CN110031011A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110031011A CN110031011A CN201910307121.3A CN201910307121A CN110031011A CN 110031011 A CN110031011 A CN 110031011A CN 201910307121 A CN201910307121 A CN 201910307121A CN 110031011 A CN110031011 A CN 110031011A
- Authority
- CN
- China
- Prior art keywords
- road
- calculation method
- point
- vehicle
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 153
- 238000005070 sampling Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 239000000571 coke Substances 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000002474 experimental method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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)
Abstract
本发明提出了一种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,通过GPS的定位间隔、位置坐标和行驶速度,构建立体圆锥,利用立体圆锥在二维平面的投影区域,提高候选匹配道路集的准确性;使用改进权重圆的计算方法,综合考虑车辆行驶方向与候选道路的夹角,车辆到候选道路的投影距离和车辆行驶轨迹与道路的相似性,可以选取最佳匹配道路,提高地图匹配的时效性和准确性。
Description
技术领域
本发明涉及车载导航技术领域,尤其涉及一种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。
背景技术
随着智能交通系统(Intelligent Transportation System,简称ITS)技术的应用,车载导航系统得到了迅速的发展,比如规划行驶路线、实时追踪车辆位置以及预测车辆的行驶轨迹等,准确的车辆定位是实现导航功能的先决条件。而地图匹配作为车辆定位中的一种重要技术,可以克服GPS误差、矢量电子地误差等因素的影响,使GPS轨迹匹配到矢量电子地图道路上的对应位置,为更高级的路径规划和导航提示功能提供定位基础。地图匹配计算方法的效果直接关系到车辆定位的精度。因此,为了提高车辆定位的精确性,如何快速、准确的选取候选道路进行地图匹配就显得尤为重要。
地图匹配分为候选匹配道路的选取与最佳匹配道路的确定两个环节。在前一环节,很多学者研究了界定候选匹配道路的多种方法,包括:(1)基于路网领域的计算方法:该计算方法通过设置缓冲区或最小外包矩形等邻域获取候选道路,但邻域范围很难客观确定且易造成错误匹配。(2)基于路网拓扑结构的计算方法:该计算方法基于路网连通性选取候选道路,但该计算方法过度依赖道路的拓扑关系,导致该计算方法的适用性差。(3)基于空间不确定性的计算方法:此类计算方法使用GPS坐标、方差等静态参数建立置信区间,利用置信区间选取候选道路,但此计算方法阈值设置存在很大的偶然性且置信区间的设置只具有概率统计意义不具有实际意义。尤其需要注意的是,以上各方法在选取候选道路时,都是基于静态地图匹配的视角,并未考虑车辆实时行驶速度等实时参数,导致候选区域的大小均为固定值,造成大量冗余计算,如车辆在路口等候红灯时由于固定的候选区域会导致选取过多候选匹配道路。而实时调整候选匹配道路范围对实时地图匹配而言更具有实际意义。而在识别最佳匹配道路环节,相关计算方法包括:(1)直接投影计算方法。该计算方法将定位点直接投影到与其最近的道路上,但该计算方法过度依赖于GPS的定位精度,当道路复杂时,容易造成错误匹配。(2)曲线拟合计算方法。此计算方法计算行驶路径与候选道路的相似度确定最佳匹配道路,但当车辆行驶在平行路段上时,匹配效果不佳。(3)高级地图匹配计算方法,此类计算方法是指采用复杂的数学模型或者滤波器确定最佳匹配道路,但此类计算方法原理复杂,复杂度高,计算量大,实现难度大,不能很好的支持实时匹配系统的广泛应用。(4)基于权重的计算方法,该计算方法通过对行驶方向及车辆到候选道路投影距离两个参数设置不同的权重进行匹配,但相关传统计算方法需要大量实验以确定最佳权值;而权重圆计算方法根据道路实际情况建立不同的权重圆自适应设置权重,可以克服传统权重计算方法的不足,但针对连续的两个定位点可能都处在交叉口的角平分线上的特殊情况,该权重圆计算方法计算候选道路权重相等导致无法准确匹配,不能很好的支持车载实时地图匹配系统。
因此,如何能准确高效的提供地图匹配,是目前的研究方向。
发明内容
为解决目前的问题,本发明提出一种集成时空邻近与改进权重圆的车载地图实时匹配计算方法,以提高地图匹配的准确性与时效性。
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,包括如下步骤:
1)、将GPS定位点数据及矢量路网数据,进行地图投影计算,基于STP计算方法动态选取候选匹配道路:
车辆的真实位置与GPS的采样间隔t相关,车辆的真实位置还与汽车的行驶速度vi相关;STP计算方法使用车载GPS的位置坐标、GPS的定位间隔和车辆行驶速度三个算子构建动态候选区域,进而缩小候选范围筛选匹配道路;
STP计算方法具体描述如下:
GPS随时间的增长产生成一系列的采样点(ti,xi,yi),ti为采样时间,xi为GPS采样点的X坐标,yi为GPS采样点的Y坐标,i=1、2、3、…、N;取连续的两个采样点Pi(ti,xi,yi),Pi+1(ti+1,xi+1,yi+1),以Pi(ti,xi,yi)和Pi+1(ti+1,xi+1,yi+1)为两个圆锥的顶点,以递增的时间t汽车的行驶速度vi积为半径生成上下两个不同的圆锥,取时刻t,其中ti<t<ti+1,则t时刻的车辆的真实位置将存在于以点Pi(ti,xi,yi)为中心的下圆锥体以及以点Pi+1(ti+1,xi+1,yi+1)为中心的上圆锥体的相交区域中,需要满足以下三个条件才能保证所述上下两圆锥体能够有相交区域,三个条件如下:
ti<t<ti+1 (1)
(x-xi)2+(y-yi)2≤vi 2(t-ti)2 (2)
(x-xi+1)2+(y-yi+1)2≤vi 2(t-ti+1)2 (3)
设车载GPS连续的两个定位点p1(t1,x1,y1)、p2(t2,x2,y2),其中t1<t<t2,v1是p1点的车速,v2是p2点的车速;以p1点为顶点,以递增的乘积量(t-t1)*v1为半径rt1构建第一立体圆锥,rt1=(t-t1)*v1,rt1为t时刻的瞬时半径;以点p2为顶点,以递增的乘积量(t2-t)*v2为半径rt2构建第二立体圆锥,rt2=(t2-t)*v2;如此,在x,y,t坐标系中形成以p1点为顶点下圆锥体和以p2为顶点的上圆锥体,则在t1-t2时间内的定位点存在于两个圆锥相交的部分,这个相交的部分在二维坐标系投影是一个椭圆,则这个椭圆的两个焦点为p1(x1,y1)、p2(x2,y2),该椭圆的长半轴为V是取t1到t2时刻的最大车速;
用这个椭圆的最小外接矩形选取候选匹配道路:设椭圆的最小外接矩形的长为[X1,X2],宽为[Y1,Y2],pc(xc,yc)为椭圆焦点p1(x1,y1)和椭圆焦点p2(x2,y2))的中点,df为两个焦点的距离;
如果x1≠x2,则:
其中,s是计算因子;l是前述椭圆的短半轴,
如果两椭圆焦点p1、p2的横坐标x1=x2,则X1=xc-l,X2=xc+l,,Y1=yc-L,Y2=yc+L;
若y1=y2,则L=l;
将椭圆的最小外接矩形与矢量道路数据进行叠加,选取候选匹配道路;
2)、判断候选道路个数是否大于1,若大于1,进入步骤3),若候选道路个数小于或等于1,进入步骤4);
3)、基于IWC计算方法选取最佳匹配道路
在动态选取候选匹配道路后,车辆处于复杂交叉口时,候选道路的角度差距较大,选择车辆行驶轨迹与道路角度的角度相似度b作为新的参数,基于定位点到候选匹配道路的投影距离d、行驶方向与道路的夹角a以及车辆行驶轨迹与道路角度的夹角相似度b这三个参数的IWC计算方法,具体如下:
当车辆处于道路交叉口时,车辆转弯的可能性对候选道路的选择具有更大的决定作用,因此,依据距离道路交叉口越近的定位点的角度权值比远离交叉口的定位点的角度权值越大的原理,提出一种可随路况实时调整权重的权重圆计算方法:权重圆计算方法以道路交叉口O为圆心,以权重圆半径R为半径作圆,动态分配参数权重值,其中,权重圆半径R是根据矢量路网的折点设置的值;
权重圆计算方法具体流程如下:
设在道路交叉口O附近,STP计算方法选取三条候选匹配道路R1,R2,R3,a1、b1、c1、d1是四个道路转折点,权重圆计算方法以道路交叉口O为圆心,分别以权重圆半径R=|oa1|为半径作圆、以权重圆半径R=|ob1|为半径作圆、以权重圆半径R=|oc1|为半径作圆,|oa1|是道路交叉点O到点a1的距离,|ob1|是道路交叉点O到点b1的距离,|oc1|是道路交叉点O到点c1的距离,则该范围被这些圆分成四个区域:区域1,区域2,区域3,区域4;则权重圆计算方法分配距离权值wd与角度权值wa的规则如下:
规则1:当车辆处于区域1,表明车辆远离道路交叉口O,距离对道路选择具有决定性的作用,此种情况设置距离的权重值为1;
规则2:当车辆处于区域2、区域3、区域4,权重圆计算方法定义距离的权重值wa=1-wd,其中,op是交叉点O到车辆定位点的距离,R是包含定位点的最小外接圆的半径,即权重圆半径,设如果车辆处于区域3,则权重圆的半径R=|ob|;
规则3:如果R>RMAX,设置R2=RMAX,R是根据道路折点所做最大圆的半径,这里的权重圆半径R是根据矢量路网的折点设置的,矢量路网均由折线组成,RMAX为STP计算方法所限定的最大外围圆半径,由于STP计算方法得出的是一个矩形区域,该区域与地图数据叠加,会有交集,该交集最外的折点就是最大外围圆半径;
STP-IWC计算方法具体如下:
在使用STP计算方法动态界定候选道路集的基础上,利用IWC计算方法确定最佳匹配道路,具体匹配流程如下:
(31)、简单道路的匹配
若STP计算方法选取的候选道路只有一条,则认为车辆行驶在直道上,此时使用直接匹配计算方法将定位点匹配到道路上;
(32)、复杂道路的匹配
若STP计算方法选取的候选道路不止一条,则认为车辆行驶在复杂道路的道路交叉口上,设汽车沿着一条道路R1行驶而来,依次经过两个已定位点p1(x1,y1)、p2(x2,y2),还未经过待定位点p3(x3,y3),在IWC计算方法中,p3点的实时匹配具体如下:
首先,计算p3点到第i条候选匹配道路R2、第i+1条候选匹配道路R3(这里的i是序号,当前i=R2,i+1=R3)的垂直投影距离|op|,如果|op|<Rmax,则距离的权重值反之,wd=1;
其次,计算车辆行驶方向与候选匹配道路i的夹角a,计算公式如下:
其中,m是道路的方向,m是取道路与地理坐标系X轴的夹角,(x2,y2)为点p2的坐标,(x3,y3)为p3点的坐标;行驶轨迹与候选匹配道路i的角度相似度b计算如下:
m是道路的方向,(xi,yi)是点p1、p2、p3的坐标,i=1/2/3;
最后,计算候选道路i的权重值wqi,计算如下:
式(8)中:wa=1-wd,
wa,wd为权值,为定位点到候选道路i垂直投影距离的计算值,为车辆行驶方向与候选道路i的夹角计算值,为车辆行驶轨迹与候选道路i角度相似度的计算值,di为定位点到候选匹配道路i的垂直投影距离;选择权重最大值者为匹配道路;
4)按照行车路线,循环进行步骤1)至步骤4)。
针对现有技术中车载导航系统地图匹配存在一定的滞后性以及准确性不足的问题,本发明提出了一种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,通过GPS的定位间隔、位置坐标和行驶速度,构建立体圆锥,利用立体圆锥在二维平面的投影区域,提高候选匹配道路集的准确性。使用改进权重圆的计算方法,综合考虑车辆行驶方向与候选道路的夹角,车辆到候选道路的投影距离和车辆行驶轨迹与道路的相似性,选取最佳匹配道路。实验结果表明,各评价指标准确率达95%,验证了计算方法的有效性和准确性。
附图说明
图1为本发明技术方案中STP-IWC计算方法的总体匹配流程图;
图2为本发明技术方案中STP计算方法的空间邻域示意图;
图3为本发明技术方案中STP计算方法在二维平面的投影示意图;
图4为本发明技术方案中权重圆计算方法的示意图;
图5为本发明技术方案中STP-IWC计算方法的流程图;
图6为采用所述STP-IWC计算方法进行匹配的实例图;
图7为STP-IWC计算方法进行匹配交叉点情况的示意图;
图8为STP-IWC计算方法应用实例示意图;
图9为本发明方法与两种现有技术方法的实测对比示意图;
图10为本发明方法的运行时间示意图。
具体实施方式
针对现有的地图匹配计算方法存在滞后性与不准确性,不能支持车载实时地图匹配的情况,本发明提出STP-IWC计算方法来实现候选道路的动态选取与准确匹配,首先利用STP计算方法动态地选取最佳候选匹配道路集;进而使用IWC计算方法确定最佳匹配道路,并用实验验证本计算方法的准确性与时效性。
本技术方案首先利用STP计算方法,基于GPS坐标、定位间隔与车辆行驶的速度构建动态立体圆锥,使候选区域随速度实时调整,利用立体圆锥在二维平面的投影区域动态选取候选匹配道路;进而使用IWC计算方法,引入车辆行驶角度、车辆到候选道路的投影距离及行驶轨迹与道路相似度三个参数集成确定最佳匹配道路。本技术方案的前提条件是车辆永远行驶在道路上,因此,不存在候选道路为0的情况。图1为本发明技术方案中STP-IWC计算方法的总体匹配流程图。
本发明一种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,具体包括如下步骤:
1)、将GPS定位点数据及矢量路网数据,进行地图投影计算,基于STP计算方法动态选取候选匹配道路:
车辆的真实位置与GPS的采样间隔t相关,车辆的真实位置还与汽车的行驶速度vi相关;STP计算方法使用车载GPS的位置坐标、GPS的定位间隔和车辆行驶速度三个算子构建动态候选区域,进而缩小候选范围筛选匹配道路;
STP计算方法具体描述如下:
GPS随时间的增长产生成一系列的采样点(ti,xi,yi),ti为采样时间,xi为GPS采样点的X坐标,yi为GPS采样点的Y坐标,i=1、2、3、…、N;取连续的两个采样点Pi(ti,xi,yi),Pi+1(ti+1,xi+1,yi+1),以Pi(ti,xi,yi)和Pi+1(ti+1,xi+1,yi+1)为两个圆锥的顶点,以递增的时间t汽车的行驶速度vi积为半径生成上下两个不同的圆锥,取时刻t,其中ti<t<ti+1,则t时刻的车辆的真实位置将存在于以点Pi(ti,xi,yi)为中心的下圆锥体以及以点Pi+1(ti+1,xi+1,yi+1)为中心的上圆锥体的相交区域中,如图2,需要满足以下三个条件才能保证所述上下两圆锥体能够有相交区域,三个条件如下:
ti<t<ti+1 (1)
(x-xi)2+(y-yi)2≤vi 2(t-ti)2 (2)
(x-xi+1)2+(y-yi+1)2≤vi 2(t-ti+1)2 (3)
设车载GPS连续的两个定位点p1(t1,x1,y1)、p2(t2,x2,y2),其中t1<t<t2,v1是p1点的车速,v2是p2点的车速;以p1点为顶点,以递增的乘积量(t-t1)*v1为半径rt1构建第一立体圆锥,rt1=(t-t1)*v1,rt1为t时刻的瞬时半径;以点p2为顶点,以递增的乘积量(t2-t)*v2为半径rt2构建第二立体圆锥,rt2=(t2-t)*v2;如此,在x,y,t坐标系中形成以p1点为顶点下圆锥体和以p2为顶点的上圆锥体,则在t1-t2时间内的定位点存在于两个圆锥相交的部分,这个相交的部分在二维坐标系投影是一个椭圆,则这个椭圆的两个焦点为p1(x1,y1)、p2(x2,y2),两焦点(p1(x1,y1)、p2(x2,y2)就是前述的“两个定位点p1(t1,x1,y1)、p2(t2,x2,y2)),该椭圆的长半轴为V是取t1到t2时刻的最大车速,如图3;
用这个椭圆的最小外接矩形选取候选匹配道路:设椭圆的最小外接矩形的长为[X1,X2],宽为[Y1,Y2],其中,长[X1,X2]、宽[Y1,Y2]均是一个坐标对,相当于矩形的斜对角两个坐标,或者这里可表示为,最小矩形为[x1,y1],[x2,y2];pc(xc,yc)为椭圆焦点p1(x1,y1)和椭圆焦点p2(x2,y2))的中点,df为两个焦点的距离;
如果x1≠x2,则:
s是计算因子;l是前述椭圆的短半轴,
如果两椭圆焦点p1、p2的横坐标x1=x2,则X1=xc-l,X2=xc+l,,Y1=yc-L,Y2=yc+L;
若y1=y2,则L=l;
将椭圆的最小外接矩形与矢量道路数据(矢量道路数据指的是地图数据)进行叠加(所述的叠加即单纯的上下叠加取交集),选取候选匹配道路(该选取即所述的叠加取交集);
2)、判断候选道路个数是否大于1,若大于1,进入步骤3),若候选道路个数小于或等于1,进入步骤4);
3)、基于IWC计算方法选取最佳匹配道路
在动态选取候选匹配道路(动态选取的意思是,上述的椭圆外接矩形的大小随着车速的变化动态变化)后,传统的基于权重的地图匹配计算方法,利用两个参数:定位点到候选匹配道路的投影距离d、行驶方向与道路的夹角a,进行加权,权重定义为μ=Waa+Wdd,选取权重值μ最大的候选道路作为当前定位点的最佳匹配道路;其中Wd为距离的权重值,Wa为角度的权重值;但权值(权值指的是wd与wa)需要大量实验确定最佳权值;本技术方案针对连续的两个定位点都处在交叉口的角平分线上等特殊情况,存在候选道路权重值相等无法选取最佳匹配道路的问题。
IWC的新参数—角度相似度:
在此背景下,本技术方案考虑车辆处于复杂交叉口的时候选道路的角度差距较大,选择车辆行驶轨迹与道路角度的角度相似度b作为新的参数,基于定位点到候选匹配道路的投影距离d、行驶方向与道路的夹角a以及车辆行驶轨迹与道路角度的夹角相似度b这三个参数的IWC计算方法,具体如下:
IWC的新方法—权重圆计算方法
传统的权重的计算方法给参数赋以固定权重值,权重的设置往往缺乏理论依据与实际意义,实际应用中,当车辆处于道路交叉口时,车辆转弯的可能性对候选道路的选择具有更大的决定作用,因此,依据距离道路交叉口越近的定位点的角度权值比远离交叉口的定位点的角度权值越大的原理,提出一种可随路况实时调整权重的权重圆计算方法:权重圆计算方法以道路交叉口O为圆心,以权重圆半径R为半径作圆,动态分配参数权重值,其中,权重圆半径R是根据矢量路网的折点设置的值;
权重圆计算方法具体流程如下:
设在道路交叉口O附近,STP计算方法选取三条候选匹配道路R1,R2,R3,a1、b1、c1、d1是四个道路转折点,如图4;权重圆计算方法以道路交叉口O为圆心,分别以权重圆半径R=|oa1|为半径作圆、以权重圆半径R=|ob1|为半径作圆、以权重圆半径R=|oc1|为半径作圆,|oa1|是道路交叉点O到点a1的距离,|ob1|是道路交叉点O到点b1的距离,|oc1|是道路交叉点O到点c1的距离,则该范围被这些圆分成四个区域:区域1,区域2,区域3,区域4;则权重圆计算方法分配距离权值wd与角度权值wa的规则如下:
规则1:当车辆处于区域1,表明车辆远离道路交叉口O,距离对道路选择具有决定性的作用,此种情况设置距离的权重值为1;
规则2:当车辆处于区域2、区域3、区域4,权重圆计算方法定义距离的权重值
wa=1-wd。其中,op是交叉点O到车辆定位点的距离,R是包含定位点的最小外接圆的半径(即权重圆半径),例如,如果车辆处于区域3,则权重圆的半径R=|ob|;
规则3:如果R>RMAX,设置R2=RMAX,R是根据道路折点所做最大圆的半径(这里的权重圆半径R是根据矢量路网的折点设置的,因为矢量路网都是由折线组成的),RMAX为STP计算方法所限定的最大外围圆半径,由于STP计算方法得出的是一个矩形区域,该区域与地图数据叠加,会有交集,该交集最‘外’的折点就是最大外围圆半径;
STP-IWC计算方法进行最佳道路匹配:
在使用STP计算方法动态界定候选道路集的基础上,利用IWC计算方法确定最佳匹配道路,见图5,具体匹配流程如下:
(31)、简单道路的匹配
若STP计算方法选取的候选道路只有一条,则认为车辆行驶在直道上,此时使用直接匹配计算方法将定位点匹配到道路上。
(32)、复杂道路的匹配
若STP计算方法选取的候选道路不止一条,则认为车辆行驶在复杂道路的道路交叉口上;如图6中p3(x3,y3)点的匹配,设汽车沿着R1行驶而来,p1(x1,y1)、p2(x2,y2)是已定位点,p3(x3,y3)是待定位点,在IWC计算方法中,p3点的实时匹配具体如下:
首先,计算p3点到第i条候选匹配道路R2、第i+1条候选匹配道路R3(这里的i是序号,当前i=R2,i+1=R3)的垂直投影距离|op|,如果|op|<Rmax,则距离的权重值
其次,计算车辆行驶方向与候选匹配道路i的夹角a,计算公式如下:
其中,m是道路的方向,m是取道路与地理坐标系X轴的夹角,(x2,y2)为点p2的坐标,(x3,y3)为p3点的坐标;行驶轨迹与候选匹配道路i的角度相似度b计算如下:
m是道路的方向,(xi,yi)是点p1、p2、p3的坐标,i=1/2/3;
最后,计算候选道路i的权重值wqi,计算如下:
式(8)中:wa=1-wd,
wa、wd为权值,为定位点到候选道路i垂直投影距离的计算值,为车辆行驶方向与候选道路i的夹角计算值,为车辆行驶轨迹与候选道路i角度相似度的计算值,di为定位点到候选匹配道路i的垂直投影距离;选择权重最大值者为匹配道路;
4)按照行车路线,循环进行步骤1)至步骤4)。
为验证本文STP-IWC方法的时效性与准确性,本技术方案在windows 10操作系统下集成Arcgis Engine10.2和C#语言设计实验平台,对比本技术方案与现有的直接匹配计算方法、曲线拟合计算方法的性能与效率。计算机配置CPU:Intel(R)Xeon(R)E3-1226,3.3Hz,内存16G。选取北京市内道路作为实验区进行跑车实验,使用安卓移动设备导出定位数据,选取北京矢量道路数据作为电子地图的路网数据,由于安卓移动设备的定位误差在10-15m,因此,本文设置误差阈值定位点到候选道路大于20m的点认为是误差点,考虑到实验区道路宽度和交通状况,设置权重圆的最大半径设为50m,GPS定位间隔为5S,汽车的平均速度约为30km/h(8.3m/s)。
图7是STP-IWC计算方法处理复杂道路交叉口匹配的情况。其中p1、p2是已定位点,p3是待定位点。当连续的两个定位点处于道路交叉口的角平分线上时,当前定位点到候选道路的距离、角度都相等,导致存在候选道路但权重值相等,传统的权重圆计算方法无法匹配。而STP-IWC计算方法可以在当前定位点通过计算权重值选择R2道路作为当前点的匹配道路,通过后续定位点p4验证了STP-IWC计算方法处理这种情况的正确性。
图8是实际跑车试验,图8中三角形表示原始GPS数据,圆点表示STP-IWC计算方法匹配后的定位点。由图可知,STP-IWC计算方法在复杂路况的情况下,仍具有较高的精度。
图9是STP-IWC计算方法与其他地图匹配计算方法的对比实验图,图中分别为直接投影得到的匹配路径,曲线拟合计算方法的匹配路径,STP-IWC计算方法匹配的匹配路径。由图可知,直接投影计算方法与曲线拟合计算方法在路况复杂的情况下,匹配的轨迹与车辆真实轨迹相差较大,不具有很好的匹配性,而STP-IWC计算方法能够准确反映行驶轨迹。
本文设计以下四个指标多角度评价计算方法的效率和性能:
(1)单点的平均用时
该指标计算值是由GPS定位点从进行匹配到匹配完成后所用的时间。该值能够反映本方法在实际应用中的时效性。
(2)轨迹匹配长度的准确度
该指标的计算值是由正确匹配的道路长度与实际轨迹长度的比值。该值能够反映计算方法在实际应用中的准确性。
(3)轨迹匹配数量的准确度
该指标的计算值是由正确匹配的路段数与实际行驶轨迹总路段数的比值。该值能够反映计算方法在实际应用中的通用性。
(4)Fréchet距离(弗雷歇距离)
该指标由每条行驶轨迹弧段与真实行驶轨迹弧段的Fréchet距离值(简称:F距离)累加得到。F距离定义如下:
设F空间上两条曲线f,g:[0,1]→R2,Fréchet距离δF(f,g)定义为[23-24]:
其中,||·||表示欧几里得范数,inf表示集合的下确界。α,β是重新参数化以后建立的关于参数t的连续非减函数,且α(0)=β(0)=1,α(1)=β(1)=1。
该值越大说明匹配折点距离真实匹配点的距离越大。该指标能够反映计算方法匹配的轨迹与真实行驶轨迹的相似度,该值越小说明匹配轨迹与真实行驶轨迹相似度越大。
图10是三种匹配方法在实际应用中的运行时间对比。本实施例截取了58个定位点,每个定位点候选道路约3-5条。由图10可知,直接投影计算方法与曲线拟合计算方法单点匹配时间起伏较大,不具有良好的稳定性与时效性,STP-IWC计算方法最高用时47ms最低用时37ms,单点匹配时间集中在37-47ms之间,由此可知,STP-IWC计算方法较其他两种计算方法具有更好的稳定性与时效性。
表1是STP-IWC计算方法、直接投影计算方法与曲线拟合计算方法的评价指标,由表1可以看出,STP-IWC计算方法单点匹配平均运行时间约39.0654ms小于其他两种计算方法的运行时间,且STP-IWC计算方法提较其他两种计算方法具有更好的精度。在约11公里258个折点轨迹上,直接投影计算方法错误匹配的折点距离真实行驶轨迹累加达323.75米,曲线拟合计算方法错误匹配的折点距离真实行驶轨迹累加达508.73米,而STP-IWC计算方法错误匹配的折点距离真实行驶轨迹累加101.63米,说明STP-IWC计算方法能够更加准确的反映汽车行驶的真实轨迹。
表1三种方法评价指标对照
为验证计算方法的可靠性,另外选取其他三个区域(序号为2、3、4)进行测试,分别与上述实验(序号为1)进行对比。由表2可知,不同的路段的跑车实验结果虽然有一定的波动,但各指标准确率仍达95%以上。综上可知,STP-IWC计算方法具有一定的可靠性与稳定性。
表2多样本匹配结果对比
为了响应车载导航系统实时地图匹配存在的滞后性与准确性不足的问题,本文提出一种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(STP-IWC计算方法)。利用STP计算方法提升候选道路的选择效率和计算方法实用性;利用IWC计算方法克服曲线拟合计算方法无法匹配平行路段的不足,解决传统权重计算方法确定最佳权值的大计算量问题,使计算方法具有更好的性能与稳定性。实验分析表明,本技术方案的单点匹配时间约为40ms,各评价指标准确度达95%以上,满足车载地图匹配的要求,验证本计算方法的高精度、高效率的特点,并证明了完全基于安卓平台的车载实时地图匹配系统的可行性,具有很好的实用价值。但本计算方法只主要考虑了二维平面路网,尚未很好的研究立交桥等三维路网的地图匹配;另外限于数据可获取性与当前的实验条件,尚未对车道级的地图实时匹配进行深入研究。未来工作将会完善计算方法对三维路网、车道级地图匹配等的支持。
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所述以权利要求的保护范围为准。
Claims (1)
1.一种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,其特征在于包括如下步骤:
1)将GPS定位点数据及矢量路网数据,进行地图投影计算,基于STP计算方法动态选取候选匹配道路:
车辆的真实位置与GPS的采样间隔t相关,车辆的真实位置还与汽车的行驶速度vi相关;STP计算方法使用车载GPS的位置坐标、GPS的定位间隔和车辆行驶速度三个算子构建动态候选区域,进而缩小候选范围筛选匹配道路;
STP计算方法具体描述如下:
GPS随时间的增长产生成一系列的采样点(ti,xi,yi),ti为采样时间,xi为GPS采样点的X坐标,yi为GPS采样点的Y坐标,i=1、2、3、…、N;取连续的两个采样点Pi(ti,xi,yi),Pi+1(ti+1,xi+1,yi+1),以Pi(ti,xi,yi)和Pi+1(ti+1,xi+1,yi+1)为两个圆锥的顶点,以递增的时间t汽车的行驶速度vi积为半径生成上下两个不同的圆锥,取时刻t,其中ti<t<ti+1,则t时刻的车辆的真实位置将存在于以点Pi(ti,xi,yi)为中心的下圆锥体以及以点Pi+1(ti+1,xi+1,yi+1)为中心的上圆锥体的相交区域中,需要满足以下三个条件才能保证所述上下两圆锥体能够有相交区域,三个条件如下:
ti<t<ti+1 (1)
(x-xi)2+(y-yi)2≤vi 2(t-ti)2 (2)
(x-xi+1)2+(y-yi+1)2≤vi 2(t-ti+1)2 (3)
设车载GPS连续的两个定位点p1(t1,x1,y1)、p2(t2,x2,y2),其中t1<t<t2,v1是p1点的车速,v2是p2点的车速;以p1点为顶点,以递增的乘积量(t-t1)*v1为半径rt1构建第一立体圆锥,rt1=(t-t1)*v1,rt1为t时刻的瞬时半径;以点p2为顶点,以递增的乘积量(t2-t)*v2为半径rt2构建第二立体圆锥,rt2=(t2-t)*v2;如此,在x,y,t坐标系中形成以p1点为顶点下圆锥体和以p2为顶点的上圆锥体,则在t1-t2时间内的定位点存在于两个圆锥相交的部分,这个相交的部分在二维坐标系投影是一个椭圆,则这个椭圆的两个焦点为p1(x1,y1)、p2(x2,y2),该椭圆的长半轴为V是取t1到t2时刻的最大车速;
用这个椭圆的最小外接矩形选取候选匹配道路:设椭圆的最小外接矩形的长为[X1,X2],宽为[Y1,Y2],pc(xc,yc)为椭圆焦点p1(x1,y1)和椭圆焦点p2(x2,y2))的中点,df为两个焦点的距离;
如果x1≠x2,则:
其中,s是计算因子;l是前述椭圆的短半轴,
如果两椭圆焦点p1、p2的横坐标x1=x2,则X1=xc-l,X2=xc+l,,Y1=yc-L,Y2=yc+L;
若y1=y2,则L=l;
将椭圆的最小外接矩形与矢量道路数据进行叠加,选取候选匹配道路;
2)判断候选道路个数是否大于1,若大于1,进入步骤3),若候选道路个数小于或等于1,进入步骤4);
3)基于IWC计算方法选取最佳匹配道路
在动态选取候选匹配道路后,车辆处于复杂交叉口时,候选道路的角度差距较大,选择车辆行驶轨迹与道路角度的角度相似度b作为新的参数,基于定位点到候选匹配道路的投影距离d、行驶方向与道路的夹角a以及车辆行驶轨迹与道路角度的夹角相似度b这三个参数的IWC计算方法,具体如下:
当车辆处于道路交叉口时,车辆转弯的可能性对候选道路的选择具有更大的决定作用,因此,依据距离道路交叉口越近的定位点的角度权值比远离交叉口的定位点的角度权值越大的原理,提出一种可随路况实时调整权重的权重圆计算方法:权重圆计算方法以道路交叉口O为圆心,以权重圆半径R为半径作圆,动态分配参数权重值,其中,权重圆半径R是根据矢量路网的折点设置的值;
权重圆计算方法具体流程如下:
设在道路交叉口O附近,STP计算方法选取三条候选匹配道路R1,R2,R3,a1、b1、c1、d1是四个道路转折点,权重圆计算方法以道路交叉口O为圆心,分别以权重圆半径R=|oa1|为半径作圆、以权重圆半径R=|ob1|为半径作圆、以权重圆半径R=|oc1|为半径作圆,|oa1|是道路交叉点O到点a1的距离,|ob1|是道路交叉点O到点b1的距离,|oc1|是道路交叉点O到点c1的距离,则该范围被这些圆分成四个区域:区域1,区域2,区域3,区域4;则权重圆计算方法分配距离权值wd与角度权值wa的规则如下:
规则1:当车辆处于区域1,表明车辆远离道路交叉口O,距离对道路选择具有决定性的作用,此种情况设置距离的权重值为1;
规则2:当车辆处于区域2、区域3、区域4,权重圆计算方法定义距离的权重值wa=1-wd,其中,op是交叉点O到车辆定位点的距离,R是包含定位点的最小外接圆的半径,即权重圆半径,设如果车辆处于区域3,则权重圆的半径R=|ob|;
规则3:如果R>RMAX,设置R2=RMAX,R是根据道路折点所做最大圆的半径,这里的权重圆半径R是根据矢量路网的折点设置的,矢量路网均由折线组成,RMAX为STP计算方法所限定的最大外围圆半径,由于STP计算方法得出的是一个矩形区域,该区域与地图数据叠加,会有交集,该交集最外的折点就是最大外围圆半径;
STP-IWC计算方法具体如下:
在使用STP计算方法动态界定候选道路集的基础上,利用IWC计算方法确定最佳匹配道路,具体匹配流程如下:
(31)、简单道路的匹配
若STP计算方法选取的候选道路只有一条,则认为车辆行驶在直道上,此时使用直接匹配计算方法将定位点匹配到道路上;
(32)、复杂道路的匹配
若STP计算方法选取的候选道路不止一条,则认为车辆行驶在复杂道路的道路交叉口上,设汽车沿着一条道路R1行驶而来,依次经过两个已定位点p1(x1,y1)、p2(x2,y2),还未经过待定位点p3(x3,y3),在IWC计算方法中,p3点的实时匹配具体如下:
首先,计算p3点到第i条候选匹配道路R2、第i+1条候选匹配道路R3(这里的i是序号,当前i=R2,i+1=R3)的垂直投影距离|op|,如果|op|<Rmax,则距离的权重值反之,wd=1;
其次,计算车辆行驶方向与候选匹配道路i的夹角a,计算公式如下:
其中,m是道路的方向,m是取道路与地理坐标系X轴的夹角,(x2,y2)为点p2的坐标,(x3,y3)为p3点的坐标;行驶轨迹与候选匹配道路i的角度相似度b计算如下:
m是道路的方向,(xi,yi)是点p1、p2、p3的坐标,i=1/2/3;
最后,计算候选道路i的权重值wqi,计算如下:
式(8)中:wa=1-wd,
wa,wd为权值,为定位点到候选道路i垂直投影距离的计算值,为车辆行驶方向与候选道路i的夹角计算值,为车辆行驶轨迹与候选道路i角度相似度的计算值,di为定位点到候选匹配道路i的垂直投影距离;选择权重最大值者为匹配道路;
4)按照行车路线,循环进行步骤1)至步骤4)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910307121.3A CN110031011B (zh) | 2019-04-17 | 2019-04-17 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910307121.3A CN110031011B (zh) | 2019-04-17 | 2019-04-17 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110031011A true CN110031011A (zh) | 2019-07-19 |
CN110031011B CN110031011B (zh) | 2021-05-11 |
Family
ID=67238664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910307121.3A Expired - Fee Related CN110031011B (zh) | 2019-04-17 | 2019-04-17 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110031011B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111098894A (zh) * | 2019-12-13 | 2020-05-05 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种基于轨道曲线特征的列车定位方法及系统 |
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 |
CN112150046A (zh) * | 2020-11-06 | 2020-12-29 | 上海交通大学 | 一种道路交叉口安全风险指数计算方法 |
CN112487114A (zh) * | 2020-11-10 | 2021-03-12 | 电子科技大学 | 一种城市交叉口地图匹配方法 |
CN112747744A (zh) * | 2020-12-22 | 2021-05-04 | 浙江大学 | 一种结合航位推算和多车道路网地图的车辆定位方法 |
CN113110466A (zh) * | 2021-04-22 | 2021-07-13 | 深圳市井智高科机器人有限公司 | 一种用于agv机器人的高灵敏度避障系统及方法 |
CN113380031A (zh) * | 2021-06-09 | 2021-09-10 | 阿波罗智联(北京)科技有限公司 | 道路信息的确定方法和装置 |
CN114543820A (zh) * | 2020-11-24 | 2022-05-27 | 博泰车联网科技(上海)股份有限公司 | 道路匹配方法及相关装置 |
CN114563005A (zh) * | 2022-03-01 | 2022-05-31 | 小米汽车科技有限公司 | 道路定位方法、装置、设备、车辆及存储介质 |
CN116698054A (zh) * | 2023-08-03 | 2023-09-05 | 腾讯科技(深圳)有限公司 | 道路匹配方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201255A (zh) * | 2007-12-21 | 2008-06-18 | 四川川大智胜软件股份有限公司 | 基于智能导航算法的车辆组合导航系统 |
CN102589557A (zh) * | 2012-01-13 | 2012-07-18 | 吉林大学 | 一种基于驾驶员行为特性和分对数模型的交叉口处地图匹配方法 |
CN105788274A (zh) * | 2016-05-18 | 2016-07-20 | 武汉大学 | 基于时空轨迹大数据的城市交叉口车道级结构提取方法 |
CN107179085A (zh) * | 2016-03-10 | 2017-09-19 | 中国科学院地理科学与资源研究所 | 一种面向稀疏浮动车数据的条件随机场地图匹配方法 |
WO2018180338A1 (ja) * | 2017-03-30 | 2018-10-04 | パイオニア株式会社 | 情報処理装置、サーバ装置、制御方法、プログラム及び記憶媒体 |
CN109029472A (zh) * | 2018-07-10 | 2018-12-18 | 天津大学 | 基于低采样率gps轨迹点的地图匹配方法 |
CN109143291A (zh) * | 2018-06-29 | 2019-01-04 | 长安大学 | 一种车载gps轨迹空间索引精确匹配方法 |
CN109522385A (zh) * | 2018-11-22 | 2019-03-26 | 首都师范大学 | 一种多尺度道路网m-n匹配模式的判定方法 |
-
2019
- 2019-04-17 CN CN201910307121.3A patent/CN110031011B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201255A (zh) * | 2007-12-21 | 2008-06-18 | 四川川大智胜软件股份有限公司 | 基于智能导航算法的车辆组合导航系统 |
CN102589557A (zh) * | 2012-01-13 | 2012-07-18 | 吉林大学 | 一种基于驾驶员行为特性和分对数模型的交叉口处地图匹配方法 |
CN107179085A (zh) * | 2016-03-10 | 2017-09-19 | 中国科学院地理科学与资源研究所 | 一种面向稀疏浮动车数据的条件随机场地图匹配方法 |
CN105788274A (zh) * | 2016-05-18 | 2016-07-20 | 武汉大学 | 基于时空轨迹大数据的城市交叉口车道级结构提取方法 |
WO2018180338A1 (ja) * | 2017-03-30 | 2018-10-04 | パイオニア株式会社 | 情報処理装置、サーバ装置、制御方法、プログラム及び記憶媒体 |
CN109143291A (zh) * | 2018-06-29 | 2019-01-04 | 长安大学 | 一种车载gps轨迹空间索引精确匹配方法 |
CN109029472A (zh) * | 2018-07-10 | 2018-12-18 | 天津大学 | 基于低采样率gps轨迹点的地图匹配方法 |
CN109522385A (zh) * | 2018-11-22 | 2019-03-26 | 首都师范大学 | 一种多尺度道路网m-n匹配模式的判定方法 |
Non-Patent Citations (2)
Title |
---|
WENXIN TENG ET,AL.: "Real-Time Map Matching: A New Algorithm Integrating Spatio-Temporal Proximity and Improved Weighted Circle", 《OPEN GEOSCIENCES》 * |
郑林江等: "考虑时空特性的动态权重实时地图匹配算法", 《计算机应用》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111098894A (zh) * | 2019-12-13 | 2020-05-05 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种基于轨道曲线特征的列车定位方法及系统 |
CN111098894B (zh) * | 2019-12-13 | 2021-10-15 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种基于轨道曲线特征的列车定位方法及系统 |
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 |
CN112150046A (zh) * | 2020-11-06 | 2020-12-29 | 上海交通大学 | 一种道路交叉口安全风险指数计算方法 |
CN112487114A (zh) * | 2020-11-10 | 2021-03-12 | 电子科技大学 | 一种城市交叉口地图匹配方法 |
CN112487114B (zh) * | 2020-11-10 | 2021-08-31 | 电子科技大学 | 一种城市交叉口地图匹配方法 |
CN114543820A (zh) * | 2020-11-24 | 2022-05-27 | 博泰车联网科技(上海)股份有限公司 | 道路匹配方法及相关装置 |
CN114543820B (zh) * | 2020-11-24 | 2023-09-22 | 博泰车联网科技(上海)股份有限公司 | 道路匹配方法及相关装置 |
CN112747744A (zh) * | 2020-12-22 | 2021-05-04 | 浙江大学 | 一种结合航位推算和多车道路网地图的车辆定位方法 |
CN112747744B (zh) * | 2020-12-22 | 2022-11-18 | 浙江大学 | 一种结合航位推算和多车道路网地图的车辆定位方法 |
CN113110466B (zh) * | 2021-04-22 | 2021-12-21 | 深圳市井智高科机器人有限公司 | 一种用于agv机器人的高灵敏度避障系统及方法 |
CN113110466A (zh) * | 2021-04-22 | 2021-07-13 | 深圳市井智高科机器人有限公司 | 一种用于agv机器人的高灵敏度避障系统及方法 |
CN113380031A (zh) * | 2021-06-09 | 2021-09-10 | 阿波罗智联(北京)科技有限公司 | 道路信息的确定方法和装置 |
CN114563005A (zh) * | 2022-03-01 | 2022-05-31 | 小米汽车科技有限公司 | 道路定位方法、装置、设备、车辆及存储介质 |
CN116698054A (zh) * | 2023-08-03 | 2023-09-05 | 腾讯科技(深圳)有限公司 | 道路匹配方法、装置、电子设备及存储介质 |
CN116698054B (zh) * | 2023-08-03 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 道路匹配方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110031011B (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110031011A (zh) | 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 | |
CN102102992B (zh) | 基于多级网络划分的匹配道路初筛方法及地图匹配系统 | |
CN106125764B (zh) | 基于a*搜索的无人机路径动态规划方法 | |
EP2427726B1 (en) | Methods and systems for creating digital transportation networks | |
CN111204336B (zh) | 一种车辆行车风险的评估方法及设备 | |
CN102589557B (zh) | 一种基于驾驶员行为特性和分对数模型的交叉口处地图匹配方法 | |
CN107766808A (zh) | 道路网络空间中车辆对象移动轨迹聚类的方法及系统 | |
US20150262481A1 (en) | System and method to determine occurrence of platoon | |
CN110285817B (zh) | 基于自适应d-s证据理论的复杂路网地图匹配方法 | |
CN104700617A (zh) | 基于低精度gps轨迹数据的高精度车道信息提取方法 | |
CN104819724A (zh) | 一种基于gis的无人地面车辆自主行驶辅助系统 | |
CN109256028A (zh) | 一种用于无人驾驶的高精度路网自动生成的方法 | |
CN109684702A (zh) | 基于轨迹预测的行车风险辨识方法 | |
CN104464379B (zh) | 基于分段匹配的航行计划与雷达航迹关联方法及系统 | |
CN105928529A (zh) | 一种多证据融合地图匹配算法 | |
CN106469505A (zh) | 一种浮动车轨迹纠偏方法和装置 | |
CN113682318A (zh) | 车辆行驶控制方法及装置 | |
CN104992466A (zh) | 一种三维场景的即时寻径方法 | |
Blazquez | A decision-rule topological map-matching algorithm with multiple spatial data | |
CN113701777B (zh) | 基于空间向量的高精地图车道关联轨迹线自动生成方法 | |
CN116958316B (zh) | 拓扑图生成方法、装置、计算机设备及存储介质 | |
CN111208820B (zh) | 人工智能大数据下粒子化无人车组、控制方法及介质 | |
CN106289281A (zh) | 一种基于三证据ds理论的双模式地图匹配方法 | |
CN102052925A (zh) | 基于空间关系约束的适配区景象匹配方法 | |
CN116331264A (zh) | 一种未知障碍物分布的避障路径鲁棒规划方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210511 |
|
CF01 | Termination of patent right due to non-payment of annual fee |