CN111475591A - 一种用于兴趣点采集的道路关联方法及设备 - Google Patents

Abstract

本发明公开一种用于兴趣点采集的道路关联方法及设备，其中方法包括：从POI采集车的轨迹中选取与电子地图中的道路相对应的有效轨迹点；确定有效轨迹点位于地图道路的道路匹配概率；确定拍摄方向朝向单侧法线方向的方向匹配概率；将道路匹配概率与方向匹配概率相乘，得到拍摄方向朝向地图道路的单侧的路侧匹配概率；根据相邻两个有效轨迹点之间的距离和所对应的各条地图道路之间的距离确定两条地图道路之间的道路转移概率；根据路侧匹配概率和道路转移概率，确定POI采集车的预测关联路径。本发明基于路侧匹配进行了道路关联，大大提高了POI采集的效率。

Description

一种用于兴趣点采集的道路关联方法及设备

技术领域

本发明涉及一种用于兴趣点采集的道路关联方法及设备，属于电子地图技术领域。

背景技术

兴趣点(Point Of Interest)是电子地图中具有地理空间特征的信息点，如：住宅小区，公园、学校、公司、商场、商铺等都是兴趣点。随着移动互联网的发展，电子地图的应用越来越广，POI信息也变得越来越重要。由于POI信息会经常发生变动，因此也要经常获取最新的POI信息。

POI获取包含实地采集和数据挖掘等多种渠道，其中实地采集又包含多种方式，采用自行车、汽车等搭载采集设备的交通工具进行POI采集，具有成本低、速度快和覆盖面广等优点。POI的采集具体过程是，外业人员通过在所述交通工具行进过程中采集设备沿途拍摄道路两侧POI的照片并记录交通工具行进过程中形成的轨迹点，然后，基于拍摄的照片和轨迹点，将POI定位到电子地图中的已有道路上。

现有技术中，轨迹点通常是使用GPS设备进行定位而获得，然而，GPS设备的定位精度有限，因此，轨迹点与采集时交通工具所处的实际位置之间存在偏差，从而导致基于拍摄的照片和轨迹点无法将POI准确定位到电子地图中的已有道路上。例如，如图1所示，假设交通工具沿着图1中的中间水平道路行驶，由GPS设备定位到的轨迹点分别为Pa、Pb和Pc。从图中可以看出，轨迹点Pa和Pc大致位于该水平道路上，但圆圈标出的轨迹点Pb由于定位误差的原因大大偏离了该水平道路。因此，仅凭轨迹点难以确定出交通工具实际上是在哪条道路上行驶，也就无法去定位拍摄到的POI信息。为了解决这一问题，现有技术中提出了道路关联算法，也可以称为地图匹配(Map-matching)算法，该算法通过概率运算的方法，根据交通工具的轨迹点推算出其在电子地图上可能性最大的行驶轨迹。

然而，现有道路关联算法的缺陷在于，其仅仅是将交通工具的行驶轨迹与地图中的道路相匹配，而没有考虑到交通工具在该道路的哪一侧行驶，也就是说，现有的道路关联从来没考虑过在道路上的侧信息。而在对采集到的POI信息进行定位时，不仅需要得知其位于地图中的哪条道路上，而且还需要得知其位于该条道路的左侧还是右侧。

现有技术的通常做法是，先让交通工具在道路的一侧行驶，采集该侧的POI信息并进行地图匹配运算后，再让该交通工具在同一道路的相对侧行驶，采集相对侧的POI信息然后再次进行地图匹配运算，实际上是由人工提前确定了侧信息。这样做的问题在于，需要提前规划交通工具的行驶路线以便提前确定侧信息，但实际的道路错综复杂，使得这种规划过程本身就非常繁琐，耗时耗力；并且还要求交通工具必须按照规划路线行驶，否则无法与提前确定的侧信息相适应，造成匹配结果错误，这就增加了交通工具的行驶难度，也限制了交通工具行驶的灵活度，影响POI采集效率。

发明内容

鉴于现有技术中存在的技术缺陷和技术弊端，本发明实施例提供一种用于兴趣点采集的道路关联方法及设备，用于更加高效地确定POI采集车在电子地图上的关联路径。

本发明一方面提供一种用于兴趣点采集的道路关联方法，其中包括：

从POI采集车的轨迹中选取与电子地图中的道路相对应的有效轨迹点；

根据所述有效轨迹点与所对应的各条地图道路之间的距离，确定所述有效轨迹点位于所述地图道路的道路匹配概率；

根据所述POI采集车在所述有效轨迹点进行拍摄时的拍摄方向与所对应的各条地图道路的单侧法线方向之间的夹角，确定所述拍摄方向朝向所述单侧法线方向的方向匹配概率；

将所述道路匹配概率与所述方向匹配概率相乘，得到所述拍摄方向朝向所述地图道路的单侧的路侧匹配概率；

根据相邻两个所述有效轨迹点之间的距离和所对应的各条地图道路之间的距离确定两条地图道路之间的道路转移概率；

根据所述路侧匹配概率和所述道路转移概率，确定所述POI采集车的预测关联路径。

本发明另一方面提供一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现上述方法。

本发明又一方面提供一种计算机设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述方法。

本发明实施例基于POI采集车的拍摄方向与地图道路的单侧法线方向之间的夹角得到了方向匹配概率，进而得到路侧匹配概率，从而实现了POI采集车的轨迹与电子地图中由路侧构成的行驶路径相关联，使POI采集车可以在指定区域内自由行驶，无需再提前规则行驶路线，因此，大大提高了POI采集的效率。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所记载的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为POI采集车的轨迹点定位误差示意图；

图2为本发明实施例1提供的用于兴趣点采集的道路关联方法的流程图；

图3为本发明实施例1中用于确定方向匹配概率的夹角α的示意图；

图4为本发明实施例1中各个道路转移概率的举例示意图；

图5为本发明实施例1中最终得到的预测关联路径的举例示意图；

图6为本发明实施例4中基于拓扑一致性识别误关联的举例示意图；

图7为本发明实施例4中基于平均距离识别误关联的举例示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

<实施例1>

图2本发明实施例1提供的流程图，如图所示，该方法包括如下步骤：

步骤110，从POI采集车的轨迹中选取出与电子地图中的地图道路相对应的有效轨迹点。

其中，所述POI采集车可以是机动车，也可以是自行车等人力车。POI采集车上装设有摄像头朝向道路右侧，按照预定的拍摄间隔对途经道路右侧的街景进行连续拍摄，通过识别拍摄到的建筑物上的招牌信息便可以得知具体的POI信息。例如，拍摄到的某建筑物上悬挂有某某医院的招牌，则能够确定该建筑物是兴趣点，且该兴趣点为某某医院。

所述轨迹点是通过GPS设备对POI采集车的实际行驶路径按照预定的采样间隔进行定位而形成的点，每个轨迹点包含有定位坐标、拍摄方向、拍摄照片和拍摄时间等信息，多个有序连接的轨迹点形成POI采集车的轨迹，道路关联的目的就是要通过该轨迹演算出POI采集车的可能行驶路径，从而与地图道路相关联。此处需要说明的是，一般而言，GPS设备的采样间隔会小于摄像头的拍摄间隔，但为了使轨迹点与拍摄照片一一对应，可以对采样间隔和拍摄间隔进行预先处理，以使二者相一致。

所述地图道路是指电子地图中预先绘制好的道路，由于实际道路有可能发生变化，因此，地图道路也有可能与实际道路不完全一致。本实施例主要实现将POI采集车的轨迹与地图道路相关联，至于如何保持地图道路与实际道路相一致的课题，可以使用现有技术中的其他技术方案解决。

所述有效轨迹点是指距离所述地图道路小于预定值的轨迹点。也就是说，在以轨迹点为圆心，以预定长度为半径的范围内存在地图道路的轨迹点。其中，所述半径例如为30米，如果在该范围内有地图道路，则说明存在地图道路与轨迹点相对应，因此认为该轨迹点是有效轨迹点；相反，如果在该范围内无任何地图道路，则说明该轨迹点与地图路网中的任何地图道路的距离都较远，这有可能是由GPS的定位误差引起的，也有可能是POI采集车行驶到了在地图路网上缺失的某条小路上，因此认为该轨迹点是无效轨迹点，不使其参与后续的道路关联。

例如，假设选取出的有效轨迹点为：轨迹点1、轨迹点2和轨迹点3，其与地图道路的对应关系如下的表1所示：

表1：有效轨迹点与地图道路的对应关系

有效轨迹点	对应的地图道路
		轨迹点1	道路1、道路2
轨迹点2	道路3、道路4
		轨迹点3	道路5、道路6

相应地，POI采集车的轨迹为：

POI采集车的可能行驶路径有如下八条，如果将每条道路都分成左侧和右侧，则可能行驶路径有总共有64条。

路径1：

路径5：

路径2：

路径6：

路径3：

路径7：

路径4：

路径8：

步骤121，根据所述有效轨迹点与所对应的各条地图道路之间的距离，确定所述有效轨迹点位于所述地图道路的道路匹配概率。

其中，所述道路匹配概率表示有效轨迹点位于相应的地图道路上的可能性。具体地，可以根据如下的公式1所示的高斯分布的概率密度函数来计算上述道路匹配概率。

其中，P_ij表示第i个有效轨迹点匹配到第j条地图道路的道路匹配概率，d1为所述有有效轨迹点与所述地图道路之间的距离，σ为常数。道路匹配概率的计算结果例如为表2所示。

表2：道路匹配概率

	道路1	道路2
			轨迹点1	0.2	0.4
	道路3	道路4
			轨迹点2	0.5	0.3
	道路5	道路6
			轨迹点3	0.7	0.6

步骤122，根据所述POI采集车在所述有效轨迹点进行拍摄时的拍摄方向与所对应的各条地图道路的单侧法线方向之间的夹角，确定所述拍摄方向朝向所述单侧法线方向的方向匹配概率。

其中，所述方向匹配概率表示有效轨迹点的拍摄方向朝向相应的地图道路的左侧或右侧的可能性。具体地，可以根据如下的公式2所示的三角函数来计算上述方向匹配概率。

Q_ijk＝(cosα+1)/2(公式2)

其中，Q_ijk表示第i个有效轨迹点的拍摄方向匹配到第j条地图道路的k侧的方向匹配概率，k的取值为左侧L或右侧R，α表示拍摄方向与地图道路的单侧法线方向之间的夹角。此处需要说明的是，地图道路的左侧和右侧并不是以POI采集车的视角确定的，而是以预先确定的固定参照方向确定的，例如，东西方向的地图道路以东向为参照方向，则北侧为其左侧，南侧为其右侧。

例如，如图3所示，某一有效轨迹点因GPS误差的存在偏离某一地图道路，该有效轨迹点的拍摄方向与该地图道路的左侧法线方向之间的夹角为α₁，与该地图道路的右侧法线方向之间的夹角为α₂。根据三角函数的原理可知，cosα1>cosα2，因此，有效轨迹点实际上位于该地图道路左侧的可能性更大。方向匹配概率的计算结果例如为表3所示。

表3：方向匹配概率

步骤131，将所述道路匹配概率与所述方向匹配概率相乘，得到所述拍摄方向朝向所述地图道路的单侧的路侧匹配概率。

其中，所述路侧匹配概率是指某一有效轨迹点位于其相应的一条地图道路的左侧或者右侧的可能性。例如，将上述表2与表3中的数据对应相乘后得到的路侧匹配概率如表4所示。

表4：路侧匹配概率

可选地，为了避免因路侧匹配概率的数值过小而造成无法进行道路关联的情形，可以预先设定最小允许值，例如，最小允许值被设为0.001。当计算出的路侧匹配概率小于该最小允许值时，将该路侧匹配概率强制修改成该最小允许值，以保持所有的路侧匹配概率都至少不低于该最小允许值。

步骤132，根据相邻两个所述有效轨迹点之间的距离和所对应的各条地图道路之间的距离确定两条地图道路之间的道路转移概率。

其中，所述道路转移概率是指POI采集车从一条地图道路行驶到另一条地图道路上的可能性。具体地，可以根据所述有效轨迹点与所述下一个有效轨迹点之间的距离和所述有效轨迹点对应的各条地图道路与所述下一个有效轨迹点对应的各条道路之间的距离的差值，利用如下的公式3计算所述有效轨迹点对应的各条地图道路到下一个有效轨迹点对应的各条道路之间的道路转移概率。

其中，R_mn表示从第m条地图道路转移到第n条地图道路的道路转移概率，d2为所述有效轨迹点与所述下一个有效轨迹点之间的距离和所述有效轨迹点对应的各条地图道路与所述下一个有效轨迹点对应的各条道路之间的距离的差值，β为常数。计算结果如图4所示，显示了各个道路转移概率值概率。

步骤140，根据所述路侧匹配概率和所述道路转移概率确定所述POI采集车的预测关联路径。

其中，所述预测关联路径是指POI采集车的轨迹在电子地图上最有可能对应的一条行驶路径。具体地，可以将所述道路匹配概率和所述道路转移概率相乘，得到所述轨迹对应的多条可能行驶路径的关联概率；然后将关联概率最大的可能行驶路径确定为所述预测关联路径。

例如，如图5所示，经计算后得到的预测关联路径为POI采集车从道路1右侧行驶到道路4右侧，然后又行驶到道路5右侧。该预测关联路径的关联概率为：P₁₁×Q_11R×R₁₄×P₂₄×Q_24R×R₄₅×P₃₅×Q_35R，其中，P₁₁×Q_11R表示有效轨迹点1匹配到道路1右侧的路侧匹配概率，R₁₄表示从道路1行驶到道路4的道路转移概率，P₂₄×Q_24R表示有效轨迹点2匹配到道路4右侧的路侧匹配概率，R₄₅从道路4行驶到道路5的道路转移概率，P₃₅×Q_35R表示有效轨迹点3匹配到道路5右侧的路侧匹配概率。

本实施例所述方法基于POI采集车的拍摄方向与地图道路的单侧法线方向之间的夹角得到了方向匹配概率，进而得到路侧匹配概率，从而实现了POI采集车的轨迹与电子地图中由路侧构成的行驶路径相关联，使POI采集车可以在指定区域内自由行驶，无需再提前规则行驶路线，因此，大大提高了POI采集的效率。

<实施例2>

本实施例在实施例1的步骤110中选取有效轨迹点时，进一步增加轨迹点的筛选条件：即选取对应有地图道路且未发生突变的轨迹点作为有效轨迹点。

其中，所述突变例如包括：多个轨迹点之间发生了突变，或者行进方向发生了突变，或者拍摄方向发生了突变。在实际应用中，通常都会对POI采集车设定一定的行驶规则，例如：尽量减少变道、尽量减少调头、尽量保持匀速、尽量保持拍摄方向不变等等。因此，在POI采集车遵循该行驶规则的前提下，如果某些轨迹点彼此之间仍然发生了突变，则该突变是由GPS定位误差引起的可能性就非常大，所以将其滤除，不使其参与后续的道路关联。

本实施例所述方法通过在选取有效轨迹点时考虑了轨迹点的突变情况，能够尽早地滤除明显不合理的轨迹点，使其不参与后续计算过程，从而提高道路关联结果的准确性，也有利于减少运算量。

<实施例3>

本实施例在上述实施例1的步骤132中确定道路转移概率时，进行了如下改进。

改进一：基于道路距离的调整

如果两条地图道路之间的距离大于第一距离阈值，则在确定所述道路转移概率之前，将所述两条地图道路的道路转移概率不经计算直接设置为预设的低概率值。

其中，所述两条地图道路之间的距离可以是两条地图道路的中端点之间的距离，中端点是指起点和终点之间的距离中点。所述第一距离阈值例如为15米如果两条地图道路之间的距离大于15米，则认为POI采集车从其中一条地图道路行驶到另一地图道路上的可能很低，因此可以直接将二者之间的道路转移概率设置为低概率值，例如：0.001。由于这两条地图道路之间的道路转移概率不再需要经过步骤132的计算过程，因此有利于减少计算量。

考虑到轨迹中有时也存在轨迹缺失的情形，此时，两条地图道路之间距离很远有可能不是由GPS定位误差引起的，而是由于两条地图道路分别对应的轨迹点之间缺失了某个或某些轨迹点造成的，因此并没有把该道路转移概率直接设置为0。

另外，如果两条地图道路之间的距离大于第二距离阈值且小于第一距离阈值，则在确定所述道路转移概率之后，在确定出的所述两条地图道路的道路转移概率乘以预设的距离调整系数。

其中，第二距离阈值小于第一距离阈值，例如为5米，如果两条地图道路之间的距离在5～15米之间，虽然该距离算非常远，但毕竟也大于5米，因此，设置大于0小于1的距离调整系数，例如：0.5，以减小这两条地图道路的道路转移概率，提高道路关联的准确性。

另外，如果两条地图道路之间的距离小于第二距离阈值，则认为二者之间的距离对道路转移概率无影响，因此可以不另设距离调整系数，或者将该距离调整系数设为1。

改进二：基于行驶方向的调整

在POI采集车的模式下，由于都是在道路右侧行驶，因此可根据行驶方向的差异识别出不合理的道路转移情况。举例而言，当两条地图道路的相交时，POI采集车通常不可能从一条地图道路右侧直接进入另一条地图道路左侧。

因此，则在确定所述道路转移概率之前，将从一条地图道路的一侧到另一条地图道路的相对侧的转移概率不经计算直接设置为预设的低概率值，例如：0.001。

改进三：基于相对侧道路的调整

如果所述有效轨迹点与下一个有效轨迹点对应有同一条地图道路，则在确定所述道路转移概率之后，在确定出的所述同一条地图道路的一侧到相对侧的道路转移概率乘以预设的相对侧调整系数。

实际中，由于POI采集车在一条地图道路上行驶时，有可能被GPS设置记录到多个轨迹点，因此，相邻两个有效轨迹点也有可能对应同一条地图道路。此时，如果POI采集车发生U型转弯，则会出现从同一条地图道的一侧行驶到相对侧的情形。然而，根据POI采集车的行驶规则的规定，这种情形实际中发生较少。因此，设置大于0小于1的相对侧调整系数，例如：0.5/道路宽度，以减小同一条地图道路的两侧之间的道路转移概率，提高道路关联的准确性。

<实施例4>

由于上述实施例1中的POI采集车的行驶路线不受规划路线的限制，可以在指定区域内自由行驶，其覆盖较广，有时甚至行驶到地图路网中尚收收录的道路上，因此基于此种情形下的轨迹得到的道路关联结果实际上是误关联。本实施例采用如下方式识别实施例1中得到的预测关联路径是否为误关联，从而保证最终关联结果的准确性。

方式一：基于匹配概率的识别

当所述预测关联路径中的至少一个有效轨迹点的路侧匹配概率小于预设的匹配阈值时，将所述预测关联路径识别为误关联。

其中，匹配阈值例如为0.2。如果有效轨迹点与所对应的位于预测关联路径上的地图道路之间的路侧匹配概率小于该匹配阈值，则表明该有效轨迹点与该地图道路之间属于弱匹配关系，因此有可能是误关联。

方式二：基于垂足位置的识别

当所述预测关联路径中的至少一个有效轨迹点到所对应的地图道路的垂足落在所述地图道路的范围之外时，将所述预测关联路径识别为误关联。

其中，所述垂足是指从有效轨迹点向所对应的位于预测关联路径上的地图道路画垂直线，该垂直线与该地图道路所在直线的交点即为垂足，该有效轨迹点与垂足之间的垂线段的长度即为有效轨迹点到地图道路的距离。地图道路是具有起始端点的线段，垂足落在线段范围之外说明虽然有效轨迹点到该地图道路的距离很短，但是偏离比较严重，因此认为其有可能是误关联。

方式三：基于连续性的识别

当所述预测关联路径中的多条相邻的地图道路非连续时，将所述预测关联路径识别为误关联。

在正常情况下，正确的关联应当具有一定的连续性，例如，POI采集车从地图道路1行驶到相邻的地图道路2，再继续行驶到与地图道路2相邻的地图道路3。但如果确定出的预测关联路径中的道路转移关系为从地图道路1直接跳到完全不相邻的地图道路3，或者，在地图道路1和地图道路2之间反复切换，则认为很可能发生了误关联。

方式四：基于拓扑一致性的识别

当所述预测关联路径中的轨迹与所对应的地图道路的道路形状不匹配时，将所述预测关联路径识别为误关联。

正常情况下，同一地图条道路上的某段连续的轨迹与所对应的道路形状应该匹配，当不匹配时则说明可能发生误关联，例如，图6所示矩形框内部分轨迹为东西朝向，而其所对应的地图道路实际上为南北朝向，二者形状明显不符，因此认为很可能发生了误关联。

方式五：基于平均距离的识别

当所述预测关联路径中的轨迹与所对应的地图道路的平均距离大于预设的距离阈值时，将所述预测关联路径识别为误关联。

实际中，有些轨迹关联到地图道路时，可能实际上位于缺失路网的小路上，例如，图7所示的轨迹虽然被关联到昌安大道上，但实际上并未位于该道路上。因此，当二者之间的平均距离大于距离阈值，如大于15米时，则认为可能发生了误关联。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (15)

1.一种用于兴趣点采集的道路关联方法，其特征在于，包括：

从POI采集车的轨迹中选取与电子地图中的道路相对应的有效轨迹点；

根据所述有效轨迹点与所对应的各条地图道路之间的距离，确定所述有效轨迹点位于所述地图道路的道路匹配概率；

根据所述POI采集车在所述有效轨迹点进行拍摄时的拍摄方向与所对应的各条地图道路的单侧法线方向之间的夹角，确定所述拍摄方向朝向所述单侧法线方向的方向匹配概率；

将所述道路匹配概率与所述方向匹配概率相乘，得到所述拍摄方向朝向所述地图道路的单侧的路侧匹配概率；

根据相邻两个所述有效轨迹点之间的距离和所对应的各条地图道路之间的距离确定两条地图道路之间的道路转移概率；

根据所述路侧匹配概率和所述道路转移概率确定所述POI采集车的预测关联路径。

2.根据权利要求1所述的方法，其特征在于，所述从POI采集车的轨迹中选取与电子地图中的道路相对应的有效轨迹点包括：

从所述轨迹中选取与所述道路的距离小于预定值的轨迹点作为所述有效轨迹点。

3.根据权利要求1所述的方法，其特征在于，所述从POI采集车的轨迹中选取与电子地图中的道路相对应的有效轨迹点包括：

从所述轨迹中选取与所述道路的距离小于预定值且多个轨迹点之间未发生突变的轨迹点作为所述有效轨迹点。

4.根据权利要求1所述的方法，其特征在于，所述根据相邻两个所述有效轨迹点之间的距离和所对应的各条地图道路之间的距离确定两条地图道路之间的道路转移概率包括：

当两条地图道路之间的距离大于第一距离阈值时，将所述两条地图道路的道路转移概率接设置为预设的低概率值。

5.根据权利要求1所述的方法，其特征在于，所述根据相邻两个所述有效轨迹点之间的距离和所对应的各条地图道路之间的距离确定两条地图道路之间的道路转移概率包括：

当两条地图道路之间的距离大于第二距离阈值且小于第一距离阈值时，在计算出的所述两条地图道路的道路转移概率乘以预设的大于0且小于1的距离调整系数。

6.根据权利要求1所述的方法，其特征在于，所述根据相邻两个所述有效轨迹点之间的距离和所对应的各条地图道路之间的距离确定两条地图道路之间的道路转移概率包括：

将从一条地图道路的一侧到另一条地图道路的相对侧的转移概率设置为预设的低概率值。

7.根据权利要求1所述的方法，其特征在于，根据相邻两个所述有效轨迹点之间的距离和所对应的各条地图道路之间的距离确定两条地图道路之间的道路转移概率包括：

当所述有效轨迹点与下一个有效轨迹点对应有同一条地图道路时，在计算出的所述同一条地图道路的一侧到相对侧的道路转移概率乘以预设的大于0且小于1的相对侧调整系数。

8.根据权利要求1所述的方法，其特征在于，所述根据所述路侧匹配概率和所述道路转移概率确定所述POI采集车的预测关联路径包括：

将所述道路匹配概率和所述道路转移概率相乘，得到所述轨迹对应的多条可能行驶路径的关联概率；

将关联概率最大的可能行驶路径确定为所述预测关联路径。

9.根据权利要求1所述的方法，其特征在于，所述根据所述路侧匹配概率和所述道路转移概率确定所述POI采集车的预测关联路径之后还包括：

当所述预测关联路径中的所述地图道路的路侧匹配概率小于预设的匹配阈值时，将所述预测关联路径识别为误关联。

10.根据权利要求1所述的方法，其特征在于，所述根据所述路侧匹配概率和所述道路转移概率确定所述POI采集车的预测关联路径之后还包括：

当所述有效轨迹点到所述预测关联路径中的对应的地图道路的垂足落在所述地图道路的范围之外时，将所述预测关联路径识别为误关联。

11.根据权利要求1所述的方法，其特征在于，所述根据所述路侧匹配概率和所述道路转移概率确定所述POI采集车的预测关联路径之后还包括：

当所述预测关联路径中的多条相邻的地图道路非连续时，将所述预测关联路径识别为误关联。

12.根据权利要求1所述的方法，其特征在于，所述根据所述路侧匹配概率和所述道路转移概率确定所述POI采集车的预测关联路径之后还包括：

当所述轨迹的形状与所述预测关联路径中的对应的地图道路的道路形状不匹配时，将所述预测关联路径识别为误关联。

13.根据权利要求1所述的方法，其特征在于，所述根据所述路侧匹配概率和所述道路转移概率确定所述POI采集车的预测关联路径之后还包括：

当所述轨迹的形状与所述预测关联路径中的对应的地图道路之间的平均距离大于预设的距离阈值时，将所述预测关联路径识别为误关联。

14.一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1～13中任一项所述的方法。

15.一种计算机设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～13中任一项所述的方法。

Images