研究人员开发了一种新的惯性追踪框架，用于大规模共享单车，特别是在全球导航卫星系统（GNSS）不可靠的环境中，例如城市峡谷。该系统整合了自行车机械约束和混合专家模型，以改进多任务学习并实现可感知不确定性的轨迹估计。通过分析踏频与加速度变化之间的关系，该框架动态校准自行车的轮速。使用滴滴共享单车数据的实验表明，其精度比现有方法至少提高了12%，在95%分位数的轮速误差低于0.5米/秒。 AI
影响 这项研究可以提高在具有挑战性的城市环境中共享出行服务的定位可靠性和准确性。
排序理由 该集群包含一篇学术论文，详细介绍了解决特定问题的新技术方法。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
