CN109459045B - 一种针对低频gps轨迹的改进交互式投票匹配方法 - Google Patents
一种针对低频gps轨迹的改进交互式投票匹配方法 Download PDFInfo
- Publication number
- CN109459045B CN109459045B CN201811147858.5A CN201811147858A CN109459045B CN 109459045 B CN109459045 B CN 109459045B CN 201811147858 A CN201811147858 A CN 201811147858A CN 109459045 B CN109459045 B CN 109459045B
- Authority
- CN
- China
- Prior art keywords
- candidate
- gps
- points
- point
- weight
- 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
Links
Images
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
- G01C21/32—Structuring or formatting of map data
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种针对低频GPS轨迹的改进交互式投票地图路径匹配方法,本发明不仅考虑距离特征、道路的拓扑结构以及路段的限速,还考虑了每个GPS的点实时移动方向和速度,以提高匹配准确率;另外,本发明中还加入了滤波器,通过约束条件去除候选噪声路段,以提高匹配效率。本发明具有匹配准确率高、效率高和鲁棒性强的优点。
Description
技术领域
本算发明属于智能交通中的地图匹配技术领域,涉及一种地图匹配算法,具体涉及一种处理低频GPS轨迹的方法。
背景技术
随着内置GPS传感器的电子移动设备的普及,每天会产生大量的行驶轨迹。但是,由于卫星定位系统的局限性,尤其是在卫星能见度有限、高楼林立的城市化地区,卫星信号被遮挡和折射,导致定位数据的不准确和丢失。所以我们通过电子设备采集的定位数据是不精确的。此外,由于设备电量、存储和网络传输带宽的局限,实际收集到的大多数轨迹数据都是低采样率的(例如:采样间隔为1分钟或以上)。携带GPS设备的移动对象可能在一分钟内行驶了相当长的距离,移动对象在两个GPS点之间通过的路段会有多种可能性。所以,在利用这些轨迹数据进行分析和应用之前,必须要对他们进行预处理过程,即地图匹配。
在过去的近二十年里,已有各种地图匹配算法相继提出,根据采用方法的不同,可分为:简单的几何和拓扑算法,涉及模糊逻辑、卡尔曼滤波、隐马尔科夫、条件随机场、神经网络、遗传算法、蚁群优化和机器学习等的高级算法。现有的这些地图匹配算法中大多数都专注于处理高采样率的GPS轨迹。相对而言,低采样率GPS轨迹的地图匹配比高采样率轨迹的匹配准确性降低,尤其是在城市复杂的路网中。
发明内容
本发明针对现有的地图匹配算法无法兼顾匹配准确率和效率的问题,提出了一种针对低频GPS轨迹的改进交互式投票匹配方法。本方法不仅考虑距离特征、道路的拓扑结构以及路段的限速,还考虑了每个GPS的点实时移动方向和速度,以提高算法的匹配准确率;另外,算法中还加入了一个滤波器,通过约束条件去除候选噪声路段,以提高算法的匹配效率。
一种针对低频GPS轨迹的改进交互式投票匹配方法,实现具体包括以下步骤:
步骤一:以一个GPS点为圆心,在路网中搜索半径范围内的所有路段作为候选路径;
步骤二:通过三个约束条件过滤错误的候选路径;
约束一:定义方向差阈值,如果车辆实时运动方向与对应路段方向之间的方向差值保留对应的候选点,并使用方向分析函数对候选路段分配权重,否则,当时,直接将对应的候选节点滤除,后续的处理过程将不再考虑此候选点;
约束二:考虑通过分析车辆平均速度与最短路径的权重限速的关系,将速度超过合理范围的对应候选路段过滤;定义参数α,1<α<2,当时,,将视为错误的匹配路径,其中为两个连续候选点之间的车辆平均速度,为他们之间的最短路径的权重限速;如果采样点i-1的所有候选点到pi的候选点全为错误匹配路径,则将GPS点i的候选点所对应的候选路段作为噪声路段过滤;
约束三:设置一个超速极限值将部分不符合条件的候选路段过滤;定义参数,设vi为GPS点pi的实时速度,vj是对应候选路段的限速,当vi>(1+γ)·vj时,我们将对应的候选路段rj作为噪声路段滤除;
步骤三:根据距离特征、道路的拓扑结构、路段的限速和GPS点的实时移动方向,利用分析函数分配候选点之间的权重,并建立一个具有权重的候选图;然后通过权重候选图建立一个反映两个相邻GPS点的候选点之间转移可能性的静态得分矩阵;
步骤四:加权分析在步骤三的基础上,考虑全局GPS轨迹点之间的相互影响关系,且相互影响的强弱程度取决于GPS点之间的距离,最后建立n个加权得分矩阵;n表示GPS点个数;
步骤五:在得到加权矩阵后,对于每个候选点,通过最大权重概率方法获得一条经过它的局部最优路径,统计在所有局部路径中每个GPS点对应候选点出现的次数,最后每个GPS点对应计数次数最多的候选点组成全局最优路径。
本发明的有益效果:
1.本方法在候选点选择阶段对路网建立基于Rtree的新型索引,提高了搜索候选路径的速度。
2.本方法通过加入基于GPS实时方向的分析函数。通过考虑汽车方向与道路方向的关系,提高了匹配准确率。
3.本方法中加入了滤波器,通过约束条件去除候选路段中的部分噪声,提高方法匹配准确率和效率。
本发明具有匹配准确率高、效率高和鲁棒性好的优点。
附图说明
图1为本发明框架图;
图2为本发明候选点选择示意图;
图3为本发明查找局部最优路径图。
具体实施方式
本发明体系结构如图1所示。它由以下几部分组成:候选点准备、位置环境分析、加权分析和交互式投票。
1.候选点准备
针对GPS轨迹P=(pi|i=1,2,3…N),选取在路网中以GPS点为圆心,半径r范围内的所有路段作为候选路段k表示GPS点pi的第k个候选路段,选取在路段上与GPS点最近的点作为候选点。如图2所示,GPS点p1拥有一条候选路段r3,对应有一个候选点GPS点p2拥有四条候选路段,路段r2和r3对应的候选点和落在路段范围内,而路段r1和r4对应的候选点和落在路段对应的起始节点。
2.位置环境分析
位置环境分析包括两部分:(1)约束分析;(2)时空分析。
(1)约束分析
约束一:定义方向差阈值,如果车辆实时运动方向与对应路段方向之间的方向差值保留对应的候选点,并使用方向分析函数对候选路段分配权重,否则,当时,直接将对应的候选节点滤除,后续的处理过程将不再考虑此候选点。阈值的设置可根据经验或统计数据进行设置。
约束二:现实中车辆在路网中的运动速度都是在一个合理的范围内的。根据这一事实,我们可考虑通过分析车辆平均速度与最短路径的权重限速的关系,将速度超过合理范围的对应候选路段过滤。定义参数α(1<α<2),当时(1<α<2),将视为错误的匹配路径,其中为两个连续候选点之间的车辆平均速度,为他们之间的最短路径的权重限速。如果采样点i-1的所有候选点到pi的候选点全为错误匹配路径,则将GPS点i的候选点所对应的候选路段作为噪声路段过滤。
约束三:现实中,车辆一般被允许超速15%左右,根据这一事实我们还可以设置一个超速极限值将部分不符合条件的候选路段过滤。定义参数,设vi为GPS点pi的实时速度,vj是对应候选路段的限速,当vi>(1+γ)·vj时,我们将对应的候选路段rj作为噪声路段滤除。
(2)时空分析
时空分析是考虑几何拓扑和道路限速信息,通过数学函数式来确定候选点的权重的分析过程。观测概率是由GPS与候选路段的距离和GPS实时方向与候选路段的夹角决定,状态转移概率是由道路的拓扑结构决定。此外,算法还加入了速度分析函数,通过道路限速信息寻找与GPS速度相似的道路。
状态转移概率是评估两个连续候选点之间的最短路径和直线路径的相似性,算法中计算状态转移概率为其中d(i-1,i)是两个相邻GPS采样点pi-1,pi之间的欧几里得距离,w(i-1,s),(i,t)是两个GPS点对应的两个候选之间的最短路径距离。
我们定义一个时间分析函数,考虑结合采样速度与路段的限速来计算权重,反映车辆的平均行驶速度与路段限速的相似性,倾向于帮助我们选择行驶速度与限速最为相似的路段。算法中将时间分析函数定义为 其中是候选点到候选点的平均速度,是最短路径的权重限速。
这一部分最后输出一个结合空间分析和时间分析后的权重候选图。节点是候选点集,边是两个相邻候选点之间最短路径的集合,节点和边所有的权重值都是基于位置和道路分析的结果。
3.加权分析
加权分析分析通过考虑全局GPS轨迹点之间的相互影响关系,在位置环境分析的基础上进行权重影响建模,即对静态矩阵的加权,它由两部分组成:(1)建立静态得分矩阵;(2)加权影响建模。
(1)建立静态得分矩阵
i-1个GPS点的候选点个数权重影响建模。
(2)加权影响建模
4.交互式投票
交互式投票是通过加权分析得到的权重候选图构建全局最优路径的过程,它由两部分组成:(1)寻找局部路径;(2)全局投票。
(1)寻找局部最优路径
每一个候选点必定有一条经过它的路径,并称之为的局部最优路径。通过枚举,整个候选图中共有条局部最优路径,其中ai表示GPS点pi候选点的个数。例如:图3所示的一条轨迹的候选图中,我们假设和的权重为-∞,这也就意味着整条路径必须经过每个候选点的累计权重计算为对于每个候选点,计算其累计权重后,记录得到该候选点累计权重的前一个候选点最后,计算完所有采样点对应的候选点的累计权重之后,由最后一个采样点的候选节点的累计权重得到一个最大累计权重值,即 图3中,最大累计权重值它来自于p4的三个候选点。最终,可通过全局最大权重值,以及每个最大权重值记录的其前一采样点对应的候选点的位置,得到权重最大的局部最优路径,即路径:
(2)全局投票
每找到一条局部最优路径,我们会对路径中出现的候选点进行计数。完成所有的局部路径查找后,我们拥有了一组拥有计数值的候选点。全局投票就是将每个GPS点中计数值最大的候选点取出来组成全局最优路径。
Claims (1)
1.一种针对低频GPS轨迹的改进交互式投票匹配方法,其特征在于,该方法具体包括以下步骤:
步骤一:以一个GPS点为圆心,在路网中搜索半径r范围内的所有路段作为候选路径;
步骤二:通过三个约束条件过滤错误的候选路径;
约束一:定义方向差阈值θ,如果车辆实时运动方向与对应路段方向之间的方向差值保留对应的候选点,并使用方向分析函数对候选路段分配权重,否则,当时,直接将对应的候选节点滤除,后续的处理过程将不再考虑此候选点;
约束二:考虑通过分析车辆平均速度与最短路径的权重限速的关系,将速度超过合理范围的对应候选路段过滤;定义参数α,1<α<2,当时,将视为错误的匹配路径,其中为两个连续候选点之间的车辆平均速度,为他们之间的最短路径的权重限速;如果采样点pi-1的所有候选点到pi的候选点全为错误匹配路径,则将GPS点pi的候选点所对应的候选路段作为噪声路段过滤;
约束三:设置一个超速极限值将部分不符合条件的候选路段过滤;定义参数γ,设vi为GPS点pi的实时速度,vj是对应候选路段的限速,当vi>(1+γ)·vj时,我们将对应的候选路段rj作为噪声路段滤除;
步骤三:根据距离特征、道路的拓扑结构、路段的限速和GPS点的实时移动方向,利用分析函数分配候选点之间的权重,并建立一个具有权重的候选图;然后通过权重候选图建立一个反映两个相邻GPS点的候选点之间转移可能性的静态得分矩阵;
步骤四:加权分析在步骤三的基础上,考虑全局GPS轨迹点之间的相互影响关系,且相互影响的强弱程度取决于GPS点之间的距离,最后建立n个加权得分矩阵;n表示GPS点个数;
步骤五:在得到加权矩阵后,对于每个候选点,通过最大权重概率方法获得一条经过它的局部最优路径,统计在所有局部路径中每个GPS点对应候选点出现的次数,最后每个GPS点对应计数次数最多的候选点组成全局最优路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811147858.5A CN109459045B (zh) | 2018-09-29 | 2018-09-29 | 一种针对低频gps轨迹的改进交互式投票匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811147858.5A CN109459045B (zh) | 2018-09-29 | 2018-09-29 | 一种针对低频gps轨迹的改进交互式投票匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109459045A CN109459045A (zh) | 2019-03-12 |
CN109459045B true CN109459045B (zh) | 2020-10-09 |
Family
ID=65607140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811147858.5A Active CN109459045B (zh) | 2018-09-29 | 2018-09-29 | 一种针对低频gps轨迹的改进交互式投票匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109459045B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4300043A1 (en) * | 2022-07-01 | 2024-01-03 | HERE Global B.V. | Method and apparatus for providing a path-based map matcher |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
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 |
CN111027783A (zh) * | 2019-12-27 | 2020-04-17 | 江苏欣网视讯软件技术有限公司 | 一种用于路径选取的全局动态交互决策算法 |
CN111307164B (zh) * | 2020-02-25 | 2022-12-02 | 西北大学 | 一种低采样率轨迹地图匹配方法 |
CN111694032A (zh) * | 2020-05-09 | 2020-09-22 | 杭州电子科技大学 | 一种基于聚类的大规模轨迹数据的快速地图匹配方法 |
CN111982141B (zh) * | 2020-07-31 | 2022-09-13 | 长安大学 | 一种面向低频车辆轨迹数据进行路径推断的方法、设备及存储介质 |
CN112988929A (zh) * | 2021-02-18 | 2021-06-18 | 同济大学 | 基于全局合作式投票的地图匹配方法、系统、介质及终端 |
CN113295173B (zh) * | 2021-05-24 | 2023-08-29 | 安徽师范大学 | 环形路段的地图匹配方法 |
CN114879234B (zh) * | 2021-10-14 | 2023-01-06 | 电子科技大学 | 一种复杂gps轨迹中的重要地点挖掘方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8543320B2 (en) * | 2011-05-19 | 2013-09-24 | Microsoft Corporation | Inferring a behavioral state of a vehicle |
CN103235848B (zh) * | 2013-04-15 | 2016-03-30 | 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 |
CN107103775B (zh) * | 2017-05-18 | 2020-01-14 | 西安理工大学 | 一种基于群智计算的道路质量检测方法 |
CN107358629B (zh) * | 2017-07-07 | 2020-11-10 | 北京大学深圳研究生院 | 一种基于目标识别的室内建图与定位方法 |
CN107911786A (zh) * | 2017-10-24 | 2018-04-13 | 星际空间(天津)科技发展有限公司 | 一种基于路网校正的混合室内定位方法 |
-
2018
- 2018-09-29 CN CN201811147858.5A patent/CN109459045B/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4300043A1 (en) * | 2022-07-01 | 2024-01-03 | HERE Global B.V. | Method and apparatus for providing a path-based map matcher |
Also Published As
Publication number | Publication date |
---|---|
CN109459045A (zh) | 2019-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109459045B (zh) | 一种针对低频gps轨迹的改进交互式投票匹配方法 | |
CN111091708B (zh) | 车辆轨迹预测方法及装置 | |
CN110415277B (zh) | 基于光流和卡尔曼滤波的多目标追踪方法、系统、装置 | |
CN112669594B (zh) | 交通路况预测的方法、装置、设备及存储介质 | |
CN106781478A (zh) | 一种基于lte信令数据的轨迹跟踪方法 | |
CN111275975B (zh) | 一种交叉口转向流量数据的获取方法、装置和存储介质 | |
CN113932821B (zh) | 基于连续窗口平均方向特征的轨迹地图匹配方法 | |
CN114440900A (zh) | 改进的隐马尔科夫模型地图匹配方法及装置 | |
Zhang et al. | Vehicle re-identification for lane-level travel time estimations on congested urban road networks using video images | |
Hashemi | Automatic inference of road and pedestrian networks from spatial-temporal trajectories | |
CN111123333B (zh) | 一种融合卡口和gps数据的车辆轨迹定位方法 | |
CN114137562B (zh) | 一种基于改进全局最邻近的多目标跟踪方法 | |
CN113959452A (zh) | 基于城市路网的地图匹配方法、系统及终端 | |
CN113295173A (zh) | 环形路段的地图匹配方法 | |
CN116975184A (zh) | 一种车辆轨迹数据处理方法、装置、设备和可读存储介质 | |
CN115631082A (zh) | 一种基于高速路网拓扑结构的多场景路径还原方法 | |
Hendawi et al. | Noise patterns in GPS trajectories | |
Das et al. | Why slammed the brakes on? auto-annotating driving behaviors from adaptive causal modeling | |
Higuchi et al. | Monitoring live parking availability by vision-based vehicular crowdsensing | |
Zhang et al. | Vehicle detection and tracking in remote sensing satellite vidio based on dynamic association | |
Zou et al. | Inertia mutation energy model to extract roads by crowdsourcing trajectories | |
Namazi et al. | Traffic Awareness Through Multiple Mobile Sensor Fusion | |
CN114611266B (zh) | 一种无真值系统下的交通雷达跟踪性能评估方法 | |
Schweizer et al. | A Novel Method to Construct Lane Accurate Crossroad Maps by Mining Series Sensors of Large Vehicle Fleets | |
Tseng et al. | Turn prediction for special intersections and its case study |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190312 Assignee: Nanjing Qishengyun Information Technology Co.,Ltd. Assignor: HANGZHOU DIANZI University Contract record no.: X2021330000844 Denomination of invention: An improved interactive voting matching method for low frequency GPS trajectory Granted publication date: 20201009 License type: Common License Record date: 20211225 |
|
EE01 | Entry into force of recordation of patent licensing contract |