CN109143291A - 一种车载gps轨迹空间索引精确匹配方法 - Google Patents

一种车载gps轨迹空间索引精确匹配方法 Download PDF

Info

Publication number
CN109143291A
CN109143291A CN201810693661.5A CN201810693661A CN109143291A CN 109143291 A CN109143291 A CN 109143291A CN 201810693661 A CN201810693661 A CN 201810693661A CN 109143291 A CN109143291 A CN 109143291A
Authority
CN
China
Prior art keywords
seg
point
gps
gps point
matching
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.)
Granted
Application number
CN201810693661.5A
Other languages
English (en)
Other versions
CN109143291B (zh
Inventor
王元庆
吴洲豪
付星
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.)
Changan University
Original Assignee
Changan 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 Changan University filed Critical Changan University
Priority to CN201810693661.5A priority Critical patent/CN109143291B/zh
Publication of CN109143291A publication Critical patent/CN109143291A/zh
Application granted granted Critical
Publication of CN109143291B publication Critical patent/CN109143291B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种车载GPS轨迹空间索引精确匹配方法，包括以下步骤：步骤1，获取任一车辆的车载GPS经过的多个GPS点，对多个GPS点进行初始化操作，得到有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}；步骤2，根据有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}，将有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}内的有效GPS点匹配至道路网络中，并生成相关分段匹配编号，获得每个匹配分段的有效GPS点集合L(Seg)＝{vp(Seg,1),…,vp(Seg,D(Seg))}；步骤3，将每个匹配分段的有效GPS点集合L(Seg)内的有效GPS点匹配至同向同一道路元r(Seg)中各分向路段集合DRS(r(Seg))＝{ds(r(Seg,1)),…,ds(r(Seg,q))}，并汇总输出匹配结果统计表；步骤4，重复步骤1至3直至所有GPS点完成匹配。本发明保证了匹配精度的同时显著提升了匹配成功率。

Description

一种车载GPS轨迹空间索引精确匹配方法
技术领域
本发明属于交通技术领域，具体涉及一种车载GPS轨迹空间索引精确匹配方法。
背景技术
城市交通网络系统是个复杂的巨系统，每时每刻都有数以万计的交通流在其网络结构上运行及转移，如何全面准确对相关交通时空数据进行采集，分析预测各类城市时空叙事下的交通发生，进而为系统分析把握城市交通网络运行规律、拥堵发生演变机理、完善大规模城市交通需求组成结构、优化相关交通网络系统供给等交通系统分析难题提供强有力的数据及理论支撑，是近年来交通系统智能分析领域的主要议题之一。
其中车载GPS数据作为快速易得的交通信息数据源之一，具有覆盖范围广、时间连续性强、与交通网络直接相关等数据优势，近年来已为各类交通大数据系统分析项目广泛采用，通过将实时车载GPS轨迹信息映射至交通网络，通过分析挖掘相关出行轨迹信息，相关统计结果既可有效覆盖城市大范围时空下的交通系统信息，也能在需要时较精确刻画区域交通运行状态。而系统分析的第一步即是基于车载GPS将车辆行驶轨迹与路网结构进行准确映射，称为“Map Matching轨迹匹配”，相关算法即为轨迹匹配算法，一般分为四类：几何、拓扑、概率、高级等。
准确刻画“车辆行驶轨迹与道路网络的匹配关系”对交通网络系统分析的重要性不言而喻，然而纵观现有各类匹配算法，或多或少均存在以下几类系统性误差：
1)总体匹配比例较低，各类匹配算法匹配里程总体一般不到90％，产生原因包括路网拓扑中存在误差、GPS轨迹点采样误差等；
2)匹配精度与比例难以兼顾，若采用路径搜索等算法精确匹配，往往由于网络拓扑原因导致总体匹配比例较低，有时甚至低于50％，而若采用行驶方向对行驶轨迹进行估计，则又易产生局部匹配误差；
3)算法缺乏有效逻辑控制，局部匹配误差不可控，尤其在交通网络结构复杂的区域，如多条干路辅路并行路段、交叉口区域，匹配误差难以避免；
4)对异常GPS轨迹点缺乏有效处理，如设备故障导致的GPS轨迹点异常等，有时可能严重影响匹配质量。
发明内容
针对现有技术存在的不足，本发明的目的在于，提供一种车载GPS轨迹空间索引精确匹配方法，解决现有技术GPS轨迹匹配方法中匹配精度及效率难以兼顾的问题。
为了解决上述技术问题，本发明采用如下技术方案予以实现：
一种车载GPS轨迹空间索引精确匹配方法，包括以下步骤：
步骤1，获取任一车辆的车载GPS经过的多个GPS点，对多个GPS点进行初始化操作，得到有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}；
步骤2，根据有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}，将有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}内的有效GPS点匹配至道路网络中，并生成相关分段匹配编号，获得每个匹配分段的有效GPS点集合L(Seg)＝{vp(Seg,1),…,vp(Seg,D(Seg))}；
步骤3，将每个匹配分段的有效GPS点集合L(Seg)内的有效GPS点匹配至同向同一道路元r(Seg)中各分向路段集合DRS(r(Seg))＝{ds(r(Seg,1)),…,ds(r(Seg,q))}，并汇总输出匹配结果统计表；
步骤4，重复步骤1至3直至所有GPS点完成匹配。
进一步地，步骤1中所述对多个GPS点进行初始化操作，得到有效GPS点列表，包括：
步骤10，将多个GPS点分离为分段集合Trip(a)＝{T1，T2，…，Ta，…，Tn}，其中Ta为一个分段，分段Ta内包括多个GPS点；
步骤11，从分段Ta内的多个GPS点{p(1)，p(2)，…，p(i)，…，p(n)}中任选一个GPS点p(i)作为当前GPS点，若当前GPS点p(i)到p(i+1)直线速度大于300km/h或p(i)与p(i-1)的间隔时间小于等于0，则剔除当前GPS点p(i)，否则执行步骤12；
步骤12，若当前GPS点p(i)的上一累计行驶距离小于20m，执行步骤13；否则，执行步骤14；
步骤13，若当前GPS点p(i)的当前累计行驶距离大于20m，则将当前GPS点p(i)按序插入有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}，设p(i)＝vp(l)，并记录vp(l)点的位置信息；否则，剔除当前GPS点p(i)；
步骤14，若当前GPS点p(i)到p(i+1)的距离大于20m且小于500m，或者p(i)点到p(i+1)的平均速度大于1m/s，则当前GPS点p(i)为常规行驶点，并初始化p(i)点的位置信息；若当前GPS点p(i)到p(i+1)的前向距离小于20m且p(i)点到p(i+1)的平均速度小于1m/s，则当前GPS点p(i)为停驶起点，并初始化p(i)点的位置信息；若当前GPS点p(i)到p(i+1)的前向距离大于500m，则当前GPS点p(i)为远距离行驶点；否则，执行步骤15；
步骤15，重复步骤11至步骤14，直至分段Ta内的所有GPS点均被作为当前GPS点，并建立有效GPS点列表VP。
进一步地，所述步骤2中根据有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}，将有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}内的有效GPS点匹配至道路网络中，并生成相关分段匹配编号，获得每个匹配分段的有效GPS点集合L(Seg)＝{vp(Seg,1),…,vp(Seg,D(Seg))}，包括：
步骤21，从有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}中任选一个有效GPS点vp(j)作为当前有效GPS点vp(j)，其中j＝1，2，…，k，若当前有效GPS点vp(j)不是最后有效节点vp(k)，执行步骤211；否则，执行步骤22；
步骤211，若当前有效GPS点vp(j)和vp(j+1)点均不为空点类型时，执行步骤212；否则，以当前分段值D(Seg)建立分段，分段值归零D(Seg)＝0，分段编号Seg＝Seg+1；
步骤212，若当前有效GPS点vp(j)在运动方向上存在匹配道路元集合RU(j)＝{r(a1),…,r(anj)|nj>＝1}时，执行步骤213；否则，以当前分段值D(Seg)建立分段，分段值归零D(Seg)＝0,分段编号Seg＝Seg+1；
步骤213，若当前有效GPS点vp(j)的当前分段编号Seg＝0，且当前有效GPS点vp(j)的前点vp(j+1)和后点vp(j-1)包含同向的相同道路元集合SR(j)＝{r(b1),…,r(bmj)|mj>＝1}，则初始化分段编号Seg＝1，且分段值D(Seg)＝1；否则，执行步骤214；
步骤214，若当前有效GPS点vp(j)的当前分段编号Seg>0且当前有效GPS点vp(j)的前点vp(j+1)和后点vp(j-1)包含同向的相同道路元SR(j)＝{r(b1),…,r(bmj)|mj>＝1}，则分段值D(Seg)＝D(Seg)+1；否则，执行步骤215；
步骤215，若当前有效GPS点vp(j)的当前分段编号Seg>0且当前有效GPS点vp(j)的前点vp(j+1)和后点vp(j-1)不包含相同道路元时，则以当前分段值D(Seg)建立分段，且分段值赋D(Seg)＝1，分段编号Seg＝Seg+1；
步骤22，汇总分段信息Seg_VP＝{L(1),…,L(Seg-1)|Seg>＝2,L(y(Seg))＝{vp(y(Seg)),…,vp(y(Seg)+D(Seg))}}。
进一步地，所述步骤3中将每个匹配分段的有效GPS点集合L(Seg)内的有效GPS点匹配至同向同一道路元r(Seg)中各分向路段集合DRS(r(Seg))＝{ds(r(Seg,1)),…,ds(r(Seg,q))}，并汇总输出匹配结果统计表；
包括：
步骤31，对有效GPS点vp(Seg,1)60米以内的路网节点集合N(vp(Seg,1))和有效GPS点vp(Seg,D(seg))60米以内的路网节点集合N(vp(Seg,D(seg))进行最短路径搜索，获得最短路径，即最短连接线集合Path(Seg)＝{arc(y1),arc(y2),…,arc(yc)}；
步骤32，若当前匹配分段L(Seg)内所有轨迹点均位于最短路径Path(Seg)的60米范围内，则执行步骤34；若vp(F)是当前匹配分段L(Seg)中第一个距离最短路径Path(Seg)中所有道路连接线均在60米以上的轨迹点，则将vp(F)作为异常点，执行步骤33；
步骤33，对异常点vp(F)与vp(F+1)按行驶方向及距离与路网进行估计匹配，若无匹配结果，则剔除异常点vp(F)与vp(F+1)，若有匹配结果，设匹配结果为连接线arc(f)，则执行步骤34；
步骤34，将验证匹配的道路连接线集合Path(Seg)或arc(f)按临近轨迹点vp(e)所属分向路段DRS进行分割，并将各段行驶信息记入对应分向路段匹配数据中，输出为最终匹配数据表。
本发明与现有技术相比，具有如下技术效果：
本发明规避了复杂路网条件下匹配过程极易产生的局部匹配误差；
本发明既能有效控制匹配误差不扩散，也可显著提升相应分段路径搜索算法的匹配效率；
本发明在局部由于路网拓扑误差导致的路径搜索失败时仍能通过走向模糊判断对路段匹配结果给出合理估计，进一步控制匹配误差。
附图说明
图1是本发明的流程示意图；
图2是分段道路的匹配统计表；
图3是整个区域的匹配统计表；
图4是匹配结果示意图；
图5是一种实施例下的示意图。
以下结合附图对本发明的具体内容作进一步详细解释说明。
具体实施方式
以下给出本发明的具体实施例，需要说明的是本发明并不局限于以下具体实施例，凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
实施例：
本实施例提供了一种车载GPS轨迹空间索引精确匹配方法，如图1，包括以下步骤：
步骤1，获取任一车辆的车载GPS经过的多个GPS点，对多个GPS点进行初始化操作，得到有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}；
包括：
步骤10，将多个GPS点分离为分段集合Trip(a)＝{T1，T2，…，Ta，…，Tn}，其中Ta为一个分段，分段Ta内包括多个GPS点；如以某车载GPS按小时将GPS点分段，方便后期数据验证分析。
步骤11，从分段Ta内的多个GPS点{p(1)，p(2)，…，p(i)，…，p(n)}中任选一个GPS点p(i)作为当前GPS点，若当前GPS点p(i)到p(i+1)直线速度大于300km/h或p(i)与p(i-1)的间隔时间小于等于0，则剔除当前GPS点p(i)，否则执行步骤12；
步骤12，若当前GPS点p(i)的上一累计行驶距离小于20m，执行步骤13；否则，执行步骤14；
步骤13，若当前GPS点p(i)的当前累计行驶距离大于20m，则将当前GPS点p(i)按序插入有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}，设p(i)＝vp(l)，并记录vp(l)点的位置信息；否则，剔除当前GPS点p(i)；
步骤14，若当前GPS点p(i)到p(i+1)的距离大于20m且小于500m，或者p(i)点到p(i+1)的平均速度大于1m/s，则当前GPS点p(i)为常规行驶点，并初始化p(i)点的位置信息；若当前GPS点p(i)到p(i+1)的前向距离小于20m且p(i)点到p(i+1)的平均速度小于1m/s，则当前GPS点p(i)为停驶起点，并初始化p(i)点的位置信息；若当前GPS点p(i)到p(i+1)的前向距离大于500m，则当前GPS点p(i)为远距离行驶点；否则，执行步骤15；
步骤15，重复步骤11至步骤14，直至分段Ta内的所有GPS点均被作为当前GPS点，并建立有效GPS点列表VP。
步骤2，根据有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}，将有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}内的有效GPS点匹配至道路网络中，并生成相关分段匹配编号，获得每个匹配分段的有效GPS点集合L(Seg)＝{vp(Seg,1),…,vp(Seg,D(Seg))}；
包括：
步骤21，从有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}中任选一个有效GPS点vp(j)作为当前有效GPS点vp(j)，其中j＝1，2，…，k，若当前有效GPS点vp(j)不是最后有效节点vp(k)，执行步骤211；否则，执行步骤22；
步骤211，若当前有效GPS点vp(j)和vp(j+1)点均不为空点类型时，执行步骤212；否则，以当前分段值D(Seg)建立分段，分段值归零D(Seg)＝0，分段编号Seg＝Seg+1；
其中分段值D(Seg)为一个动态变量，表示对段落Seg以D个GPS轨迹点建立匹配分段，而对VP的所有轨迹点需要建立多少分段，对应分段编号{1,2,...,Seg}，以及各分段分别包含多少轨迹点，对应{D(1),D(2),...,D(Seg)}，则需通过整个步骤2的逻辑判断获得；
步骤212，若当前有效GPS点vp(j)在运动方向上存在匹配道路元集合RU(j)＝{r(a1),…,r(anj)|nj>＝1}时，执行步骤213；否则，以当前分段值D(Seg)建立分段，分段值归零D(Seg)＝0,分段编号Seg＝Seg+1；
步骤213，若当前有效GPS点vp(j)的当前分段编号Seg＝0，且当前有效GPS点vp(j)的前点vp(j+1)和后点vp(j-1)包含同向的相同道路元集合SR(j)＝{r(b1),…,r(bmj)|mj>＝1}，则初始化分段编号Seg＝1，且分段值D(Seg)＝1；否则，执行步骤214；
步骤214，若当前有效GPS点vp(j)的当前分段编号Seg>0且当前有效GPS点vp(j)的前点vp(j+1)和后点vp(j-1)包含同向的相同道路元SR(j)＝{r(b1),…,r(bmj)|mj>＝1}，则分段值D(Seg)＝D(Seg)+1；否则，执行步骤215；
步骤215，若当前有效GPS点vp(j)的当前分段编号Seg>0且当前有效GPS点vp(j)的前点vp(j+1)和后点vp(j-1)不包含相同道路元时，则以当前分段值D(Seg)建立分段，且分段值赋D(Seg)＝1，分段编号Seg＝Seg+1；
本实施例中若当前有效GPS点vp(j)是最后有效节点vp(k)，则步骤213至213中将当前有效GPS点vp(j)的前点vp(j+1)和后点vp(j-1)替换为将当前有效GPS点vp(j)和后点vp(j-1)。
步骤22，汇总分段信息，得到每个匹配分段的有效GPS点集合L(Seg)＝{vp(Seg,1),…,vp(Seg,D(Seg))}。
如图5所示，第一个匹配分段L(1)＝{vp(1,1),vp(1,2),vp(1,3),vp(1,4),vp(1,5),vp(1,6)}。
步骤3，将每个匹配分段的有效GPS点集合L(Seg)内的有效GPS点匹配至同向同一道路元r(Seg)中各分向路段集合DRS(r(Seg))＝{ds(r(Seg,1)),…,ds(r(Seg,q))}，并汇总输出匹配结果统计表；
包括：
步骤31，对有效GPS点vp(Seg,1)60米以内的路网节点集合N(vp(Seg,1))和有效GPS点vp(Seg,D(seg))60米以内的路网节点集合N(vp(Seg,D(seg))采用“A-star”算法进行最短路径搜索，获得最短路径，即最短连接线集合Path(Seg)＝{arc(y1),arc(y2),…,arc(yc)}
步骤32，若当前匹配分段L(Seg)内所有轨迹点均位于最短路径Path(Seg)的60米范围内，则执行步骤34；若vp(F)是当前匹配分段L(Seg)中第一个距离最短路径Path(Seg)中所有道路连接线均在60米以上的轨迹点，则将vp(F)作为异常点，执行步骤33；
步骤33，对异常点vp(F)与vp(F+1)按行驶方向及距离与路网进行估计匹配，若无匹配结果，则剔除异常点vp(F)与vp(F+1)，若有匹配结果，设匹配结果为连接线arc(f)，则执行步骤34；
其中对异常点vp(F)与vp(F+1)按行驶方向及距离与路网进行估计匹配的方法本实施例采用了文献：Xie,J.,Nie,Y.M.,&Liu,X.(2017).Testing the ProportionalityCondition with Taxi Trajectory Data.Transportation Research Part B:Methodological.(In press)中的方法。
步骤34，将验证匹配的道路连接线集合Path(Seg)或arc(f)按临近轨迹点vp(e)所属分向路段DRS进行分割，并将各段行驶信息记入对应分向路段匹配数据中，输出为最终匹配数据表。
步骤4，重复步骤1至3直至所有GPS点完成匹配。
本实施例对深圳市2015年5月31日00:00:00至23:59:59期间24小时出租车GPS轨迹数据进行匹配校验，图2、图3分别为相关匹配统计表示例，其中距离单位为米，时间单位为秒；匹配结果统计如图4所示。
其中，轨迹距离，按GPS轨迹点间直线距离进行累加；
匹配距离，按轨迹匹配至路网实际行驶距离累加；
未匹配轨迹，按道路缺失或GPS轨迹异常部分直线距离累加；
精确匹配比例，由于存在换路时轨迹点直线距离小于实际道路距离情况发生，故精确匹配比例实际应略微大于轨迹距离，但若采用非路径搜索匹配算法或算法有效性有限，该现象或难直接统计观察得到，故可作为衡量匹配算法有效性的一个指标。

Claims (4)

1.一种车载GPS轨迹空间索引精确匹配方法，其特征在于，包括以下步骤：
步骤1，获取任一车辆的车载GPS经过的多个GPS点，对多个GPS点进行初始化操作，得到有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}；
步骤2，根据有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}，将有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}内的有效GPS点匹配至道路网络中，并生成相关分段匹配编号，获得每个匹配分段的有效GPS点集合L(Seg)＝{vp(Seg,1),…,vp(Seg,D(Seg))}；
步骤3，将每个匹配分段的有效GPS点集合L(Seg)内的有效GPS点匹配至同向同一道路元r(Seg)中各分向路段集合DRS(r(Seg))＝{ds(r(Seg,1)),…,ds(r(Seg,q))}，并汇总输出匹配结果统计表；
步骤4，重复步骤1至3直至所有GPS点完成匹配。
2.根据权利要求1所述的车载GPS轨迹空间索引精确匹配方法，其特征在于，步骤1中所述对多个GPS点进行初始化操作，得到有效GPS点列表，包括：
步骤10，将多个GPS点分离为分段集合Trip(a)＝{T1，T2，…，Ta，…，Tn}，其中Ta为一个分段，分段Ta内包括多个GPS点；
步骤11，从分段Ta内的多个GPS点{p(1)，p(2)，…，p(i)，…，p(n)}中任选一个GPS点p(i)作为当前GPS点，若当前GPS点p(i)到p(i+1)直线速度大于300km/h或p(i)与p(i-1)的间隔时间小于等于0，则剔除当前GPS点p(i)，否则执行步骤12；
步骤12，若当前GPS点p(i)的上一累计行驶距离小于20m，执行步骤13；否则，执行步骤14；
步骤13，若当前GPS点p(i)的当前累计行驶距离大于20m，则将当前GPS点p(i)按序插入有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}，设p(i)＝vp(l)，并记录vp(l)点的位置信息；否则，剔除当前GPS点p(i)；
步骤14，若当前GPS点p(i)到p(i+1)的距离大于20m且小于500m，或者p(i)点到p(i+1)的平均速度大于1m/s，则当前GPS点p(i)为常规行驶点，并初始化p(i)点的位置信息；若当前GPS点p(i)到p(i+1)的前向距离小于20m且p(i)点到p(i+1)的平均速度小于1m/s，则当前GPS点p(i)为停驶起点，并初始化p(i)点的位置信息；若当前GPS点p(i)到p(i+1)的前向距离大于500m，则当前GPS点p(i)为远距离行驶点；否则，执行步骤15；
步骤15，重复步骤11至步骤14，直至分段Ta内的所有GPS点均被作为当前GPS点，并建立有效GPS点列表VP。
3.根据权利要求2所述的车载GPS轨迹空间索引精确匹配方法，其特征在于，所述步骤2中根据有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}，将有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}内的有效GPS点匹配至道路网络中，并生成相关分段匹配编号，获得每个匹配分段的有效GPS点集合L(Seg)＝{vp(Seg,1),…,vp(Seg,D(Seg))}，包括：
步骤21，从有效GPS点列表VP＝{vp(1),vp(2),…,vp(k)}中任选一个有效GPS点vp(j)作为当前有效GPS点vp(j)，其中j＝1，2，…，k，若当前有效GPS点vp(j)不是最后有效节点vp(k)，执行步骤211；否则，执行步骤22；
步骤211，若当前有效GPS点vp(j)和vp(j+1)点均不为空点类型时，执行步骤212；否则，以当前分段值D(Seg)建立分段，分段值归零D(Seg)＝0，分段编号Seg＝Seg+1；
步骤212，若当前有效GPS点vp(j)在运动方向上存在匹配道路元集合RU(j)＝{r(a1),…,r(anj)|nj>＝1}时，执行步骤213；否则，以当前分段值D(Seg)建立分段，分段值归零D(Seg)＝0,分段编号Seg＝Seg+1；
步骤213，若当前有效GPS点vp(j)的当前分段编号Seg＝0，且当前有效GPS点vp(j)的前点vp(j+1)和后点vp(j-1)包含同向的相同道路元集合SR(j)＝{r(b1),…,r(bmj)|mj>＝1}，则初始化分段编号Seg＝1，且分段值D(Seg)＝1；否则，执行步骤214；
步骤214，若当前有效GPS点vp(j)的当前分段编号Seg>0且当前有效GPS点vp(j)的前点vp(j+1)和后点vp(j-1)包含同向的相同道路元SR(j)＝{r(b1),…,r(bmj)|mj>＝1}，则分段值D(Seg)＝D(Seg)+1；否则，执行步骤215；
步骤215，若当前有效GPS点vp(j)的当前分段编号Seg>0且当前有效GPS点vp(j)的前点vp(j+1)和后点vp(j-1)不包含相同道路元时，则以当前分段值D(Seg)建立分段，且分段值赋D(Seg)＝1，分段编号Seg＝Seg+1；
步骤22，汇总分段信息Seg_VP＝{L(1),…,L(Seg-1)|Seg>＝2,L(y(Seg))＝{vp(y(Seg)),…,vp(y(Seg)+D(Seg))}}。
4.根据权利要求3所述的车载GPS轨迹空间索引精确匹配方法，其特征在于，所述步骤3中将每个匹配分段的有效GPS点集合L(Seg)内的有效GPS点匹配至同向同一道路元r(Seg)中各分向路段集合DRS(r(Seg))＝{ds(r(Seg,1)),…,ds(r(Seg,q))}，并汇总输出匹配结果统计表；
包括：
步骤31，对有效GPS点vp(Seg,1)60米以内的路网节点集合N(vp(Seg,1))和有效GPS点vp(Seg,D(seg))60米以内的路网节点集合N(vp(Seg,D(seg))进行最短路径搜索，获得最短路径，即最短连接线集合Path(Seg)＝{arc(y1),arc(y2),…,arc(yc)}；
步骤32，若当前匹配分段L(Seg)内所有轨迹点均位于最短路径Path(Seg)的60米范围内，则执行步骤34；若vp(F)是当前匹配分段L(Seg)中第一个距离最短路径Path(Seg)中所有道路连接线均在60米以上的轨迹点，则将vp(F)作为异常点，执行步骤33；
步骤33，对异常点vp(F)与vp(F+1)按行驶方向及距离与路网进行估计匹配，若无匹配结果，则剔除异常点vp(F)与vp(F+1)，若有匹配结果，设匹配结果为连接线arc(f)，则执行步骤34；
步骤34，将验证匹配的道路连接线集合Path(Seg)或arc(f)按临近轨迹点vp(e)所属分向路段DRS进行分割，并将各段行驶信息记入对应分向路段匹配数据中，输出为最终匹配数据表。
CN201810693661.5A 2018-06-29 2018-06-29 一种车载gps轨迹空间索引精确匹配方法 Active CN109143291B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810693661.5A CN109143291B (zh) 2018-06-29 2018-06-29 一种车载gps轨迹空间索引精确匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810693661.5A CN109143291B (zh) 2018-06-29 2018-06-29 一种车载gps轨迹空间索引精确匹配方法

Publications (2)

Publication Number Publication Date
CN109143291A true CN109143291A (zh) 2019-01-04
CN109143291B CN109143291B (zh) 2020-10-16

Family

ID=64802627

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810693661.5A Active CN109143291B (zh) 2018-06-29 2018-06-29 一种车载gps轨迹空间索引精确匹配方法

Country Status (1)

Country Link
CN (1) CN109143291B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109827582A (zh) * 2019-03-29 2019-05-31 深圳市鹏途交通科技有限公司 一种快速确定道路路网病害相对位置的方法及系统
CN110031011A (zh) * 2019-04-17 2019-07-19 首都师范大学 集成时空邻近与改进权重圆的车载实时地图匹配计算方法
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
CN111735461A (zh) * 2020-06-10 2020-10-02 腾讯科技（深圳）有限公司 行驶轨迹的处理方法、装置及电子设备
CN112050820A (zh) * 2020-09-02 2020-12-08 平安科技（深圳）有限公司 道路匹配方法、装置、电子设备及可读存储介质
CN112147658A (zh) * 2019-06-27 2020-12-29 财付通支付科技有限公司 一种车辆移动方向的判断方法、装置、设备及存储介质
CN113077648A (zh) * 2021-02-03 2021-07-06 浙江浙大中控信息技术有限公司 公交车辆实时站点预测方法和系统
CN113190641A (zh) * 2021-07-02 2021-07-30 中山大学 一种动态路网连接线数据端点容错编号方法
CN113254562A (zh) * 2021-06-18 2021-08-13 长安大学 一种高效gps轨迹地图匹配方法
CN114383600A (zh) * 2022-03-23 2022-04-22 北京百度网讯科技有限公司 用于地图的处理方法、装置、电子设备和存储介质
WO2022147968A1 (zh) * 2021-01-05 2022-07-14 长安大学 一种快速车载gps轨迹精确地图匹配的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102707299A (zh) * 2012-06-04 2012-10-03 北京世纪高通科技有限公司 浮动车数据地图匹配的方法和装置
CN103235848A (zh) * 2013-04-15 2013-08-07 中国科学院软件研究所 一种基于简化路网模型的轻量级路网匹配方法
CN104111073A (zh) * 2013-04-17 2014-10-22 百度在线网络技术（北京）有限公司 一种识别地图数据中不准确路段的方法和装置
CN106528589A (zh) * 2016-09-14 2017-03-22 北京航空航天大学 数据管理方法及装置
CN107229682A (zh) * 2017-05-10 2017-10-03 东南大学 一种基于大型数据库的出租车位置数据处理方法
US9824580B2 (en) * 2015-12-17 2017-11-21 International Business Machines Corporation Method, computer readable storage medium and system for producing an uncertainty-based traffic congestion index

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102707299A (zh) * 2012-06-04 2012-10-03 北京世纪高通科技有限公司 浮动车数据地图匹配的方法和装置
CN103235848A (zh) * 2013-04-15 2013-08-07 中国科学院软件研究所 一种基于简化路网模型的轻量级路网匹配方法
CN104111073A (zh) * 2013-04-17 2014-10-22 百度在线网络技术（北京）有限公司 一种识别地图数据中不准确路段的方法和装置
US9824580B2 (en) * 2015-12-17 2017-11-21 International Business Machines Corporation Method, computer readable storage medium and system for producing an uncertainty-based traffic congestion index
CN106528589A (zh) * 2016-09-14 2017-03-22 北京航空航天大学 数据管理方法及装置
CN107229682A (zh) * 2017-05-10 2017-10-03 东南大学 一种基于大型数据库的出租车位置数据处理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈忠辉等: "基于隐马尔可夫模型的有向地图匹配算法研究", 《信息技术与网络安全》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109827582A (zh) * 2019-03-29 2019-05-31 深圳市鹏途交通科技有限公司 一种快速确定道路路网病害相对位置的方法及系统
CN110031011A (zh) * 2019-04-17 2019-07-19 首都师范大学 集成时空邻近与改进权重圆的车载实时地图匹配计算方法
CN112147658A (zh) * 2019-06-27 2020-12-29 财付通支付科技有限公司 一种车辆移动方向的判断方法、装置、设备及存储介质
CN112147658B (zh) * 2019-06-27 2023-08-11 财付通支付科技有限公司 一种车辆移动方向的判断方法、装置、设备及存储介质
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
CN111735461A (zh) * 2020-06-10 2020-10-02 腾讯科技（深圳）有限公司 行驶轨迹的处理方法、装置及电子设备
CN111735461B (zh) * 2020-06-10 2023-11-17 腾讯科技（深圳）有限公司 行驶轨迹的处理方法、装置及电子设备
CN112050820A (zh) * 2020-09-02 2020-12-08 平安科技（深圳）有限公司 道路匹配方法、装置、电子设备及可读存储介质
CN112050820B (zh) * 2020-09-02 2024-05-07 平安科技（深圳）有限公司 道路匹配方法、装置、电子设备及可读存储介质
WO2022147968A1 (zh) * 2021-01-05 2022-07-14 长安大学 一种快速车载gps轨迹精确地图匹配的方法
CN113077648A (zh) * 2021-02-03 2021-07-06 浙江浙大中控信息技术有限公司 公交车辆实时站点预测方法和系统
CN113254562B (zh) * 2021-06-18 2021-09-28 长安大学 一种高效gps轨迹地图匹配方法
WO2022262741A1 (zh) * 2021-06-18 2022-12-22 长安大学 一种高效gps轨迹地图匹配方法
CN113254562A (zh) * 2021-06-18 2021-08-13 长安大学 一种高效gps轨迹地图匹配方法
CN113190641A (zh) * 2021-07-02 2021-07-30 中山大学 一种动态路网连接线数据端点容错编号方法
CN114383600A (zh) * 2022-03-23 2022-04-22 北京百度网讯科技有限公司 用于地图的处理方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN109143291B (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
CN109143291A (zh) 一种车载gps轨迹空间索引精确匹配方法
CN107784084B (zh) 基于车辆定位数据的路网生成方法及系统
CN105241465B (zh) 一种道路更新的方法
CN110111574B (zh) 一种基于流量树分析的城市交通不平衡评价方法
CN106225791A (zh) 一种基于网格划分的gps定位与道路匹配方法
WO2022147968A1 (zh) 一种快速车载gps轨迹精确地图匹配的方法
CN110163065A (zh) 点云数据处理方法、点云数据加载方法、及装置和设备
US9880011B2 (en) Simplification of trajectory representation
WO2023040539A1 (zh) 车流迁徙情况的展示方法、装置、设备、介质及产品
CN106157624B (zh) 基于交通定位数据的多粒度道路分流可视分析方法
CN106651027A (zh) 一种基于社交网络的互联网班车线路优化方法
CN106289287A (zh) 一种基于选线经验的车载端多目标最短路径计算方法
CN116611586B (zh) 一种基于双层异构网络的新建路网流量预测方法及系统
CN112489419A (zh) 道路容量的确定方法、装置及存储介质
WO2022262741A1 (zh) 一种高效gps轨迹地图匹配方法
CN107067727A (zh) 一种基于模糊knn特征匹配的道路交通服务水平评价方法
Kamel et al. Transportation big data simulation platform for the greater toronto area (GTA)
CN111008736A (zh) 用于新航线的开通决策方法及系统
CN110675631A (zh) 一种交通流溯源分析方法及系统
CN109657713A (zh) 一种基于众源路网数据的多因子路网匹配方法及系统
CN110969900B (zh) 一种基于航线管理的全航线水平偏置计算方法
Knaak et al. An agent-based simulation tool for modelling sustainable logistics systems
Yu et al. Q value-based Dynamic Programming with SARSA Learning for real time route guidance in large scale road networks
CN105427581B (zh) 基于浮动车数据的交通仿真方法及系统
CN107767023A (zh) 一种基于模糊knn空间特征匹配的道路交通服务水平评价方法

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
GR01 Patent grant
GR01 Patent grant