage cartographique peut être utilisé pour mettre à jour une carte routière numérique. Subjects of the present disclosure are methods for training deep learning models, methods for predicting a map matching parameter, methods for updating a digital road map, and a computer program making it possible to implement the methods and devices for updating a digital road map. The general principle is based on the use of machine learning. Accordingly, a statistical deep learning model is trained according to a "supervised" machine learning scheme. Thereafter, the pretrained statistical deep learning model is used to predict a map matching parameter on the basis of a measurement of geographic coordinates and of an identifier of the position sensor that has performed the measurement of geographic coordinates. Finally, the map matching parameter can be used to update a digital road map.