CN102147258B - 基于反馈机制的车辆导航方法及系统 - Google Patents

Abstract

本发明公开了一种基于反馈机制的车辆导航方法，包括以下步骤：S1、根据全球定位系统GPS数据和惯性数据生成车辆定位信息；S2、根据所述车辆定位信息和电子地图的数据，采用多假设的地图匹配算法计算车辆最可能所处路段作为地图匹配结果；S3、判断所述地图匹配结果是否可以用于反馈，若可以，则利用该地图匹配结果计算GPS数据中的位置信息在垂直于路段方向上的偏差、车辆位置信息以及车辆方向信息这三者作为反馈数据，利用该反馈数据修正所述车辆定位信息。本发明采用了改进的多假设的地图匹配算法，提高了地图匹配的准确程度，降低了测量误差；进一步提高了车辆定位的精度。有效降低了误反馈的可能性，提高了系统的鲁棒性。

Description

基于反馈机制的车辆导航方法及系统

技术领域

本发明涉及智能交通技术领域，特别涉及一种基于反馈机制的车辆导航方法及系统。

背景技术

车辆导航系统在车辆追踪，车辆调度等现实问题中有着广泛的应用。一个实用的车辆导航系统需要获取连续而精确的车辆定位信息。

人们通常选用GPS(Global Positioning System，全球定位系统)作为车辆的主要定位信息来源。在正常条件下，GPS能够提供连续而准确的定位信息。但是在都市条件下，由于建筑物(高楼，隧道)的遮挡，GPS信号经常会中断，并且即使GPS信号能够被接收到，在多路径效应下，GPS提供的定位信息也会出现极大的偏差。所以GPS并不适合单独提供车辆导航系统的定位信息。INS(Inertial NavigationSystem，惯性导航系统)是另一种常见的定位信息来源。这种系统位于车辆内部，可以提供连续的航位信息。然而在实际应用中，由于车载的惯性仪器一般成本较低，精度不高，累计误差会随着时间急剧增长，所以惯性导航系统也不能单独提供定位信息。

解决上述问题一种通常的方式是将GPS与INS的数据进行融合，共同提高定位信息，从而能够一定程度上克服二者的固有缺点，从而能够达到更好的定位效果。Zhao(参考文献[2])等人使用扩展Kalman滤波器(EKF)作为主要手段进行数据的融合。为了在此基础上进一步提高定位精度，然而Kalman滤波器为主的定位校正手段，在都市环境中的表现都不理想，一个很重要的原因在于，多路径效应造成的GPS偏差远远大于GPS本身的误差，所以GPS的测量误差远不是高斯分布，从而不符合Kalman滤波器对于测量误差的基本假设。

另一方面，现有的地图匹配系统可以将车辆位置限定在某个路段附近，由于电子地图的误差远小于传感器的误差，从而可以利用电子地图的信息作为反馈，对上述的INS累积误差和GPS多路径偏差进行修正，可以有效地减小定位的误差。对于地图匹配，Quddus.(参考文献[3])，Philippe(参考文献[1])等人有过很多研究。然而，地图匹配算法的一个重要问题在于，车辆的定位误差容易在复杂的路况下，造成相似路段之间的误匹配。一旦误匹配发生，传统的算法很难进行错误的恢复。多假设(Multihypothesis)算法是一种新提出的地图匹配算法，这种算法中，所有当前可能的路段以及路段的祖先信息都会被保留，当定位误差导致的误匹配发生时，正确的路径仍然存在于假设空间中，当定位误差减小时，该正确路径自然会被正确匹配，此时通过回溯正确路径可以纠正以往的误匹配。实践表明，这种算法具有较好的鲁棒性。使用地图匹配进行反馈的主要问题在于，当前时刻用于反馈的匹配结果并不一定是正确的，如果使用了错误的匹配路径进行反馈，有可能进一步加大定位的误差。因而必须使用某种策略来衡量能否使用匹配结果进行反馈，以保证反馈的正确性。

上面提到的参考文献如下：

[1]Philippe Bonnifait，Maged Jabbour，and Gerald Dherbomez.Real-time implementation of a gis-based localization system forintelligent vehicles.EURASIP Journal on Embedded System，2007.

[2]L.Zhao，W.Y.Ochieng，M.A.Quddus，and R.B.Noland.Anextended kalman filter algorithm for integrating gps and low cost deadreckoning system data for vehicle performance and emissions monitoring.Journal of Navigation，53：257--275，2003.

[3]Quddus M.A.，Ochieng W.Y.，Zhao.L.，and Noland R.B.Generalmap matching algorithm for transport telematics applications.GPSSolutions，14(3)：157--167，2003.

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何提高地图匹配的准确程度，降低测量误差；同时提高车辆定位的精度；降低误反馈的可能性，提高系统的鲁棒性。

(二)技术方案

为解决上述技术问题，本发明提供了一种基于反馈机制的车辆导航方法，包括以下步骤：

S1、根据全球定位系统GPS数据和惯性数据生成车辆定位信息；

S2、根据所述车辆定位信息和电子地图的数据，采用多假设的地图匹配算法计算车辆最可能所处路段作为匹配结果；下面所用到的关于路段的信息，比如匹配的路段信息，都来自电子地图的数据。

S3、判断所述匹配结果是否可以用于反馈，若可以，则利用该匹配结果计算GPS数据中的位置信息在垂直于路段方向上的偏差、车辆位置信息以及车辆方向信息这三者作为反馈数据，利用该反馈数据修正所述车辆定位信息。

其中，所述GPS数据包括位置信息和有效标志位数据，所述位置信息包括经度、纬度和方向，所述惯性数据包括角速度、加速度和速度数据，且步骤S1具体包括：

S11，对于测量得到的所述角速度ω_i，如果ω_i小于5°，则将ω_i置为0，对于所述位置信息，用二维坐标x_i，y_i分别表示东向和北向的坐标；如果存在步骤S3所提供的反馈数据，则利用所述反馈数据修正所述GPS数据；

S12，假设上一时刻车辆方向为H_i-1，当前时刻测得角速度为ω_i，当前时刻与前面4个时刻GPS数据中的方向分别为d_i，d_i-1，d_i-2，d_i-3，d_i-4，由步骤S3所提供的反馈数据中，车辆方向信息为f_i，则对当前时刻车辆方向H_i的校正方法为：

若ω_i大于0，则H_i＝H_i-1+ω_i；

否则，如果对于d_i，d_i-1，d_i-2，d_i-3，d_i-4中任意两个d_j，d_k，有|d_j-d_k|＜5°，则H_i＝Average(d_i，d_i-1，d_i-2，d_i-3，d_i-4)，Average表示取平均；如果对于d_i，d_i-1，d_i-2，d_i-3，d_i-4中任意两个d_j，d_k，有|d_j-d_k|≥5°，且如果存在步骤S3反馈的所述方向信息f_i，则H_i＝f_i，如果不存在所述方向信息f_i，则H_i＝H_i-1；

S13，根据所述GPS数据是否有效，采用卡尔曼滤波器或者航位推算法计算所述车辆定位信息。

其中，所述步骤S13具体为：

若所述GPS数据无效，则采用航位推算法计算所述车辆定位信息：设上一时刻的车辆位置为x_i-1，y_i-1，当前时刻的速度为s_i，车辆方向为H_i，则当前时刻的车辆位置x_i，y_i为：

x_i＝x_i-1+s_icos(H_i)，y_i＝y_i-1+s_isin(H_i)；

若GPS数据有效，则采用卡尔曼滤波器计算所述车辆定位信息。

其中，所述卡尔曼滤波器为无迹卡尔曼滤波器，在计算所述车辆定位信息时，所述滤波器设置如下：

状态矩阵为

其中n，v_n，a_n分别为北向位置、速度和加速度，e，v_e，a_e分别为东向位置、速度和加速度，ε为获得所述GPS数据时所采用的陀螺仪的随机漂移系数，

为获得所述GPS数据时所采用的里程计的比例系数，T表示矩阵的转置；

状态转移矩阵为：其中τ_ε为所述陀螺仪漂移的一阶马尔科夫常数；

观测矩阵：Z＝[n_o，e_o，v_n，v_e，ω，s]^T，其中n_o为北向观测位置、e_o为东向观测位置、ω为观测角速度、s为观测速度、v_n为北向速度，v_e为东向速度；

在计算所述车辆定位信息时最终得到的状态矩阵中，e，n就是车辆当前位置x_i，y_i。

其中，在步骤S2中，采用多假设的地图匹配算法计算车辆最可能所处路段时，首先使用假设节点表示车辆的状态和与该状态匹配的路段，所述假设节点包含车辆的位置信息、当前匹配的路段信息、车辆在路段上的行驶距离、假设节点的父假设和假设节点的权值，所述假设节点的权值越大表示假设节点的可能性越高，所有假设节点构成一棵假设树，权值最大的假设节点就是当前车辆最可能所处路段，即所述匹配结果；从一个假设节点开始，回溯该假设节点的父假设，得到车辆从开始运行到当前时刻的最可能行驶路线。

其中，所述多假设的地图匹配算法在每一次新的车辆状态信息产生时被调用，被调用时执行以下几个步骤：

首先根据新的车辆状态信息S更新各个假设节点，对于每个假设节点h_i，更新各个假设节点的方法分以下几种情况：

如果车辆的位置远离路段沿车辆行驶方向的端点一定的距离，则直接更新该假设节点，包括更新车辆的位置信息，根据车辆的速度增大车辆在路段上的行驶距离，以及计算新的假设节点权值W(h_i)，其中W(h_i)＝W(h_i)+P(S，h_i)，其中P(S，h_i)表示车辆状态信息(也即车辆定位信息)S和假设节点h_i的不相符程度，P(S，h_i)越小，说明车辆越不可能处在h_i所表示的路段上；

如果车辆的位置接近路段沿车辆行驶方向的端点一定的距离，则产生新的假设节点，具体方式是：对于每条与上述端点相邻的路段，假设节点h_i分别产生新的假设节点h_j，包括设定当前车辆的位置信息，设定新的匹配路段信息，初始化车辆在路段上的行驶距离，并将新的假设节点h_j的父假设设置为原来的假设节点h_i，设置新的假设节点h_j的权值W(h_j)，其中W(h_j)＝W(h_i)+P(S，h_j)，权值P(S，h_j)表示子假设会继承父假设的可能性；

当所有节点更新完毕之后，从所述假设树中删除权值从大到小排名靠后的假设；其中，所删除的排名靠后的节点个数为预设值。

其中，步骤S3中判断所述匹配结果是否可以用于反馈的方法为：

首先计算假设树中删除权值从大到小排名最前的假设节点的评价值j1，如果j1小于阈值t，则所述匹配结果不可以用于反馈；否则计算排名第二的假设节点的评价值j2，如果j1＞2*j2，则所述匹配结果能够用于反馈。

其中，根据车辆方向与路段方向之差δH以及车辆的位置距路段的距离δD来计算所述评价值：j＝(1-δH/60)/2+(1-(δD/90)²)/2。

其中，在步骤S3中，计算车辆位置(x，y)在匹配路段的垂直投影(x′，y′)，则(x-x′，y-y′)分别是车辆位置在东向和北向的偏差，得到位置信息在垂直于路段方向上的偏差；在车辆的角速度为0时，匹配路段的方向就是反馈的车辆方向信息；利用权值最大的假设节点中记录的车辆在匹配路径上行驶的距离计算车辆在路径上的位置，这个位置就是反馈的车辆位置信息。

本发明还提供了一种基于反馈机制的车辆导航系统，包括：

定位模块，用于根据全球定位系统GPS数据和惯性数据生成车辆定位信息；

匹配模块，用于根据所述车辆定位信息和电子地图的数据，采用多假设的地图匹配算法计算车辆最可能所处路段作为匹配结果；

反馈模块，用于判断所述匹配结果是否可以用于反馈，若可以，则利用该地图匹配结果计算GPS数据中的位置信息在垂直于路段方向上的偏差、车辆位置信息以及车辆方向信息这三者作为反馈数据，利用该反馈数据修正所述车辆定位信息。

(三)有益效果

本发明采用了多假设的地图匹配算法，在很大程度上提高了地图匹配的准确程度，降低了测量误差；同时合理地利用了地图匹配的结果，结合地图信息，进一步提高了车辆定位的精度。最后，引入了假设的检验机制，从而能够有效降低误反馈的可能性，提高了系统的鲁棒性。

附图说明

图1是本发明实施例的方法流程图；

图2是使用反馈机制以后的Kalman(卡尔曼)滤波器的数据校正结果；

图3是使用反馈机制前后惯性导航的结果对比；

图4示出了可能出现误反馈的区域。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细说明。以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1所示，本发明实施例的方法包括步骤：

S1、根据全球定位系统GPS数据和惯性数据生成车辆定位信息；

S2、根据所述车辆定位信息和电子地图的数据，采用多假设的地图匹配算法计算车辆最可能所处路段作为匹配结果；

S3、判断所述匹配结果是否可以用于反馈，若可以，则利用该匹配结果计算GPS数据中的位置信息在垂直于路段方向上的偏差、车辆位置信息以及车辆方向信息这三者作为反馈数据，利用该反馈数据修正所述车辆定位信息。

其中，所述GPS数据包括位置信息和有效标志位数据，所述位置信息包括经度、纬度和方向，所述惯性数据包括角速度、加速度和速度数据，且步骤S1具体包括：

S11，测量数据预处理：对于GPS接收器测量到的所述角速度ω_i，如果ω_i小于5°，则将ω_i置为0，对于GPS接收器测量的所述位置信息，采用NED(north east and down)坐标系(由于车辆近似在平面行驶，所以忽略垂直坐标)，用二维坐标x_i，y_i分别表示东向和北向的坐标；如果存在步骤S3所提供的反馈数据，则利用所述反馈数据修正所述GPS数据；

S12，车辆方向校正：假设上一时刻车辆方向为H_i-1，当前时刻测得角速度为ω_i，当前时刻与前面4个时刻GPS数据中的方向分别为d_i，d_i-1，d_i-2，d_i-3，d_i-4，由步骤S3所提供的反馈数据中，车辆方向信息为f_i，则对当前时刻车辆方向H_i的校正方法为：

若ω_i大于0，则H_i＝H_i-1+ω_i；

否则，如果对于d_i，d_i-1，d_i-2，d_i-3，d_i-4中任意两个d_j，d_k，有|d_j-d_k|＜5°，则H_i＝Average(d_i，d_i-1，d_i-2，d_i-3，d_i-4)，Average表示取平均；如果对于d_i，d_i-1，d_i-2，d_i-3，d_i-4中任意两个d_j，d_k，有|d_j-d_k|≥5°，且如果存在步骤S3反馈的所述方向信息f_i，则H_i＝f_i，如果不存在所述方向信息f_i，则H_i＝H_i-1；

S13，车辆定位信息的产生：根据所述GPS数据是否有效，采用卡尔曼滤波器或者航位推算法计算所述车辆定位信息。

其中，所述步骤S13具体为：

若所述GPS数据无效，则采用航位推算法计算所述车辆定位信息：设上一时刻的车辆位置为x_i-1，y_i-1，当前时刻的速度为s_i，车辆方向为H_i，则当前时刻的车辆位置x_i，y_i为：

x_i＝x_i-1+s_icos(H_i)，y_i＝y_i-1+s_isin(H_i)；

若GPS数据有效，则采用卡尔曼滤波器计算所述车辆定位信息。

其中，所述卡尔曼滤波器为无迹卡尔曼滤波器，在计算所述车辆定位信息时，所述滤波器设置如下：

状态矩阵为

其中n，v_n，a_n分别为北向位置、速度和加速度，e，v_e，a_e分别为东向位置、速度和加速度，ε为获得所述GPS数据时所采用的陀螺仪的随机漂移系数，

为获得所述GPS数据时所采用的里程计的比例系数，T表示矩阵的转置；

状态转移矩阵为：

其中τ_ε为所述陀螺仪漂移的一阶马尔科夫常数；

观测矩阵：Z＝[n_o，e_o，v_n，v_e，ω，s]^T，其中n_o为北向观测位置、e_o为东向观测位置、ω为观测角速度、s为观测速度、v_n为北向速度，v_e为东向速度；

在计算所述车辆定位信息时最终得到的状态矩阵中，e，n就是车辆当前位置x_i，y_i。

其中，在步骤S2中，采用多假设的地图匹配算法计算车辆最可能所处路段时，首先使用假设节点表示车辆的状态和与该状态匹配的路段，所述假设节点包含车辆的位置信息、当前匹配的路段信息、车辆在路段上的行驶距离、假设节点的父假设和假设节点的权值，所述假设节点的权值越大表示假设节点的可能性越高，所有假设节点构成一棵假设树，权值最大的假设节点就是当前车辆最可能所处路段，即所述匹配结果；从一个假设节点开始，回溯该假设节点的父假设，得到车辆从开始运行到当前时刻的最可能行驶路线。

其中，所述多假设的地图匹配算法在每一次新的车辆状态信息产生时被调用，被调用时执行以下几个步骤：

首先根据新的车辆状态信息S更新各个假设节点，对于每个假设节点h_i，更新各个假设节点的方法分以下几种情况：

如果车辆的位置远离路段沿车辆行驶方向的端点一定的距离，则直接更新该假设节点，包括更新车辆的位置信息，根据车辆的速度增大车辆在路段上的行驶距离，以及计算新的假设节点权值W(h_i)，其中W(h_i)＝W(h_i)+P(S，h_i)，其中P(S，h_i)表示车辆状态S和假设节点h_i的不相符程度，P(S，h_i)越小，说明车辆越不可能处在h_i所表示的路段上；

如果车辆的位置接近路段沿车辆行驶方向的端点一定的距离，则产生新的假设节点，具体方式是：对于每条与上述端点相邻的路段，假设节点h_i分别产生新的假设节点h_j，包括设定当前车辆的位置信息，设定新的匹配路段信息，初始化车辆在路段上的行驶距离，并将新的假设节点h_j的父假设设置为原来的假设节点h_i，设置新的假设节点h_j的权值W(h_j)，其中W(h_j)＝W(h_i)+P(S，h_j)，权值P(S，h_j)表示子假设会继承父假设的可能性；

当所有节点更新完毕之后，从所述假设树中删除权值从大到小排名靠后的假设；其中，所删除的排名靠后的节点个数为预设值。

其中，步骤S3中判断所述匹配结果是否可以用于反馈的方法为：

首先计算假设树中删除权值从大到小排名最前的假设节点的评价值j1，如果j1小于阈值t，则所述匹配结果不可以用于反馈；否则计算排名第二的假设节点的评价值j2，如果j1＞2*j2，则所述匹配结果能够用于反馈。

其中，根据车辆方向与路段方向之差δH以及车辆的位置距路段的距离δD来计算所述评价值：j＝(1-δH/60)/2+(1-(δD/90)²)/2。

其中，在步骤S3中，计算车辆位置(x，y)在匹配路段的垂直投影(x′，y′)，则(x-x′，y-y′)分别是车辆位置在东向和北向的偏差，得到所述车辆位置垂直于路段的偏差；在车辆的角速度为0时，匹配路段的方向就是反馈的车辆方向信息；利用权值最大的假设节点中记录的车辆在匹配路径上行驶的距离计算车辆在路径上的位置，这个位置就是反馈的车辆位置信息。

本发明还提供了一种基于反馈机制的车辆导航系统，包括：

定位模块，用于根据全球定位系统GPS数据和惯性数据生成车辆定位信息；包括陀螺仪、加速度计、里程计和GPS接收器。

匹配模块，用于根据所述车辆定位信息和电子地图的数据，采用多假设的地图匹配算法计算车辆最可能所处路段作为匹配结果；

反馈模块，用于判断所述匹配结果是否可以用于反馈，若可以，则利用该匹配结果计算当前时刻车辆位置垂直于路段的偏差，车辆位置以及车辆方向作为反馈数据，利用该反馈数据修正所述车辆定位信息。

图2、4中，实心圆圈表示GPS接收器测量的位置，“+”表示校正后的位置。

对于图2所示的区域，利用步骤S2中的匹配路径的信息，步骤S3计算出了GPS接收器测量的车辆位置在垂直于路径方向上的偏差，S1使用这个偏差修正原始的测量值，并使用修正后的测量值进行数据融合。得到的校正后的结果，基本消除了垂直于道路方向上的误差，从而提高了系统定位的精度。

对于图3所示的区域，在很长一段时间内，GPS数据一直无效，从而被迫使用航位推算法进行定位。图3(b)的结果显示，由于用于计算惯性数据的惯性传感器的累积误差，一段时间以后，计算得到的定位信息会出现非常大的误差。图3(a)是引入反馈数据的计算结果，图中显示，车辆导航系统在车辆拐弯结束后，利用地图匹配结果计算出反馈的车辆方向信息和车辆位置信息，并用这两个信息对车辆的状态进行了修正，从而及时消除了车辆方向和位置的误差，使得航位推算的过程可以在一定的误差约束下继续进行。

对于图4所示的区域，由于道路No.112和No.84之间的相似性和测量数据的歧义性，此时的权值最大的假设节点可能是错误的匹配，如果使用这个假设节点进行反馈，有可能加剧定位数据的错误。而使用步骤S3中对权值最大的假设节点和次大的假设节点的评价函数进行判定，可以有效地分辨这种情况，选择不使用反馈，从而避免盲目使用反馈带来的错误。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (6)

1.一种基于反馈机制的车辆导航方法，其特征在于，包括以下步骤：

S1、根据全球定位系统GPS数据和惯性数据生成车辆定位信息；

S2、根据所述车辆定位信息和电子地图的数据，采用多假设的地图匹配算法计算车辆最可能所处路段作为地图匹配结果；

S3、判断所述地图匹配结果是否可以用于反馈，若可以，则利用该地图匹配结果计算GPS数据中的位置信息在垂直于路段方向上的偏差、车辆位置信息以及车辆方向信息这三者作为反馈数据，利用该反馈数据修正所述车辆定位信息；

所述GPS数据包括位置信息和有效标志位数据，所述位置信息包括经度、纬度和方向，所述惯性数据包括角速度、加速度和速度数据，且步骤S1具体包括：

S11，对于测量得到的所述角速度ω_i，如果ω_i小于5°，则将ω_i置为0，对于所述位置信息，用二维坐标x_i，y_i分别表示东向和北向的坐标；如果存在步骤S3所提供的反馈数据，则利用所述反馈数据修正所述GPS数据；

S12，假设上一时刻车辆方向为H_i-1，当前时刻测得角速度为ω_i，当前时刻与前面4个时刻GPS数据中的方向分别为d_i,d_i-1，d_i-2，d_i-3,d_i-4，由步骤S3所提供的反馈数据中，车辆方向信息为f_i，则对当前时刻车辆方向H_i的校正方法为：

若ω_i大于0，则H_i＝H_i-1+ω_i；

否则，如果对于d_i,d_i-1,d_i-2,d_i-3,d_i-4中任意两个d_j,d_k，有|d_j-d_k|＜5°，则H_i＝Average(d_i,d_i-1,d_i-2,d_i-3，d_i-4)，Average表示取平均；如果对于d_i,d_i-1,d_i-2,d_i-3，d_i-4中任意两个d_j,d_k，有|d_j-d_k|≥5°，且如果存在步骤S3反馈的所述方向信息f_i，则H_i＝f_i，如果不存在所述方向信息f_i，则H_i＝H_i-1；

S13，根据所述GPS数据是否有效，采用卡尔曼滤波器或者航位推算法计算所述车辆定位信息；

所述步骤S13具体为：

若所述GPS数据无效，则采用航位推算法计算所述车辆定位信息：设上一时刻的车辆位置为x_i-1，y_i-1，当前时刻的速度为s_i，车辆方向为H_i，则当前时刻的车辆位置x_i,y_i为：

x_i＝x_i-1+s_icos(H_i),y_i＝y_i-1+s_isin(H_i)；

若所述GPS数据有效，则采用卡尔曼滤波器计算所述车辆定位信息；

在步骤S2中，采用多假设的地图匹配算法计算车辆最可能所处路段时，首先使用假设节点表示车辆的状态和与该状态匹配的路段，所述假设节点包含车辆的位置信息、当前匹配的路段信息、车辆在路段上的行驶距离、假设节点的父假设和假设节点的权值，所述假设节点的权值越大表示假设节点的可能性越高，所有假设节点构成一棵假设树，权值最大的假设节点就是当前车辆最可能所处路段，即所述匹配结果；从一个假设节点开始，回溯该假设节点的父假设，得到车辆从开始运行到当前时刻的最可能行驶路线；

步骤S3中判断所述匹配结果是否可以用于反馈的方法为：

首先计算假设树中删除权值从大到小排名最前的假设节点的评价值j1，如果j1小于阈值t，则所述匹配结果不可以用于反馈；否则计算排名第二的假设节点的评价值j2，如果j1>2*j2，则所述匹配结果能够用于反馈。

2.如权利要求1所述的方法，其特征在于，所述卡尔曼滤波器为无迹卡尔曼滤波器，在计算所述车辆定位信息时，所述滤波器设置如下：

状态矩阵为

其中n,v_n,a_n分别为北向位置、北向速度和北向加速度，e,v_e,a_e分别为东向位置、东向速度和东向加速度，ε为获得所述GPS数据时所采用的陀螺仪的随机漂移系数，

为获得所述GPS数据时所采用的里程计的比例系数，T表示矩阵的转置；

状态转移矩阵为： $A=\left[\begin{array}{cccccccc}1& 1& 1/2& 0& 0& 0& 0& 0\\ 0& 1& 1& 0& 0& 0& 0& 0\\ 0& 0& 1& 0& 0& 0& 0& 0\\ 0& 0& 0& 1& 1& 1/2& 0& 0\\ 0& 0& 0& 0& 1& 1& 0& 0\\ 0& 0& 0& 0& 0& 1& 0& 0\\ 0& 0& 0& 0& 0& 0& e^{-\frac{1}{{\mathrm{\τ}}_{\mathrm{\ϵ}}}}& 0\\ 0& 0& 0& 0& 0& 0& 0& 1\end{array}\right],$ 其中τ_ε为所述陀螺仪漂移的一阶马尔科夫常数；

观测矩阵:Z＝[n_o,e_o,v_n,v_e,ω，s]^T，其中n_o为北向观测位置、e_o为东向观测位置、ω为观测角速度、s为观测速度、v_n为北向速度，v_e为东向速度；

在计算所述车辆定位信息时最终得到的状态矩阵中，e,n就是车辆当前位置x_i，y_i。

3.如权利要求1所述的方法，其特征在于，所述多假设的地图匹配算法在每一次新的车辆状态信息产生时被调用，被调用时执行以下几个步骤：

首先根据新的车辆状态信息S更新各个假设节点，对于每个假设节点h_i，更新各个假设节点的方法分以下几种情况：

如果车辆的位置远离路段沿车辆行驶方向的端点一定的距离，则直接更新该假设节点，包括更新车辆的位置信息，根据车辆的速度增大车辆在路段上的行驶距离，以及计算新的假设节点权值W(h_i)，其中W(h_i)＝W(h_i)+P(S,h_i)，其中P(S,h_i)表示车辆状态信息S和假设节点h_i的不相符程度，P(S,h_i)越小，说明车辆越不可能处在h_i所表示的路段上；

如果车辆的位置接近路段沿车辆行驶方向的端点一定的距离，则产生新的假设节点，具体方式是：对于每条与上述端点相邻的路段，假设节点h_i分别产生新的假设节点h_j，包括设定当前车辆的位置信息，设定新的匹配路段信息，初始化车辆在路段上的行驶距离，并将新的假设节点h_j的父假设设置为原来的假设节点h_i，设置新的假设节点h_j的权值W(h_j)，其中W(h_j)＝W(h_i)+P(S,h_j)，权值P(S,h_j)表示子假设会继承父假设的可能性；

当所有节点更新完毕之后，从所述假设树中删除权值从大到小排名靠后的假设；其中，所删除的排名靠后的节点个数为预设值。

4.如权利要求1所述的方法，其特征在于，根据车辆方向与路段方向之差δH以及车辆的位置距路段的距离δD来计算所述评价值：j＝(1-δH /60)/2+(1-(δD/90)²)/2。

5.如权利要求1所述的方法，其特征在于，在步骤S3中，计算车辆位置(x,y)在匹配路段的垂直投影(x′,y′)，则(x-x′,y-y′)分别是车辆位置在东向和北向的偏差，得到所述位置信息在垂直于路段方向上的偏差；在车辆的角速度为0时，匹配路段的方向就是反馈的车辆方向信息；利用权值最大的假设节点中记录的车辆在匹配路径上行驶的距离计算车辆在路径上的位置，这个位置就是反馈的车辆位置信息。

6.一种基于反馈机制的车辆导航系统，其特征在于，包括：

定位模块，用于根据全球定位系统GPS数据和惯性数据生成车辆定位信息；

匹配模块，用于根据所述车辆定位信息和电子地图的数据，采用多假设的地图匹配算法计算车辆最可能所处路段作为匹配结果；

反馈模块，用于判断所述匹配结果是否可以用于反馈，若可以，则利用该地图匹配结果计算GPS数据中的位置信息在垂直于路段方向上的偏差、车辆位置信息以及车辆方向信息这三者作为反馈数据，利用该反馈数据修正所述车辆定位信息；

所述GPS数据包括位置信息和有效标志位数据，所述位置信息包括经度、纬度和方向，所述惯性数据包括角速度、加速度和速度数据，且所述定位模块具体用于：

首先，对于测量得到的所述角速度ω_i，如果ω_i小于5°，则将ω_i置为0，对于所述位置信息，用二维坐标x_i，y_i分别表示东向和北向的坐标；如果存在反馈模块所提供的反馈数据，则利用所述反馈数据修正所述GPS数据；

其次，假设上一时刻车辆方向为H_i-1，当前时刻测得角速度为ω_i，当前时刻与前面4个时刻GPS数据中的方向分别为d_i,d_i-1，d_i-2，d_i-3,d_i-4，由反馈模块所提供的反馈数据中，车辆方向信息为f_i，则对当前时刻车辆方向H_i的校正方法为：

若ω_i大于0，则H_i＝H_i-1+ω_i；

否则，如果对于d_i,d_i-1,d_i-2,d_i-3，d_i-4中任意两个d_j,d_k，有|d_j-d_k|＜5°，则H_i＝Average(d_i,d_i-1,d_i-2,d_i-3，d_i-4)，Average表示取平均；如果对于d_i,d_i-1,d_i-2,d_i-3，d_i-4中任意两个d_j,d_k，有|d_j-d_k|≥5°，且如果存在步骤S3反馈的所述方向信息f_i，则H_i＝f_i，如果不存在所述方向信息f_i，则H_i＝H_i-1；

再次，根据所述GPS数据是否有效，采用卡尔曼滤波器或者航位推算法计算所述车辆定位信息；具体为：若所述GPS数据无效，则采用航位推算法计算所述车辆定位信息：设上一时刻的车辆位置为x_i-1,y_i-1，当前时刻的速度为s_i，车辆方向为H_i，则当前时刻的车辆位置x_i,y_i为：x_i＝x_i-1+s_icos(H_i),y_i＝y_i-1+s_isin(H_i)；若所述GPS数据有效，则采用卡尔曼滤波器计算所述车辆定位信息；

所述匹配模块采用多假设的地图匹配算法计算车辆最可能所处路段时，首先使用假设节点表示车辆的状态和与该状态匹配的路段，所述假设节点包含车辆的位置信息、当前匹配的路段信息、车辆在路段上的行驶距离、假设节点的父假设和假设节点的权值，所述假设节点的权值越大表示假设节点的可能性越高，所有假设节点构成一棵假设树，权值最大的假设节点就是当前车辆最可能所处路段，即所述匹配结果；从一个假设节点开始，回溯该假设节点的父假设，得到车辆从开始运行到当前时刻的最可能行驶路线；

所述反馈模块判断所述匹配结果是否可以用于反馈的方法为：

首先计算假设树中删除权值从大到小排名最前的假设节点的评价值j1，如果j1小于阈值t，则所述匹配结果不可以用于反馈；否则计算排名第二的假设节点的评价值j2，如果j1>2*j2，则所述匹配结果能够用于反馈。

Images