CN106595680A - 一种基于隐马尔可夫模型的车辆gps数据地图匹配方法 - Google Patents
一种基于隐马尔可夫模型的车辆gps数据地图匹配方法 Download PDFInfo
- Publication number
- CN106595680A CN106595680A CN201611159128.8A CN201611159128A CN106595680A CN 106595680 A CN106595680 A CN 106595680A CN 201611159128 A CN201611159128 A CN 201611159128A CN 106595680 A CN106595680 A CN 106595680A
- Authority
- CN
- China
- Prior art keywords
- observation station
- section
- point
- candidate
- probability
- 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.)
- Pending
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于隐马尔可夫模型的车辆GPS数据地图匹配方法,包括步骤:从shpefile电子地图上获取路网数据;提取原始的车辆轨迹数据,对车辆GPS数据进行预处理;选取每个GPS观测点一定距离的路段作为候选路段;基于隐马尔可夫模型,计算每个GPS点的观测概率以及相邻候选路段间的转移概率;利用维特比算法计算出最优的匹配轨迹。本发明基于隐马尔可夫模型,通过考虑GPS点的位置,速度方向,路网的拓扑以及轨迹点与路网间的关联信息,提出了新的观测概率和转移概率,进一步的提高了地图匹配的准确性。
Description
技术领域
本发明涉及交通领域,特别是涉及一种基于隐马尔可夫模型的车辆GPS数据地图匹配方法。
背景技术
在交通出行中,车载设备越来越普及,对GPS数据的研究已经成为当今车联网领域的热门话题。但是由于设备自身的局限性以及外部环境噪声的影响,使得车辆轨迹数据往往会与实际的数据有所偏差,而地图匹配的目的就是让观测的轨迹数据准确地映射到路网位置上。隐马尔可夫模型是一种概率模型,描述由一个隐藏的马尔可夫链随机生成的隐藏状态随机序列,再由各个隐藏状态生成一个观测状态而产生观测随机序列的过程。隐马尔可夫模型在模式识别、语音识别、生物信息等领域有着非常广泛的应用。基于隐马尔可夫模型的地图匹配相对于传统的地图匹配,匹配的准确性更高,对于采样间隔比较大的轨迹数据,也有很好的表现。
发明内容
有鉴于此,本发明的目的是提供一种基于隐马尔可夫模型的车辆GPS数据地图匹配方法,基于隐马尔可夫模型,通过考虑GPS点的位置,速度方向,路网的拓扑以及轨迹点与路网间的关联信息,提出了新的观测概率和转移概率,进一步的提高了地图匹配的准确性。
本发明采用以下方案实现:一种基于隐马尔可夫模型的车辆GPS数据地图匹配方法,包括如下步骤:
步骤S1:从电子地图中获取路网数据:
电子地图为shapefile格式的矢量地图,从该地图中获取路网数据,构建有向道路网络G(V,E),其中V表示道路的交叉点,E表示每两个交叉点间的路段。为方便计算,定义路段集合S={sn|n=1,2,…,N},sn为第n条路段。该路段的起止点为sn.start={x,y},终止点为sn.end={x,y},x,y分别表示经度和纬度。
步骤S2:对收集的真实车辆轨迹数据进行预处理:
所收集的车辆GPS轨迹数据一般是按照一定的时间间隔采集的,城市中的车辆一天内便可产生海量的GPS轨迹数据。其中有不少速度,位置异常的轨迹数据,需要事先进行清理,以剔除这些数据。
步骤S3:选取每个观测点一定距离内的路段作为匹配的候选路段:
定义车辆的一次GPS轨迹数据的序列为P=p1→p2→…→pi→…→pT,T表示这辆车采样点的总数,每个GPS点pi=<x,y,t,v,dir>,分别表示经度,纬度,采样时间,瞬时速度,行驶方向,其中行驶方向正北,东北,正东,东南,正南,西南,正西,西北8个方向分别对应数字0-7;
对于每个观测点,以该点为圆心在半径r范围内(r的值通过实验评估得到)所有路段作为候选路段,每个观测点到候选路段的垂直投影点(观测点做候选路段的垂线,垂足即为投影点)为候选点,若无投影点,则以该候选路段离观测点最近的节点作为候选点。其中观测点的候选路段集为 表示观测点pi的第k条候选路段,候选点的集合 表示该点的第k个候选点;
步骤S4:根据隐马尔可夫模型,分别计算每个观测点的观测概率以及相邻候选路段间的转移概率:
隐马尔可夫模型是一种概率模型,描述由一个隐藏的马尔可夫链随机生成的隐藏状态随机序列,再由各个隐藏状态生成一个观测状态而产生观测随机序列的过程。对于已知的候选路段(隐藏状态),得到观测点,定义观测概率:
其中d表示观测点pi到候选点的距离,σ是根据经验来估计GPS误差的标准偏差,即GPS观测点的偏移误差服从高斯分布,取值通过实验评估得到。cosθ表示观测点的速度方向与候选路段夹角的余弦值,添加绝对值表示选取候选路段正向或者反向都不会对余弦值产生影响。α表示方向特征对观测概率的影响程度,取值通过实验评估得到。
定义转移概率:
其中di-1,i表示相邻观测点pi-1和pi间的欧氏距离,Di-1,i表示其对应的候选点间的最短路径,di-1表示观测点pi-1到其候选点的距离,同理di表示观测点pi到其候选点的距离,λ∈[0,1],λ值越大表示相邻观测点间欧氏距离与候选点间的最短路径的相似度对转移概率的影响越大,λ越小表示观测轨迹与匹配轨迹相似度的影响更大,λ取值通过实验评估得到。
对于候选点间的最短路径,通过迪杰斯特拉算法求得。
步骤S5:利用维特比算法,计算出概率最大的隐藏状态序列,即最优的匹配路段序列。
对于车辆的一次轨迹P=p1→p2→…→pi→…→pT,已知隐藏状态(匹配路段)对应观测点为pi的观测概率为从隐藏状态到的转移概率为得到最大可能性的匹配路段序列X=x1→x2→…→xT。利用维特比算法计算过程如下:
初始时刻i=1,
当i>1时,由递推关系给出:
其中Vi,k表示前i个最终隐藏状态为的观测点最有可能对应的匹配路段序列的概率,Si-1表示观测点pi-1候选路段集合。
记录概率最大匹配路段的上一个状态
最终的匹配路段:
其中VT,k表示前T个最终隐藏状态为的观测点最有可能对应的匹配路段序列的概率,ST表示观测点pT候选路段集合
最优路径回溯:
xi=ψi(Si),i=T-1,T-2,…,1
式七
求得最优匹配路段序列:X=x1→x2→…→xT。
相较于现有技术,本发明提出的针对车辆GPS轨迹数据、城市路网,利用隐马尔可夫模型,能够很好地实现地图匹配。
附图说明
图1是本发明实施例中出租车某段GPS轨迹数据。
图2是本发明实施例中观测点的候选路段与候选点示意图。
图3是本发明实施例中在高德地图上的匹配效果图。
图4是本发明的方法流程示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
本实施例提供一种基于隐马尔可夫模型的车辆GPS数据地图匹配方法,如图4所示,包括如下步骤:
步骤S1:从电子地图中获取路网数据:
电子地图为shapefile格式的矢量地图,从该地图中获取路网数据,构建有向道路网络G(V,E),其中V表示道路的交叉点,E表示每两个交叉点间的路段。为方便计算,定义路段集合S={sn|n=1,2,…,N},sn为第n条路段。该路段的起止点为sn.start={x,y},终止点为sn.end={x,y},x,y分别表示经度和纬度。
步骤S2:对收集的真实车辆轨迹数据进行预处理:
所收集的车辆GPS轨迹数据一般是按照一定的时间间隔采集的,城市中的车辆一天内便可产生海量的GPS轨迹数据。其中有不少速度,位置异常的轨迹数据,需要事先进行清理,以剔除这些数据。
步骤S3:选取每个观测点一定距离内的路段作为匹配的候选路段:
定义车辆的一次GPS轨迹数据的序列为P=p1→p2→…→pi→…→pT,T表示这辆车采样点的总数,每个GPS点pi=<x,y,t,v,dir>,分别表示经度,纬度,采样时间,瞬时速度,行驶方向,其中行驶方向正北,东北,正东,东南,正南,西南,正西,西北8个方向分别对应数字0-7;
对于每个观测点,以该点为圆心在半径r范围内(r的值通过实验评估得到)所有路段作为候选路段,每个观测点到候选路段的垂直投影点(观测点做候选路段的垂线,垂足即为投影点)为候选点,若无投影点,则以该候选路段离观测点最近的节点作为候选点。其中观测点的候选路段集为 表示观测点pi的第k条候选路段,候选点的集合 表示该点的第k个候选点;
步骤S4:根据隐马尔可夫模型,分别计算每个观测点的观测概率以及相邻候选路段间的转移概率:
隐马尔可夫模型是一种概率模型,描述由一个隐藏的马尔可夫链随机生成的隐藏状态随机序列,再由各个隐藏状态生成一个观测状态而产生观测随机序列的过程。对于已知的候选路段(隐藏状态),得到观测点,定义观测概率:
其中d表示观测点pi到候选点的距离,σ是根据经验来估计GPS误差的标准偏差,即GPS观测点的偏移误差服从高斯分布,取值通过实验评估得到。cosθ表示观测点的速度方向与候选路段夹角的余弦值,添加绝对值表示选取候选路段正向或者反向都不会对余弦值产生影响。α表示方向特征对观测概率的影响程度,取值通过实验评估得到。
定义转移概率:
其中di-1,i表示相邻观测点pi-1和pi间的欧氏距离,Di-1,i表示其对应的候选点间的最短路径,di-1表示观测点pi-1到其候选点的距离,同理di表示观测点pi到其候选点的距离,λ∈[0,1],λ值越大表示相邻观测点间欧氏距离与候选点间的最短路径的相似度对转移概率的影响越大,λ越小表示观测轨迹与匹配轨迹相似度的影响更大,λ取值通过实验评估得到。
对于候选点间的最短路径,通过迪杰斯特拉算法求得。
步骤S5:利用维特比算法,计算出概率最大的隐藏状态序列,即最优的匹配路段序列。
对于车辆的一次轨迹P=p1→p2→…→pi→…→pT,已知隐藏状态(匹配路段)对应观测点为pi的观测概率为从隐藏状态到的转移概率为得到最大可能性的匹配路段序列X=x1→x2→…→xT。利用维特比算法计算过程如下:
初始时刻i=1,
当i>1时,由递推关系给出:
其中Vi,k表示前i个最终隐藏状态为的观测点最有可能对应的匹配路段序列的概率,Si-1表示观测点pi-1候选路段集合。
记录概率最大匹配路段的上一个状态
最终的匹配路段:
其中VT,k表示前T个最终隐藏状态为的观测点最有可能对应的匹配路段序列的概率,ST表示观测点pT候选路段集合
最优路径回溯:
xi=ψi(Si),i=T-1,T-2,…,1
式七
求得最优匹配路段序列:X=x1→x2→…→xT。
在本实施例中,如图1所示,是出租车某段GPS轨迹数据,主要分析福州市的交通情况,抽取了某辆出租车在2015年12月2日从西二环中路到乌山西路的轨迹数据。数据包括经度,纬度,采样时间,行驶速度以及行驶方向,其中方向0-7分别表示正北,东北,正东,东南,正南,西南,正西,西北。
在本实施例中,如图2所示,是观测点的候选路段与候选点示意图,以观测点为圆心,作半径为r的圆,本发明中r的值为50,在这个范围内的路段有对这三个候选路段作垂直投影点而路段无投影点,则以该路段离观测点最近的节点作为候选点
在本实施例中,如图3所示,在高德地图上的匹配效果图,可以清楚的看到观测点序列由于噪声等因素偏移正确的路径,通过地图匹配将其准确的映射到路网上。
在本实施例中,采用以上方法进行数据匹配,包括如下具体步骤:
步骤一:主要分析福州市的交通情况,从福州电子地图中获取路网数据。
步骤二:获取出租车GPS轨迹数据,对于GPS轨迹数据进行预处理,剔除速度和位置异常的数据。
步骤三:对于每个观测点,以该点为圆心,r范围内的路段和节点作为该观测点的候选路段集合和候选点集合,本发明中r的值为50。
步骤四:根据隐马尔可夫模型,分别计算观测概率以及转移概率。对于已知的候选路段对应的观测点,计算观测概率,如说明书中的式一所示,本发明中的σ值为5,α的值为2。计算转移概率,如说明书中的式二所示,本发明中的λ值为0.8。
步骤五:利用维特比算法,计算出概率最大的隐藏状态序列,即最优的匹配路段序列。
上述分析说明,本发明所提出的针对车辆GPS轨迹数据、城市路网,利用隐马尔可夫模型,能够很好地实现地图匹配。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (8)
1.一种基于隐马尔可夫模型的车辆GPS数据地图匹配方法,其特征在于:包括如下步骤:
步骤S1:从电子地图中获取路网数据;
步骤S2:对收集的真实车辆轨迹数据进行预处理;
步骤S3:选取每个观测点一定距离内的路段作为匹配的候选路段;
步骤S4:根据隐马尔可夫模型,分别计算每个观测点的观测概率以及相邻候选路段间的转移概率;
步骤S5:利用维特比算法,计算出概率最大的隐藏状态序列,即最优的匹配路段序列。
2.根据权利要求1所述的一种基于隐马尔可夫模型的车辆GPS数据地图匹配方法,其特征在于:所述步骤S1中,电子地图为shapefile格式的矢量地图,从该地图中获取路网数据,构建有向道路网络G(V,E),其中V表示道路的交叉点,E表示每两个交叉点间的路段,定义路段集合S={sn|n=1,2,…,N},sn为第n条路段,该路段的起止点为sn.start={x,y},终止点为sn.end={x,y},x,y分别表示经度和纬度。
3.根据权利要求1所述的一种基于隐马尔可夫模型的车辆GPS数据地图匹配方法,其特征在于:所述步骤S2中,预处理的方式为剔除速度与位置异常的轨迹数据。
4.根据权利要求1所述的一种基于隐马尔可夫模型的车辆GPS数据地图匹配方法,其特征在于:所述步骤S3中,定义一辆车的所有GPS轨迹数据的序列为P=p1→p2→…→pi→…→pT,T表示该车采样点的总数,每个GPS点pi=<x,y,t,v,dir>,分别表示经度,纬度,采样时间,瞬时速度,行驶方向,其中行驶方向正北,东北,正东,东南,正南,西南,正西,西北8个方向分别对应数字0-7;对于每个观测点,以该点为圆心在半径r范围内所有路段作为候选路段,每个观测点到候选路段的垂直投影点作为候选点,以观测点做候选路段的垂线,垂足即为投影点,若无投影点,则以该候选路段离观测点最近的节点作为候选点;其中观测点的候选路段集为 表示观测点pi的第k条候选路段,候选点的集合 表示该点的第k个候选点。
5.根据权利要求1所述的一种基于隐马尔可夫模型的车辆GPS数据地图匹配方法,其特征在于:所述步骤S4中,隐马尔可夫模型同时分析观测概率和转移概率:对于观测概率,分别用观测点与候选路段的偏移程度以及该点速度和路段两者方向的相似度来表示;对于转移概率,分别用相邻观测点间的欧氏距离与相邻候选点间的最短路径距离相似程度以及相邻观测点到候选路段的距离的相似程度来表示。
6.根据权利要求5所述的一种基于隐马尔可夫模型的车辆GPS数据地图匹配方法,其特征在于:对于已知的候选路段,得到所述观测点,定义观测概率:
其中d表示观测点pi到候选点的距离,σ是根据经验来估计GPS误差的标准偏差,即GPS观测点的偏移误差服从高斯分布,取值通过实验评估得到。cosθ表示观测点的速度方向与候选路段夹角的余弦值,添加绝对值表示选取候选路段正向或者反向都不会对余弦值产生影响。α表示方向特征对观测概率的影响程度,取值通过实验评估得到;
相同的,定义转移概率:
其中di-1,i表示相邻观测点pi-1和pi间的欧氏距离,Di-1,i表示其对应的候选点间的最短路径,di-1表示观测点pi-1到候选点的距离,同理di表示观测点pi到候选点的距离,λ∈[0,1],λ值越大表示相邻观测点间欧氏距离与候选点间的最短路径的相似度对转移概率的影响越大,λ越小表示观测轨迹与匹配轨迹相似度的影响更大,λ取值通过实验评估得到。
7.根据权利要求6所述的一种基于隐马尔可夫模型的车辆GPS数据地图匹配方法,其特征在于用:所述相邻候选点间的最短路劲通过迪杰斯特拉算法求得。
8.根据权利要求1所述的一种基于隐马尔可夫模型的车辆GPS数据地图匹配方法,其特征在于:所述步骤S5中,对于车辆的一次轨迹P=p1→p2→…→pi→…→pT,已知隐藏状态(匹配路段)对应观测点为pi的观测概率为从隐藏状态到的转移概率为得到最大可能性的匹配路段序列X=x1→x2→…→xT。利用维特比算法计算过程如下:
初始时刻i=1,
当i>1时,由递推关系给出:
其中Vi,k表示前i个最终隐藏状态为的观测点最有可能对应的匹配路段序列的概率,Si-1表示观测点pi-1候选路段集合;
记录概率最大匹配路段的上一个状态
最终的匹配路段:
其中VT,k表示前T个最终隐藏状态为的观测点最有可能对应的匹配路段序列的概率,ST表示观测点pT候选路段集合;
最优路径回溯:
xi=ψi(Si),i=T-1,T-2,…,1
求得最优匹配路段序列:X=x1→x2→…→xT。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611159128.8A CN106595680A (zh) | 2016-12-15 | 2016-12-15 | 一种基于隐马尔可夫模型的车辆gps数据地图匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611159128.8A CN106595680A (zh) | 2016-12-15 | 2016-12-15 | 一种基于隐马尔可夫模型的车辆gps数据地图匹配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106595680A true CN106595680A (zh) | 2017-04-26 |
Family
ID=58802629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611159128.8A Pending CN106595680A (zh) | 2016-12-15 | 2016-12-15 | 一种基于隐马尔可夫模型的车辆gps数据地图匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106595680A (zh) |
Cited By (58)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108061556A (zh) * | 2017-10-18 | 2018-05-22 | 广州傲胜机器人科技有限公司 | 一种基于隐马尔可夫模型的地图匹配方法 |
CN108253976A (zh) * | 2018-01-04 | 2018-07-06 | 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 |
CN108562296A (zh) * | 2017-12-08 | 2018-09-21 | 北京中交兴路信息科技有限公司 | 一种基于车辆卫星定位数据的道路匹配方法及装置 |
CN108734141A (zh) * | 2018-05-28 | 2018-11-02 | 南京邮电大学 | 一种基于机器学习的智能地毯跌倒判别方法 |
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 |
CN109059939A (zh) * | 2018-06-27 | 2018-12-21 | 湖南智慧畅行交通科技有限公司 | 基于隐马尔科夫模型的地图匹配算法 |
CN109425341A (zh) * | 2017-08-22 | 2019-03-05 | 富士通株式会社 | 定位方法、定位装置和电子设备 |
CN109916414A (zh) * | 2019-03-29 | 2019-06-21 | 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 |
CN110095127A (zh) * | 2019-04-08 | 2019-08-06 | 西北大学 | 一种基于分段的隐马尔可夫模型地图匹配方法 |
CN110174110A (zh) * | 2019-05-28 | 2019-08-27 | 北京百度网讯科技有限公司 | 地图对应的方法和装置、电子设备、计算机可读介质 |
CN110260870A (zh) * | 2019-07-18 | 2019-09-20 | 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 |
CN110363300A (zh) * | 2019-07-23 | 2019-10-22 | 重庆大学 | 一种融合隐马尔可夫模型和数据投影切分的轨迹修正方法 |
CN110375753A (zh) * | 2019-07-04 | 2019-10-25 | 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 |
CN110411450A (zh) * | 2019-07-29 | 2019-11-05 | 北京航空航天大学 | 一种用于压缩轨迹的地图匹配方法 |
CN110427360A (zh) * | 2019-06-28 | 2019-11-08 | 东软集团股份有限公司 | 轨迹数据的处理方法、处理装置、处理系统及计算机程序产品 |
CN110599768A (zh) * | 2019-09-07 | 2019-12-20 | 北京智数时空科技有限公司 | 一种基于电信大数据的高速公路车流估计方法 |
CN110631594A (zh) * | 2019-10-24 | 2019-12-31 | 成都大成均图科技有限公司 | 基于复杂轨迹网络划分模型的离线地图匹配方法和系统 |
CN110726417A (zh) * | 2019-11-12 | 2020-01-24 | 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 |
CN110736471A (zh) * | 2019-09-24 | 2020-01-31 | 武汉大学 | 基于隐马尔可夫模型的低频浮动车轨迹数据路网匹配方法 |
US10598499B2 (en) * | 2018-07-25 | 2020-03-24 | Kabushiki Kaisha Toshiba | Method and device for accelerated map-matching |
CN110986965A (zh) * | 2019-11-28 | 2020-04-10 | 武汉大学 | 基于隐马尔可夫模型的低频浮动车轨迹数据路网匹配方法 |
CN111024098A (zh) * | 2019-12-27 | 2020-04-17 | 江苏欣网视讯软件技术有限公司 | 一种基于低采样数据的机动车路径拟合算法 |
CN111060112A (zh) * | 2019-12-12 | 2020-04-24 | 南京航空航天大学 | 基于方向角的车辆轨迹地图匹配方法及系统 |
CN111121791A (zh) * | 2019-11-29 | 2020-05-08 | 上饶市中科院云计算中心大数据研究院 | 隐马尔可夫模型在地图匹配中的优化方法及gps定位方法 |
CN111177285A (zh) * | 2018-11-09 | 2020-05-19 | 厦门雅迅网络股份有限公司 | 一种电子地图精确定位方法、终端设备及存储介质 |
US10656278B1 (en) | 2019-03-15 | 2020-05-19 | International Business Machines Corporation | Detecting asset location data anomalies |
CN111189459A (zh) * | 2020-01-10 | 2020-05-22 | 成都信息工程大学 | 一种定位信息与道路匹配的方法和装置 |
CN111366157A (zh) * | 2018-12-26 | 2020-07-03 | 北京中交兴路信息科技有限公司 | 位置与道路的匹配方法及装置、设备及存储介质 |
CN111435088A (zh) * | 2019-01-15 | 2020-07-21 | 北京嘀嘀无限科技发展有限公司 | 一种道路匹配方法、装置、电子设备及存储介质 |
CN111510859A (zh) * | 2020-05-25 | 2020-08-07 | 北京红山信息科技研究院有限公司 | 一种用户轨迹定位方法、系统、服务器和存储介质 |
CN111651538A (zh) * | 2020-05-11 | 2020-09-11 | 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 |
CN111785012A (zh) * | 2020-04-27 | 2020-10-16 | 南斗六星系统集成有限公司 | 一种车云协同计算的能耗路谱分析方法 |
CN111811542A (zh) * | 2020-08-07 | 2020-10-23 | 中国矿业大学(北京) | 一种基于轨迹数据的寻路性能分布计算方法及系统 |
CN111831768A (zh) * | 2020-05-21 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 纠正行驶轨迹的方法、装置、存储介质及电子设备 |
CN111985662A (zh) * | 2020-06-30 | 2020-11-24 | 北京百度网讯科技有限公司 | 网络约车方法、装置、电子设备和存储介质 |
CN112015835A (zh) * | 2020-08-13 | 2020-12-01 | 安徽师范大学 | Geohash压缩的地图匹配方法 |
CN112013856A (zh) * | 2020-08-27 | 2020-12-01 | 上海钧正网络科技有限公司 | 基于路网和轨迹数据的轨迹拟合方法、装置、终端及介质 |
CN112632202A (zh) * | 2020-12-18 | 2021-04-09 | 东南大学 | 一种基于高阶隐马尔可夫模型的动态地图匹配方法 |
CN112767686A (zh) * | 2020-12-23 | 2021-05-07 | 华南理工大学 | 一种基于多源数据融合的公路网汽车排放估算方法 |
CN112824838A (zh) * | 2019-11-21 | 2021-05-21 | 北京图森智途科技有限公司 | 路径规划方法及装置、芯片系统、计算机系统和移动工具 |
CN112825160A (zh) * | 2019-11-21 | 2021-05-21 | 北京图森智途科技有限公司 | 一种状态转移库构建方法、路径规划方法及相关设备 |
CN112882073A (zh) * | 2021-01-18 | 2021-06-01 | 中交智运有限公司 | 一种基于时间阈内的隐马尔可夫模型人车合一算法 |
CN113029180A (zh) * | 2021-03-25 | 2021-06-25 | 北京百度网讯科技有限公司 | 一种交通限制识别方法、装置、电子设备及存储介质 |
CN113191550A (zh) * | 2021-04-29 | 2021-07-30 | 北京百度网讯科技有限公司 | 地图匹配方法及装置 |
CN113376668A (zh) * | 2021-05-07 | 2021-09-10 | 杭州数知梦科技有限公司 | 一种浮动车轨迹纠偏方法 |
CN113514861A (zh) * | 2021-04-23 | 2021-10-19 | 交通运输部公路科学研究所 | 一种导航方法及装置 |
CN113514860A (zh) * | 2021-04-23 | 2021-10-19 | 交通运输部公路科学研究所 | 一种道路匹配方法及装置 |
CN113639757A (zh) * | 2021-07-29 | 2021-11-12 | 上海交通大学 | 基于双向评分模型和回溯校正机制的地图匹配方法及系统 |
CN113840233A (zh) * | 2020-06-23 | 2021-12-24 | 中国移动通信集团辽宁有限公司 | 基于定位区域的监控方法及装置 |
CN113932821A (zh) * | 2021-11-03 | 2022-01-14 | 安徽师范大学 | 基于连续窗口平均方向特征的轨迹地图匹配方法 |
CN114184200A (zh) * | 2022-02-14 | 2022-03-15 | 南京航空航天大学 | 一种结合动态建图的多源融合导航方法 |
CN114216467A (zh) * | 2021-12-13 | 2022-03-22 | 禾多科技(北京)有限公司 | 道路定位方法、装置、计算机设备和存储介质 |
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 |
CN115144880A (zh) * | 2022-06-28 | 2022-10-04 | 平安银行股份有限公司 | 一种道路匹配方法、设备和存储介质 |
CN115667848A (zh) * | 2020-08-05 | 2023-01-31 | 宝马股份公司 | 用于将车辆的gnss位置进行地图匹配的系统和方法 |
CN116086453A (zh) * | 2022-12-12 | 2023-05-09 | 无锡恺韵来机器人有限公司 | 一种基于概率优化计算的惯导和地图组合定位方法 |
US11933618B2 (en) * | 2020-01-22 | 2024-03-19 | Bayerische Motoren Werke Aktiengesellschaft | Determining a route on a map through trace matching with a corresponding route on another map |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103037507A (zh) * | 2012-12-17 | 2013-04-10 | 浙江鸿程计算机系统有限公司 | 一种基于Cell-ID定位技术的地图匹配方法 |
CN103198111A (zh) * | 2013-03-28 | 2013-07-10 | 中国科学院软件研究所 | 一种面向轻量级终端的路网匹配方法 |
CN104900059A (zh) * | 2015-05-26 | 2015-09-09 | 大连理工大学 | 一种利用隐马尔可夫地图匹配算法增强手机基站定位精度的方法 |
CN105203116A (zh) * | 2015-08-25 | 2015-12-30 | 浙江工业大学 | 一种基于条件随机场和低采样频率浮动车数据的地图匹配方法 |
CN105444769A (zh) * | 2015-11-26 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图匹配方法及装置 |
WO2016068807A1 (en) * | 2014-10-28 | 2016-05-06 | National University Of Singapore | Method and device for real-time error-bounded and delay-bounded map matching |
-
2016
- 2016-12-15 CN CN201611159128.8A patent/CN106595680A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103037507A (zh) * | 2012-12-17 | 2013-04-10 | 浙江鸿程计算机系统有限公司 | 一种基于Cell-ID定位技术的地图匹配方法 |
CN103198111A (zh) * | 2013-03-28 | 2013-07-10 | 中国科学院软件研究所 | 一种面向轻量级终端的路网匹配方法 |
WO2016068807A1 (en) * | 2014-10-28 | 2016-05-06 | National University Of Singapore | Method and device for real-time error-bounded and delay-bounded map matching |
CN104900059A (zh) * | 2015-05-26 | 2015-09-09 | 大连理工大学 | 一种利用隐马尔可夫地图匹配算法增强手机基站定位精度的方法 |
CN105203116A (zh) * | 2015-08-25 | 2015-12-30 | 浙江工业大学 | 一种基于条件随机场和低采样频率浮动车数据的地图匹配方法 |
CN105444769A (zh) * | 2015-11-26 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图匹配方法及装置 |
Non-Patent Citations (7)
Title |
---|
NEWSON P等: ""Hidden Markov map matching through noise and sparseness"", 《ACM SIGSPATIAL INTERNA-TIONAL CONFERENCE ON ADVANCES IN GEOGRAPHIC INFORMATION SYSTEMS》 * |
冯通,等: ""一种基于理想隐性马尔科夫模型的地图匹配算法"", 《海南大学学报自然科学版》 * |
刘功生,等: ""基于HMM算法体系的逆维特比算法理论研究"", 《机电工程技术》 * |
张汝云,等: ""一种基于隐马尔可夫模型的目标轨迹跟踪算法"", 《计算机应用研究》 * |
王晓蒙,等: ""一种面向海量浮动车数据的地图匹配方法"", 《地球信息科学学报》 * |
陈忠辉,等: ""基于多尺度马尔科夫随机场融合的遥感图像变化检测"", 《四川大学学报(工程科学版)》 * |
魏红: ""基于GPS的地图匹配算法研究"", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (83)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109425341A (zh) * | 2017-08-22 | 2019-03-05 | 富士通株式会社 | 定位方法、定位装置和电子设备 |
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 |
CN108061556A (zh) * | 2017-10-18 | 2018-05-22 | 广州傲胜机器人科技有限公司 | 一种基于隐马尔可夫模型的地图匹配方法 |
CN108061556B (zh) * | 2017-10-18 | 2021-07-09 | 广州傲胜机器人科技有限公司 | 一种基于隐马尔可夫模型的地图匹配方法 |
CN108562296A (zh) * | 2017-12-08 | 2018-09-21 | 北京中交兴路信息科技有限公司 | 一种基于车辆卫星定位数据的道路匹配方法及装置 |
CN108253976A (zh) * | 2018-01-04 | 2018-07-06 | 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 |
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 |
CN108734141A (zh) * | 2018-05-28 | 2018-11-02 | 南京邮电大学 | 一种基于机器学习的智能地毯跌倒判别方法 |
CN108734141B (zh) * | 2018-05-28 | 2020-07-03 | 南京邮电大学 | 一种基于机器学习的智能地毯跌倒判别方法 |
CN109059939A (zh) * | 2018-06-27 | 2018-12-21 | 湖南智慧畅行交通科技有限公司 | 基于隐马尔科夫模型的地图匹配算法 |
US10598499B2 (en) * | 2018-07-25 | 2020-03-24 | Kabushiki Kaisha Toshiba | Method and device for accelerated map-matching |
CN111177285B (zh) * | 2018-11-09 | 2022-11-08 | 厦门雅迅网络股份有限公司 | 一种电子地图精确定位方法、终端设备及存储介质 |
CN111177285A (zh) * | 2018-11-09 | 2020-05-19 | 厦门雅迅网络股份有限公司 | 一种电子地图精确定位方法、终端设备及存储介质 |
CN111366157A (zh) * | 2018-12-26 | 2020-07-03 | 北京中交兴路信息科技有限公司 | 位置与道路的匹配方法及装置、设备及存储介质 |
CN111435088A (zh) * | 2019-01-15 | 2020-07-21 | 北京嘀嘀无限科技发展有限公司 | 一种道路匹配方法、装置、电子设备及存储介质 |
US10656278B1 (en) | 2019-03-15 | 2020-05-19 | International Business Machines Corporation | Detecting asset location data anomalies |
CN109916414A (zh) * | 2019-03-29 | 2019-06-21 | 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 |
CN110095127B (zh) * | 2019-04-08 | 2021-06-04 | 西北大学 | 一种基于分段的隐马尔可夫模型地图匹配方法 |
CN110095127A (zh) * | 2019-04-08 | 2019-08-06 | 西北大学 | 一种基于分段的隐马尔可夫模型地图匹配方法 |
CN110174110A (zh) * | 2019-05-28 | 2019-08-27 | 北京百度网讯科技有限公司 | 地图对应的方法和装置、电子设备、计算机可读介质 |
CN110174110B (zh) * | 2019-05-28 | 2021-05-14 | 北京百度网讯科技有限公司 | 地图对应的方法和装置、电子设备、计算机可读介质 |
CN110427360B (zh) * | 2019-06-28 | 2022-02-11 | 东软集团股份有限公司 | 轨迹数据的处理方法、处理装置、处理系统及计算机程序产品 |
CN110427360A (zh) * | 2019-06-28 | 2019-11-08 | 东软集团股份有限公司 | 轨迹数据的处理方法、处理装置、处理系统及计算机程序产品 |
CN110375753A (zh) * | 2019-07-04 | 2019-10-25 | 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 |
CN110260870A (zh) * | 2019-07-18 | 2019-09-20 | 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 |
CN110363300A (zh) * | 2019-07-23 | 2019-10-22 | 重庆大学 | 一种融合隐马尔可夫模型和数据投影切分的轨迹修正方法 |
CN110411450A (zh) * | 2019-07-29 | 2019-11-05 | 北京航空航天大学 | 一种用于压缩轨迹的地图匹配方法 |
CN110411450B (zh) * | 2019-07-29 | 2021-04-16 | 北京航空航天大学 | 一种用于压缩轨迹的地图匹配方法 |
CN110599768A (zh) * | 2019-09-07 | 2019-12-20 | 北京智数时空科技有限公司 | 一种基于电信大数据的高速公路车流估计方法 |
CN110736471A (zh) * | 2019-09-24 | 2020-01-31 | 武汉大学 | 基于隐马尔可夫模型的低频浮动车轨迹数据路网匹配方法 |
CN110736471B (zh) * | 2019-09-24 | 2021-08-03 | 武汉大学 | 基于隐马尔可夫模型的低频浮动车轨迹数据路网匹配方法 |
CN110631594B (zh) * | 2019-10-24 | 2021-03-26 | 成都大成均图科技有限公司 | 基于复杂轨迹网络划分模型的离线地图匹配方法和系统 |
CN110631594A (zh) * | 2019-10-24 | 2019-12-31 | 成都大成均图科技有限公司 | 基于复杂轨迹网络划分模型的离线地图匹配方法和系统 |
CN110726417A (zh) * | 2019-11-12 | 2020-01-24 | 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 |
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 |
CN112825160A (zh) * | 2019-11-21 | 2021-05-21 | 北京图森智途科技有限公司 | 一种状态转移库构建方法、路径规划方法及相关设备 |
CN112825160B (zh) * | 2019-11-21 | 2024-07-09 | 北京图森智途科技有限公司 | 一种状态转移库构建方法、路径规划方法及相关设备 |
CN112824838A (zh) * | 2019-11-21 | 2021-05-21 | 北京图森智途科技有限公司 | 路径规划方法及装置、芯片系统、计算机系统和移动工具 |
CN110986965A (zh) * | 2019-11-28 | 2020-04-10 | 武汉大学 | 基于隐马尔可夫模型的低频浮动车轨迹数据路网匹配方法 |
CN111121791A (zh) * | 2019-11-29 | 2020-05-08 | 上饶市中科院云计算中心大数据研究院 | 隐马尔可夫模型在地图匹配中的优化方法及gps定位方法 |
CN111060112A (zh) * | 2019-12-12 | 2020-04-24 | 南京航空航天大学 | 基于方向角的车辆轨迹地图匹配方法及系统 |
CN111024098A (zh) * | 2019-12-27 | 2020-04-17 | 江苏欣网视讯软件技术有限公司 | 一种基于低采样数据的机动车路径拟合算法 |
CN111189459B (zh) * | 2020-01-10 | 2023-12-22 | 成都信息工程大学 | 一种定位信息与道路匹配的方法和装置 |
CN111189459A (zh) * | 2020-01-10 | 2020-05-22 | 成都信息工程大学 | 一种定位信息与道路匹配的方法和装置 |
US11933618B2 (en) * | 2020-01-22 | 2024-03-19 | Bayerische Motoren Werke Aktiengesellschaft | Determining a route on a map through trace matching with a corresponding route on another map |
CN111785012A (zh) * | 2020-04-27 | 2020-10-16 | 南斗六星系统集成有限公司 | 一种车云协同计算的能耗路谱分析方法 |
CN111785012B (zh) * | 2020-04-27 | 2022-02-11 | 南斗六星系统集成有限公司 | 一种车云协同计算的能耗路谱分析方法 |
CN111651538A (zh) * | 2020-05-11 | 2020-09-11 | 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 |
CN111831768A (zh) * | 2020-05-21 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 纠正行驶轨迹的方法、装置、存储介质及电子设备 |
CN111510859A (zh) * | 2020-05-25 | 2020-08-07 | 北京红山信息科技研究院有限公司 | 一种用户轨迹定位方法、系统、服务器和存储介质 |
CN111510859B (zh) * | 2020-05-25 | 2021-12-21 | 北京红山信息科技研究院有限公司 | 一种用户轨迹定位方法、系统、服务器和存储介质 |
CN113840233A (zh) * | 2020-06-23 | 2021-12-24 | 中国移动通信集团辽宁有限公司 | 基于定位区域的监控方法及装置 |
CN113840233B (zh) * | 2020-06-23 | 2023-09-19 | 中国移动通信集团辽宁有限公司 | 基于定位区域的监控方法及装置 |
CN111985662B (zh) * | 2020-06-30 | 2024-01-12 | 北京百度网讯科技有限公司 | 网络约车方法、装置、电子设备和存储介质 |
CN111985662A (zh) * | 2020-06-30 | 2020-11-24 | 北京百度网讯科技有限公司 | 网络约车方法、装置、电子设备和存储介质 |
CN115667848A (zh) * | 2020-08-05 | 2023-01-31 | 宝马股份公司 | 用于将车辆的gnss位置进行地图匹配的系统和方法 |
CN111811542B (zh) * | 2020-08-07 | 2021-08-06 | 中国矿业大学(北京) | 一种基于轨迹数据的寻路性能分布计算方法及系统 |
CN111811542A (zh) * | 2020-08-07 | 2020-10-23 | 中国矿业大学(北京) | 一种基于轨迹数据的寻路性能分布计算方法及系统 |
CN112015835A (zh) * | 2020-08-13 | 2020-12-01 | 安徽师范大学 | Geohash压缩的地图匹配方法 |
CN112015835B (zh) * | 2020-08-13 | 2022-09-30 | 安徽师范大学 | Geohash压缩的地图匹配方法 |
CN112013856A (zh) * | 2020-08-27 | 2020-12-01 | 上海钧正网络科技有限公司 | 基于路网和轨迹数据的轨迹拟合方法、装置、终端及介质 |
CN112632202A (zh) * | 2020-12-18 | 2021-04-09 | 东南大学 | 一种基于高阶隐马尔可夫模型的动态地图匹配方法 |
CN112767686A (zh) * | 2020-12-23 | 2021-05-07 | 华南理工大学 | 一种基于多源数据融合的公路网汽车排放估算方法 |
CN112882073A (zh) * | 2021-01-18 | 2021-06-01 | 中交智运有限公司 | 一种基于时间阈内的隐马尔可夫模型人车合一算法 |
CN112882073B (zh) * | 2021-01-18 | 2023-07-25 | 中交智运有限公司 | 一种基于时间阈内的隐马尔可夫模型人车合一算法 |
CN113029180A (zh) * | 2021-03-25 | 2021-06-25 | 北京百度网讯科技有限公司 | 一种交通限制识别方法、装置、电子设备及存储介质 |
CN113514860A (zh) * | 2021-04-23 | 2021-10-19 | 交通运输部公路科学研究所 | 一种道路匹配方法及装置 |
CN113514861A (zh) * | 2021-04-23 | 2021-10-19 | 交通运输部公路科学研究所 | 一种导航方法及装置 |
CN113191550A (zh) * | 2021-04-29 | 2021-07-30 | 北京百度网讯科技有限公司 | 地图匹配方法及装置 |
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 |
CN113376668A (zh) * | 2021-05-07 | 2021-09-10 | 杭州数知梦科技有限公司 | 一种浮动车轨迹纠偏方法 |
CN113639757B (zh) * | 2021-07-29 | 2023-08-25 | 上海交通大学 | 基于双向评分模型和回溯校正机制的地图匹配方法及系统 |
CN113639757A (zh) * | 2021-07-29 | 2021-11-12 | 上海交通大学 | 基于双向评分模型和回溯校正机制的地图匹配方法及系统 |
CN113932821B (zh) * | 2021-11-03 | 2023-06-16 | 安徽师范大学 | 基于连续窗口平均方向特征的轨迹地图匹配方法 |
CN113932821A (zh) * | 2021-11-03 | 2022-01-14 | 安徽师范大学 | 基于连续窗口平均方向特征的轨迹地图匹配方法 |
CN114216467A (zh) * | 2021-12-13 | 2022-03-22 | 禾多科技(北京)有限公司 | 道路定位方法、装置、计算机设备和存储介质 |
CN114184200A (zh) * | 2022-02-14 | 2022-03-15 | 南京航空航天大学 | 一种结合动态建图的多源融合导航方法 |
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 |
CN115144880A (zh) * | 2022-06-28 | 2022-10-04 | 平安银行股份有限公司 | 一种道路匹配方法、设备和存储介质 |
CN116086453A (zh) * | 2022-12-12 | 2023-05-09 | 无锡恺韵来机器人有限公司 | 一种基于概率优化计算的惯导和地图组合定位方法 |
CN116086453B (zh) * | 2022-12-12 | 2024-03-12 | 运来智能装备(无锡)有限公司 | 一种基于概率优化计算的惯导和地图组合定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106595680A (zh) | 一种基于隐马尔可夫模型的车辆gps数据地图匹配方法 | |
CN104197945B (zh) | 一种基于低采样率浮动车数据的全局投票地图匹配方法 | |
CN109405839B (zh) | 一种基于多路径的交通网络离线地图匹配算法 | |
CN106912018B (zh) | 基于信令轨迹的地图匹配方法及系统 | |
CN108802776B (zh) | 基于异常点剔除及轨迹压缩算法的公交gps纠偏方法 | |
CN109459045B (zh) | 一种针对低频gps轨迹的改进交互式投票匹配方法 | |
CN108253976B (zh) | 一种充分借助车辆航向的三阶段在线地图匹配算法 | |
CN110008872B (zh) | 一种结合车辆轨迹和遥感图像的路网提取方法 | |
CN106781478B (zh) | 一种基于lte信令数据的轨迹跟踪方法 | |
Raymond et al. | Map matching with hidden Markov model on sampled road network | |
CN105203116B (zh) | 一种基于条件随机场和低采样频率浮动车数据的地图匹配方法 | |
CN106997666B (zh) | 一种利用手机信令数据位置切换获取交通流速度的方法 | |
CN106871924A (zh) | 一种基于卫星定位信号的车辆行驶里程计算方法 | |
CN106123897A (zh) | 基于多特征的室内融合定位方法 | |
CN107328423B (zh) | 基于地图数据的弯道识别方法及其系统 | |
CN104900059A (zh) | 一种利用隐马尔可夫地图匹配算法增强手机基站定位精度的方法 | |
CN110285817B (zh) | 基于自适应d-s证据理论的复杂路网地图匹配方法 | |
CN112015835A (zh) | Geohash压缩的地图匹配方法 | |
CN103473774A (zh) | 一种基于路面图像特征匹配的车辆定位方法 | |
CN111121791A (zh) | 隐马尔可夫模型在地图匹配中的优化方法及gps定位方法 | |
CN106441316A (zh) | 一种基于历史数据的单点路网匹配方法 | |
CN111949896A (zh) | 基于轨迹大数据的轨迹异常检测方法 | |
CN114705193A (zh) | 一种基于海事大数据的船舶导航路径规划方法及系统 | |
CN113932821A (zh) | 基于连续窗口平均方向特征的轨迹地图匹配方法 | |
CN113959452A (zh) | 基于城市路网的地图匹配方法、系统及终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170426 |