CN102183256B - 行进车队的地图匹配方法 - Google Patents

Abstract

本发明涉及交通地理信息技术领域，提出了一种行进车队的地图匹配方法，实现准确的车队定位跟踪，包括如下步骤：1）至少在车队的头车和尾车各设置一台卫星定位设备；2）通过卫星导航定位系统获取车队头车和尾车定位数据；3）根据卫星导航定位系统误差建立搜索区域并搜索路段；4）根据搜索到的路段的路况，分别采用基于车队定位点直接投影的地图匹配、基于路网拓扑结构和车队定位信息的地图匹配、基于车队头车行驶方向角与道路方向夹角的地图匹配，将车队头车定位点与尾车定位点匹配到正确的路段上，车队头车定位点与尾车定位点匹配到的路段为最佳匹配路段，车队头车定位点与尾车定位点之间的路段即为车队行进位置。

Description

行进车队的地图匹配方法

技术领域

本发明涉及交通地理信息技术领域，具体涉及一种行进车队的地图匹配方法。

背景技术

随着我国经济建设的快速发展，军队或各企事业单位为应对大规模的交通运输任务或执行大规模的抢险救灾应急任务时，通常将所属车辆编为车队行进，以便高效地完成各类任务。为了使监控中心更精确、更直观地掌握车队整体的运输状态，有必要利用卫星定位系统对其进行精确定位，实现被跟踪车队在电子地图上的定位显示，加强车队的实时调度管理。由于目前各种卫星定位技术和电子地图均存在不同程度的误差，造成了车队的定位点通常没有落在道路上，因此必须通过地图匹配算法将车队匹配到正在行驶的道路上，解决运输车队的准确定位跟踪问题。

地图匹配(Map Matching)是一种基于软件技术的定位修正方法，其基本思想是将定位装置获得的车辆定位轨迹与电子地图数据库中的道路信息联系起来，并由此确定车辆相对于地图的位置。目前提高地图匹配准确率的途径主要有两种，一是对定位系统定位点进行去噪处理，提高定位点的精度；二是通过合理选择匹配道路，把定位点匹配到接近程度最大的待匹配道路上。

现有的地图匹配算法主要是针对单点单台车辆把GPS定位点匹配到接近程度最大的待匹配道路上而提出的，典型的有最近点估计算法、基于D-S证据理论的地图匹配算法、基于代价函数的地图匹配算法以及基于模糊逻辑的地图匹配算法等。由于在实际应用中，地图匹配往往要求较高的实时性，最近点估计算法由于其算法简单，运算较快，得到了很广泛的应用，但是其匹配准确率较低。基于D-S证据理论、模糊逻辑以及代价函数等的地图匹配算法，由于增加了逻辑复杂度以及运算量，相对于最近点估计算法匹配，虽然匹配的准确率较高，但是实时性差，无法满足实际应用要求。

传统的车辆匹配定位技术是对单台车辆进行定位匹配，运用该方法对车队内的多台车辆进行地图匹配时，由于显示的是单台车辆装备的定位点，不能很直观地展现车队整体的定位状态，并且会出现定位误差所导致的前后车辆位置重叠或顺序错乱的现象；其次，由于车队是一个整体，使用这种匹配方法没有考虑到车队内部以及车队间协调调度问题；此外，对车队交通流进行定位时，更多的定位终端也将增加系统的开销和实现的复杂度，增加设备购置成本。由于车队交通流状态是以线状图标形式在电子地图中进行显示，且定位数据至少来源于车队头车和车队尾车两个定位点，所以车队行进的地图匹配技术也不同于传统的单点车辆地图匹配。

发明内容

有鉴于此，为了解决上述问题，本发明提出了一种行进车队的地图匹配方法，实现准确的车队的定位跟踪。

本发明的目的是这样实现的：行进车队的地图匹配方法，包括如下步骤：

1)至少在车队的头车和尾车各设置一台卫星定位设备；

2)通过卫星导航定位系统获取车队头车和尾车定位数据；

3)根据卫星导航定位系统误差建立搜索区域并搜索路段；

4)根据搜索到的路段的路况，将车队头车定位点与尾车定位点匹配到正确的路段上，车队头车定位点与尾车定位点匹配到的路段为最佳匹配路段，车队头车定位点与尾车定位点之间的路段即为车队行进位置。

进一步，所述步骤2)中还包括对获取的车队头车和尾车定位数据进行预处理的步骤，所述预处理包括对定位数据中的重复数据、错误数据和部分参数缺失的数据进行删除，并修复缺失数据。

进一步，步骤3)中，根据卫星导航定位系统的误差确定搜索区域直径，所述搜索区域为分别以车队头车定位点与尾车定位点为圆心的两个圆形区域。

进一步，搜索区域直径为卫星导航定位系统的最大误差值加上道路的宽度。

进一步，步骤4)具体包括如下步骤：

41)判断车队头车搜索区域内是否只有一条路段，如是，则使用基于车队定位点直接投影的地图匹配方法将车队头车定位点与尾车定位点匹配到该路段；如车队头车搜索区域内包括多条路段，则执行下一步；

42)判断车队头车搜索区域内有无交叉节点，如有，则根据车队头车行驶方向与各道路方向夹角，将车队头车定位点与尾车定位点匹配到与车队头车行驶方向夹角最小的路段；如否，则执行下一步；

43)把车队头车定位点匹配到各路段时所得的各个匹配点与尾车定位点之间的距离数据，与上一时刻的车队长径数据进行比较，将与上一时刻的车队长径数据最接近的路段作为正确的匹配路段，以将车队头车定位点与尾车定位点匹配到正确的路段。

进一步，步骤43)之后还包括如下步骤：44)将车队头车定位点与尾车定位点之间依行进轨迹进行连接并染色；步骤4)之后还包括如下步骤：

循环执行步骤2-4)在电子地图上输出动态实时的车队行进轨迹。

进一步，当车队头车或尾车搜索区域在指定采样时刻阈值内持续搜索不到道路时，跳转到步骤44)。

进一步，在电子地图上输出动态实时的车队行进轨迹时，不同的车队采用不同的着色和标注信息。

本发明相对于现有技术具有如下优点：

1)根据车队行进的整体性和连续性特点，有针对性地提出了一种车队行进的综合地图匹配技术，解决了车队在电子地图上的定位跟踪问题，为车队调度、路径规划、到达时间预测等打下了良好的基础；

2)通过将车队当前时刻的长径、速度数据与GIS信息相结合，提出了车队在卫星导航数据缺失情况下(通过隧道时)的卫星定位数据预处理方法，有效解决了车队交通流在电子地图上的定位连续性问题；

3)通过将车队定位信息(长径、投影距离、速度、方位角等)与道路拓扑结构相联系，有效地将车队头车与尾车串连了起来，提高了车队在复杂路段上的匹配准确率；

4)通过将车队头车与尾车准确地匹配到道路上，再将车队头车与尾车之间线段依路段进行实时染色的方法来显示车队在电子地图上的实时定位位置，车队交通流在电子地图上得到了直观、精确的定位展现。

本发明的其他优点、目标，和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书，权利要求书，以及附图中所特别指出的结构来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述：

图1为行进车队的地图匹配方法的流程示意图；

图2为基于车队定位点直接投影的地图匹配示意图；

图3为基于路网拓扑结构和车队定位信息的地图匹配示意图；

图4为基于车队定位点行驶方向角与道路方向夹角的地图匹配示意图。

具体实施方式

以下将结合附图，对本发明的优选实施例进行详细的描述。

参见图1，本实施例的行进车队的地图匹配方法包括如下步骤：

1)至少在车队的头车和尾车各设置一台卫星定位设备，本实施例以GPS作为卫星定位设备为例进行说明。

2)通过卫星导航定位系统获取车队头车和尾车GPS定位数据，并对所述GPS定位数据进行预处理，包括对GPS定位数据中的重复数据、错误数据和部分参数缺失的数据进行删除，并修复缺失数据。

当车队在一般路段上行进，GPS定位点数据缺失时，为了保证地图匹配的连续性，需要对这些数据进行补充。设数据缺失的时间为n秒，GPS定位点数据平均采样时间为T，(x_i-1，y_i-1)，(x_i+1，y_i+1)分别为相邻两点的经纬度数据，根据公式m＝n/T，将m取整可得缺失的数据组数间隔[m]([m]取不大于m的整数)，此段时间内可以认为车队以一定长径匀速通过隧道，而相邻两点的经纬度数据已知，对其进行平均，可以得到缺失的经纬度数据。由式(1)可得缺失的第l组定位点经纬度坐标为：

$x_i=\frac{l(x_{i+1}-x_{i-1})}{\left[m\right]}+x_{i-1}$ (1)

$y_i=\frac{l(y_{i+1}-y_{i-1})}{\left[m\right]}+y_{i+1}$

其中，(x_i-1，y_i-1)，(x_i+1，y_i+1)分别为相邻两点的经纬度数据；x_i，y_i为缺失的经纬度数据。车队行进速度，车队行驶方向角为两个时刻车队相关参数的平均值。

当车队通过隧道时，GPS定位点数据缺失可通过数据模拟的方法来修复数据。若车队单点GPS定位点数据缺失时间达到设置阈值时可提取数据库中当前时刻车队长径数据和车队速度数据来模拟另一定位点数据。在车队长径大于隧道长度的情况下，当车队头车进入隧道，GPS定位点数据缺失时间达到指定阈值时，可通过提取车队行进数据库中该车队在上一时刻该路面的车队长径数据模拟车队头车定位位置；同理，可模拟车队头车出隧道，尾车GPS定位点数据缺失时的情形；在车队长径与隧道长度相近时，由于车队整体进入隧道中的时间较短，GPS定位点数据一般缺失较少；在车队长径小于隧道长度，且车队整体全部进入隧道时，可通过提取车队行进数据库中该车队在上一时刻该路面的车队长径与速度数据模拟车队定位位置。在车队头车或尾车出隧道，GPS信号恢复时，即以GPS信号代替模拟信号。

3)根据卫星导航定位系统的误差确定搜索区域直径，所述搜索区域为分别以车队头车定位点与尾车定位点为圆心的两个圆形区域。搜索区域直径通常可设置为为卫星导航定位系统的最大误差值加上道路的宽度。

4)根据搜索到的路段的路况，将车队头车定位点与尾车定位点匹配到正确的路段上，车队头车定位点与尾车定位点匹配到的路段为最佳匹配路段，车队头车定位点与尾车定位点之间的路段即为车队行进位置；当车队头车搜索区域内道路情况较简单，如只有一条待匹配道路时，采用基于车队定位点直接投影的地图匹配进行最佳匹配道路的确定；当车队头车搜索区域内出现多条待匹配路段且无交叉路口时，采用基于路网拓扑结构和车队定位信息的地图匹配算法；当车队头车搜索区域内有交叉路口时，采用基于车队定位点行驶方向角与道路方向夹角的地图匹配来进行路段匹配。

具体包括如下步骤：

41)判断搜索区域内路段是否为0，如是，则判断车队头车或尾车在指定采样时刻阈值内是否持续搜索到道路，如是，则说明定位误差过大，剔除该组GPS定位数据并结束；如否，执行下一步。

42)判断车队头车搜索区域内路段是否为1，如是，则采用基于车队定位点直接投影的地图匹配，将车队头车定位点与尾车定位点垂直投影到该路段，车队头车定位点与尾车定位点在该路段上的垂足即是其匹配后的具体位置，然后执行步骤45)；如否，则执行下一步。

所述基于车队定位点直接投影的地图匹配方法参见图2，车队头车GPS定位点P和尾车定位点Q以搜索半径做圆搜索地图，可以搜索到路段l。点P和点Q分别对l做垂直投影，获得垂足点P′与点Q`。P<sub>1</sub>和P<sub>2</sub>代表路段节点，其坐标分别为P<sub>1</sub>(P<sub>1x</sub>，P<sub>1y</sub>)和P<sub>2</sub>(P<sub>2x</sub>，P<sub>2y</sub>)。P代表车队头车GPS信号点，其坐标为P(P<sub>x</sub>，P<sub>y</sub>)。P′代表车队头车GPS信号P在路段P<sub>1</sub>P<sub>2</sub>上的垂直投影位置点，其坐标为P`(P_x`，P<sub>y</sub>`)。在GIS中可获得P₁(P_1x，P_1y)，P₂(P_2x，P_2y)的位置数据，而根据GPS信号可知点P(P_x，P_y)的经纬度数据。现在的目标是求P`(P<sub>x</sub>`，P_y`)。

线段P₁P₂的斜率k可由式(2)求出：

$k=\frac{P_{2y}-P_{1y}}{P_{2x}-P_{1x}}---\left(2\right)$

求出斜率k后，可由式(3)、式(4)求得P′_x，P′_y：

$P_x^{\&prime;}=\frac{k(P_y-P_{1y})+(P_x-P_{1x})}{k^2+1}+P_{1x}---\left(3\right)$

$P_y^{\&prime;}=k\left(\frac{k(P_y-P_{1y})+(P_x-P_{1x})}{k^2+1}\right)+P_{1y}---\left(4\right)$

点P`(P<sub>x</sub>`，P_y`)即是车队头车GPS定位数据经过匹配后的实际位置点。同理，可求得车队尾车匹配位置点Q`(Q_x`，Q<sub>y</sub>`)，线段Q`P`即为该车队在道路l上的实际位置。

43)判断车队头车搜索区域内与头车行驶路段相连的路段有无交叉节点，如有，则采用基于车队头车行驶方向角与道路方向夹角的地图匹配算法，根据车队头车行驶方向与各道路方向夹角，将车队头车定位点与尾车定位点依次匹配到与车队头车行驶方向夹角最小的路段，然后执行步骤45)；如否，则执行下一步。

所述采用基于车队定位点行驶方向角与道路方向夹角的地图匹配参见图3，在很多情况下，车队行进搜索区域内会有交叉路口出现。这种情况下，使用车队定位点直接投影法并不能有效地解决交叉路口车队头车的匹配，而且交叉路口的路网拓扑结构复杂，车队尾车定位点位置数据对当前时刻并没有参照作用。由于道路的方向角可以通过计算而得到，而车队头车行驶方向角可由相邻采样时刻定位点连线得出，因此可采用计算车队头车相邻采样时刻定位点连线与道路方向夹角的方法来进行路段匹配。

图3中，P_n与P_n-1为当前车队头车GPS定位点，车队大部行进在道路l上，车队头车已转弯；在搜索区域内有三条路段可能是车队头车定位点的最佳匹配路段，分别是l₁、l₂和l₃。P_nP_n-1是车队头车相邻采样时刻定位点连线。通过计算，可以得到车队头车相邻采样时刻定位点连线与l₁、l₂和l₃三条道路的夹角分别为α、β和θ，并且它们之间的方向角大小关系为β＜θ＜α。因此，可以确定当前车队头车定位点P的最佳匹配路段是l₂，车队转弯驶入道路l₂。车队头车定位位置匹配准确后，可直接连通车队头车定位点与车队尾车定位点之间的路段，即实现了车队当前时刻的位置定位。线段Q`P`_n为该车队当前时刻的实际位置。

44)当搜索区域内出现多条待匹配路段且与车队头车相连的路段无交叉结点时，采用基于路网拓扑结构和车队定位信息的地图匹配算法，把车队头车定位点匹配到各路段时所得的各个匹配点与尾车定位点的长径数据，与上一时刻的车队长径数据进行比较，将与上一时刻的车队长径数据最接近的路段作为正确的路段，以将车队头车定位点与尾车定位点匹配到该正确的路段，然后执行步骤45)。

所述采用基于路网拓扑结构和车队定位信息的地图匹配算法参见图4。该算法的思想是：在一般情况下，道路网是一个有联系的网络拓扑结构，经过地图预处理后，通常不会出现孤立的、与周围没有联系的路段。车队在路网中行进时，无论GPS信号如何定位，车队在某一时刻，只可能行驶于一条道路上，并且在该时刻车队的长径在一定范围内波动，不会瞬时加长或缩短。车队定位信息包括车队头车与尾车定位点信息、车队长径，车队行进速度等。

图4中，当前的车队GPS定位点是第n个匹配点，这时，如果仍然使用基于车队定位点直接投影的地图匹配方法，而不考虑路网拓扑结构和车队行进信息，则会造成一定的匹配误差。P_n为当前时刻车队头车GPS定位点，以P_n为圆心的搜索区域内有两条路段l₁和l₂，此时若采用基于车队定位点直接投影的地图匹配方法，分别在l₁和l₂上做投影，得到P′_n1和P′_n2两个投影点，由于|P_nP′_n2|＜|P_nP′_n1|，那么根据最近投影法可以得到P′_n2为车队头车的实际位置，显然这是错误的。由于车队行进具有连续性和整体性的特点，车队在行进中变换路段时，只会从当前路段行进到与之相连的路段上。前一时刻的GPS定位点P_n-1的最佳匹配路段为l₁(特殊情况下，前一时刻头车定位点亦有可能匹配到错误路段上)，车队尾车定位点Q`<sub>n</sub>在路段l<sub>1</sub>上。根据上一时刻车队长径数据比较车队尾车定位点Q`_n到点P′_n1与点P′_n2的距离，接近车队长径的匹配点即为正确匹配点。当路段l₁和l₂不交叉时，点Q`<sub>n</sub>到点P′<sub>n2</sub>的距离趋向无穷大；当路段l<sub>1</sub>和l<sub>2</sub>交叉时，由于Q`_nP′_n1＜Q`<sub>n</sub>P′<sub>n2</sub>且Q`_nP′_n2大于上一时刻车队长径，即可剔除匹配点P′_n2；综合考虑道路拓扑结构和车队定位信息，车队在当前时刻的最佳匹配路段只可能为l₁，线段Q`<sub>n</sub>P`_n1即为该车队当前时刻的实际位置。

45)将车队头车定位点与尾车定位点之间的路段进行连接并染色。在本步骤中，对车队头车定位点与尾车定位点之间的路段进行连接并染色前，还可加入一判断流程，判断所匹配的路段是否是最佳匹配路段，如否则返回步骤2)，以进一步提高准确率。

循环执行步骤2-4)，即可在电子地图上输出动态实时的车队行进轨迹，如果显示多个车队，则采用不同的着色和标注信息区别各车队。

以上所述仅为本发明的优选实施例，并不用于限制本发明，显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.行进车队的地图匹配方法，其特征在于，包括如下步骤：

1）至少在车队的头车和尾车各设置一台卫星定位设备；

2）通过卫星导航定位系统获取车队头车和尾车定位数据；

3）根据卫星导航定位系统误差建立搜索区域并搜索路段；

4）根据搜索到的路段的路况，将车队头车定位点与尾车定位点匹配到正确的路段上，车队头车定位点与尾车定位点匹配到的路段为最佳匹配路段，车队头车定位点与尾车定位点之间的路段即为车队行进位置；

步骤4）具体包括如下步骤：

41）判断车队头车搜索区域内是否只有一条路段，如是，则采用车队定位点直接投影的地图匹配方法将车队头车定位点与尾车定位点匹配到该路段；如车队头车搜索区域内包括多条路段，则执行下一步；

42）判断车队头车搜索区域内有无交叉节点，如有，则根据车队头车行驶方向与各道路方向夹角，将车队头车定位点与尾车定位点匹配到与车队头车行驶方向夹角最小的路段；如否，则执行下一步；

43）把车队头车定位点匹配到各路段时所得的各个匹配点与尾车定位点之间的距离数据，与上一时刻的车队长径数据进行比较，将与上一时刻的车队长径数据最接近的路段作为正确的匹配路段，以将车队头车定位点与尾车定位点匹配到正确的路段。

2.如权利要求1所述的行进车队的地图匹配方法，其特征在于：所述步骤2）中还包括对获取的车队头车和尾车定位数据进行预处理的步骤，所述预处理包括对定位数据中的重复数据、错误数据和部分参数缺失的数据进行删除，并修复缺失数据。

3.如权利要求1至2中任一项所述的行进车队的地图匹配方法，其特征在于：步骤3）中，根据卫星导航定位系统的误差确定搜索区域直径，所述搜索区域为分别以车队头车定位点与尾车定位点为圆心的两个圆形区域。

4.如权利要求3所述的行进车队的地图匹配方法，其特征在于：搜索区域阈值为卫星导航定位系统的最大误差值加上道路的宽度。

5.如权利要求1所述的行进车队的地图匹配方法，其特征在于：步骤43）之后还包括如下步骤：44）将车队头车定位点与尾车定位点之间依行进轨迹进行连接并染色；步骤4）之后还包括如下步骤：

循环执行步骤2）至步骤4)在电子地图上输出动态实时的车队行进轨迹。

6.如权利要求5所述的行进车队的地图匹配方法，其特征在于：步骤41）中，还包括如下步骤：当地图数据库在车队头车搜索区域内没有收录道路，车队头车或尾车搜索区域在指定采样时刻阈值内持续搜索不到道路时，跳转到步骤44）。

7.如权利要求5或6所述的行进车队的地图匹配方法，其特征在于：在电子地图上输出动态实时的车队行进轨迹时，不同的车队采用不同的着色和标注信息。

Images