CN105444769B - 地图匹配方法及装置 - Google Patents

地图匹配方法及装置 Download PDF

Info

Publication number
CN105444769B
CN105444769B CN201510845512.2A CN201510845512A CN105444769B CN 105444769 B CN105444769 B CN 105444769B CN 201510845512 A CN201510845512 A CN 201510845512A CN 105444769 B CN105444769 B CN 105444769B
Authority
CN
China
Prior art keywords
tracing point
probability
candidate road
road section
tracing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510845512.2A
Other languages
English (en)
Other versions
CN105444769A (zh
Inventor
樊扬
裴得利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201510845512.2A priority Critical patent/CN105444769B/zh
Publication of CN105444769A publication Critical patent/CN105444769A/zh
Application granted granted Critical
Publication of CN105444769B publication Critical patent/CN105444769B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例提供一种地图匹配方法及装置。其中，地图匹配方法包括：获取多个轨迹点，及各轨迹点在电子地图上对应的至少一个候选路段；计算所述多个轨迹点中第一轨迹点与其对应的任一候选路段的观测概率，并计算所述第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间的状态转移概率，所述第二轨迹点与所述第一轨迹点为相邻轨迹点；根据所述观测概率及状态转移概率确定与所述多个轨迹点相匹配的路段序列。本发明实施例的地图匹配方法及装置，实现了在获得有限数量且定位精度不高的轨迹点的情况下，得到与其匹配的最佳路段序列，提升了地图匹配的鲁棒性。

Description

地图匹配方法及装置
技术领域
本发明涉及导航技术领域，尤其涉及一种地图匹配方法及装置。
背景技术
随着移动互联网的发展，人们对于智能出行的需求日益强烈，导航和路况等智能出行服务应运而生。地图匹配是实现这些服务的重要底层技术。具体来说，地图匹配是根据用户终端回传的位置点(如GPS)序列，结合实际路网确定每一个位置点所在的路段，从而得到用户在地图路网中的行进轨迹。
由于终端设备的定位质量限制，往往存在定位误差大、采样稀疏等问题，使得地图匹配面临较大的挑战。现有的地图匹配技术大多采用基于规则的方法，通过距离等简单特征找到候选路段，然后借用动态规划等手段从不同点的候选路段集合当中寻找一条距离最短的路径。
然而，上述技术至少具有以下不足之处：首先，由于使用规则选定候选路段，因此容易受到定位偏差的干扰，使得抗噪声能力差；其次，仅在两个时间间隔较大的位置点间寻找最短路径，而没有考虑地图路网中连接两点之间的最优经验路径，表现出对定位稀疏数据处理较为简单。
发明内容
本发明的目的在于，提供一种地图匹配方法及装置，以在获得定位精度不高的轨迹点的情况下得到与其匹配的最佳路段序列，提升地图匹配的鲁棒性。
根据本发明的一方面，提供一种地图匹配方法，所述方法包括：获取多个轨迹点，及各轨迹点在电子地图上对应的至少一个候选路段；计算所述多个轨迹点中第一轨迹点与其对应的任一候选路段的观测概率，并计算所述第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间的状态转移概率，所述第二轨迹点与所述第一轨迹点为相邻轨迹点；根据所述观测概率及状态转移概率确定与所述多个轨迹点相匹配的路段序列。
优选地，所述获取多个轨迹点的处理包括：获取所述多个轨迹点的坐标数据。
优选地，所述计算所述多个轨迹点中第一轨迹点与其对应的任一候选路段的观测概率包括：根据所述第一轨迹点的坐标数据计算所述第一轨迹点与其对应的任一候选路段之间的距离的概率及夹角的概率；根据所述距离的概率及夹角的概率计算所述第一轨迹点与其对应的任一候选路段的观测概率。
优选地，所述计算所述第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间的状态转移概率包括：获取所述第一轨迹点与所述第二轨迹点之间的地表距离和路径距离，根据所述地表距离和所述路径距离，计算所述第一轨迹点与所述第二轨迹点之间的地表距离与路径距离的相似度的值，根据所述相似度的值和预设的路径热度惩罚分量，计算两个候选路段之间的状态转移概率。
优选地，在计算所述第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间的状态转移概率之前，所述方法还包括：如果所述第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间不连续，则根据迪杰斯特拉算法从预设的路网信息库中选取补充路段。
根据本发明的另一方面，还提供一种地图匹配装置，所述装置包括：轨迹点及路段获取模块，用于获取多个轨迹点，及各轨迹点在电子地图上对应的至少一个候选路段；概率计算模块，用于计算所述多个轨迹点中第一轨迹点与其对应的任一候选路段的观测概率，并计算所述第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间的状态转移概率，所述第二轨迹点与所述第一轨迹点为相邻轨迹点；路段序列确定模块，用于根据所述观测概率及状态转移概率确定与所述多个轨迹点相匹配的路段序列。
优选地，所述轨迹点及路段获取模块用于获取所述多个轨迹点的坐标数据。
优选地，所述概率计算模块包括：观测概率计算单元，用于根据所述第一轨迹点的坐标数据计算所述第一轨迹点与其对应的任一候选路段之间的距离的概率及夹角的概率，根据所述距离的概率及夹角的概率计算所述第一轨迹点与其对应的任一候选路段的观测概率。
优选地，所述概率计算模块包括：状态转移概率计算单元，用于获取所述第一轨迹点与所述第二轨迹点之间的地表距离和路径距离，根据所述地表距离和所述路径距离，计算所述第一轨迹点与所述第二轨迹点之间的地表距离与路径距离的相似度的值，根据所述相似度的值和预设的路径热度惩罚分量，计算两个候选路段之间的状态转移概率。
优选地，所述装置还包括：补充路段选取模块，用于如果所述第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间不连续，则根据迪杰斯特拉算法从预设的路网信息库中选取补充路段。
本发明实施例提供的地图匹配方法及装置，根据体现单个轨迹点与候选路段间关联程度的观测概率，以及体现相邻轨迹点分别对应的候选路段间关联程度的状态转移概率，从而实现了在获得有限数量且定位精度不高的轨迹点的情况下，得到与其匹配的最佳路段序列，提升了地图匹配的鲁棒性。同时，保证了行进轨迹在地图路网上的连续性。
附图说明
图1是示出反映本发明的总体发明构思的一个示例的示意图；
图2是示出根据本发明实施例一的地图匹配方法的流程图；
图3是示出根据本发明实施例二的轨迹点与候选路段之间的距离的概率计算的示例性示意图；
图4是示出根据本发明实施例二的轨迹点与候选路段之间的夹角的概率计算的示例性示意图；
图5是示出根据本发明实施例二的地图匹配前后效果对比的示例性示意图；
图6是示出根据本发明实施例二的地图匹配装置的逻辑框图。
具体实施方式
本发明的基本构思是，提供一种基于观测概率及状态转移概率的地图匹配方法：在获取多个轨迹点及各轨迹点在电子地图上对应的至少一个候选路段之后，进一步计算多个轨迹点中第一轨迹点与其对应的任一所述候选路段的观测概率，并计算第一轨迹点与第二轨迹点各自对应的候选路段之间的状态转移概率，其中，第一轨迹点与第二轨迹点为相邻轨迹点，由此，可以根据观测概率及状态转移概率确定与多个轨迹点相匹配的路段序列。
图1是示出反映本发明的总体发明构思的一个示例的示意图。
参照图1，获取到n个轨迹点，每个轨迹点对应的地图路网中多个(以三个为例)候选路段，例如轨迹点1对应三个候选路段Link11、Link12和Link13，同样地，轨迹点2、…直到轨迹点n均对应三个候选路段。需要指出，本发明综合考虑了观测概率和状态转移概率，其中，利用直接观测到的轨迹点得到观测概率，例如在候选路段Link11上观测到轨迹点1的概率；以及不能直接观测，利用反映候选路段与候选路段之间的关联程度的状态转移概率，例如候选路段Link11转移到候选路段Link23的概率。从而根据获得的观测概率和状态转移概率得到与轨迹点匹配的路段序列。
因此，根据本发明的基本构思，即使获得有限数量且定位精度不高的轨迹点，仍然可得到最佳路段序列，提升了地图匹配的鲁棒性。同时，保证了行进轨迹在地图路网上的连续性。
下面结合附图对本发明实施例一种地图匹配方法及装置进行详细描述。
实施例一
图2是示出根据本发明实施例一的地图匹配方法的流程图。可在地图业务服务器上执行所述方法。
参照图2，在步骤S210，获取多个轨迹点，及各轨迹点在电子地图上对应的至少一个候选路段。
根据本发明的示例性实施例，步骤S210中获取多个轨迹点的处理可包括：获取多个轨迹点的坐标数据。在具体的实现方式中，用户的GPS设备或者内置GPS模块的终端设备会向地图业务服务器回传用户行进轨迹上离散的轨迹点的GPS坐标数据。图5是示出根据本发明实施例二的地图匹配前后效果对比的示例性示意图，参照图5，左侧图片是地图匹配前的效果图，图中五个黑色气泡型圆点代表五个离散的轨迹点。
在步骤S220，计算多个轨迹点中第一轨迹点与其对应的任一候选路段的观测概率，并计算第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间的状态转移概率，第二轨迹点与第一轨迹点为相邻轨迹点。
在本实施例中，观测概率主要用以衡量在任一候选路段上观测到对应轨迹点的概率，即轨迹点与候选路段的匹配程度。为了获得观测概率，就需要考虑轨迹点与候选路段之间的距离，以及轨迹点的前进方向与候选路段本身方向之间的夹角。
因此，根据本发明的示例性实施例，步骤S220中计算多个轨迹点中第一轨迹点与其对应的任一候选路段的观测概率可包括，根据第一轨迹点的坐标数据计算第一轨迹点与其对应的任一候选路段之间的距离的概率及夹角的概率，根据距离的概率及夹角的概率计算第一轨迹点与其对应的任一候选路段的观测概率。这里需要强调的是，第一轨迹点可以是多个轨迹点中的任意一个，“第一”只是一种指代，并不用以限定具体的轨迹点。
具体地，首先，介绍通过轨迹点与候选路段间距离计算观测概率中的部分概率的过程。图3是示出根据本发明实施例二的轨迹点与候选路段之间的距离的概率计算的示例性示意图。参照图3，pointt代表某一轨迹点，可理解为前述第一轨迹点，linkj代表与该轨迹点对应的候选路段，假定轨迹点到候选路段之间距离变量ddist服从均值为0，标准差为fdist的高斯分布，基于轨迹点与候选路段之间距离的概率可利用下式(1)来实现：
……式(1)
其中，Pdist为观测概率中通过轨迹点pointt与候选路段linkj间距离计算出的概率部分，ddist为距离变量，Pt表示t时刻的轨迹点，lj表示第j条候选路段，βproject为投影惩罚因子，当轨迹点pointt的投影位置在候选路段linkj外部时，即非垂直投影，表明轨迹点与该候选路段匹配的可能性较低，因此施加前述投影惩罚因子。fdist为距离标准差，距离标准差主要是基于轨迹点到候选路段的距离的通常波动区间，以及对距离超出这一波动区间的衰减趋势的控制，一般来说被设定为一经验值fdist＝30。
其次，介绍通过轨迹点的前进方向与候选路段间夹角计算观测概率中的部分概率的过程。图4是示出根据本发明实施例二的轨迹点与候选路段之间的夹角的概率计算的示例性示意图。参照图4，同样地，pointt代表某一轨迹点，linkj代表与该轨迹点对应的候选路段，基于轨迹点与候选路段之间夹角的概率可利用下式(2)来实现：
……………………………………………………式(2)
其中，Pdir为观测概率中通过轨迹点pointt与候选路段linkj间角度计算出的概率部分，ddir为角度变量，Pt表示t时刻的轨迹点，lj表示第j条候选路段，βdir为指数衰减因子，用于控制随着角度差增大时概率的下降速度，t为与轨迹点速度相关的指数因子，fdir为角度标准差，角度标准差的选择通常也是基于经验值，一般来说被设定为fdir＝5。
在分别得到通过轨迹点与候选路段间距离、夹角计算出的概率部分之后，观测概率可利用下式(3)来实现：
Pemission＝αPdist+(1-α)Pdir……………………………………………式(3)
其中，Pemission为轨迹点与其对应的候选路段的观测概率，α为距离权重因子，用于控制距离因素在观测概率中的权重比例，Pdist为轨迹点与候选路段之间距离的概率，Pdir为轨迹点与候选路段之间角度的概率。
在本实施例中，除了需要考虑上述观测概率之外，还需要考虑状态转移概率。因为，若单纯考虑观测概率，那么轨迹点极有可能匹配到离它最近且方向夹角最小的道路，但是当因噪声影响导致轨迹点发生偏移时，容易匹配到附近的错误路段。而状态转移概率则可以根据前后两个轨迹点的连续性对其进行纠正，使其对噪声偏移有更好的鲁棒性。
状态转移概率用以衡量从上一状态转移到当前状态的可能性，具体到地图匹配就是从上一个轨迹点对应的候选路段，前进到当前轨迹点对应的候选路段的概率。
因此，根据本发明的另一示例性实施例，步骤S220中计算第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间的状态转移概率可包括：
获取第一轨迹点与第二轨迹点之间的地表距离和路径距离，根据地表距离和路径距离，计算第一轨迹点与第二轨迹点之间的地表距离与路径距离的相似度的值，根据相似度的值和预设的路径热度惩罚分量，计算两个候选路段之间的状态转移概率。
在具体的实现方式中，状态转移概率的计算可利用下式(4)来实现：
………………式(4)
其中，δ(dgreat_circle,droute)为两个相邻的轨迹点之间的地表距离与路径距离的相似度，为路径热度惩罚分量，xt-1,xt分别表示t-1时刻与t时刻的两个相邻的轨迹点，α为权重系数。
在步骤S230，根据观测概率及状态转移概率确定与多个轨迹点相匹配的路段序列。
优选地，可基于隐马尔可夫模型确定与多个轨迹点相匹配的路段序列。在具体的实现方式中，隐马尔可夫模型就是一个双重随机过程，其中一重随机过程不能直接观察到，通过状态转移概率矩阵描述。另一重随机过程输出可以观察的符号，由观测概率矩阵来描述。隐马尔可夫模型中包含五个基本要素，其定义如下式(5)：
λ＝{S,V,A,B,π}……………………………………………………式(5)
其中，S表示候选路段集合，V表示轨迹点集合，A表示状态转移概率矩阵，B表示观测概率集合，π表示初始状态集合，λ表示隐马尔可夫模型中前述五个基本要素的总称，用于代表整个模型。
由此，上述过程表明可以多个轨迹点、候选路段、观测概率和状态转移概率作为隐马尔可夫模型的输入，从而确定与多个轨迹点相匹配的路段序列。在实际应用中，参照图5，左侧图片反映出采样数量有限、定位质量不高的轨迹点，对于此种情况，通过观测概率可提升定位偏移的鲁棒性，状态转移概率可增强地图匹配对于噪声点的鲁棒性，而隐马尔可夫模型可将上述特征得到很好的融合，最终得到图5中右侧图片示出的路径序列，其代表在地图路网上连续的行进轨迹。
由于终端设备定位质量的限制，导致采样的轨迹点存在稀疏性的问题，也就是说，连续轨迹点所对应的候选路段可能并不连续，因此需要在候选路段之间进行填补。
因此，进一步地，在计算第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间的状态转移概率之前，地图匹配方法还可以包括：如果第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间不连续，则根据迪杰斯特拉算法从预设的路网信息库中选取补充路段。
本发明实施例提供的地图匹配方法，根据体现单个轨迹点与候选路段间关联程度的观测概率，以及体现相邻轨迹点分别对应的候选路段间关联程度的状态转移概率，从而实现了在获得有限数量且定位精度不高的轨迹点的情况下，得到与其匹配的最佳路段序列，提升了地图匹配的鲁棒性。
此外，对于候选路段可能并不连续的特殊情况，进行路段填补处理，使得行进轨迹在地图路网上保持连续性。
实施例二
图6是示出根据本发明实施例二的地图匹配装置的逻辑框图。可用于执行如图2所示实施例的方法步骤。
参照图6，地图匹配装置包括轨迹点及路段获取模块610、概率计算模块620和路段序列确定模块630。
轨迹点及路段获取模块610用于获取多个轨迹点，及各轨迹点在电子地图上对应的至少一个候选路段。
优选地，轨迹点及路段获取模块用于获取多个轨迹点的坐标数据。
概率计算模块620用于计算多个轨迹点中第一轨迹点与其对应的任一候选路段的观测概率，并计算第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间的状态转移概率，第二轨迹点与第一轨迹点为相邻轨迹点。
进一步地，概率计算模块620包括：观测概率计算单元(未示出)用于根据第一轨迹点的坐标数据计算第一轨迹点与其对应的任一候选路段之间的距离的概率及夹角的概率，根据距离的概率及夹角的概率计算第一轨迹点与其对应的任一候选路段的观测概率。
更进一步地，概率计算模块620包括：状态转移概率计算单元(未示出)用于获取第一轨迹点与第二轨迹点之间的地表距离和路径距离，根据地表距离和路径距离，计算第一轨迹点与第二轨迹点之间的地表距离与路径距离的相似度的值，根据相似度的值和预设的路径热度惩罚分量，计算两个候选路段之间的状态转移概率。
路段序列获取模块630用于根据观测概率及状态转移概率确定与多个轨迹点相匹配的路段序列。
可选地，地图匹配装置还包括：补充路段选取模块(未示出)用于如果第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间不连续，则根据迪杰斯特拉算法从预设的路网信息库中选取补充路段。
本发明实施例提供的地图匹配装置，根据体现单个轨迹点与候选路段间关联程度的观测概率，以及体现相邻轨迹点分别对应的候选路段间关联程度的状态转移概率，从而实现了在获得有限数量且定位精度不高的轨迹点的情况下，得到与其匹配的最佳路段序列，提升了地图匹配的鲁棒性。同时，保证了行进轨迹在地图路网上的连续性。
需要指出，根据实施的需要，可将本申请中描述的各个部件/步骤拆分为更多部件/步骤，也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤，以实现本发明的目的。
上述根据本发明的方法可在硬件、固件中实现，或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如，RAM、ROM、闪存等)，当所述软件或计算机代码被计算机、处理器或硬件访问且执行时，实现在此描述的处理方法。此外，当通用计算机访问用于实现在此示出的处理的代码时，代码的执行将通用计算机转换为用于执行在此示出的处理的专用计算机。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种地图匹配方法，其特征在于，所述方法包括：
获取多个轨迹点，及各轨迹点在电子地图上对应的至少一个候选路段；
计算所述多个轨迹点中第一轨迹点与其对应的任一候选路段的观测概率，并计算所述第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间的状态转移概率，所述第二轨迹点与所述第一轨迹点为相邻轨迹点；
根据所述观测概率及状态转移概率确定与所述多个轨迹点相匹配的路段序列，
其中，所述计算所述第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间的状态转移概率包括：
获取所述第一轨迹点与所述第二轨迹点之间的地表距离和路径距离，
根据所述地表距离和所述路径距离，计算所述第一轨迹点与所述第二轨迹点之间的地表距离与路径距离的相似度的值，
根据所述相似度的值和预设的路径热度惩罚分量，计算两个候选路段之间的状态转移概率。
2.根据权利要求1所述的方法，其特征在于，所述获取多个轨迹点的处理包括：获取所述多个轨迹点的坐标数据。
3.根据权利要求2所述的方法，其特征在于，所述计算所述多个轨迹点中第一轨迹点与其对应的任一候选路段的观测概率包括：
根据所述第一轨迹点的坐标数据计算所述第一轨迹点与其对应的任一候选路段之间的距离的概率及夹角的概率，
根据所述距离的概率及夹角的概率计算所述第一轨迹点与其对应的任一候选路段的观测概率。
4.根据权利要求1～3中任一项所述的方法，其特征在于，在计算所述第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间的状态转移概率之前，所述方法还包括：
如果所述第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间不连续，则根据迪杰斯特拉算法从预设的路网信息库中选取补充路段。
5.一种地图匹配装置，其特征在于，所述装置包括：
轨迹点及路段获取模块，用于获取多个轨迹点，及各轨迹点在电子地图上对应的至少一个候选路段；
概率计算模块，用于计算所述多个轨迹点中第一轨迹点与其对应的任一候选路段的观测概率，并计算所述第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间的状态转移概率，所述第二轨迹点与所述第一轨迹点为相邻轨迹点；
路段序列确定模块，用于根据所述观测概率及状态转移概率确定与所述多个轨迹点相匹配的路段序列，
其中，所述概率计算模块包括：
状态转移概率计算单元，用于获取所述第一轨迹点与所述第二轨迹点之间的地表距离和路径距离，根据所述地表距离和所述路径距离，计算所述第一轨迹点与所述第二轨迹点之间的地表距离与路径距离的相似度的值，根据所述相似度的值和预设的路径热度惩罚分量，计算两个候选路段之间的状态转移概率。
6.根据权利要求5所述的装置，其特征在于，所述轨迹点及路段获取模块用于获取所述多个轨迹点的坐标数据。
7.根据权利要求6所述的装置，其特征在于，所述概率计算模块包括：
观测概率计算单元，用于根据所述第一轨迹点的坐标数据计算所述第一轨迹点与其对应的任一候选路段之间的距离的概率及夹角的概率，根据所述距离的概率及夹角的概率计算所述第一轨迹点与其对应的任一候选路段的观测概率。
8.根据权利要求5～7中任一项所述的装置，其特征在于，所述装置还包括：
补充路段选取模块，用于如果所述第一轨迹点对应的候选路段与第二轨迹点对应的候选路段之间不连续，则根据迪杰斯特拉算法从预设的路网信息库中选取补充路段。
CN201510845512.2A 2015-11-26 2015-11-26 地图匹配方法及装置 Active CN105444769B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510845512.2A CN105444769B (zh) 2015-11-26 2015-11-26 地图匹配方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510845512.2A CN105444769B (zh) 2015-11-26 2015-11-26 地图匹配方法及装置

Publications (2)

Publication Number Publication Date
CN105444769A CN105444769A (zh) 2016-03-30
CN105444769B true CN105444769B (zh) 2019-07-23

Family

ID=55555239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510845512.2A Active CN105444769B (zh) 2015-11-26 2015-11-26 地图匹配方法及装置

Country Status (1)

Country Link
CN (1) CN105444769B (zh)

Families Citing this family (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107548033B (zh) * 2016-06-24 2020-05-19 富士通株式会社 定位装置、方法及电子设备
CN106289281B (zh) * 2016-07-15 2019-01-04 武汉科技大学 一种基于三证据ds理论的双模式地图匹配方法
GB201613105D0 (en) * 2016-07-29 2016-09-14 Tomtom Navigation Bv Methods and systems for map matching
CN106441316B (zh) * 2016-09-08 2020-09-01 复旦大学 一种基于历史数据的单点路网匹配方法
CN106767851B (zh) * 2016-11-15 2019-09-20 北京京东尚科信息技术有限公司 将定位系统采集到的轨迹点匹配到地图的方法及其装置
CN106855878B (zh) * 2016-11-17 2020-03-03 北京京东尚科信息技术有限公司 基于电子地图的历史行车轨迹显示方法和装置
CN106595680A (zh) * 2016-12-15 2017-04-26 福州大学 一种基于隐马尔可夫模型的车辆gps数据地图匹配方法
CN106912018B (zh) * 2017-02-28 2020-06-12 上海讯飞瑞元信息技术有限公司 基于信令轨迹的地图匹配方法及系统
CN108805315A (zh) * 2017-04-27 2018-11-13 上海博泰悦臻网络技术服务有限公司 根据轨迹点绘制出行轨迹的方法及系统、车载终端及车辆
CN107705545B (zh) * 2017-09-14 2021-10-01 王淑芳 一种重点营运车辆轨迹点补充方法和系统
CN107742126A (zh) * 2017-09-26 2018-02-27 南京航空航天大学 一种基于隐马尔可夫模型的浮动车地图匹配方法
CN109959376B (zh) * 2017-12-14 2021-11-16 腾讯科技（北京）有限公司 轨迹纠正方法、涉及室内路线的导航路线绘制方法和装置
CN108253976B (zh) * 2018-01-04 2021-06-15 重庆大学 一种充分借助车辆航向的三阶段在线地图匹配算法
CN109270563A (zh) * 2018-10-12 2019-01-25 南通大学 一种基于增强型隐马尔可夫模型的地图匹配方法
CN111242148A (zh) * 2018-11-28 2020-06-05 北京嘀嘀无限科技发展有限公司 用于地图绑定的人工智能系统和方法
CN111475591B (zh) * 2019-01-24 2023-05-26 阿里巴巴集团控股有限公司 一种用于兴趣点采集的道路关联方法及设备
CN109885635B (zh) * 2019-02-14 2021-04-06 腾讯科技（深圳）有限公司 地图关联方法、装置、存储介质及计算机设备
CN109916414B (zh) * 2019-03-29 2021-07-09 百度在线网络技术（北京）有限公司 地图匹配方法、装置、设备和介质
CN110006439B (zh) * 2019-04-12 2021-01-29 北京百度网讯科技有限公司 地图轨迹数据的匹配方法、装置、服务器及存储介质
CN110375753B (zh) * 2019-07-04 2022-04-29 丰图科技(深圳)有限公司 地图匹配方法、装置、服务器及存储介质
CN110260870B (zh) * 2019-07-18 2021-03-12 北京百度网讯科技有限公司 基于隐马尔可夫模型的地图匹配方法、装置、设备和介质
CN110362647A (zh) * 2019-07-26 2019-10-22 武汉中海庭数据技术有限公司 一种传统地图路网与众包地图路网的关联方法及装置
CN110426050B (zh) * 2019-08-07 2021-08-03 北京百度网讯科技有限公司 地图匹配纠正方法、装置、设备和存储介质
CN110602635B (zh) * 2019-08-16 2020-12-29 中国地质大学（武汉） 一种室内地图匹配增强定位方法、设备及存储设备
CN112394380B (zh) * 2019-08-16 2024-04-02 阿里巴巴集团控股有限公司 一种数据处理方法、装置及系统
CN110514211B (zh) * 2019-09-10 2021-05-28 北京百度网讯科技有限公司 定位方法、装置、设备和介质
CN110726417B (zh) * 2019-11-12 2022-03-04 腾讯科技（深圳）有限公司 一种车辆偏航识别方法、装置、终端及存储介质
CN112857378A (zh) * 2019-11-26 2021-05-28 北京初速度科技有限公司 一种轨迹匹配方法及装置
CN111024079B (zh) * 2019-11-27 2022-04-08 北京中交兴路信息科技有限公司 一种根据多个位置点与路线进行匹配的方法和系统
CN110928975B (zh) * 2019-12-03 2022-11-08 支付宝(杭州)信息技术有限公司 用于确定公交站点之间的距离的方法和装置
CN112985371B (zh) * 2019-12-12 2023-02-28 杭州海康威视数字技术股份有限公司 路径确定方法、装置及设备
CN112990241B (zh) * 2019-12-13 2023-08-25 百度在线网络技术（北京）有限公司 轨迹匹配方法、装置、设备及存储介质
CN111343585B (zh) * 2020-02-28 2021-11-02 重庆邮电大学 一种基于隐马尔可夫模型的移动用户轨迹地图匹配方法
CN111609860B (zh) * 2020-03-30 2022-02-22 北京拓明科技有限公司 同轨用户识别方法及装置
CN111651538B (zh) * 2020-05-11 2022-11-01 腾讯科技（深圳）有限公司 一种位置映射方法、装置、设备及可读存储介质
CN111912415A (zh) * 2020-08-05 2020-11-10 杭州海康威视数字技术股份有限公司 道路信息确定方法、装置、服务器和存储介质
CN112035591B (zh) * 2020-09-07 2022-08-19 腾讯科技（深圳）有限公司 一种路网匹配方法、装置、设备和存储介质
CN113155141A (zh) * 2021-04-09 2021-07-23 阿波罗智联(北京)科技有限公司 地图的生成方法、装置、电子设备及存储介质
CN113191550B (zh) * 2021-04-29 2024-04-09 北京百度网讯科技有限公司 地图匹配方法及装置
CN113970333B (zh) * 2021-09-26 2024-05-28 深圳市跨越新科技有限公司 自适应候选道路搜索方法、系统、终端设备及存储介质
CN113934775B (zh) * 2021-12-16 2022-05-20 禾多科技（北京）有限公司 车辆轨迹地图匹配方法、装置、设备和计算机可读介质
CN114353810B (zh) * 2022-01-10 2022-12-06 河海大学 一种基于r树和轨迹分段的hmm高效地图匹配方法
CN114993325A (zh) * 2022-02-28 2022-09-02 浙江吉利控股集团有限公司 一种车辆gps地图道路匹配方法、装置及存储介质
CN114664104B (zh) * 2022-03-23 2023-07-18 阿里云计算有限公司 一种路网匹配方法和装置
CN115824234B (zh) * 2023-02-23 2023-06-02 智道网联科技(北京)有限公司 地图匹配方法、装置及电子设备
CN116007638B (zh) * 2023-03-24 2023-05-30 北京集度科技有限公司 车辆轨迹地图匹配方法、装置、电子设备及车辆

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103499828A (zh) * 2013-10-22 2014-01-08 北京世纪高通科技有限公司 浮动车轨迹地图匹配的方法及装置
CN104048668A (zh) * 2014-06-06 2014-09-17 桂林电子科技大学 浮动车的地图映射方法
CN104197945A (zh) * 2014-08-27 2014-12-10 浙江工业大学 一种基于低采样率浮动车数据的全局投票地图匹配方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090177382A1 (en) * 2008-01-03 2009-07-09 Commscope, Inc. Of North Carolina Calibration of a Navigation System
US8046169B2 (en) * 2008-01-03 2011-10-25 Andrew, Llc System and method for determining the geographic location of a device
CN104900059B (zh) * 2015-05-26 2017-04-12 大连理工大学 一种增强手机基站定位精度的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103499828A (zh) * 2013-10-22 2014-01-08 北京世纪高通科技有限公司 浮动车轨迹地图匹配的方法及装置
CN104048668A (zh) * 2014-06-06 2014-09-17 桂林电子科技大学 浮动车的地图映射方法
CN104197945A (zh) * 2014-08-27 2014-12-10 浙江工业大学 一种基于低采样率浮动车数据的全局投票地图匹配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于动态规划算法的轨迹地图匹配软件设计与实现;姜雪原;《软件》;20150531;第36卷(第5期);102页第112页第1-3节

Also Published As

Publication number Publication date
CN105444769A (zh) 2016-03-30

Similar Documents

Publication Publication Date Title
CN105444769B (zh) 地图匹配方法及装置
US10323948B2 (en) GPS data repair
US9880019B2 (en) Generation of intersection information by a mapping service
CN105760811B (zh) 全局地图闭环匹配方法及装置
US9418485B2 (en) Adjusting heights for road path indicators
CN105095617B (zh) 构建对象的目标运动轨迹的缺失部分的方法和设备
US20130294702A1 (en) Efficient location referencing method
US11926339B2 (en) Method for constructing driving coordinate system, and application thereof
CN115585816B (zh) 车道级地图匹配方法和装置
CN108363060A (zh) 一种动态障碍物检测方法及设备
Liu et al. Modified Sage‐Husa Adaptive Kalman Filter‐Based SINS/DVL Integrated Navigation System for AUV
Zhang et al. Vehicle positioning system with multi‐hypothesis map matching and robust feedback<? show [AQ ID= Q1]?>
Bassani et al. Identification of horizontal circular arc from spatial data sources
CN109655060B (zh) 基于kf/fir和ls-svm融合的ins/uwb组合导航算法及系统
CN117824667A (zh) 一种基于二维码和激光的融合定位方法及介质
Awang Salleh et al. Longitudinal error improvement by visual odometry trajectory trail and road segment matching
CN112965076A (zh) 一种用于机器人的多雷达定位系统及方法
Szwoch Combining road network data from openstreetmap with an authoritative database
CN117367419A (zh) 机器人定位方法、装置和计算可读存储介质
Havyarimana et al. A Hybrid Approach‐Based Sparse Gaussian Kernel Model for Vehicle State Determination during Outage‐Free and Complete‐Outage GPS Periods
Song et al. Enhanced Map‐Aided GPS/3D RISS Combined Positioning Strategy in Urban Canyons
Mo et al. Cross-based dense depth estimation by fusing stereo vision with measured sparse depth
CN114278281B (zh) 测量装置的测量分辨率优化方法、装置、设备及存储介质
CN112398531B (zh) 一种乏路径信息的光纤时频传递Sagnac时延修正方法和系统
CN114383621B (zh) 基于网格地图的轨迹纠偏方法、电子设备和存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant