CN110260870A - 基于隐马尔可夫模型的地图匹配方法、装置、设备和介质 - Google Patents
基于隐马尔可夫模型的地图匹配方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN110260870A CN110260870A CN201910650722.4A CN201910650722A CN110260870A CN 110260870 A CN110260870 A CN 110260870A CN 201910650722 A CN201910650722 A CN 201910650722A CN 110260870 A CN110260870 A CN 110260870A
- Authority
- CN
- China
- Prior art keywords
- current trace
- trace points
- road
- candidate matches
- tracing point
- 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
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
- 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
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
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)
Abstract
本发明实施例公开了基于隐马尔可夫模型的地图匹配方法、装置、设备和介质。该方法包括:将待匹配轨迹中的任一轨迹点作为当前轨迹点,在路网数据中搜索当前轨迹点的至少一条候选匹配道路,并分别计算所述当前轨迹点的观测概率和转移概率;如果当前轨迹点为回退点,则计算当前轨迹点的前一个轨迹点的最优匹配道路,并将该最优匹配道路作为所述当前轨迹点的候选匹配道路之一,重新计算观测概率和转移概率;对待匹配轨迹中的全部轨迹点重复执行上述操作,直到当前轨迹点为所述待匹配轨迹的最后一个轨迹点为止;依据待匹配轨迹的全部轨迹点的观测概率和转移概率计算维特比概率,继而确定待匹配轨迹的最优匹配道路序列。本发明实施例具有良好的抗噪性。
Description
技术领域
本发明实施例涉及地图匹配技术,尤其涉及一种基于隐马尔可夫模型的地图匹配方法、装置、设备和介质。
背景技术
随着车联网技术的高速发展,地图服务已经深入地影响着人们的日常出行。地图匹配技术作为地图服务的核心支撑技术,实现了将具有GPS功能设备的有序初始定位结果关联到电子地图的交通路网上,进而为交通出行提供路径规划及导航等服务。
现有的地图匹配方法可归纳为增量式最大概率方法、全局最大概率方法以及全局几何方法三大类。其中,全局最大概率方法,即计算轨迹点序列在路网上所有候选转移路径的积累概率,即维特比概率,选择最大概率对应的最优转移路径作为该轨迹点序列的匹配结果,最典型的方法就是应用维特比动态规划的隐马尔可夫模型系列方法,而基于隐马尔可夫模型的全局最大概率方法目前也是使用最为广泛的地图匹配方法。
基于隐马尔可夫模型的全局概率方法虽然能获得最优匹配结果,但是其十分依赖于GPS轨迹点的精度。但由于外部环境(例如高架桥、隧道、高楼大厦等附近)及设备自身的局限性,普通设备获取到的GPS定位数据通常会与实际的真实数据有所偏差,具体表现为轨迹点漂移、回退或者离相邻道路更近等情况。因此,现有的基于隐马尔可夫模型的全局概率方法容易受GPS轨迹点精度的影响,缺乏对低质量轨迹的处理能力,抗噪性较差。
发明内容
本发明实施例提供一种基于隐马尔可夫模型的地图匹配方法、装置、设备和介质,以解决现有技术抗噪性较差的技术问题。
第一方面,本发明实施例提供了一种基于隐马尔可夫模型的地图匹配方法,该方法包括:
a 将待匹配轨迹中的任一轨迹点作为当前轨迹点,在路网数据中搜索当前轨迹点的至少一条候选匹配道路;
b 分别计算所述当前轨迹点到每条候选匹配道路的观测概率;
c 分别计算所述当前轨迹点的前一个轨迹点的每条候选匹配道路到所述当前轨迹点的每条候选匹配道路的转移概率;
d 如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路均不连通,且所述当前轨迹点为回退点,则计算所述当前轨迹点的前一个轨迹点的最优匹配道路,并将该最优匹配道路作为所述当前轨迹点的候选匹配道路之一,返回重新执行上述操作b;
e 如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路存在连通道路,则将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点;重复执行上述操作a-e,直到当前轨迹点为所述待匹配轨迹的最后一个轨迹点为止;
f 依据所述待匹配轨迹的全部轨迹点的观测概率和转移概率计算维特比概率,依据所述维特比概率确定所述待匹配轨迹在所述路网数据中的最优匹配道路序列。
第二方面,本发明实施例还提供了一种基于隐马尔可夫模型的地图匹配装置,该装置包括:
候选匹配道路搜索模块,用于将待匹配轨迹中的任一轨迹点作为当前轨迹点,在路网数据中搜索当前轨迹点的至少一条候选匹配道路;
观测概率计算模块,用于分别计算所述当前轨迹点到每条候选匹配道路的观测概率;
转移概率计算模块,用于分别计算所述当前轨迹点的前一个轨迹点的每条候选匹配道路到所述当前轨迹点的每条候选匹配道路的转移概率;
回退重新匹配模块,用于如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路均不连通,且所述当前轨迹点为回退点,则计算所述当前轨迹点的前一个轨迹点的最优匹配道路,并将该最优匹配道路作为所述当前轨迹点的候选匹配道路之一,返回由所述观测概率计算模块重新处理;
循环模块,用于如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路存在连通道路,则将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点;由所述候选匹配道路搜索模块、观测概率计算模块、转移概率计算模块、回退重新匹配模块和循环模块重复处理,直到当前轨迹点为所述待匹配轨迹的最后一个轨迹点为止;
维特比计算模块,用于依据所述待匹配轨迹的全部轨迹点的观测概率和转移概率计算维特比概率,依据所述维特比概率确定所述待匹配轨迹在所述路网数据中的最优匹配道路序列。
第三方面,本发明实施例还提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上任一实施例所述的基于隐马尔可夫模型的地图匹配方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上任一实施例所述的基于隐马尔可夫模型的地图匹配方法。
本发明实施例基于隐马尔可夫模型进行地图匹配,在路网数据中搜索每个轨迹点的至少一条候选匹配道路,并分别计算每个轨迹点的观测概率和转移概率,最后利用待匹配轨迹上全部轨迹点的观测概率和转移概率计算维特比概率,依据所述维特比概率确定所述待匹配轨迹在所述路网数据中的最优匹配道路序列。其中,通过每个轨迹的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路是否均不连通,以及当前轨迹点是否为回退点的判断,在回退点的候选匹配道路中增加该回退点的前一个轨迹点的最优匹配道路,并基于增加后的候选匹配道路重新计算其观测概率和转移概率,以此解决由回退轨迹点造成的匹配断开的情况,即使在轨迹点的GPS信号不准确的情况下,也能提高地图匹配的准确性,使得本发明实施例的地图匹配方法具有良好的抗噪性。
附图说明
图1为本发明实施例一中的基于隐马尔可夫模型的地图匹配方法的流程图;
图2是本发明实施例二中的基于隐马尔可夫模型的地图匹配方法的流程图;
图3是本发明实施例三中的基于隐马尔可夫模型的地图匹配装置的结构示意图;
图4是本发明实施例四中的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的基于隐马尔可夫模型的地图匹配方法的流程图,本实施例可适用于对依据GPS信号获取到的轨迹在路网数据中进行地图匹配的情况,以得到待匹配轨迹在路网上的最优匹配路径。该方法可以由基于隐马尔可夫模型的地图匹配装置来执行,该装置可以采用软件和/或硬件的方式实现,并可配置在电子设备上,例如通用计算机或者相关应用的服务器中。如图1所示,该方法具体包括:
S101、将待匹配轨迹中的任一轨迹点作为当前轨迹点,在路网数据中搜索当前轨迹点的至少一条候选匹配道路。
其中,路网数据可以是任一地图的路网数据。当前轨迹点可以是待匹配轨迹中的首个轨迹点,然后依次对首个轨迹点之后的每一个轨迹点,按照本发明实施例的方法循环处理,直到最后一个轨迹点为止,则完成全部轨迹点的处理,得到待匹配轨迹在路网中的匹配路径。此外,当所述当前轨迹点为首个轨迹点时,在计算其对应的观测概率后,对于其对应的转移概率,可以设置为初始化的值,例如可以初始化为待匹配轨迹上全部轨迹点数量的倒数,然后再对该首个轨迹点的下一个轨迹点继续执行本操作。
具体的,可以按照设定的搜索半径R,采用空间索引技术得到当前轨迹点的至少一条候选匹配道路。所述搜索半径R可以依据GPS的定位精度来设定,对于高精度GPS设备,可以适当设置较小的搜索半径,反之,则需要适当设置较大的搜索半径。可选的,还可以根据所述当前轨迹点在路网数据中所处的道路环境,按照预设标准动态增大搜索半径,例如,当检测到当前轨迹点在高架桥、隧道或者城市高楼建筑群附近时,可动态增大搜索半径,因为在这些环境中的轨迹点容易存在漂移现象,GPS信号准确性不高,为了提高地图匹配的准确度,则需要动态增大搜索半径。
可选的,在匹配之前,还可以对轨迹数据进行预处理,并进行路网数据准备。例如,预处理可以包括对采样频率高于1/T的轨迹数据进行抽稀,保证得到的轨迹点之间的时间间隔大于T秒,T可以根据需要进行预先配置。而路网数据准备,例如可以包括从电子地图中获取路网数据,并构造一张有向图G(V,E),其中,V表示道路交叉点集合,E表示任两个道路交叉点之间的道路。
S102、分别计算所述当前轨迹点到每条候选匹配道路的观测概率。
这里需要说明的是,在现有技术的基于隐马尔可夫模型的地图匹配算法中,计算观测概率时并没有考虑轨迹点的速度特征和方向特征,而在本发明实施例中,不仅考虑轨迹点的经纬度和时间特征,还会考虑轨迹点的速度特征和方向特征,以提高轨迹点匹配的精准度。
为描述方便,假设用pt表示当前轨迹点,其中t表示当前时刻,并且令当前轨迹点pt=(x,y,t,v,θ),x、y、t分别表示轨迹点pt的经度、纬度和GPS时间,v表示轨迹点pt的速度,θ表示轨迹点pt的行驶方向。其中,当获取到的GPS数据中没有方向特征或者速度特征v较小时,可利用轨迹点pt的前一个轨迹点pt-1和pt的经纬度并结合基本的数学与几何知识,即可计算得到当前轨迹点pt的行驶方向;而当获取到的GPS数据中没有速度特征时,可利用轨迹点pt-1和pt之间的距离和时间即可计算得到。
于是,按照如下公式,计算当前轨迹点pt到任一候选匹配道路ei的观测概率:
其中,dt,i表示轨迹点pt到候选匹配道路ei的投影距离,服从高斯分布,σ为该高斯分布的标准差,该参数可以预先根据轨迹点的绝对精度设置,例如可以采用中位数绝对偏差MAD方法估计;Δθt,i表示轨迹点pt的行驶方向与该点在候选匹配道路ei投影位置行驶方向的差值,Δθt,i服从参数为β的指数分布。
S103、分别计算所述当前轨迹点的前一个轨迹点的每条候选匹配道路到所述当前轨迹点的每条候选匹配道路的转移概率。
同样的,为便于描述,假设用pt表示当前轨迹点,用pt-1表示当前轨迹点的前一个轨迹点,用ei表示候选匹配道路,那么,计算轨迹点pt-1的所有候选匹配道路et-1,j到轨迹点pt的所有候选匹配道路et,j的转移概率,可以用如下公式表示:
其中,dcj,i表示轨迹点pt-1到轨迹点pt的球面距离,routej,i表示轨迹点pt-1在候选匹配道路et-1,j投影点到轨迹点pt在候选匹配道路et,j投影点的转移距离(也称路由距离),且|dcj,i-routej,i|服从以λ为参数的指数分布。
S104、判断当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路是否存在连通道路,如果是,则执行S105,如果否,则执行S107。
S105、判断当前轨迹点是否为回退点,如果是,则执行S106后执行S102。
S106、计算所述当前轨迹点的前一个轨迹点的最优匹配道路,并将该最优匹配道路作为所述当前轨迹点的候选匹配道路之一。
上述操作S104-S106是对待匹配轨迹中关于回退点的处理。众所周知,现有技术中的基于隐马尔可夫模型的地图匹配方法依赖于GPS信号的精度,那么当GPS精度较低时,容易出现回退点现象,影响地图匹配的精度。而在本发明实施例中,通过上述操作能够解决回退点这种噪声问题,提高匹配精度。
具体的,先判断当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路是否存在连通道路,例如可以按照如下操作判断:依据所述路网数据构建道路有向图G(V,E),其中,所述道路有向图中包括道路交叉点集合,以及任意两个交叉点之间的道路;依据所述道路有向图,判断所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路是否均不连通。
之后再判断当前轨迹点是否为回退点,例如可以按照如下操作判断:依据轨迹点的GPS数据,计算所述当前轨迹点的前两个轨迹点到前一个轨迹点的第一行驶方向,以及所述前一个轨迹点到当前轨迹点的第二行驶方向;如果所述第一行驶方向与第二行驶方向的差值绝对值不小于预设角度阈值,则判断为所述当前轨迹点为回退点。其中,行驶方向可以依据轨迹点的GPS数据计算得到,所述预设角度阈值例如为90度。
如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路均不连通,且所述当前轨迹点为回退点,则按照S106,计算所述当前轨迹点的前一个轨迹点的最优匹配道路,并将该最优匹配道路作为所述当前轨迹点的候选匹配道路之一,并基于增加后的候选匹配道路,重新执行S102,计算当前轨迹点到增加后的每条候选匹配道路的观测概率,并继续执行后续操作。
而如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路均不连通,但是所述当前轨迹点并非回退点,则说明待匹配轨迹中到所述当前轨迹点为止被截断,那么可以对当前轨迹点之前的这段轨迹通过维特比算法得到其最优匹配路径,并保存。对于当前轨迹点之后的尚未匹配的轨迹点,则继续按照上述操作进行,并将所述当前轨迹点的下一个轨迹点作为首个轨迹点进行匹配。
S107、判断当前轨迹点是否为最后一个轨迹点,如果是,则执行S108,如果否,则执行S109后返回执行S101。
S108、依据所述待匹配轨迹的全部轨迹点的观测概率和转移概率计算维特比概率,依据所述维特比概率确定所述待匹配轨迹在所述路网数据中的最优匹配道路序列。
S109、将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点。
如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路没有均不连通,也即存在连通的道路,将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点,并重复执行上述操作S101-S107,直到当前轨迹点为所述待匹配轨迹的最后一个轨迹点为止,待匹配轨迹的全部轨迹点匹配完毕,按照S108,依据所述待匹配轨迹的全部轨迹点的观测概率和转移概率计算维特比概率,依据所述维特比概率确定所述待匹配轨迹在所述路网数据中的最优匹配道路序列。其中,有关维特比算法,由于其属于现有技术,此处不再赘述。
这里还需要说明的是,通过本发明实施例中对回退轨迹点的处理,使得本发明实施例中的匹配方法能够兼容因轨迹点回退造成的匹配断开情况,其中,所谓匹配断开,就是指轨迹点pt-1的所有候选匹配道路到pt的所有候选匹配道路在有向图G(V,E)上均不连通。那么,利用自适应增加pt的候选匹配道路及回退-重新匹配机制,使得从pt-1到pt的匹配依旧可以保持连通,提高了地图匹配方法的准确性和抗噪性。
本发明实施例基于隐马尔可夫模型进行地图匹配,在路网数据中搜索每个轨迹点的至少一条候选匹配道路,并分别计算每个轨迹点的观测概率和转移概率,最后利用待匹配轨迹上全部轨迹点的观测概率和转移概率计算维特比概率,依据所述维特比概率确定所述待匹配轨迹在所述路网数据中的最优匹配道路序列。其中,通过每个轨迹的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路是否均不连通,以及当前轨迹点是否为回退点的判断,在回退点的候选匹配道路中增加该回退点的前一个轨迹点的最优匹配道路,并基于增加后的候选匹配道路重新计算其观测概率和转移概率,以此解决由回退轨迹点造成的匹配断开情况,即使在轨迹点的GPS信号不准确的情况下,也能提高地图匹配的准确性,使得本发明实施例的地图匹配方法具有良好的抗噪性。
实施例二
图2为本发明实施例二提供的基于隐马尔可夫模型的地图匹配方法的流程图,本实施例二在实施例一的基础上进行进一步地优化,主要增加了对转移概率进行权重调整的相关操作。如图2所示,所述方法包括:
S201、初始化开始匹配标志。
开始匹配标志的作用是标识当前时刻的轨迹点pt是否为一个新的起始匹配轨迹点,为便于描述,用start表示所述开始匹配标志,初始化即让start置0,那么当start为0时,则说明不是一个新的起始匹配轨迹点。需要说明的是,因为应用在地图匹配中的隐马尔可夫模型和在其它行业的应用有所差别,假如前一时刻轨迹点pt-1的所有候选匹配道路到当前时刻轨迹点pt的所有候选匹配道路在有向图G(V,E)上均不连通,则需要在t时刻重新初始化匹配状态,即对pt的所有候选匹配道路的转移概率赋初始值,同时保存前一个连续轨迹片段的匹配结果。关于此,将在后续操作中进行说明。
S202、在路网数据中搜索当前轨迹点pt的至少一条候选匹配道路。
S203、分别计算当前轨迹点pt到每条候选匹配道路的观测概率。
S204、判断当前时刻是否满足t=1或start=1,如果是,则执行S205、S206并返回执行S202,如果否,则执行S207。
S205、初始化当前轨迹点的每条候选匹配道路的转移概率,且重置start=0。
S206、t=t+1,其中,t表示当前时刻。
也即,在计算转移概率之前,如果当前轨迹点pt是所述待匹配轨迹中的首个轨迹点(t=1),或者所述开始匹配标志为重置后的值(start=1),则初始化当前轨迹点的每条候选匹配道路的转移概率,并重新初始化所述开始匹配标志,将其置0,然后将当前轨迹点pt的下一个轨迹点pt+1作为新的当前轨迹点,并从S202开始重复执行。其中,可以按照如下公式初始化当前轨迹点pt的每条候选匹配道路ei的转移概率,其中,Num表示当前轨迹点pt的候选匹配道路数量:
S207、分别计算当前轨迹点的前一个轨迹点的每条候选匹配道路到当前轨迹点的每条候选匹配道路的转移概率。
S208、判断当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路均不连通,如果是,则执行S209,如果否,则执行S211。
S209、判断当前轨迹点是否为回退点,如果是,则执行S210后返回执行S203,如果否,则执行S211后执行S212。
S210、计算当前轨迹点的前一个轨迹点的最优匹配道路,并将该最优匹配道路作为当前轨迹点的候选匹配道路之一。
S211、重置开始匹配标志start=1。
S212、依据待匹配轨迹中当前轨迹点之前的全部轨迹点的观测概率和转移概率计算维特比概率,并依据维特比概率确定最优匹配道路序列。
当执行S211时,说明当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路均不连通,且所述当前轨迹点不是回退点,也即出现了道路断开的情况,表明接下来需要对一段新的轨迹进行匹配,因此需要重置开始匹配标志,例如当start为1时,则标识当前时刻的轨迹点是一段轨迹中的起始匹配点。同时,需要依据待匹配轨迹中当前轨迹点之前的全部轨迹点的观测概率和转移概率计算维特比概率,并依据维特比概率确定最优匹配道路序列。也即,对已经匹配完的轨迹点组成的轨迹段计算维特比,以确定其最优匹配道路序列,并存储下来。置于当前轨迹点及其后续轨迹点,则返回执行S206继续进行匹配。
S213、计算转移概率调整系数,按照该系数调整转移概率。
如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路存在连通道路,那么在将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点之前,还需要判断是否需要进行转移概率调整。具体包括如下操作:
如果在所述待匹配轨迹上,所述当前轨迹点pt之前的pt-L轨迹点,到当前轨迹点pt之间的轨迹段满足近似直线条件,则依据该轨迹段的行驶趋势与该轨迹段的每条匹配路径的行驶趋势的相似度,分别计算每条匹配路径对应的权重调整系数,其中,t表示当前时刻,L表示预设时间阈值;
依据所述每条匹配路径对应的权重调整系数,对所述当前轨迹点pt的前一个轨迹点pt-1的相应候选匹配道路到所述当前轨迹点pt的相应候选匹配道路的转移概率进行调整;
其中,所述近似直线条件为:
max(θt-L,…,θt-1,θt)-min(θt-L,…,θt-1,θt)|≤15
θt-L,…,θt-1,θt为轨迹点序列pt-L,…,pt-1,pt的行驶方向角度值;为每条匹配路径上候选匹配道路的行驶方向角度值。
优选的,所述权重调整系数按照如下公式计算:
其中,a为预设的权重调整阈值;
相应的,所述对转移概率进行调整,包括:将原始计算的转移概率乘以所述权重调整系数。
通过上述S213的操作,量化轨迹行驶趋势与轨迹在路网上匹配路径之间的相似程度,并以此判断该转移路径的转移概率是否需要被调整,并基于计算出来的权重调整系数进行调整,从而动态增加了转移概率的影响力,提高了地图匹配算法在同向平行路场景下的准确性。
S214、判断当前是否满足t=N且start=0,如果是,则执行S215,如果否,则执行S206后继续执行S202。
S215、依据待匹配轨迹的全部轨迹点的观测概率和转移概率计算维特比概率,依据维特比概率确定待匹配轨迹在路网数据中的最优匹配道路序列。
也即,如果当前轨迹点是待匹配轨迹中的最后一个轨迹点,并且并不是一段轨迹中的起始匹配点,则表明已经对待匹配轨迹中的全部轨迹点执行完毕,最终依据待匹配轨迹的全部轨迹点的观测概率和转移概率计算维特比概率,即可依据维特比概率确定待匹配轨迹在路网数据中的最优匹配道路序列。反之,如果不满足S214中的条件,则继续对后面的轨迹点进行处理,重复执行上述操作,直到满足条件为止。
本发明实施例基于隐马尔可夫模型进行地图匹配,在路网数据中搜索每个轨迹点的至少一条候选匹配道路,并分别计算每个轨迹点的观测概率和转移概率,最后利用待匹配轨迹上全部轨迹点的观测概率和转移概率计算维特比概率,依据所述维特比概率确定所述待匹配轨迹在所述路网数据中的最优匹配道路序列。其中,通过每个轨迹的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路是否均不连通,以及当前轨迹点是否为回退点的判断,在回退点的候选匹配道路中增加该回退点的前一个轨迹点的最优匹配道路,并基于增加后的候选匹配道路重新计算其观测概率和转移概率,以此解决由回退轨迹点造成的匹配断开的情况,即使在轨迹点的GPS信号不准确的情况下,也能提高地图匹配的准确性。此外,利用轨迹行驶趋势和其在路网上转移路径的相似程度调整转移概率,动态增加转移概率的影响力,解决GPS数据存在的离相邻道路更近的噪声问题,进一步提高了地图匹配算法在同向平行路场景下的准确性,使得本发明实施例的地图匹配方法具有良好的抗噪性,可直接作用于普通GPS设备回传的轨迹数据,不用进行大量的去噪操作,能最大限度的保留原始轨迹的基本行驶状态,且具有较高的匹配准确性。
实施例三
图3是本发明实施例三中的基于隐马尔可夫模型的地图匹配装置的结构示意图。如图3所示,该装置包括:
候选匹配道路搜索模块,用于将待匹配轨迹中的任一轨迹点作为当前轨迹点,在路网数据中搜索当前轨迹点的至少一条候选匹配道路;
观测概率计算模块,用于分别计算所述当前轨迹点到每条候选匹配道路的观测概率;
转移概率计算模块,用于分别计算所述当前轨迹点的前一个轨迹点的每条候选匹配道路到所述当前轨迹点的每条候选匹配道路的转移概率;
回退重新匹配模块,用于如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路均不连通,且所述当前轨迹点为回退点,则计算所述当前轨迹点的前一个轨迹点的最优匹配道路,并将该最优匹配道路作为所述当前轨迹点的候选匹配道路之一,返回由所述观测概率计算模块重新处理;
循环模块,用于如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路存在连通道路,则将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点;由所述候选匹配道路搜索模块、观测概率计算模块、转移概率计算模块、回退重新匹配模块和循环模块重复处理,直到当前轨迹点为所述待匹配轨迹的最后一个轨迹点为止;
维特比计算模块,用于依据所述待匹配轨迹的全部轨迹点的观测概率和转移概率计算维特比概率,依据所述维特比概率确定所述待匹配轨迹在所述路网数据中的最优匹配道路序列。
可选的,所述回退重新匹配模块中至少包括连通判断单元,具体用于:
依据所述路网数据构建道路有向图,其中,所述道路有向图中包括道路交叉点集合,以及任意两个交叉点之间的道路;
依据所述道路有向图,判断所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路是否均不连通。
可选的,所述回退重新匹配模块中至少包括回退点判断单元,具体用于:
依据轨迹点的GPS数据,计算所述当前轨迹点的前两个轨迹点到前一个轨迹点的第一行驶方向,以及所述前一个轨迹点到当前轨迹点的第二行驶方向;
如果所述第一行驶方向与第二行驶方向的差值绝对值不小于预设角度阈值,则判断为所述当前轨迹点为回退点。
可选的,所述装置还包括:
开始匹配标志初始化模块,用于在所述候选匹配道路搜索模块处理之前,初始化开始匹配标志,其中,初始化后的开始匹配标志用于标识当前时刻的轨迹点不是一段轨迹中的起始匹配点;
相应的,所述装置还包括重置开始匹配标志模块,具体用于:
如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点pt的所有候选匹配道路均不连通,且所述当前轨迹点不是回退点,则重置所述开始匹配标志,其中,重置后的开始匹配标志用于标识当前时刻的轨迹点是一段轨迹中的起始匹配点;
依据所述待匹配轨迹中所述当前轨迹点之前的全部轨迹点的观测概率和转移概率计算维特比概率,并依据所述维特比概率确定所述待匹配轨迹中所述当前轨迹点之前的轨迹在所述路网数据中的最优匹配道路序列;并且
将所述当前轨迹点后的轨迹作为新的待匹配轨迹进行地图匹配。
可选的,所述装置还包括转移概率初始化模块,具体用于:
如果所述当前轨迹点是所述待匹配轨迹中的首个轨迹点,或者所述开始匹配标志为重置后的值,则初始化所述当前轨迹点的每条候选匹配道路的转移概率,并重新初始化所述开始匹配标志,将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点由所述候选匹配道路搜索模块处理;
如果所述当前轨迹点不是所述待匹配轨迹中的首个轨迹点,并且所述开始匹配标志保持初始化的值,则继续由所述转移概率计算模块处理。
可选的,所述转移概率计算模块具体用于:
如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路存在连通道路,并且不满足目标条件,则执行所述将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点的操作,否则执行上述操作f;
其中,所述目标条件为:所述当前轨迹点为所述待匹配轨迹的最后一个轨迹点,且所述开始匹配标志为初始化的值。
可选的,所述循环模块还用于:
在所述将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点之前,如果在所述待匹配轨迹上,所述当前轨迹点pt之前的pt-L轨迹点,到当前轨迹点pt之间的轨迹段满足近似直线条件,则依据该轨迹段的行驶趋势与该轨迹段的每条匹配路径的行驶趋势的相似度,分别计算每条匹配路径对应的权重调整系数,其中,t表示当前时刻,L表示预设时间阈值;
依据所述每条匹配路径对应的权重调整系数,对所述当前轨迹点pt的前一个轨迹点pt-1的相应候选匹配道路到所述当前轨迹点pt的相应候选匹配道路的转移概率进行调整;
其中,所述近似直线条件为:
max(θt-L,…,θt-1,θt)-min(θt-L,…,θt-1,θt)|≤15
θt-L,…,θt-1,θt为轨迹点序列pt-L,…,pt-1,pt的行驶方向角度值;为每条匹配路径上候选匹配道路的行驶方向角度值。
可选的,所述权重调整系数按照如下公式计算:
其中,a为预设的权重调整阈值;
相应的,所述对转移概率进行调整,包括:将原始计算的转移概率乘以所述权重调整系数。
可选的,所述观测概率的计算公式为:
其中,dt,i表示轨迹点pt到候选匹配道路ei的投影距离,服从高斯分布,σ为该高斯分布的标准差;Δθt,i表示轨迹点pt的行驶方向与该点在候选匹配道路ei投影位置行驶方向的差值,Δθt,i服从参数为β的指数分布;所述行驶方向是根据轨迹点的GPS数据计算得到。
可选的,所述装置还包括:搜索半径调整模块,用于在所述候选匹配道路搜索模块处理之前,根据所述当前轨迹点在路网数据中所处的道路环境,按照预设标准增大搜索半径;
相应的,所述候选匹配道路搜索模块具体用于:将待匹配轨迹中的任一轨迹点作为当前轨迹点,依据增大后的搜索半径,在路网数据中搜索当前轨迹点的至少一条候选匹配道路。
本发明实施例所提供的基于隐马尔可夫模型的地图匹配装置可执行本发明任意实施例所提供的基于隐马尔可夫模型的地图匹配方法,具备执行该方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种电子设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图4显示的电子设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的基于隐马尔可夫模型的地图匹配方法,包括:
a 将待匹配轨迹中的任一轨迹点作为当前轨迹点,在路网数据中搜索当前轨迹点的至少一条候选匹配道路;
b 分别计算所述当前轨迹点到每条候选匹配道路的观测概率;
c 分别计算所述当前轨迹点的前一个轨迹点的每条候选匹配道路到所述当前轨迹点的每条候选匹配道路的转移概率;
d 如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路均不连通,且所述当前轨迹点为回退点,则计算所述当前轨迹点的前一个轨迹点的最优匹配道路,并将该最优匹配道路作为所述当前轨迹点的候选匹配道路之一,返回重新执行上述操作b;
e 如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路存在连通道路,则将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点;重复执行上述操作a-e,直到当前轨迹点为所述待匹配轨迹的最后一个轨迹点为止;
f 依据所述待匹配轨迹的全部轨迹点的观测概率和转移概率计算维特比概率,依据所述维特比概率确定所述待匹配轨迹在所述路网数据中的最优匹配道路序列。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的基于隐马尔可夫模型的地图匹配方法,包括:
a 将待匹配轨迹中的任一轨迹点作为当前轨迹点,在路网数据中搜索当前轨迹点的至少一条候选匹配道路;
b 分别计算所述当前轨迹点到每条候选匹配道路的观测概率;
c 分别计算所述当前轨迹点的前一个轨迹点的每条候选匹配道路到所述当前轨迹点的每条候选匹配道路的转移概率;
d 如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路均不连通,且所述当前轨迹点为回退点,则计算所述当前轨迹点的前一个轨迹点的最优匹配道路,并将该最优匹配道路作为所述当前轨迹点的候选匹配道路之一,返回重新执行上述操作b;
e 如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路存在连通道路,则将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点;重复执行上述操作a-e,直到当前轨迹点为所述待匹配轨迹的最后一个轨迹点为止;
f 依据所述待匹配轨迹的全部轨迹点的观测概率和转移概率计算维特比概率,依据所述维特比概率确定所述待匹配轨迹在所述路网数据中的最优匹配道路序列。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (15)
1.一种基于隐马尔可夫模型的地图匹配方法,其特征在于,包括:
a将待匹配轨迹中的任一轨迹点作为当前轨迹点,在路网数据中搜索当前轨迹点的至少一条候选匹配道路;
b分别计算所述当前轨迹点到每条候选匹配道路的观测概率;
c分别计算所述当前轨迹点的前一个轨迹点的每条候选匹配道路到所述当前轨迹点的每条候选匹配道路的转移概率;
d如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路均不连通,且所述当前轨迹点为回退点,则计算所述当前轨迹点的前一个轨迹点的最优匹配道路,并将该最优匹配道路作为所述当前轨迹点的候选匹配道路之一,返回重新执行上述操作b;
e如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路存在连通道路,则将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点;重复执行上述操作a-e,直到当前轨迹点为所述待匹配轨迹的最后一个轨迹点为止;
f依据所述待匹配轨迹的全部轨迹点的观测概率和转移概率计算维特比概率,依据所述维特比概率确定所述待匹配轨迹在所述路网数据中的最优匹配道路序列。
2.根据权利要求1所述的方法,其特征在于,在上述操作d中,判断所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路是否均不连通的过程,包括:
依据所述路网数据构建道路有向图,其中,所述道路有向图中包括道路交叉点集合,以及任意两个交叉点之间的道路;
依据所述道路有向图,判断所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路是否均不连通。
3.根据权利要求1所述的方法,其特征在于,在上述操作d中,判断所述当前轨迹点是否为回退点的过程,包括:
依据轨迹点的GPS数据,计算所述当前轨迹点的前两个轨迹点到前一个轨迹点的第一行驶方向,以及所述前一个轨迹点到当前轨迹点的第二行驶方向;
如果所述第一行驶方向与第二行驶方向的差值绝对值不小于预设角度阈值,则判断为所述当前轨迹点为回退点。
4.根据权利要求1所述的方法,其特征在于,在上述操作a之前,所述方法还包括:初始化开始匹配标志,其中,初始化后的开始匹配标志用于标识当前时刻的轨迹点不是一段轨迹中的起始匹配点;
相应的,所述方法还包括:
如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路均不连通,且所述当前轨迹点不是回退点,则重置所述开始匹配标志,其中,重置后的开始匹配标志用于标识当前时刻的轨迹点是一段轨迹中的起始匹配点;
依据所述待匹配轨迹中所述当前轨迹点之前的全部轨迹点的观测概率和转移概率计算维特比概率,并依据所述维特比概率确定所述待匹配轨迹中所述当前轨迹点之前的轨迹在所述路网数据中的最优匹配道路序列;并且
将所述当前轨迹点后的轨迹作为新的待匹配轨迹进行地图匹配。
5.根据权利要求4所述的方法,其特征在于,在上述操作c之前,所述方法还包括:
如果所述当前轨迹点是所述待匹配轨迹中的首个轨迹点,或者所述开始匹配标志为重置后的值,则初始化所述当前轨迹点的每条候选匹配道路的转移概率,并重新初始化所述开始匹配标志,将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点执行上述操作a;
如果所述当前轨迹点不是所述待匹配轨迹中的首个轨迹点,并且所述开始匹配标志保持初始化的值,则继续执行上述操作c。
6.根据权利要求4所述的方法,其特征在于,上述操作e进一步包括:
如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路存在连通道路,并且不满足目标条件,则执行所述将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点的操作,否则执行上述操作f;
其中,所述目标条件为:所述当前轨迹点为所述待匹配轨迹的最后一个轨迹点,且所述开始匹配标志为初始化的值。
7.根据权利要求1所述的方法,其特征在于,所述将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点之前,上述操作e还包括:
如果在所述待匹配轨迹上,所述当前轨迹点pt之前的pt-L轨迹点,到当前轨迹点pt之间的轨迹段满足近似直线条件,则依据该轨迹段的行驶趋势与该轨迹段的每条匹配路径的行驶趋势的相似度,分别计算每条匹配路径对应的权重调整系数,其中,t表示当前时刻,L表示预设时间阈值;
依据所述每条匹配路径对应的权重调整系数,对所述当前轨迹点pt的前一个轨迹点pt-1的相应候选匹配道路到所述当前轨迹点pt的相应候选匹配道路的转移概率进行调整;
其中,所述近似直线条件为:
|max(θt-L,…,θt-1,θt)-min(θt-L,…,θt-1,θt)|≤15
θt-L,…,θt-1,θt为轨迹点序列pt-L,…,pt-1,pt的行驶方向角度值;为每条匹配路径上候选匹配道路的行驶方向角度值。
8.根据权利要求7所述的方法,其特征在于,所述权重调整系数按照如下公式计算:
其中,a为预设的权重调整阈值;
相应的,所述对转移概率进行调整,包括:将原始计算的转移概率乘以所述权重调整系数。
9.根据权利要求1所述的方法,其特征在于,所述观测概率的计算公式为:
其中,dt,i表示轨迹点pt到候选匹配道路ei的投影距离,服从高斯分布,σ为该高斯分布的标准差;Δθt,i表示轨迹点pt的行驶方向与该点在候选匹配道路ei投影位置行驶方向的差值,Δθt,i服从参数为β的指数分布;所述行驶方向是根据轨迹点的GPS数据计算得到。
10.根据权利要求1所述的方法,其特征在于,上述操作a之前,所述方法还包括:根据所述当前轨迹点在路网数据中所处的道路环境,按照预设标准增大搜索半径;
相应的,所述在路网数据中搜索当前轨迹点的至少一条候选匹配道路,包括:依据增大后的搜索半径,在路网数据中搜索当前轨迹点的至少一条候选匹配道路。
11.一种基于隐马尔可夫模型的地图匹配装置,其特征在于,包括:
候选匹配道路搜索模块,用于将待匹配轨迹中的任一轨迹点作为当前轨迹点,在路网数据中搜索当前轨迹点的至少一条候选匹配道路;
观测概率计算模块,用于分别计算所述当前轨迹点到每条候选匹配道路的观测概率;
转移概率计算模块,用于分别计算所述当前轨迹点的前一个轨迹点的每条候选匹配道路到所述当前轨迹点的每条候选匹配道路的转移概率;
回退重新匹配模块,用于如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路均不连通,且所述当前轨迹点为回退点,则计算所述当前轨迹点的前一个轨迹点的最优匹配道路,并将该最优匹配道路作为所述当前轨迹点的候选匹配道路之一,返回由所述观测概率计算模块重新处理;
循环模块,用于如果所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路存在连通道路,则将所述当前轨迹点的下一个轨迹点作为新的当前轨迹点;由所述候选匹配道路搜索模块、观测概率计算模块、转移概率计算模块、回退重新匹配模块和循环模块重复处理,直到当前轨迹点为所述待匹配轨迹的最后一个轨迹点为止;
维特比计算模块,用于依据所述待匹配轨迹的全部轨迹点的观测概率和转移概率计算维特比概率,依据所述维特比概率确定所述待匹配轨迹在所述路网数据中的最优匹配道路序列。
12.根据权利要求11所述的装置,其特征在于,所述回退重新匹配模块中至少包括连通判断单元,具体用于:
依据所述路网数据构建道路有向图,其中,所述道路有向图中包括道路交叉点集合,以及任意两个交叉点之间的道路;
依据所述道路有向图,判断所述当前轨迹点的前一个轨迹点的所有候选匹配道路到所述当前轨迹点的所有候选匹配道路是否均不连通。
13.根据权利要求11所述的装置,其特征在于,所述回退重新匹配模块中至少包括回退点判断单元,具体用于:
依据轨迹点的GPS数据,计算所述当前轨迹点的前两个轨迹点到前一个轨迹点的第一行驶方向,以及所述前一个轨迹点到当前轨迹点的第二行驶方向;
如果所述第一行驶方向与第二行驶方向的差值绝对值不小于预设角度阈值,则判断为所述当前轨迹点为回退点。
14.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的基于隐马尔可夫模型的地图匹配方法。
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-10中任一所述的基于隐马尔可夫模型的地图匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910650722.4A CN110260870B (zh) | 2019-07-18 | 2019-07-18 | 基于隐马尔可夫模型的地图匹配方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910650722.4A CN110260870B (zh) | 2019-07-18 | 2019-07-18 | 基于隐马尔可夫模型的地图匹配方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110260870A true CN110260870A (zh) | 2019-09-20 |
CN110260870B CN110260870B (zh) | 2021-03-12 |
Family
ID=67927029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910650722.4A Active CN110260870B (zh) | 2019-07-18 | 2019-07-18 | 基于隐马尔可夫模型的地图匹配方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110260870B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN111194001A (zh) * | 2020-01-08 | 2020-05-22 | 中国联合网络通信集团有限公司 | Lte指纹定位校正的方法、装置及系统 |
CN111343585A (zh) * | 2020-02-28 | 2020-06-26 | 重庆邮电大学 | 一种基于隐马尔可夫模型的移动用户轨迹地图匹配方法 |
CN111912415A (zh) * | 2020-08-05 | 2020-11-10 | 杭州海康威视数字技术股份有限公司 | 道路信息确定方法、装置、服务器和存储介质 |
CN111928864A (zh) * | 2020-09-22 | 2020-11-13 | 蘑菇车联信息科技有限公司 | 一种道路匹配方法及服务器 |
CN112020012A (zh) * | 2020-08-18 | 2020-12-01 | 深圳诺地思维数字科技有限公司 | 一种移动轨迹重建及道路匹配方法、存储介质及服务器 |
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 |
CN112035591A (zh) * | 2020-09-07 | 2020-12-04 | 腾讯科技(深圳)有限公司 | 一种路网匹配方法、装置、设备和存储介质 |
CN112699203A (zh) * | 2021-01-14 | 2021-04-23 | 腾讯科技(深圳)有限公司 | 路网数据的处理方法和装置 |
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 |
CN112985371A (zh) * | 2019-12-12 | 2021-06-18 | 杭州海康威视数字技术股份有限公司 | 路径确定方法、装置及设备 |
CN113155141A (zh) * | 2021-04-09 | 2021-07-23 | 阿波罗智联(北京)科技有限公司 | 地图的生成方法、装置、电子设备及存储介质 |
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 |
CN113587944A (zh) * | 2021-06-24 | 2021-11-02 | 深圳市跨越新科技有限公司 | 准实时的车辆行驶路线生成方法、系统及设备 |
CN113970333A (zh) * | 2021-09-26 | 2022-01-25 | 深圳市跨越新科技有限公司 | 自适应候选道路搜索方法、系统、终端设备及存储介质 |
CN114088101A (zh) * | 2022-01-14 | 2022-02-25 | 华清科盛(北京)信息技术有限公司 | 基于隐马尔可夫模型的已匹配定位点的矫正方法 |
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 |
CN116151493A (zh) * | 2023-04-24 | 2023-05-23 | 之江实验室 | 基于头部效应和循环神经网络的交通拥堵预测方法和装置 |
CN117351117A (zh) * | 2023-11-29 | 2024-01-05 | 之江实验室 | 一种道路结构的更新方法、装置、存储介质、设备 |
WO2024021632A1 (zh) * | 2022-07-29 | 2024-02-01 | 京东城市(北京)数字科技有限公司 | 实时轨迹数据处理方法、装置、系统及电子设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110313648A1 (en) * | 2010-06-16 | 2011-12-22 | Microsoft Corporation | Probabilistic Map Matching From A Plurality Of Observational And Contextual Factors |
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 |
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 |
KR101680481B1 (ko) * | 2015-07-31 | 2016-11-28 | 부산대학교 산학협력단 | 실내 네트워크 맵 매칭 방법 및 실내 네트워크 맵 매칭 시스템 |
CN106595680A (zh) * | 2016-12-15 | 2017-04-26 | 福州大学 | 一种基于隐马尔可夫模型的车辆gps数据地图匹配方法 |
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 |
CN108763558A (zh) * | 2018-05-25 | 2018-11-06 | 武汉大学 | 一种基于地图匹配的众包地图道路质量改进方法 |
CN109270563A (zh) * | 2018-10-12 | 2019-01-25 | 南通大学 | 一种基于增强型隐马尔可夫模型的地图匹配方法 |
CN110006439A (zh) * | 2019-04-12 | 2019-07-12 | 北京百度网讯科技有限公司 | 地图轨迹数据的匹配方法、装置、服务器及存储介质 |
-
2019
- 2019-07-18 CN CN201910650722.4A patent/CN110260870B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110313648A1 (en) * | 2010-06-16 | 2011-12-22 | Microsoft Corporation | Probabilistic Map Matching From A Plurality Of Observational And Contextual Factors |
US20140114563A1 (en) * | 2010-06-16 | 2014-04-24 | Microsoft Corporation | Probabilistic map matching from a plurality of observational and contextual factors |
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 |
KR101680481B1 (ko) * | 2015-07-31 | 2016-11-28 | 부산대학교 산학협력단 | 실내 네트워크 맵 매칭 방법 및 실내 네트워크 맵 매칭 시스템 |
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 |
CN106595680A (zh) * | 2016-12-15 | 2017-04-26 | 福州大学 | 一种基于隐马尔可夫模型的车辆gps数据地图匹配方法 |
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 |
CN108763558A (zh) * | 2018-05-25 | 2018-11-06 | 武汉大学 | 一种基于地图匹配的众包地图道路质量改进方法 |
CN109270563A (zh) * | 2018-10-12 | 2019-01-25 | 南通大学 | 一种基于增强型隐马尔可夫模型的地图匹配方法 |
CN110006439A (zh) * | 2019-04-12 | 2019-07-12 | 北京百度网讯科技有限公司 | 地图轨迹数据的匹配方法、装置、服务器及存储介质 |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112985371A (zh) * | 2019-12-12 | 2021-06-18 | 杭州海康威视数字技术股份有限公司 | 路径确定方法、装置及设备 |
CN112985371B (zh) * | 2019-12-12 | 2023-02-28 | 杭州海康威视数字技术股份有限公司 | 路径确定方法、装置及设备 |
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 |
CN111194001A (zh) * | 2020-01-08 | 2020-05-22 | 中国联合网络通信集团有限公司 | Lte指纹定位校正的方法、装置及系统 |
CN111343585A (zh) * | 2020-02-28 | 2020-06-26 | 重庆邮电大学 | 一种基于隐马尔可夫模型的移动用户轨迹地图匹配方法 |
CN111343585B (zh) * | 2020-02-28 | 2021-11-02 | 重庆邮电大学 | 一种基于隐马尔可夫模型的移动用户轨迹地图匹配方法 |
CN111912415A (zh) * | 2020-08-05 | 2020-11-10 | 杭州海康威视数字技术股份有限公司 | 道路信息确定方法、装置、服务器和存储介质 |
CN112020012A (zh) * | 2020-08-18 | 2020-12-01 | 深圳诺地思维数字科技有限公司 | 一种移动轨迹重建及道路匹配方法、存储介质及服务器 |
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 |
CN112035591A (zh) * | 2020-09-07 | 2020-12-04 | 腾讯科技(深圳)有限公司 | 一种路网匹配方法、装置、设备和存储介质 |
CN111928864A (zh) * | 2020-09-22 | 2020-11-13 | 蘑菇车联信息科技有限公司 | 一种道路匹配方法及服务器 |
CN112699203A (zh) * | 2021-01-14 | 2021-04-23 | 腾讯科技(深圳)有限公司 | 路网数据的处理方法和装置 |
CN112699203B (zh) * | 2021-01-14 | 2022-02-08 | 腾讯科技(深圳)有限公司 | 路网数据的处理方法和装置 |
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 |
CN113155141A (zh) * | 2021-04-09 | 2021-07-23 | 阿波罗智联(北京)科技有限公司 | 地图的生成方法、装置、电子设备及存储介质 |
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 |
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 |
CN113587944A (zh) * | 2021-06-24 | 2021-11-02 | 深圳市跨越新科技有限公司 | 准实时的车辆行驶路线生成方法、系统及设备 |
CN113587944B (zh) * | 2021-06-24 | 2024-03-29 | 深圳市跨越新科技有限公司 | 准实时的车辆行驶路线生成方法、系统及设备 |
CN113970333A (zh) * | 2021-09-26 | 2022-01-25 | 深圳市跨越新科技有限公司 | 自适应候选道路搜索方法、系统、终端设备及存储介质 |
CN113970333B (zh) * | 2021-09-26 | 2024-05-28 | 深圳市跨越新科技有限公司 | 自适应候选道路搜索方法、系统、终端设备及存储介质 |
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 |
CN114088101A (zh) * | 2022-01-14 | 2022-02-25 | 华清科盛(北京)信息技术有限公司 | 基于隐马尔可夫模型的已匹配定位点的矫正方法 |
WO2024021632A1 (zh) * | 2022-07-29 | 2024-02-01 | 京东城市(北京)数字科技有限公司 | 实时轨迹数据处理方法、装置、系统及电子设备 |
CN116151493A (zh) * | 2023-04-24 | 2023-05-23 | 之江实验室 | 基于头部效应和循环神经网络的交通拥堵预测方法和装置 |
CN117351117A (zh) * | 2023-11-29 | 2024-01-05 | 之江实验室 | 一种道路结构的更新方法、装置、存储介质、设备 |
CN117351117B (zh) * | 2023-11-29 | 2024-03-08 | 之江实验室 | 一种道路结构的更新方法、装置、存储介质、设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110260870B (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110260870A (zh) | 基于隐马尔可夫模型的地图匹配方法、装置、设备和介质 | |
US20220107647A1 (en) | Speed planning method and apparatus, electronic device and storage medium | |
CN110426050B (zh) | 地图匹配纠正方法、装置、设备和存储介质 | |
EP4365552A1 (en) | Vehicle trajectory deviation correction method and apparatus, and electronic device | |
CN109916414B (zh) | 地图匹配方法、装置、设备和介质 | |
CN110006439B (zh) | 地图轨迹数据的匹配方法、装置、服务器及存储介质 | |
CN110389995B (zh) | 车道信息检测方法、装置、设备和介质 | |
WO2018090773A1 (zh) | 将定位系统采集到的轨迹点匹配到地图的方法及其装置 | |
US10598499B2 (en) | Method and device for accelerated map-matching | |
CN105606102A (zh) | 一种基于格网模型的pdr室内定位方法及系统 | |
CN109781132B (zh) | 一种经验路线替换方法、装置、电子设备及存储介质 | |
CN115585816B (zh) | 车道级地图匹配方法和装置 | |
CN110553658B (zh) | 导航路径推荐方法、导航服务器、计算机设备及可读介质 | |
CN110647675A (zh) | 停留点识别及预测模型训练方法、装置及存储介质 | |
US20180216948A1 (en) | Route recommendation in map service | |
CN104280045A (zh) | 一种导航信息的获取方法及装置 | |
CN110379150B (zh) | 一种评估道路通行性的方法和装置 | |
CN116007638B (zh) | 车辆轨迹地图匹配方法、装置、电子设备及车辆 | |
US20160153787A1 (en) | Method and system for division of road network | |
CN114659537A (zh) | 导航起点道路确定方法、装置、设备及存储介质 | |
CN109270566A (zh) | 导航方法、导航效果测试方法、装置、设备和介质 | |
CN113276888B (zh) | 基于自动驾驶的乘车方法、装置、设备和存储介质 | |
CN104567887A (zh) | 一种路径匹配方法及装置 | |
JP2006527838A (ja) | 移動通信端末機を用いた地図データ提供方法およびシステム | |
CN113312562B (zh) | 路线规划方法、装置、电子设备、存储介质及程序产品 |
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 |