斑马：基于Z序曲线的高效汽车数据检索方法
摘要：使用来自真实世界的数据对自动驾驶车辆的软件性能进行评估主要受到驾驶行为数据的驱动。尽管专业测试驾驶员可以通过技术手段进行驾驶行为标注以提高事件识别能力，但在大型车队中常常缺乏自动和详细的事件分类，因此在后处理这些数据时需要付出额外的努力。然而，专业测试驾驶员的数据质量显然比大型车队的数据更高，因为大型车队中往往缺少标注。然而，来自大型车队的未标注数据集更加真实且典型，适用于自动驾驶车辆处理的驾驶场景。然而，尽管扩大大型车队的数据相对简单，但在后处理过程中添加有价值的标注变得越来越昂贵。在本文中，我们利用Z-order空间填充曲线系统地降低数据维度，同时保留领域特定的数据属性，从而使我们能够更快地探索大规模场地数据集，以发现有趣的事件，其速度比直接处理时间序列数据快几个数量级。此外，提出的概念基于分析方法，保留了被识别事件的可解释性。
作者：Christian Berger, Lukas Birkemeyer
论文ID：2304.10232
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-04-21