CN107133700A - 基于R*‑tree索引的手机信令数据路网匹配方法 - Google Patents

基于R*‑tree索引的手机信令数据路网匹配方法 Download PDF

Info

Publication number
CN107133700A
CN107133700A CN201710336182.3A CN201710336182A CN107133700A CN 107133700 A CN107133700 A CN 107133700A CN 201710336182 A CN201710336182 A CN 201710336182A CN 107133700 A CN107133700 A CN 107133700A
Authority
CN
China
Prior art keywords
road
section
data
point
collection
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
Application number
CN201710336182.3A
Other languages
English (en)
Inventor
肖冰言
陈庆春
唐小虎
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN201710336182.3A priority Critical patent/CN107133700A/zh
Publication of CN107133700A publication Critical patent/CN107133700A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于R*‑tree索引的手机信令数据路网匹配方法，在路网数据分段存储的基础上，使用R*‑tree结构对路段数据建立索引，获得距离定位点最近的k条路段，作为候选路段集，通过Dijkstra算法获得每两个定位点之间的最短路径集，根据路径的限速信息排除不符合轨迹速度的路径。将剩下的相连路径串联起来，获得多条候选匹配道路，引入离散弗雷歇距离作为约束条件，刻画轨迹和候选匹配道路的相似性，选择与定位轨迹之间离散弗雷歇距离最小的候选匹配道路作为最终的匹配结果。

Description

基于R*-tree索引的手机信令数据路网匹配方法
技术领域
本发明涉及交通领域，具体涉及一种基于R*-tree索引的手机信令数据路网匹配方法。
背景技术
随着城市化进程加快，城市交通问题日益突出，利用智能交通系统来解决城市交通问题越来越受到人们的关注。而科学有效地获取居民出行数据是城市智能交通规划的重要前提。传统的获取市民交通信息的方法或者实时性差，或者需要耗费过多的人力财力，都无法获得全面准确的信息。一些更现代的方法是利用车载GPS定位获取出行数据，即浮动车(Floating Car Data)技术，但是安装车载GPS终端初期投资比较高，浮动车不能覆盖所有的出行车辆，限制了浮动车技术大规模的使用。同时，GPS定位功耗过大、在市内甚至建筑物密集的地方表现较差等缺点使得GPS定位在移动电话上非常有局限性。基站定位数据以其覆盖范围广、获取成本低、实时性好等优点成为交通信息采集的一个重要信息源。但是在实际应用中，基站定位技术会受到多种干扰而产生定位误差，精度较差，因此研究如何克服误差对基站定位数据的应用十分有益，路网匹配技术是一种有效的方法。
目前大多数的地图路网匹配技术都是基于GPS数据，基于手机定位数据的地图路网匹配技术相对不成熟，并且相关研究的实际定位数据较难获得，多采用仿真数据。手机定位数据较GPS定位数据的不同在于，其定位精度差且定位数据时间间隔长，定位点稀疏，造成两个定位点之间的路径信息丢失，因此传统的针对高采样率GPS数据的地图路网匹配算法不适用于手机定位数据。
目前国内外关于手机定位数据的地图路网匹配算法研究进展如下：
张星霞在文献“基于手机定位信息的地图匹配算法”软件导刊,2006(19):35-37中针对手机定位数据较GPS定位数据误差大、采样频率低的特点，采用了改进的误差函数算法来实现地图路网匹配。文献首先根据距离规则和相交性规则确定单个定位点的误差函数，然后累加获得曲线的误差函数，利用路网的连通性来完成地图匹配。通过仿真试验证实该算法在采样率较高的时候匹配准确率高于点到点和点到曲线的匹配算法，但是匹配准确率随着采样时间的增加而降低。
杨飞、惠英在文献“基于手机切换变化模式的道路匹配方法”系统工程,2007,25(11):6-13.中提出一种基于手机切换变化模式的路网匹配算法。其原理是将手机切换小区序列和经过的路段序列进行标定，当待定位移动台的切换序列与已知切换序列部分或者全部相同时，就将该移动台匹配到标定道路上。这种方法不必获得用户的定位数据，主要依靠用户的小区切换序列来进行地图匹配，但是算法的工作量大，标定过程复杂，而且容易受到平行或者相近路段的干扰。
文献“基于手机基站定位数据的地图匹配研究”交通信息与安全,2011,29(4):52-57中范秋明、何兆成在基于基站切换序列的地图匹配算法基础上，提出了一种基站切换和基站经纬度信息相结合的混合地图匹配算法。该算法能够缩小候选路段集，有效地处理平行路段和道路交叉口等复杂情况，提高了匹配的准确率，并且用实际数据验证了算法的可行性。但是这种方法需要基站的位置信息，并且需要标定基站和道路，较为复杂。
张鹏飞等人在文献“基于手机位置信息的地图匹配算法”计算机应用,2015(S2):294-297中使用一种适应手机定位数据误差特性的优化的隐马尔科夫模型来进行地图路网匹配，算法在得到匹配概率和转移概率之后用Viterbi算法反推出最佳匹配路径。并且使用真实的手机定位数据和GPS定位数据对算法进行了检验，结果表明该算法在采样率较高时可以很好地匹配，但是对于采样率低的手机定位数据容易出现误匹配。这种方法的缺点是实现时较为复杂。
申请号为201210562295.2的中国专利公开了一种基于Cell-ID定位技术的地图匹配方法，在基站连接序列数据进行预处理之后，建立HMM模型，然后使用Viterbi算法对HMM模型进行解码，获得匹配道路。
Gunnar Schulze等人在文献”Map-Matching Cell Phone Trajectories of LowSpatial and Temporal Accuracy.Intelligent Transportation Systems”(ITSC).2015:2707-2714中在低时空精度条件下匹配手机定位数据到潜在道路网中，主要针对Cell-ID定位数据，其核心思想是把每两个基站定位点之间的候选匹配路线限制在一个走廊区域，通过开源地图OpenStreetMap获得走廊区域路网数据，把它看成一个有向图，利用改进的Dijkstra算法和代价函数找到最佳匹配路线。通过实验表明，在城市区域，超过44％的路线匹配正确，在农村和混合区域，超过55％的线路匹配正确。
由于目前可获得的手机定位数据并不局限于Cell-ID或TDOA定位，所以需要一种适应多种定位方式的地图路网匹配方法。
发明内容
为了克服现有的基于几何信息的手机信令数据路网匹配算法的不足，本发明提供一种基于R*-tree索引的手机信令数据路网匹配方法，并使之适应多种定位方式的地图路网匹配。
为了解决上述技术问题采用的技术方案如下：
在路网数据分段存储的基础上，使用R*-tree结构对路段数据建立索引，获得距离定位点最近的k条路段，作为候选路段集，通过Dijkstra算法获得每两个定位点之间的最短路径集，根据路径的限速信息排除不符合轨迹速度的路径；将剩下的相连的路径串联起来，获得多条候选匹配道路，以离散弗雷歇距离作为约束条件刻画轨迹和候选匹配道路的相似性，选择与定位轨迹之间离散弗雷歇距离最小的候选匹配道路作为最终的匹配结果。
所述匹配方法包括以下步骤：
步骤1，对手机定位数据进行预处理，删除冗余数据及无效数据，使用速度过滤器去掉漂移定位数据，得到手机定位轨迹T(p1→p2→…→pn)；
步骤2，将路网数据划分为每两个点组成的路段，对路段数据建立R*-tree索引，将道路属性(公路级别、是否属于感兴趣的交通要点等信息)道路限速作为标签一同存储；
步骤3，以一个单一的轨迹作为输入，设置一个搜索距离max_distance，利用R*-tree索引获得每一个定位点搜索范围内的最近k条路段，组成每个点的候选路段集Sc(j)，如果搜索范围内没有路段，则扩大搜索范围继续搜索，如果仍然没有路段，则放弃该点进行下一个定位点的搜索，最终得到n个候选路段集；
步骤4，在获得每个定位点的候选路段集后，通常这些候选路段集之间并不直接相连，所以要将路段之间进行补全，可以假设用户出行时倾向于选择两点之间的距离最短路径，以窗长为2的滑动窗口选取候选路段集，将每两个定位点的前一个候选路段集作为起点集，后一个候选路段集作为终点集，每个起点和每个终点之间都使用Dijkstra算法进行补全，得到n-1个最短路径集Pc(i)；
步骤5，给定SCi-1(t)和SCi(s)分别为连续两个定位点pi-1的第t个候选路段和pi的第s个候选路段，SCi-1(t)和SCi(s)之间的最短路径为一个路段的list[s1,s2,...,sk]，每个路段的长度l相加得到该最短路径的长度，每个路段的限速相加求平均可以得到该最短路径的平均限速。根据两个定位点的时间戳可以获得两个定位点的时间差Δti-1→i，使用这两点之间的最短路径集的每个路径长度除以定位点时间差，得到这两个点组成的轨迹匹配到这些道路上的平均速度集，删去平均速度高于其平均限速的路径；
步骤6，对剩余的最短路径集进行组合得到候选匹配道路集Rc；
步骤7，引入离散弗雷歇距离作为约束条件选出最优匹配道路。计算轨迹与每一条候选匹配道路之间的离散弗雷歇距离，在全部计算完毕后，选择离散弗雷歇距离最小的道路作为最终的输出，同时可以输出该匹配路线所经过的交通要点信息。
进一步地，所述步骤1中的一个手机定位点数据包括经纬度、用户ID、时间戳信息；一个用户的手机定位轨迹为一串按照时间排序的定位点序列。
进一步地，所述步骤1分为处理冗余数据、无效数据和漂移数据，具体按照以下步骤实施：
处理冗余数据包括以下步骤：
步骤1.1，提取出用户的定位数据<(t0,lng0,lat0),(t1,lng1,lat1),…,(tn,lngn,latn)>；
步骤1.2，设置窗长为2的滑动窗口，从t0时刻开始，判断窗口内相邻的两条数据经纬度是否相等，若相等，滑动到下一时刻；若不相等，保存该窗口的两条数据后滑动到下一时刻；
处理无效数据包括以下步骤：
步骤1.3，删除关键属性(如时间)缺失的定位数据；
处理漂移数据包括以下步骤：
步骤1.4，取连续三个定位点A(ti,lngi,lati)、B(tj,lngj,latj)、C(tk,lngk,latk)；
步骤1.5，考虑地球是一个近乎标准的椭球体，所以根据地表曲面两点距离的公式计算出AB、BC之间的近似曲面距离Dij，Djk。然后计算出A到B，B到C间的移动速度Vij，Vjk：
Dij＝R·cos-1[cosβicosβjcos(αi-αj)+sinβisinβj]
Djk,Vjk同理。其中β为转化成弧度的纬度值，α为转换成弧度的经度值，R为取平均值的地球半径；
步骤1.6，对于一个给定的速度阈值Vth，如果有Vij＞Vth,Vjk＞Vth，可以判定B为异常点，将该点数据删除。
进一步地，所述步骤2中一个路段包含起始点经纬度，结束点经纬度、路段长度、道路属性信息、道路限速信息。
进一步地，所述步骤3中，在获取每一个定位点搜索范围内的最近k条路段时，搜索范围内互相直接相连的路段只保留最近的路段。
本发明提供的地图匹配方法的有益效果在于：
1)适应多种定位方式的地图路网匹配。无需任何额外的功能模块，使用任何移动电话均可实现路网匹配。
2)能在低精度的手机定位数据上，以较低的时间复杂度获得较好的路网匹配效果。
附图说明
图1是本发明的主流程图
图2是一个R*-tree实例图
图3是R*-tree路网索引平面示意图
图4是选取候选路段示意图
图5是对路段进行补全获得候选匹配路径集示意图
具体实施方式
下面结合附图对本发明进行进一步说明。
参考图1，一种基于R*-tree索引的手机信令数据路网匹配方法，包括以下步骤：
步骤1，对手机定位数据进行预处理，删除冗余数据及无效数据，使用速度过滤器去掉漂移定位数据，得到手机定位轨迹T(p1→p2→…→pn)；
步骤2，将路网数据划分为每两个点组成的路段进行存储，对路网数据建立R*-tree索引，将道路属性(公路级别、是否属于感兴趣的交通要点等信息)道路限速作为标签一同存储。R*-tree将每个要存储的空间对象都用近似的外接最小边界矩形来表示，存储在叶子节点中，叶子节点的索引项表示为(I，tuple-identifier)，其中的I是空间数据对象的最小边界矩形，tuple-identifier用来标识一个空间数据对象。非叶子节点存储的是所有叶子节点的区域范围，它的索引项表示为(I，Child_Pointer)，Child_Pointer指向该节点的孩子节点。节点越往上矩形越大，以此来实现对空间的分割。每个节点所拥有的项数都有范围，保证对磁盘空间的有效利用，在插入时会在叶节点新增一条索引记录，如果使这个叶节点溢出(子结点数目大于上限)，该节点就会分裂并且更新树。
图2是一个R*-tree索引实例，进行搜索操作时，将搜索对象看作一个搜索矩形，在R*-tree中从大矩形向下逐级查找被此搜索矩形所覆盖的条目。步骤2中每个路段用最小边界矩形存储，设置每个节点拥有的最小项目数为2，最大项目数为4，这样实现对路网数据的快速搜索。图3是对W市定位数据建立索引之后得到的平面示意图；
步骤3，参考图4，以一个单一的轨迹作为输入，先设置一个搜索距离max_distance，搜索距离可以根据定位精度来定。利用R*-tree索引获得每一个定位点搜索范围内的最近的2条路段，组成每个点的候选路段集Sc(j)，如果搜索范围内没有路段，则扩大搜索范围继续搜索，如果仍然没有路段，则放弃该点进行下一个定位点的搜索，最终得到n个候选路段集；
步骤4，参考图5，在获得每个定位点的候选路段集后将前一个候选路段集作为起点集，将后一个候选路段集作为终点集，使用Dijkstra算法对每两个定位点之间的路段集进行补全，得到2个最短路径集PC1(i)和PC2(i)，每个最短路径集有4条最短路径；
步骤5，给定SCi-1(t)和SCi(s)分别为连续两个定位点pi-1的第t个候选路段和pi的第s个候选路段，SCi-1(t)和SCi(s)之间的最短路径为一个路段的list[s1,s2,...,sk]，每个路段的长度l相加得到该最短路径的长度，每个路段的限速相加求平均可以得到该最短路径的平均限速。根据两个定位点的时间戳可以获得两个定位点的时间差Δti-1→i，使用这两点之间的最短路径集的每个路径长度除以定位点时间差，得到这两个点组成的轨迹匹配到这些道路上的平均速度集，删去平均速度高于其平均限速的路径；
步骤6，此时将剩余的组合可以得到候选匹配道路集Rc，若上一步中没有路径被排除，则此时Rc中将包含8条道路，分别是PC1(1)PC2(1)，PC1(1)PC2(2)，PC1(2)PC2(1)，PC1(2)PC2(2)，PC1(3)PC2(3)，PC1(3)PC2(4)，PC1(4)PC2(3)，PC1(3)PC2(4)；
步骤7，计算每条候选匹配道路与轨迹之间的离散弗雷歇距离，选出距离最小的一条作为最终的匹配结果，同时可以输出该匹配路线所经过的交通要点信息。弗雷歇距离(Fréchet Distance)是法国数学家Maurice RenéFréchet在1906年提出的一种曲线空间的相似性描述，但是考虑到定位轨迹和候选匹配道路都是离散的点组成的曲线，而在离散的情况下不可能计算出真实的弗雷歇距离，只能无限的趋近，所以采用弗雷歇距离的变体——离散弗雷歇距离(Discrete Fréchet Distance)来刻画轨迹和候选匹配道路之间的相似性。
离散弗雷歇距离又称耦合距离(coupling distance)，其计算过程如下。
给定一个多角曲线(polygonal curve)P:[0,n]→S，其中n是正整数。用σ(P)表示P的线段端点序列(P(0),P(1),…,P(n))。同样再给定一个多角曲线Q，并且有相关序列σ(P)＝(u1,...,up)以及σ(Q)＝(v1,...,vq)。定义P和Q之间的耦合序列为σ(P)×σ(Q)中不同的对，a1＝1，b1＝1，am＝p，bm＝q。
那么有耦合序列L的长度||L||：
则对于给定的多角曲线P和Q，它们之间的离散弗雷歇距离为：
δdF(P,Q)＝min{||L|||L是P和Q的耦合序列}
离散弗雷歇距离提供了一个很好的近似弗雷歇距离计算方法，其优势在于，可以利用简单的动态规划算法快速地计算，而不需要使用复杂的数据结构。
进一步地，所述步骤1中的一个手机定位点数据包括经纬度、用户ID、时间戳信息；一个用户的手机定位轨迹为一串按照时间排序的定位点序列。
进一步地，所述步骤1分为处理冗余数据、无效数据和漂移数据，具体按照以下步骤实施：
处理冗余数据包括以下步骤：
步骤1.1，提取出用户的定位数据<(t0,lng0,lat0),(t1,lng1,lat1),…,(tn,lngn,latn)>；
步骤1.2，设置窗长为2的滑动窗口，从t0时刻开始，判断窗口内相邻的两条数据经纬度是否相等，若相等，滑动到下一时刻；若不相等，保存该窗口的两条数据后滑动到下一时刻；
处理无效数据包括以下步骤：
步骤1.3，删除关键属性(如时间)缺失的定位数据；
处理漂移数据包括以下步骤：
步骤1.4，取连续三个定位点A(ti,lngi,lati)、B(tj,lngj,latj)、C(tk,lngk,latk)；
步骤1.5，考虑地球是一个近乎标准的椭球体，所以根据地表曲面两点距离的公式计算出AB、BC之间的近似曲面距离Dij，Djk。然后计算出A到B，B到C间的移动速度Vij，Vjk：
Dij＝R·cos-1[cosβicosβjcos(αi-αj)+sinβisinβj]
Djk,Vjk同理。其中β为转化成弧度的纬度值，α为转换成弧度的经度值，R为取平均值的地球半径；
步骤1.6，对于一个给定的速度阈值Vth，如果有Vij＞Vth,Vjk＞Vth，可以判定B为异常点，将该点数据删除。
进一步地，所述步骤2中一个路段包含起始点经纬度，结束点经纬度、路段长度、道路属性信息、道路限速信息。
进一步地，所述步骤3中，在获取每一个定位点搜索范围内的最近k条路段时，搜索范围内互相直接相连的路段只保留最近的路段。
以上所述，为本实施的具体步骤及所运用的技术原理，若依本发明的构想所作的改变，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，仍应属本发明的保护范围。

Claims (6)

1.一种基于R*-tree索引的手机信令数据路网匹配方法，在路网数据分段存储的基础上，使用R*-tree结构对路段数据建立索引，获得距离定位点最近的k条路段，作为候选路段集，通过Dijkstra算法获得每两个定位点之间的最短路径集，根据路径的限速信息排除不符合轨迹速度的路径；将剩下的相连的路径串联起来，获得多条候选匹配道路，以离散弗雷歇距离作为约束条件刻画轨迹和候选匹配道路的相似性，选择与定位轨迹之间离散弗雷歇距离最小的候选匹配道路作为最终的匹配结果。
2.根据权利要求1所述的基于R*-tree索引的手机信令数据路网匹配方法，其特征在于，所述匹配方法包括以下步骤：
步骤1，对手机信令数据进行预处理，删除冗余数据及无效数据，使用速度过滤器去掉漂移定位数据，得到清洗后的手机定位轨迹T(p1→p2→…→pn)，式中pi为第i个定位点数据；
步骤2，将路网的道路数据划分为每两个点组成的路段，对路段数据建立R*-tree索引，将道路属性、道路限速作为标签一同存储；
步骤3，以一个单一的轨迹作为输入，设置一个搜索距离max_distance，利用R*-tree索引获得每一个定位点搜索范围内的最近k条路段，组成每个点的候选路段集Sc(j)，如果搜索范围内没有路段，则扩大搜索范围继续搜索，如果仍然没有路段，则放弃该点进行下一个定位点的搜索，最终得到n个候选路段集；
步骤4，在获得每个定位点的候选路段集后，通常这些候选路段集之间并不直接相连，将路段之间进行补全；将每两个定位点的前一个候选路段集作为起点集，后一个候选路段集作为终点集，每个起点和每个终点之间都使用Dijkstra算法进行补全，得到n-1个最短路径集Pc(i)；
步骤5，给定SCi-1(t)和SCi(s)分别为连续两个定位点pi-1的第t个候选路段和pi的第s个候选路段，SCi-1(t)和SCi(s)之间的最短路径为一个路段的list[s1,s2,...,sk]，每个路段的长度l相加得到该最短路径的长度，每个路段的限速相加求平均得到该最短路径的平均限速；根据两个定位点的时间戳获得两个定位点的时间差Δti-1→i，使用这两点之间的最短路径集的每个路径长度除以定位点时间差，得到这两个点组成的轨迹匹配到这些道路上的平均速度集，删去平均速度高于其平均限速的路径；
步骤6，对剩余的最短路径集进行组合得到候选匹配道路集Rc；
步骤7，引入离散弗雷歇距离作为约束条件选出最优匹配道路：计算轨迹与每一条候选匹配道路之间的离散弗雷歇距离，在全部计算完毕后，选择离散弗雷歇距离最小的道路作为最终的输出，同时输出该匹配路线所经过的交通要点信息。
3.根据权利要求2所述的一种基于R*-tree索引的手机信令数据路网匹配方法，其特征在于，步骤1分为处理冗余数据、无效数据和漂移数据，具体按照以下步骤实施：
处理冗余数据包括以下步骤：
步骤1.1，提取出用户的定位数据<(t0,lng0,lat0),(t1,lng1,lat1),…,(tn,lngn,latn)>，式中lngi和lati分别为i点的经度和纬度；
步骤1.2，设置窗长为2的滑动窗口，从t0时刻开始，判断窗口内相邻的两条数据经纬度是否相等，若相等，滑动到下一时刻；若不相等，保存该窗口的两条数据后滑动到下一时刻；
处理无效数据包括以下步骤：
步骤1.3，删除关键属性缺失的定位数据
处理漂移数据包括以下步骤：
步骤1.4，取连续三个定位点A(ti,lngi,lati)、B(tj,lngj,latj)、C(tk,lngk,latk)；
步骤1.5，考虑地球是一个近乎标准的椭球体，根据地表曲面两点距离的公式计算出AB、BC之间的近似曲面距离Dij，Djk；然后计算出A到B，B到C间的移动速度Vij，Vjk：
Dij＝R·cos-1[cosβi cosβj cos(αi-αj)+sinβi sinβj]
<mrow> <msub> <mi>V</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mfrac> <msub> <mi>D</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mrow> <msub> <mi>t</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>t</mi> <mi>i</mi> </msub> </mrow> </mfrac> </mrow>
Djk,Vjk同理，其中β为转化成弧度的纬度值，α为转换成弧度的经度值，R为取平均值的地球半径；
步骤1.6，对于一个给定的速度阈值Vth，如果有Vij＞Vth,Vjk＞Vth，可以判定B为异常点，将该点数据删除。
4.根据权利要求2所述的一种基于R*-tree索引的手机信令数据路网匹配方法，其特征在于，步骤1中的一个手机定位点数据包括经纬度、用户ID、时间戳信息；一个用户的手机定位轨迹为一串按照时间排序的手机定位点序列。
5.根据权利要求2所述的一种基于R*-tree索引的手机信令数据路网匹配方法，其特征在于，步骤2中一个路段包含起始点经纬度，结束点经纬度、路段长度、道路属性信息、道路限速信息。
6.根据权利要求2所述的一种基于R*-tree索引的手机信令数据路网匹配方法，其特征在于，所述步骤3中，在获取每一个定位点搜索范围内的最近k条路段时，搜索范围内互相直接相连的路段只保留最近的路段。
CN201710336182.3A 2017-05-12 2017-05-12 基于R*‑tree索引的手机信令数据路网匹配方法 Pending CN107133700A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710336182.3A CN107133700A (zh) 2017-05-12 2017-05-12 基于R*‑tree索引的手机信令数据路网匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710336182.3A CN107133700A (zh) 2017-05-12 2017-05-12 基于R*‑tree索引的手机信令数据路网匹配方法

Publications (1)

Publication Number Publication Date
CN107133700A true CN107133700A (zh) 2017-09-05

Family

ID=59732037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710336182.3A Pending CN107133700A (zh) 2017-05-12 2017-05-12 基于R*‑tree索引的手机信令数据路网匹配方法

Country Status (1)

Country Link
CN (1) CN107133700A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798346A (zh) * 2017-10-23 2018-03-13 中国人民解放军国防科技大学 一种基于Fréchet距离阈值的轨迹相似性快速匹配方法
CN108091134A (zh) * 2017-12-08 2018-05-29 北京工业大学 一种基于手机信令位置轨迹数据的通用数据集生成方法
CN109344729A (zh) * 2018-09-07 2019-02-15 福建诺恒科技有限公司 一种识别道路中人员运动的方法
CN110727749A (zh) * 2019-09-30 2020-01-24 杭州电子科技大学 一种自适应候选路段搜索方法
CN110880238A (zh) * 2019-10-21 2020-03-13 广州丰石科技有限公司 一种基于手机通信大数据的道路拥堵监测方法
CN110992726A (zh) * 2019-10-28 2020-04-10 上海城市交通设计院有限公司 一种公交车辆到站识别以及车辆上下行班次划分的方法
CN111024079A (zh) * 2019-11-27 2020-04-17 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
CN111143495A (zh) * 2019-12-18 2020-05-12 北京中交兴路车联网科技有限公司 道路缺失发现方法及装置
CN111291790A (zh) * 2020-01-19 2020-06-16 华东师范大学 一种基于轨迹相似度的转向路径提取及路网拓扑变化检测框架方法
CN111615149A (zh) * 2020-05-13 2020-09-01 和智信(山东)大数据科技有限公司 信令轨迹数据压缩方法及装置
CN111784268A (zh) * 2020-08-07 2020-10-16 拉扎斯网络科技（上海）有限公司 标识对象确定方法、装置、电子设备及计算机存储介质
CN114216468A (zh) * 2021-12-27 2022-03-22 青岛理工大学 一种分段时空最短路径地图匹配算法
CN114353810A (zh) * 2022-01-10 2022-04-15 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
CN114674335A (zh) * 2022-03-24 2022-06-28 西南交通大学 一种最优目标链路的匹配方法
CN114708731A (zh) * 2022-04-06 2022-07-05 江苏欣网视讯软件技术有限公司 路网匹配方法、装置与系统
CN116558521A (zh) * 2023-04-19 2023-08-08 深圳市名通科技股份有限公司 轨迹定位方法、设备以及计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040066942A (ko) * 2003-01-21 2004-07-30 정영진 Ｒ-트리 기반 색인을 위한 추출 연산 기법
US20060293850A1 (en) * 2005-03-29 2006-12-28 Point-I Co., Ltd. Method for providing navigation service by using mobile station based global positioning system and mobile communication terminal and system using the same
CN102332210A (zh) * 2011-08-04 2012-01-25 东南大学 基于手机定位数据的实时城市道路交通流数据提取方法
CN104266656A (zh) * 2014-09-03 2015-01-07 清华大学 用于道路网的最短路径搜索方法及装置
CN104969032A (zh) * 2013-03-15 2015-10-07 惠普发展公司，有限责任合伙企业 地图匹配
CN106202577A (zh) * 2016-08-26 2016-12-07 成都汉康信息产业有限公司 一种基于mda的多维数据抽取方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040066942A (ko) * 2003-01-21 2004-07-30 정영진 Ｒ-트리 기반 색인을 위한 추출 연산 기법
US20060293850A1 (en) * 2005-03-29 2006-12-28 Point-I Co., Ltd. Method for providing navigation service by using mobile station based global positioning system and mobile communication terminal and system using the same
CN102332210A (zh) * 2011-08-04 2012-01-25 东南大学 基于手机定位数据的实时城市道路交通流数据提取方法
CN104969032A (zh) * 2013-03-15 2015-10-07 惠普发展公司，有限责任合伙企业 地图匹配
CN104266656A (zh) * 2014-09-03 2015-01-07 清华大学 用于道路网的最短路径搜索方法及装置
CN106202577A (zh) * 2016-08-26 2016-12-07 成都汉康信息产业有限公司 一种基于mda的多维数据抽取方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
周常勇: "基于移动信令数据的城市交通出行轨迹匹配技术", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
沈敬伟等: "基于改进AOE网络的低频浮动车数据地图匹配算法", 《西南交通大学学报》 *
郑少波等: "基于离散Fréchet距离的地图匹配方法", 《合肥工业大学学报(自然科学版)》 *

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798346B (zh) * 2017-10-23 2018-08-14 中国人民解放军国防科技大学 一种基于Fréchet距离阈值的轨迹相似性快速匹配方法
CN107798346A (zh) * 2017-10-23 2018-03-13 中国人民解放军国防科技大学 一种基于Fréchet距离阈值的轨迹相似性快速匹配方法
CN108091134B (zh) * 2017-12-08 2020-09-25 北京市交通运行监测调度中心 一种基于手机信令位置轨迹数据的通用数据集生成方法
CN108091134A (zh) * 2017-12-08 2018-05-29 北京工业大学 一种基于手机信令位置轨迹数据的通用数据集生成方法
CN109344729A (zh) * 2018-09-07 2019-02-15 福建诺恒科技有限公司 一种识别道路中人员运动的方法
CN109344729B (zh) * 2018-09-07 2021-10-26 福建诺恒科技有限公司 一种识别道路中人员运动的方法
CN110727749A (zh) * 2019-09-30 2020-01-24 杭州电子科技大学 一种自适应候选路段搜索方法
CN110880238A (zh) * 2019-10-21 2020-03-13 广州丰石科技有限公司 一种基于手机通信大数据的道路拥堵监测方法
CN110880238B (zh) * 2019-10-21 2021-12-07 广州丰石科技有限公司 一种基于手机通信大数据的道路拥堵监测方法
CN110992726A (zh) * 2019-10-28 2020-04-10 上海城市交通设计院有限公司 一种公交车辆到站识别以及车辆上下行班次划分的方法
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
CN111024079A (zh) * 2019-11-27 2020-04-17 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
CN111143495B (zh) * 2019-12-18 2024-01-30 北京中交兴路车联网科技有限公司 道路缺失发现方法及装置
CN111143495A (zh) * 2019-12-18 2020-05-12 北京中交兴路车联网科技有限公司 道路缺失发现方法及装置
CN111291790B (zh) * 2020-01-19 2021-03-26 华东师范大学 一种基于轨迹相似度的转向路径提取及路网拓扑变化检测框架方法
CN111291790A (zh) * 2020-01-19 2020-06-16 华东师范大学 一种基于轨迹相似度的转向路径提取及路网拓扑变化检测框架方法
CN111615149B (zh) * 2020-05-13 2021-05-11 和智信(山东)大数据科技有限公司 信令轨迹数据压缩方法及装置
CN111615149A (zh) * 2020-05-13 2020-09-01 和智信(山东)大数据科技有限公司 信令轨迹数据压缩方法及装置
CN111784268A (zh) * 2020-08-07 2020-10-16 拉扎斯网络科技（上海）有限公司 标识对象确定方法、装置、电子设备及计算机存储介质
CN114216468A (zh) * 2021-12-27 2022-03-22 青岛理工大学 一种分段时空最短路径地图匹配算法
CN114216468B (zh) * 2021-12-27 2024-02-09 青岛理工大学 一种分段时空最短路径地图匹配算法
CN114353810A (zh) * 2022-01-10 2022-04-15 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
CN114674335A (zh) * 2022-03-24 2022-06-28 西南交通大学 一种最优目标链路的匹配方法
CN114708731A (zh) * 2022-04-06 2022-07-05 江苏欣网视讯软件技术有限公司 路网匹配方法、装置与系统
CN116558521A (zh) * 2023-04-19 2023-08-08 深圳市名通科技股份有限公司 轨迹定位方法、设备以及计算机可读存储介质
CN116558521B (zh) * 2023-04-19 2024-04-19 深圳市名通科技股份有限公司 轨迹定位方法、设备以及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN107133700A (zh) 基于R*‑tree索引的手机信令数据路网匹配方法
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
CN105825672B (zh) 一种基于浮动车数据的城市指引区域提取方法
CN108665149B (zh) 一种基于城市功能混合度的测算方法及系统
CN103533501B (zh) 一种地理围栏生成方法
CN102332210B (zh) 基于手机定位数据的实时城市道路交通流数据提取方法
US8370060B2 (en) Method of operating a navigation system to provide route guidance
CN105677804A (zh) 权威站点的确定以及权威站点数据库的建立方法和装置
CN106462624A (zh) 基于图块的地理编码器
CN109784416B (zh) 基于手机信令数据的半监督svm的交通方式判别方法
CN115879737A (zh) 一种基于密度和出入度平衡聚类的共享单车站点选址方法
US8301641B2 (en) Method of collecting information for a geographic database for use with a navigation system
CN115860520B (zh) 一种高铁枢纽与城市公共交通动静态时空可达性评估方法
JP6647172B2 (ja) 経路同定装置、経路同定システム及び経路同定方法
CN105069522A (zh) 风景名胜区游赏线路评价及改进方法
CN113779430A (zh) 路网数据生成方法、装置、计算设备和存储介质
CN114418215A (zh) 一种基于人工智能的智慧城市输电线路规划方法
CN110160538A (zh) 一种基于手机信令数据的地图匹配方法
CN107655490A (zh) 基于移动用户轨迹分段和最热搜索的热点路径发现方法
CN111405461A (zh) 一种优化等间隔指纹采样个数的无线室内定位方法
CN106778547B (zh) 遥感影像地物分类基准库的构建方法及装置
CN106875321A (zh) 一种列车线路空间数据实时自动生成方法
CN115129769A (zh) 一种居民出行调查扩样方法、装置及存储介质
CN108646135A (zh) 一种特高压输电线路的数字化选线方法
CN110796885B (zh) 一种停车诱导方法及停车场诱导系统

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170905