CN113191550A - 地图匹配方法及装置 - Google Patents

地图匹配方法及装置 Download PDF

Info

Publication number
CN113191550A
CN113191550A CN202110476561.9A CN202110476561A CN113191550A CN 113191550 A CN113191550 A CN 113191550A CN 202110476561 A CN202110476561 A CN 202110476561A CN 113191550 A CN113191550 A CN 113191550A
Authority
CN
China
Prior art keywords
track point
speed
road
road section
probability
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
CN202110476561.9A
Other languages
English (en)
Other versions
CN113191550B (zh
Inventor
杨宁
王亦乐
张传明
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110476561.9A priority Critical patent/CN113191550B/zh
Publication of CN113191550A publication Critical patent/CN113191550A/zh
Application granted granted Critical
Publication of CN113191550B publication Critical patent/CN113191550B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Automation & Control Theory (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开公开了一种地图匹配方法及装置，涉及数据处理中的智能交通领域。具体实现方案为：获取车辆在行驶过程中所经过的至少一个轨迹点、以及各轨迹点对应的至少一个路段，轨迹点与对应的每个路段之间的距离小于或等于预设距离。针对任一个轨迹点，根据车辆在轨迹点的行驶速度、以及轨迹点对应的每个路段上的平均行驶速度，确定轨迹点位于对应的每个路段上的概率。根据每个轨迹点位于对应的每个路段上的概率、以及至少一个轨迹点对应的路段之间的连通概率，在地图中确定车辆的匹配路网轨迹。基于速度在地图中确定车辆的匹配路网轨迹，从而可以有效地图匹配的准确率。

Description

地图匹配方法及装置
技术领域
本公开涉及数据处理中的智能交通领域，尤其涉及一种地图匹配方法及装置。
背景技术
地图匹配是指将车辆在行驶过程中的轨迹点序列匹配到路网中合适路段的过程。
现有技术中在实现地图匹配的时候，通常都是根据轨迹点的位置和各个路段的位置，以及根据轨迹点的角度和各个路段的角度，确定和轨迹点的距离、角度相距较近的路段，将该路段作为该轨迹点的匹配路段，针对各个轨迹点均确定对应的匹配路段，从而实现地图匹配。
然而，根据距离和角度进行路段的匹配，针对距离相近并且角度相同的平行路段，可能会出现匹配错误的情况，从而导致地图匹配的准确率较低。
发明内容
本公开提供了一种地图匹配方法及装置。
根据本公开的第一方面，提供了一种地图匹配方法，包括：
获取车辆在行驶过程中所经过的至少一个轨迹点、以及各所述轨迹点对应的至少一个路段，所述轨迹点与对应的每个路段之间的距离小于或等于预设距离；
针对任一个所述轨迹点，根据所述车辆在所述轨迹点的行驶速度、以及所述轨迹点对应的每个路段上的平均行驶速度，确定所述轨迹点位于对应的每个路段上的概率；
根据每个轨迹点位于对应的每个路段上的概率、以及所述至少一个轨迹点对应的路段之间的连通概率，在地图中确定所述车辆的匹配路网轨迹。
根据本公开的第二方面，提供了一种地图匹配装置，包括：
获取模块，用于获取车辆在行驶过程中所经过的至少一个轨迹点、以及各所述轨迹点对应的至少一个路段，所述轨迹点与对应的每个路段之间的距离小于或等于预设距离；
第一确定模块，用于针对任一个所述轨迹点，根据所述车辆在所述轨迹点的行驶速度、以及所述轨迹点对应的每个路段上的平均行驶速度，确定所述轨迹点位于对应的每个路段上的概率；
第二确定模块，用于根据每个轨迹点位于对应的每个路段上的概率、以及所述至少一个轨迹点对应的路段之间的连通概率，在地图中确定所述车辆的匹配路网轨迹。
根据本公开的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法。
根据本公开的第五方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
根据本公开的技术提升了地图匹配的准确率。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1为本公开实施例提供的隐藏状态的转移示意图；
图2为本公开实施例提供的状态转移矩阵的实现示意图；
图3为本公开实施例提供的隐藏状态和观测状态之间的关系示意图；
图4为本公开实施例提供的观测概率分布示意图；
图5为本公开实施例提供的地图匹配的实现示意图；
图6为本公开实施例提供的地图匹配的效果示意图；
图7为根据距离和角度进行地图匹配的实现示意图；
图8为本公开实施例提供的平行路段的实现示意图一；
图9为本公开实施例提供的地图匹配方法的流程图；
图10为本公开实施例提供的地图匹配方法的流程图二；
图11为本公开实施例提供的预设映射关系的实现示意图；
图12为本公开实施例提供的地图匹配中的HMM示意图；
图13为本公开实施例提供的确定发射概率的实现示意图；
图14为本公开实施例提供的基于速度确定匹配路段的实现示意图；
图15为本公开实施例提供的候选路段序列的实现示意图；
图16为本公开实施例提供的确定转移概率的实现示意图；
图17为本公开实施例提供的平行路段的实现示意图二；
图18为本公开实施例提供的确定目标路段序列的实现示意图；
图19为本公开实施例的地图匹配装置的结构示意图；
图20是用来实现本公开实施例的地图匹配方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
为了更好的理解本公开的技术方案，首先对本公开所涉及的相关技术进行详细介绍。
因为本公开提供的地图匹配方法是基于隐马尔科夫模型(Hidden Markov Model，HMM)的，因此此处首先结合图1至图4对HMM进行简单说明，图1为本公开实施例提供的隐藏状态的转移示意图，图2为本公开实施例提供的状态转移矩阵的实现示意图，图3为本公开实施例提供的隐藏状态和观测状态之间的关系示意图，图4为本公开实施例提供的观测概率分布示意图。
具体的，HMM是一种统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程，在HMM中包括五个基本要素，定义如下：
λ＝{S，V，A，B，π}
其中，S表示状态变量集合，V表示观测变量集合，A表示状态转移矩阵，B表示观测概率分布，π表示初始状态概率向量。
下面结合一个具体的示例对HMM以及HMM中的五个基本要素进行介绍。
假设当前有一个几个月大的宝宝，这个宝宝每天做三件事情：玩(兴奋状态)、吃(饥饿状态)、睡(困倦状态)，宝宝的状态经常发生变化，可以在任意两个状态之间切换，任意两个状态之间的切换都有一定的概率。
例如参见图1，图1中的箭头表示从一个状态切换到另一个状态的概率，比如说吃饭之后睡觉的概率是0.7，睡觉之后玩耍的概率是0.2。
从上图中可以看出，一个状态的转移只依赖于之前的n个状态，当n取1时就是马尔可夫假设。由此得出马尔可夫链的定义：
马尔可夫链是随机变量S1，…，St的一个数列(状态集)，这些变量的范围，即他们所有可能取值的集合，被称为“状态空间”，其中St的值则是在时间t的状态。如果St+1对于过去状态的条件概率分布仅是St的一个函数，则：
P(St+1＝x|S0，...，St)＝P(St+1＝x|St) 公式一
其中的x表示过程中的某个状态，上面公式一中的等式称为马尔科夫假设。
上述函数可以这样理解：在已知“现在”的条件下，“将来”不依赖于“过去”；或“将来”仅依赖于已知的“现在”。即St+1只于St有关，与St-n，1＜n＜t无关。
一个含有N个状态的马尔可夫链有N2个状态转移。每一个转移的概率叫做转移概率，就是从一个状态转移到另一个状态的概率。这所有的N2个概率可以用一个状态转移矩阵A来表示，状态转移矩阵就是上述介绍的HMM中的一个要素，状态转移矩阵包括的元素为转移概率。
参见图2，该矩阵的行表示t时刻的状态，列表示t+1时刻的状态，这个矩阵中的元素为转移概率，比如说如果在t时间时宝宝的状态是吃，则在t+1时间状态是玩、吃、睡的概率分别为(0.2、0.1、0.7)。
但是在很多时候，马尔可夫过程不足以描述问题，例如很多时候并不能直接知晓宝宝的状态是饿了或者困了，但是可以通过宝宝的其他行为推测。如果宝宝哭闹，可能是饿了；如果无精打采，则可能是困了。
由此可以得到两个状态集合，一个是可观测的观测变量集合V，在集合V中包括的是可观测到的状态，另一个是隐藏的状态变量集合S，在这个集合S中包括的是无法直接观测到的隐藏状态，这个目的之一是借由可观测状态预测隐藏状态，这两个集合也是HMM中的要素。
为了简化描述，下面将“玩”这个状态去掉，得到的模型如图3所示，参见图3，当前的模型中包括观测变量集合V＝{哭，没精神，找妈妈}，状态变量集合S＝{吃，睡}。
从图3中可以看出，可以观察到的状态序列和隐藏的状态序列是概率相关的，比如说宝宝在吃的状态下表现出哭、没精神、找妈妈三种可观察行为的概率分别是(0.7，0.1，0.2)，这就是隐马尔可夫模型，用来描述一个含有隐含未知参数的马尔可夫过程。
在HMM中还包括观测概率分布B，其中B也是一个矩阵，可以表示在处于某个隐藏状态的条件下，某个观测状态发生的概率，其中的概率称为发射概率，例如可以结合图8理解观测概率分布B。
参见图4，该矩阵的行表示隐藏状态，列表示可观测状态，其中的元素表示在处于某个隐藏状态的条件下，某个观测状态发生的概率，比如说宝宝在饿了时，哭的概率是0.7。
上述已经结合一个示例介绍了HMM的4个基本要素了，分别是S状态变量集合，V观测变量集合，A状态转移矩阵，B观测概率分布，还有一个要素是初始状态概率向量π，其中π表示各个隐藏状态发生的初始概率，比如说宝宝吃饭的初始概率是0.3，睡觉的初始概率是0.7。
综上所述，HMM中的五个基本要素的{S，V，A，B，π}的含义分别是：
S表示状态变量集合，包括至少一个隐藏状态；
V表示观测变量集合，包括至少一个用于指示隐藏状态的观测状态；
π表示初始状态概率向量，包括初始时各个隐藏状态的发生概率；
A＝{aij}表示状态转移矩阵，为N*N维矩阵，包括第一个隐藏状态到第二个隐藏状态发生的概率；
B＝{bij}表示观测概率分布，为N*M维矩阵，代表的是处于某个隐状态的条件下，某个观测发生的概率。
上述内容是对HMM的相关内容的介绍，下面对地图匹配的相关内容进行说明。
地图匹配(Map-Matching)，是指将车辆在行驶过程中的位置序列匹配到路网中合适路段的过程。一般情况下，地图匹配的输入包括车辆的位置序列和基础路网。车辆位置序列通常是全球定位系统(Global Positioning System，GPS)定位点或者无线保真(Wireless Fidelity，WIFI)定位点，包含车辆所行驶的轨迹中各个轨迹点的经纬度坐标、速度、角度等信息；基础路网一般反映道路通行信息，主要包括道路属性、道路结点属性、道路几何形状、道路交规等。
为了保证定位的准确性，目前针对车辆行驶过程中所采集到的轨迹点，通常都需要进行地图匹配。
以GPS为例，地图匹配是将运营车辆的有序的GPS位置关联到电子地图的路网上，将GPS坐标下采样序列转换为路网坐标序列的过程。因为GPS给定的经纬度位置信息在电子地图的路网上会有一定的误差，如果不进行地图匹配，那么车辆的运动轨迹可能落不到路网上，从而会导致导航出现错误或者偏差，或者数据统计错误等一系列问题，因此对轨迹点和路网进行地图匹配是非常重要的操作。
例如可以结合图5理解地图匹配，图5为本公开实施例提供的地图匹配的实现示意图。
如图5所示，当前存在图5中的501所示的路网，在该路网上存在众多的道路，以及当前存在车辆的多个轨迹点，在图5中用白色的点表示车辆的轨迹点，比如说图5所示的轨迹点502、轨迹点503、轨迹点504等等。
从图5中可以看出，当前的这些轨迹点大部分都没有落在路网上，而是位于路网附近的位置，因此需要对这些轨迹点和路网进行匹配，以使得车辆的轨迹落在路网上，进而确定车辆的轨迹对应在路网中的匹配轨迹。
例如在进行地图匹配之后，可以确定各个轨迹点各自对应的落在路网上的点，在图5中用标有灰色阴影的点表示，例如图5中所示，轨迹点502落在路网上的505所示的位置，轨迹点503落在路网上的506所示的位置，轨迹点504位于路网上的507所示的位置，等等，在将各个轨迹点匹配至对应的道路之后，就在路网中确定了车辆的匹配轨迹，从而实现了将车辆的轨迹点匹配至路网中。
以及还可以结合图6理解地图匹配的效果，图6为本公开实施例提供的地图匹配的效果示意图。
如图6所示，假设地图匹配前的位置数据中包括601所示的轨迹和602所示的轨迹，可以看出，601所示的轨迹和602所示的轨迹和真实的路网并没有很好的匹配，存在一定的误差。
在经过地图匹配之后，601所示的轨迹修正为603所示的轨迹，602所示的轨迹修正为604所示的轨迹，其和真实的路网实现了有效的匹配，从而保证了定位数据的准确性。
目前，相关技术中在实现地图匹配的时候，通常都是根据轨迹点的位置和各个路段的位置，以及根据轨迹点的角度和各个路段的角度，确定和轨迹点的距离、角度相距较近的路段，将该路段作为该轨迹点的匹配路段，针对各个轨迹点均确定对应的匹配路段，从而实现地图匹配。
例如可以结合图7理解相关技术中的实现方式，图7为根据距离和角度进行地图匹配的实现示意图。
如图7所示，当前存在车辆的多个轨迹点，比如说图7中的A、B、C、D、E、F、G、H、I、J，针对每一个轨迹点都可以确定其对应的匹配路段。
比如说针对轨迹点D，可以通过轨迹点D到路段X的距离，以及轨迹点D->轨迹点E的方向，来判断轨迹点D在路段X上的概率，根据这个概率可以确定轨迹点D是否和路段X相匹配，之后根据各个轨迹点各自对应的匹配路段，确定车辆轨迹在路网上的匹配轨迹。
在这样的实现方式中，针对大部分的路段都可以取得良好的效果，但是针对距离相近并且角度相同的平行路段，可能会出现匹配错误的情况，从而导致地图匹配的准确率较低。
例如可以结合图8进行理解这种平行路段，图8为本公开实施例提供的平行路段的实现示意图一。
如图8所示，在图8中的真实场景中有主路和辅路，该真实地图对应的地图信息中，主路为地图信息中的801所示的道路，辅路为地图信息中的802所示的道路，假设当前存在一条车辆的行驶轨迹，为图8中的803所指示的轨迹。
从图8中可以看出，主路801和辅路803的距离相距较近，并且角度也是相同的，那么在对轨迹803进行匹配的时候，就很难判断这条轨迹到底是位于主路还是辅路，很有可能出现车辆轨迹实际上位于主路，但是最终的匹配结果却匹配到辅路上的情况。
因此目前的相关技术中的地图匹配的会出现准确性不高的问题，当地图匹配出现错误的时候，就有可能导致路况计算有误、用户预估到达时间(Estimated Time ofArrival，ETA)计算有误、错误的判断道路的通行状况等等一系列问题。
针对现有技术中的问题，本公开提出了如下技术构思：由于在计算轨迹点和路段的匹配概率的时候，主要依赖距离和角度，因为距离相距比较近并且角度相似的平行路段差异不够显著，从而造成一定程度的匹配错误，但是不同路段的通行速度是存在差异的，因此可以在根据距离和角度进行地图匹配的基础上，进一步通过轨迹点的速度和路段的平均行驶速度进行地图匹配，从而可以有效提升地图匹配的准确性。
下面结合具体的实施例对本公开提供的地图匹配方法进行介绍，图9为本公开实施例提供的地图匹配方法的流程图。
如图9所示，该方法包括：
S901、获取车辆在行驶过程中所经过的至少一个轨迹点、以及各轨迹点对应的至少一个路段，轨迹点与对应的每个路段之间的距离小于或等于预设距离。
在本实施例中，需要对车辆的轨迹点进行地图匹配，因此可以获取车辆在行驶过程中所经过的至少一个轨迹点，在一种可能的实现方式中，各个轨迹点可以对应有各自的经纬度坐标、速度、角度等信息，可以理解的是，当前所获取的至少一个轨迹点是需要进行地图匹配的轨迹点，本实施例对各个轨迹点的相关属性信息不做限制，只要其是车辆在行驶过程中产生的轨迹点，并且需要进行地图匹配的操作即可。
以及本实施例中还要获取各个轨迹点各自对应的至少一个路段，本实施例中的轨迹点与对应的每个路段之间的距离小于等于预设距离，在一种可能的实现方式中，例如可以根据轨迹点的经纬度坐标，将地图中的该轨迹点的周围的预设距离范围内的路段，确定为该轨迹点对应的路段。
或者还可以采用kd树(k-dimensional树的简称)的方式确定各个轨迹点各自对应的至少一个路段，其中，kd树是一种分割k维数据空间的数据结构。主要应用于多维空间关键数据的搜索，比如说范围搜索和最近邻搜索，可以采用kd树的方式确定和轨迹点的距离小于或等于预设距离的至少一个路段。
其中，预设距离的具体设置可以根据实际需求进行选择，本实施例对此不做限制。
可以理解的是，因为地图匹配肯定是将轨迹点匹配到邻近的路段上，因此可以将预设距离范围内的路段确定为轨迹点对应的路段，从而可以有效减少需要处理的路段数量，提升地图匹配的效率。
可以理解的是，各个轨迹点各自对应的路段可能相同也可能不同，此处进行举例说明：比如说当前确定了轨迹点1和轨迹点2，针对轨迹点1确定了对应的路段是路段a、路段b和路段c，以及针对轨迹点2确定了路段a和路段d。
在实际实现过程中，具体确定的轨迹点以及确定的各个轨迹点各自对应的路段可以根据实际需求进行选择。
S902、针对任一个轨迹点，根据车辆在轨迹点的行驶速度、以及轨迹点对应的每个路段上的平均行驶速度，确定轨迹点位于对应的每个路段上的概率。
在本实施例中，针对各个轨迹点均执行相同的操作，此处以任一个轨迹点为例进行介绍。
具体的，针对任一个轨迹点，可以确定轨迹点位于对应的每个路段上的概率，比如说沿用上述示例，当前针对轨迹点2，可以确定轨迹点2位于路段a的概率，以及确定轨迹点位于路段d的概率。
在一种可能的实现方式中，每个轨迹点都对应有行驶速度，该行驶速度是车辆在该轨迹点的行驶速度，以及每个路段也对应有各自的平均行驶速度，因此可以根据车辆在轨迹点的行驶速度，以及轨迹点对应的每个路段上的平均行驶速度，从而确定轨迹点位于对应的每个路段上的概率。
可以理解的是，车辆在轨迹点的行驶速度越接近某个路段上的平均速度，那么这轨迹点位于这个路段上的概率也就越大。
比如说，当前车辆在轨迹点2的行驶速度是41km/h，路段a的平均行驶速度是15km/h，路段b的平均行驶速度是40km/h，那么轨迹点1位于路段b上的概率就会远大于轨迹点1位于路段a上的概率。
因此在本实施例中，通过根据车辆的行驶速度和路段的平均行驶速度，确定轨迹点位于对应的每个路段上的概率，因为不同路段的行驶速度是不同的，因此可以针对距离和速度无法有效区分的平行路段中，采用速度进行区分，进而有效的实现地图匹配，以提升地图匹配的准确性。
值得说明的是，本实施例中在确定轨迹点位于路段上的概率的时候，除了会根据速度确定该概率之外，同样会根据距离和角度确定，因此在一种可能的实现方式中，可以根据轨迹点的行驶速度，以及轨迹点对应的路段上的平均行驶速度，得到该轨迹点和该路段对应的一个速度参数，根据该速度参数，对根据距离和角度确定的概率进行修正，得到考虑了速度之后的目标概率，之后确定轨迹点位于对应的每个路段上的目标概率。
本实施例中在介绍S902的时候是以任一个轨迹点为例进行的介绍，在具体实现过程中，针对每一个轨迹点都会进行上述操作，从而得到各个轨迹点各自的，位于对应的路段上的概率。
S903、根据每个轨迹点位于对应的每个路段上的概率、以及至少一个轨迹点对应的路段之间的连通概率，在地图中确定车辆的匹配路网轨迹。
本实施例中除了需要确定每个轨迹点位于对应的路段上的概率之外，还需要确定至少一个轨迹点对应的路段之间的连通概率，这里的联通概率是指当前轨迹点位于第一路段上、下一时刻的轨迹点位于第二路段上的概率，联通概率可以立即为上述对HMM进行介绍时所说明的转移概率，也就是说第一路段和第二路段之间的转移概率。
此处可以结合一个示例进行说明，假设继续沿用上述示例，当前存在轨迹点1和轨迹点2，轨迹点1对应路段a、路段b和路段c，以及轨迹点2对应路段a和路段d。
比如说轨迹点1和轨迹点2是相邻时刻的轨迹点，也就是说当前时刻车辆位于轨迹点1，下一时刻车辆位于轨迹点2，则需要确定路段a和路段a之间的连通概率，这个概率表示当前时刻车辆的轨迹点位于路段a，下一时刻车辆的轨迹点也位于路段a的概率；以及还需要确定路段a和路段d之间的连通概率，这个概率表示当前时刻车辆的轨迹点位于路段a，下一时刻车辆的轨迹点也位于路段d的概率；以及还需要确定路段b和路段a之间的连通概率，这个概率表示当前时刻车辆的轨迹点位于路段b，下一时刻车辆的轨迹点也位于路段a的概率，等等，其余的情况类似，此处不再赘述。
在一种可能的实现方式中，可以根据每个轨迹点位于对应的每个路段上的概率，以及至少一个轨迹点对应的路段之间的连通概率，在各个轨迹点对应的路段所组成的路段序列中，确定一个匹配概率最大的路段序列，将该路段序列所组成的路段，确定为车辆在地图中所在的路线。
比如说当前针对轨迹点1、2、3、4，确定了一个路段序列是a、a、b、b，就表示这个车辆最开始在路段a行驶，然后行驶到路段b上，其对应的行驶路段就是轨迹点位于这两条路线上所得到的路线。
本公开实施例提供的地图匹配方法，包括：获取车辆在行驶过程中所经过的至少一个轨迹点、以及各轨迹点对应的至少一个路段，轨迹点与对应的每个路段之间的距离小于或等于预设距离。针对任一个轨迹点，根据车辆在轨迹点的行驶速度、以及轨迹点对应的每个路段上的平均行驶速度，确定轨迹点位于对应的每个路段上的概率。根据每个轨迹点位于对应的每个路段上的概率、以及至少一个轨迹点对应的路段之间的连通概率，在地图中确定车辆的匹配路网轨迹。通过确定各个轨迹点各自对应的路段，并且针对每一个轨迹点，根据车辆在轨迹点的行驶速度，以及轨迹点对应的每个路段上的平均行驶速度，确定轨迹点位于对应的每个路段上的概率，从而可以基于速度对平行路段进行区分，通过设置在速度相近的时候，轨迹点和路段匹配到的概率较大，最终根据每个轨迹点位于对应的每个路段上的概率、以及至少一个轨迹点对应的路段之间的连通概率，在地图中确定所述车辆的匹配路网轨迹，从而可以有效避免平行路段匹配错误的情况，进而提升地图匹配的准确率。
在上述实施例的基础上，下面结合图10至图18对本公开实施例提供的地图匹配方法进行进一步的详细介绍，图10为本公开实施例提供的地图匹配方法的流程图二，图11为本公开实施例提供的预设映射关系的实现示意图，图12为本公开实施例提供的地图匹配中的HMM示意图，图13为本公开实施例提供的确定发射概率的实现示意图，图14为本公开实施例提供的基于速度确定匹配路段的实现示意图，图15为本公开实施例提供的候选路段序列的实现示意图，图16为本公开实施例提供的确定转移概率的实现示意图，图17为本公开实施例提供的平行路段的实现示意图二，图18为本公开实施例提供的确定目标路段序列的实现示意图。
如图10所示，该方法包括：
S1001、获取车辆在行驶过程中所经过的至少一个轨迹点、以及各轨迹点对应的至少一个路段，轨迹点与对应的每个路段之间的距离小于或等于预设距离。
其中，S1001的实现方式与S901的实现方式相同，此处不再赘述。
S1002、获取路段速度数据，其中，路段速度数据中包括各个路段在各个时刻的平均行驶速度。
在本实施例中，为了确定各个路段的平均行驶速度，可以获取路段速度数据，路况速度数据用于指示各个路段的平均行驶速度，以及可以理解的是，因为车辆在路段中的行驶速度会受到实际路况的影响，而路况在不同时刻会呈现出不同的情况，比如说早高峰和晚高峰的时候，车辆行驶速度会比较低、
因此不同的路段之间除去原本的因为路段限速所导致的速度差异之外，各个路段在不同时刻的平均行驶速度也是不同的，因此在路段速度数据中可以包括各个路段在各个时刻的平均行驶速度。
在一种可能的实现方式中，例如可以通过各个路段的历史通行数据进行数据挖掘，从而得到各个路段在各个时刻的平均行驶速度。
比如说可以以一周为单位，其中路段速度数据例如可以为一张映射表格，这张表格可以存储有各个路段在7×24小时的时间段内，各个时刻的平均行驶速度。
再比如说还可以以一天为单位，假设路段速度数据同样可以为一张映射表格，这张表格可以存储有各个路段在一天的24小时的时间段内，各个时刻的平均行驶速度。
或者路段速度数据中还可以以一个月为单位等等，本实施例对此不做特别限制，以及路段速度数据除了上述介绍的映射表格的实现方式之外，还可以为任意可能的数据结构，比如说数组、键值对等等，只要在路段速度数据中存储有各个路段在各个时刻的平均行驶速度即可。
以及，在路段速度数据中的一个时刻的时间单位也可以根据实际需求进行选择，比如说一个时刻可以为一小时，则在路段速度数据中存储的形式就比如是说，路段在7点到8点之间的平均行驶速度。或者一个时刻还可以为一分钟，则在路段速度数据中存储的形式就比如是说，车辆在7:30:00到7:31:00之间的平均行驶速度，等等，本实施例对此不做特别限制，其可以根据实际需求进行选择和设置。
S1003、针对任一个轨迹点，根据轨迹点对应的生成时刻，在路段速度数据中确定轨迹点对应的每个路段在生成时刻的平均行驶速度。
基于上述介绍的内容，各个路段在不同的时刻分别对应有不同的平均行驶速度，则当前在确定轨迹点对应的每个路段的平均行驶速度的时候，就需要根据轨迹点对应的生成时刻，从路段速度数据中确定轨迹点对应的每个路段在所述生成时刻的平均行驶速度。
其中，轨迹点对应的生成时刻就是说车辆在经过该轨迹点的时候所对应的时刻。
此处进行举例说明，假设继续沿用上述示例，当前存在轨迹点1和轨迹点2，轨迹点1对应路段a、路段b和路段c，以及轨迹点2对应路段a和路段d。
比如说轨迹点1对应的生成时刻是7:30:00，则需要在路段速度数据中获取路段a在时刻7:30:00对应的平均行驶速度，以及获取路段b在时刻7:30:00对应的平均行驶速度，以及获取路段c在时刻7:30:00对应的平均行驶速度。
以及，比如说轨迹点2对应的生成时刻是7:31:00，则需要在路段速度数据中获取路段a在时刻7:31:00对应的平均行驶速度，以及获取路段d在时刻7:31:00对应的平均行驶速度。
值得说明的是，上述介绍的确定轨迹点对应的每个路段在生成时刻的平均行驶速度的实现是针对任一个轨迹点进行介绍的，在实际实现过程，针对各个轨迹点都会进行上述操作，其实现方式相同。从而确定各个轨迹点各自对应的每个路段在各自对应的生成时刻的平均行驶速度。
S1004、针对轨迹点对应的任一个路段，将车辆在轨迹点的行驶速度、以及轨迹点对应的路段在生成时刻的平均行驶速度的比值，确定为速度比例。
在确定路段的平均行驶速度之后，可以根据车辆在轨迹点的行驶速度和路段的平均行驶速度确定轨迹点位于各个路段上的概率，为了便于说明，下面的S1004-S1006都是针对以任一个轨迹点，以该轨迹点对应的任一个路段为例，对确定轨迹点位于路段上的概率进行介绍，各个轨迹点和其对应的路段的实现方式均是相同的。
具体的，针对轨迹点对应的任一个路段，可以将车辆在轨迹点的行驶速度、以及轨迹点对应的路段在生成时刻的平均行驶速度的比值，确定为速度比例。
可以理解的是，这个速度比例可以刻画车辆在轨迹点的行驶速度、以及轨迹点对应的路段在生成时刻的平均行驶速度之间的大小关系。
比如说，当速度比例小于1的时候，表示车辆在轨迹点的行驶速度小于轨迹点对应的路段在生成时刻的平均行驶速度，并且速度比例越小，对应的表示车辆在轨迹点的行驶速度越小于轨迹点对应的路段在生成时刻的平均行驶速度。
再比如说，当速度比例等于1的时候，表示车辆在轨迹点的行驶速度等于轨迹点对应的路段在生成时刻的平均行驶速度。
再比如说，当速度比例大于1的时候，表示车辆在轨迹点的行驶速度大于轨迹点对应的路段在生成时刻的平均行驶速度，并且速度比例越大，对应的表示车辆在轨迹点的行驶速度越大于轨迹点对应的路段在生成时刻的平均行驶速度。
S1005、根据速度比例和速度参数之间的预设映射关系以及速度比例，将速度比例对应的速度参数，确定为轨迹点和路段对应的速度参数。
在确定速度比例之后，可以根据速度比例确定速度参数，速度参数用于确定轨迹点位于路段上的概率。
在一种可能的实现方式中，例如可以预先设置有速度比例和速度参数之间的预设映射关系，在预设映射关系中，当速度比例小于1时，速度比例和速度参数呈正比；当速度比例等于1时，速度比例和速度参数相等；当速度比例大于1时，速度比例和速度参数呈反比。
预设映射关系例如可以为图11中所示的曲线所示，在图11中所示的曲线中，横轴代表速度比例，纵轴代表速度参数，坐标轴中的曲线就代表了速度比例和速度参数之间的预设映射关系。
从图11中可以看出，当速度比例小于的时候，速度比例越大，对应的速度参数也就越大，比如说当速度比例等于0.2的时候，速度参数为0.6，速度比例等于0.4的时候，速度参数为0.7。当速度比例等于1的时候，速度参数等于速度比例，均为1。当速度比例大于1的时候，速度比例越大，对应的速度参数约下，比如说当速度比例等于1.2的时候，速度参数为0.8，速度比例等于1.4的时候，速度参数为0.6。
在实际实现过程中，预设映射关系的具体实现方式可以根据实际需求进行选择，只要保证预设映射关系满足上述介绍的比例关系即可，可以理解的是，上述介绍的预设映射关系所满足的正比反比关系，实际上所遵循的原则是：
车辆在轨迹点的行驶速度、和轨迹点对应的路段在生成时刻的平均行驶速度越接近，则对应的速度参数就越大，进而在后续的过程中，会使得匹配的概率也越大；车辆在轨迹点的行驶速度、和轨迹点对应的路段在生成时刻的平均行驶速度差距越大，则对应的速度参数就越小，进而在后续的过程中，会使得匹配的概率也越小。
在确定预设映射关系的时候，只要预设映射关系遵循该原则进行设置即可，具体的数值等等均可以根据实际需求进行选择。
S1006、根据速度参数和第一预设函数，确定轨迹点位于路段上的概率。
在确定速度参数之后，即可以根据速度参数和第一预设函数，确定轨迹点位于路段上的概率。
在一种可能的实现方式中，本实施例中的第一预设函数例如可以为HMM中确定发射概率的函数，本实施例中的轨迹点位于路段上的概率即可以理解为上述介绍的HMM中的发射概率。
为了对第一预设函数进行介绍，在上述介绍的HMM的相关内容的基础上，对地图匹配的场景中的HMM的实现进行介绍。
基于上述介绍的HMM的相关内容可以确定的是，在HMM中包括五个基本要素：{S，V，A，B，π}。
可以结合图12理解将其结合到本公开的地图匹配的场景中，在观测变量集合V中包括各个轨迹点，如图12所示，在观测变量集合中可以包括多个观测状态，一个观测状态即为一个轨迹点，比如说图12中所示的轨迹点1、轨迹点2。
以及，状态变量集合S中包括各个轨迹点对应的各个路段，如图12所示，在状态变量集合中可以包括多个隐藏状态，其中包括轨迹点对应的至少一个路段，比如说图12中所示的轨迹点1对应的路段a、路段b、路段c，轨迹点2对应的路段a和路段d。
观测概率分布B中包括在各个路段上产生对应的轨迹点的发射概率，该发射概率也可以理解为各个轨迹点位于各自对应的每个路段上的概率，比如说图12中的轨迹点1位于路段a上的概率，轨迹点1位于路段b上的概率，轨迹点1位于路段c上的概率，轨迹点2位于路段a上的概率，轨迹点2位于路段d上的概率等等，这些概率都可以称为发射概率。
状态转移矩阵A中包括相邻的轨迹点所对应的路段的转移概率，比如说图12中的路段a转移到路段a的概率，路段a转移到路段d的概率，路段b转移到路段a的概率，路段b转移到路段d的概率，路段c转移到路段a的概率，路段c转移到路段d的概率，这里的路段之间的转移概率和上述实施例中提到的路段之间的连通概率是等同的概念。
上述结合图12介绍的内容就是HMM在地图匹配中的适应性的内容，当前需要确定轨迹点位于路段上的概率，也就是说需要确定发射概率，第一预设函数中可以根据轨迹点和路段的距离以及轨迹点和路段的角度确定发射概率，在一种可能的实现方式中，第一预设函数可以满足如下公式二：
Pemission＝c×Pdistance+(1-c)×Pdirection 公式二
其中，Pdistance为距离因子，Pdirection为角度因子，c为常数，例如c可以取0.6，Pemission为发射概率。
则基于上述的公式二，可以确定的是，根据速度因子和角度因子，可以确定轨迹点和路段的发射概率。
例如可以结合图13理解速度因子和角度因子，如图13所示，当前需要确定轨迹点1对应于路段a的发射概率，其中的距离因子例如可以是根据轨迹点1和路段a之间的投影距离确定的，以及其中的角度因子例如可以是根据轨迹点1和路段a的夹角确定的，在一种可能的实现方式中，距离因子例如可以就是投影距离，或者还可以为投影距离经过一定的函数处理之后得到的因子，角度因子类似，本实施例对距离因子和角度因子的实现方式不做限制，只要其是根据轨迹点和路段之间的距离和角度确定的即可。
同时可以理解的是，若仅仅根据上述公式二中的第一预设函数确定轨迹点位于路段上的概率，则针对平行路段无法实现良好的区分，在图13中也示意了，本实施例中在确定轨迹点位于路段上的概率时，会结合轨迹点的速度进行确定，因此本实施例中具体是根据速度参数和第一预设函数，确定的轨迹点位于路段上的概率。
确定的方式例如可以满足如下公式三：
Pemission`＝s×(c×Pdistance+(1-c)×Pdirection) 公式三
其中，s为速度参数，(c×Pdistance+(1-c)×Pdirection)即为上述公式二，Pemission`为加入了速度参数之后得到的发射概率，也就是本实施例中最终确定的轨迹点位于路段上的概率，其可以理解为在确定发射概率的第一预设函数的基础上，加入了速度参数，对发射概率的计算进行了修正。
速度参数的实现方式在上述实施例中已经进行了介绍，在确定轨迹点位于路段上的概率时，通过加入速度参数，从而可以保证轨迹点在和路段进行匹配的时候，车辆在轨迹点的行驶速度和路段的平均行驶速度越接近，最终确定的轨迹点位于该路段的概率也就越大。
比如可以结合一个具体的场景进行理解，例如在上下班高峰时期，一条轨迹从路线看，既有可能是走的高架桥上，也有可能走的高架桥下。高架桥上一般这个时候是畅通，高架桥下一般是拥堵。这个时候车辆的轨迹点的行驶速度是比较快的，那么就会确定轨迹点匹配在高架桥上的概率较大。
还可以结合图14以几个数值为例进行介绍，如图14所示，假设t时刻车辆在轨迹点1的行驶速度是42km/h，以及路段a在t时刻的平均行驶速度是10km/h，路段b在t时刻的平均行驶速度是20km/h，路段c在t时刻的平均行驶速度是40km/h，假设路段a、路段b、路段c都是平行路段，那么这三条路段的距离是相近的，角度也是相同的，但是因为路段c的平均行驶速度和车辆在轨迹点1的行驶速度最接近，因此轨迹点1位于路段c的概率就最大。
同样的，假设t+1时刻车辆在轨迹点2的行驶速度是1km/h，以及路段a在t+1时刻的平均行驶速度是10km/h，路段d在t+1时刻的平均行驶速度是2km/h，假设路段a、路段d是平行路段，那么这两条路段的距离是相近的，角度也是相同的，但是因为路段d的平均行驶速度和车辆在轨迹点2的行驶速度最接近，因此轨迹点2位于路段d的概率就最大。
因此本实施例中在确定轨迹点位于路段上的概率的时候，通过根据车辆在轨迹点的行驶速度和路段的平均行驶速度，确定速度因子，根据该速度因子和第一预设函数确定轨迹点位于路段上的概率，从而可以根据速度对平行路段进行有效区分，保证速度越相近的路段的匹配概率越大，从而可以有效提升地图匹配的准确性。
以及还需要说明的是，上述部分步骤中在介绍的时候，为了便于说明，是以其中的一个轨迹点，以及该轨迹点对应的一个路段为例介绍的轨迹点位于路段上的概率，在实际实现过程中，针对各个轨迹点以及每个轨迹点各自对应的各个路段，均需要执行上述操作，其实现方式都是类似的，此处不再进行赘述。
S1007、根据每个轨迹点对应的每个路段，确定至少一个候选路段序列，其中，候选路段序列中包括各轨迹点各自对应的一个目标路段。
在确定每个轨迹点位于各自对应的各个路段上的概率之后，就可以基于这个概率确定车辆在地图中的路线了。
本实施例中基于HMM进行地图匹配，则可以在多个隐藏状态中，选择出一条当前需要的隐藏状态序列，在本实施例的场景中，也就是说确定路径序列，最终确定的路径序列就可以组成车辆在地图中的路线。
则例如可以首先根据每个轨迹点对应的每个路段，确定至少一个候选路段序列，在至少一个候选路段序列中选择出我们需要的目标路段序列。
在一种可能的实现方式中，本实施例中的每个轨迹点都对应至少一个路段，则在每个轨迹点对应的各个路段中，都分别选择一个目标路段，这些目标路段可以组成候选路段序列，对于每个轨迹点所选择的目标路段的不同，则可以得到至少一条候选路段序列，在候选路段序列中包括各个轨迹点各自对应的目标路段。
例如可以结合图15理解确定候选路段序列的实现，假设继续沿用上述示例，当前存在轨迹点1和轨迹点2，轨迹点1对应路段a、路段b和路段c，以及轨迹点2对应路段a和路段d。
比如说在轨迹点1的多个路段中选择的目标路段是路段a，在轨迹点2的多个路段中选择的目标路段是路段a，则可以得到图15中的候选路段序列1，后续的轨迹点3、轨迹点4的实现方式类似。
再比如说在轨迹点1的多个路段中选择的目标路段是路段a，在轨迹点2的多个路段中选择的目标路段是路段d，则可以得到图15中的候选路段序列2，后续的轨迹点3、轨迹点4的实现方式类似。
以及后续的各个候选路段序列的实现方式也类似，此处对此不再赘述。
可以理解的是，上述对于确定候选路段序列的实现过程就像是一个排列组合的过程，在实际实现过程中，可以确定所有的组合方式，也就是说得到所有可能的候选路段序列。
或者，还可以基于维特比算法，仅确定部分候选路段序列，其中，维特比算法是一种动态规划算法。它用于寻找最有可能产生观测事件序列的维特比路径——隐含状态序列，特别是在马尔可夫信息源上下文和隐马尔可夫模型中。
维特比算法可以确定一个最优的隐含状态序列，为了减少计算量，维特比算法是每次记录到当前时刻，每个观测状态的最优序列，比如说在在t时刻已经保存了从0到t时刻的最优路径，那么t+1时刻只需要计算从t到t+1的最优就可以了，每次只需要保存到当前位置最优路径，之后循环向后走。到结束时，从最后一个时刻的最优值回溯到开始位置，回溯完成后，这个从开始到结束的路径就是最优的，从而可以提升确定最优序列的效率。
维特比算法的更具体的实现方式可以参照相关技术中的介绍，此处不再赘述。
S1008、针对任一个候选路段序列，将各轨迹点位于各自对应的目标路段上的概率，以及各轨迹点对应的路段之间的联通概率输入至第二预设函数中，确定候选路段序列和至少一个轨迹点匹配的概率。
本实施例中需要在多个候选路段序列中选择一个目标路段序列，在一种可能的实现方式中，可以针对各个候选路段序列，确定候选路段序列和至少一个轨迹点匹配的概率。
下面以任一个候选路段序列为例，对确定匹配的概率的实现方式进行说明。
在一种可能的实现方式中，可以将各轨迹点位于各自对应的目标路段上的概率，以及各轨迹点对应的路段之间的联通概率输入至第二预设函数中，从而确定候选路段序列和至少一个轨迹点匹配的概率
其中，第二预设函数例如可以为维特比(Viterbi)算法的函数，其中，第二预设函数例如可以满足如下公式四：
Pviterbi＝P`viterbi+logPtransition+logPemission 公式四
其中，Ptransi on为转移概率，也就是本实施例中的轨迹点对应的路段之间的联通概率，Pemission为发射概率，也就是本实施例中的轨迹点位于对应的目标路段上的概率，P`viterbi为上一个轨迹点的维特比概率，Pviterbi为当前轨迹点的维特比概率，根据维特比概率就可以确定候选路段序列和至少一个轨迹点匹配的概率。
则基于发射概率和转移概率就可以有效确定各个候选路段序列的维特比概率，其中，维特比概率Pviterbi越大，就表示轨迹点和该条候选路段序列匹配的概率越大。
此处对各轨迹点对应的路段之间的联通概率，也就是隐藏状态之间的转移概率的实现方式也进行简单说明。
可以结合图16进行理解，如图16所示，假设当前轨迹点1对应的路段是路段a，轨迹点2对应的路段是路段是路段b，当前需要确定路段a和路段b之间的连通概率，也就是说转移概率，例如可以根据图16中所示意的球面距离、轨迹方向、路段方向、路径距离确定转移概率，具体的转移概率的计算公式等可以根据实际需求进行选择，只要根据这些关键参数进行选择即可。
S1009、将匹配的概率最大的候选路段序列确定为目标路段序列。
S1010、将目标路段序列所组成的轨迹，确定为在地图中车辆的匹配路网轨迹。
下面对S1009和S1010一起进行介绍：
在得到匹配的概率之后，将匹配的概率最大的候选路段序列确定目标路段序列，也就是说选择了最优的一个路段序列作为最终的目标路段序列。这个目标路段序列也就是当前的各个轨迹点所匹配的路段序列。
该目标路段序列可以组成一条轨迹，将该轨迹确定为在地图中的车辆所在的匹配路网轨迹，从而实现了地图匹配。
此处可以结合图17和图18理解整个过程，图17中示出了当前的场景，比如说在图17中所示的真实场景中，包括高架上、高架下主路、下高架匝道、高架下辅路这4条较为平行的路段，参见图17中的该真实场景对应的地图信息中，这4个路段的距离很近，并且角度也相同，因此在进行地图匹配的时候，仅根据距离和角度进行地图匹配，无法保证匹配的准确性。
参见图18，假设当前有5个轨迹点，分别是图18中所示的轨迹点1、轨迹点2、轨迹点3、轨迹点4、轨迹点5，其中每一个轨迹点分别对应至少一个路段，比如说轨迹点1对应三个路段，分别是高架上、下主路、下辅路，其余轨迹点类似。
以及图中还示出了车辆在各个轨迹点的行驶速度，以及各个路段在各自对应的轨迹点的生成时刻的平均行驶速度，则基于上述介绍的实现方式，当前例如可以根据速度相关的信息，以及距离、角度，确定最终的目标路段序列是：高架上、匝道、匝道、匝道、下主路，从而可以得出这是一条“从高架上、利用匝道下高架的轨迹”，进而得到了车辆在地图中的相应的匹配地图轨迹。
本公开实施例提供的地图匹配方法，通过将车辆在轨迹点的行驶速度、以及轨迹点对应的路段在生成时刻的平均行驶速度的比值，确定为速度比例，并且根据速度比例和速度参数之间的预设映射关系，确定速度参数，在预设映射关系中，当速度比例小于1时，速度比例和速度参数呈正比；当速度比例等于1时，速度比例和速度参数相等；当速度比例大于1时，速度比例和速度参数呈反比，之后根据速度参数确定轨迹点位于路段上的概率，从而可以保证车辆在轨迹点的行驶速度、和轨迹点对应的路段在生成时刻的平均行驶速度越接近，则匹配的概率也越大；车辆在轨迹点的行驶速度、和轨迹点对应的路段在生成时刻的平均行驶速度差距越大，则匹配的概率也越小，从而可以基于速度信息进行准确的地图匹配，同时基于速度信息可以有效区分距离、角度都比较相近的路段，以提升地图匹配的准确率。
图19为本公开实施例的地图匹配装置的结构示意图。如图19所示，本实施例的地图匹配装置1900可以包括：获取模块1901、第一确定模块1902、第二确定模块1903。
获取模块1901，用于获取车辆在行驶过程中所经过的至少一个轨迹点、以及各所述轨迹点对应的至少一个路段，所述轨迹点与对应的每个路段之间的距离小于或等于预设距离；
第一确定模块1902，用于针对任一个所述轨迹点，根据所述车辆在所述轨迹点的行驶速度、以及所述轨迹点对应的每个路段上的平均行驶速度，确定所述轨迹点位于对应的每个路段上的概率；
第二确定模块1903，用于根据每个轨迹点位于对应的每个路段上的概率、以及所述至少一个轨迹点对应的路段之间的连通概率，在地图中确定所述车辆的匹配路网轨迹。
一种可能的实现方式中，所述第一确定模块1902，包括：
第一处理单元，用于根据所述轨迹点对应的生成时刻，确定所述轨迹点对应的每个路段在所述生成时刻的平均行驶速度；
第二处理单元，用于针对所述轨迹点对应的任一个路段，根据所述车辆在所述轨迹点的行驶速度、以及所述轨迹点对应的所述路段在所述生成时刻的平均行驶速度，确定所述轨迹点和所述路段对应的速度参数；
第三处理单元，用于根据所述速度参数和第一预设函数，确定所述轨迹点位于所述路段上的概率。
一种可能的实现方式中，所述第二处理单元具体用于：
将所述车辆在所述轨迹点的行驶速度、以及所述轨迹点对应的所述路段在所述生成时刻的平均行驶速度的比值，确定为速度比例；
根据速度比例和速度参数之间的预设映射关系以及所述速度比例，将所述速度比例对应的速度参数，确定为所述轨迹点和所述路段对应的速度参数。
一种可能的实现方式中，在所述预设映射关系中，
当所述速度比例小于1时，所述速度比例和所述速度参数呈正比；
当所述速度比例等于1时，所述速度比例和所述速度参数相等；
当所述速度比例大于1时，所述速度比例和所述速度参数呈反比。
一种可能的实现方式中，所述第一处理单元具体用于：
获取路段速度数据，其中，所述路段速度数据中包括各个路段在各个时刻的平均行驶速度；
根据所述轨迹点对应的生成时刻，在所述路段速度数据中确定所述轨迹点对应的每个路段在所述生成时刻的平均行驶速度。
一种可能的实现方式中，所述第二确定模块1903，包括：
第四处理单元，用于根据每个所述轨迹点对应的每个所述路段，确定至少一个候选路段序列，其中，所述候选路段序列中包括各所述轨迹点各自对应的一个目标路段；
第五处理单元，用于根据每个轨迹点位于对应的路段上的概率、以及所述至少一个轨迹点对应的路段之间的连通概率，在所述至少一个候选路段序列中确定目标路段序列；
第六处理单元，用于将所述目标路段序列所组成的路线，确定为在地图中所述车辆的所在路线。
一种可能的实现方式中，所述第五处理单元具体用于：
针对任一个候选路段序列，将各所述轨迹点位于各自对应的目标路段上的概率，以及各所述轨迹点对应的路段之间的联通概率输入至第二预设函数中，确定所述候选路段序列和所述至少一个轨迹点匹配的概率；
将所述匹配的概率最大的候选路段序列确定为所述目标路段序列。本公开提供一种地图匹配方法及装置，应用于数据处理中的智能交通领域，以达到提升了地图匹配的准确率的目的。
根据本公开的实施例，本公开还提供了一种电子设备和一种可读存储介质。
根据本公开的实施例，本公开还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图20示出了可以用来实施本公开的实施例的示例电子设备2000的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图20所示，电子设备2000包括计算单元2001，其可以根据存储在只读存储器(ROM)2002中的计算机程序或者从存储单元2008加载到随机访问存储器(RAM)2003中的计算机程序，来执行各种适当的动作和处理。在RAM 2003中，还可存储设备2000操作所需的各种程序和数据。计算单元2001、ROM 2002以及RAM 2003通过总线2004彼此相连。输入/输出(I/O)接口2005也连接至总线2004。
设备2000中的多个部件连接至I/O接口2005，包括：输入单元2006，例如键盘、鼠标等；输出单元2007，例如各种类型的显示器、扬声器等；存储单元2008，例如磁盘、光盘等；以及通信单元2009，例如网卡、调制解调器、无线通信收发机等。通信单元2009允许设备2000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元2001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元2001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元2001执行上文所描述的各个方法和处理，例如地图匹配方法。例如，在一些实施例中，地图匹配方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元2008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 2002和/或通信单元2009而被载入和/或安装到设备2000上。当计算机程序加载到RAM 2003并由计算单元2001执行时，可以执行上文描述的地图匹配方法的一个或多个步骤。备选地，在其他实施例中，计算单元2001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行地图匹配方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种地图匹配方法，包括：
获取车辆在行驶过程中所经过的至少一个轨迹点、以及各所述轨迹点对应的至少一个路段，所述轨迹点与对应的每个路段之间的距离小于或等于预设距离；
针对任一个所述轨迹点，根据所述车辆在所述轨迹点的行驶速度、以及所述轨迹点对应的每个路段上的平均行驶速度，确定所述轨迹点位于对应的每个路段上的概率；
根据每个轨迹点位于对应的每个路段上的概率、以及所述至少一个轨迹点对应的路段之间的连通概率，在地图中确定所述车辆的匹配路网轨迹。
2.根据权利要求1所述的方法，其中，所述根据所述车辆在所述轨迹点的行驶速度、以及所述轨迹点对应的每个路段上的平均行驶速度，确定所述轨迹点位于对应的每个路段上的概率，包括：
根据所述轨迹点对应的生成时刻，确定所述轨迹点对应的每个路段在所述生成时刻的平均行驶速度；
针对所述轨迹点对应的任一个路段，根据所述车辆在所述轨迹点的行驶速度、以及所述轨迹点对应的所述路段在所述生成时刻的平均行驶速度，确定所述轨迹点和所述路段对应的速度参数；
根据所述速度参数和第一预设函数，确定所述轨迹点位于所述路段上的概率。
3.根据权利要求2所述的方法，其中，所述根据所述车辆在所述轨迹点的行驶速度、以及所述轨迹点对应的所述路段在所述生成时刻的平均行驶速度，确定所述轨迹点和所述路段对应的速度参数，包括：
将所述车辆在所述轨迹点的行驶速度、以及所述轨迹点对应的所述路段在所述生成时刻的平均行驶速度的比值，确定为速度比例；
根据速度比例和速度参数之间的预设映射关系以及所述速度比例，将所述速度比例对应的速度参数，确定为所述轨迹点和所述路段对应的速度参数。
4.根据权利要求3所述的方法，其中，在所述预设映射关系中，
当所述速度比例小于1时，所述速度比例和所述速度参数呈正比；
当所述速度比例等于1时，所述速度比例和所述速度参数相等；
当所述速度比例大于1时，所述速度比例和所述速度参数呈反比。
5.根据权利要求2-4任一项所述的方法，其中，所述根据所述轨迹点对应的生成时刻，确定所述轨迹点对应的每个路段在所述生成时刻的平均行驶速度，包括：
获取路段速度数据，其中，所述路段速度数据中包括各个路段在各个时刻的平均行驶速度；
根据所述轨迹点对应的生成时刻，在所述路段速度数据中确定所述轨迹点对应的每个路段在所述生成时刻的平均行驶速度。
6.根据权利要求1-5任一项所述的方法，其中，所述根据每个轨迹点位于对应的每个路段上的概率、以及所述至少一个轨迹点对应的路段之间的连通概率，在地图中确定所述车辆的匹配路网轨迹，包括：
根据每个所述轨迹点对应的每个所述路段，确定至少一个候选路段序列，其中，所述候选路段序列中包括各所述轨迹点各自对应的一个目标路段；
根据每个轨迹点位于对应的路段上的概率、以及所述至少一个轨迹点对应的路段之间的连通概率，在所述至少一个候选路段序列中确定目标路段序列；
将所述目标路段序列所组成的路线，确定为在地图中所述车辆的所在路线。
7.根据权利要求6所述的方法，其中，所述根据每个轨迹点位于对应的路段上的概率、以及所述至少一个轨迹点对应的路段之间的联通概率，在所述至少一个候选路段序列中确定目标路段序列，包括：
针对任一个候选路段序列，将各所述轨迹点位于各自对应的目标路段上的概率，以及各所述轨迹点对应的路段之间的联通概率输入至第二预设函数中，确定所述候选路段序列和所述至少一个轨迹点匹配的概率；
将所述匹配的概率最大的候选路段序列确定为所述目标路段序列。
8.一种地图匹配装置，包括：
获取模块，用于获取车辆在行驶过程中所经过的至少一个轨迹点、以及各所述轨迹点对应的至少一个路段，所述轨迹点与对应的每个路段之间的距离小于或等于预设距离；
第一确定模块，用于针对任一个所述轨迹点，根据所述车辆在所述轨迹点的行驶速度、以及所述轨迹点对应的每个路段上的平均行驶速度，确定所述轨迹点位于对应的每个路段上的概率；
第二确定模块，用于根据每个轨迹点位于对应的每个路段上的概率、以及所述至少一个轨迹点对应的路段之间的连通概率，在地图中确定所述车辆的匹配路网轨迹。
9.根据权利要求8所述的装置，其中，所述第一确定模块，包括：
第一处理单元，用于根据所述轨迹点对应的生成时刻，确定所述轨迹点对应的每个路段在所述生成时刻的平均行驶速度；
第二处理单元，用于针对所述轨迹点对应的任一个路段，根据所述车辆在所述轨迹点的行驶速度、以及所述轨迹点对应的所述路段在所述生成时刻的平均行驶速度，确定所述轨迹点和所述路段对应的速度参数；
第三处理单元，用于根据所述速度参数和第一预设函数，确定所述轨迹点位于所述路段上的概率。
10.根据权利要求9所述的装置，其中，所述第二处理单元具体用于：
将所述车辆在所述轨迹点的行驶速度、以及所述轨迹点对应的所述路段在所述生成时刻的平均行驶速度的比值，确定为速度比例；
根据速度比例和速度参数之间的预设映射关系以及所述速度比例，将所述速度比例对应的速度参数，确定为所述轨迹点和所述路段对应的速度参数。
11.根据权利要求10所述的装置，其中，在所述预设映射关系中，
当所述速度比例小于1时，所述速度比例和所述速度参数呈正比；
当所述速度比例等于1时，所述速度比例和所述速度参数相等；
当所述速度比例大于1时，所述速度比例和所述速度参数呈反比。
12.根据权利要求9-11任一项所述的装置，其中，所述第一处理单元具体用于：
获取路段速度数据，其中，所述路段速度数据中包括各个路段在各个时刻的平均行驶速度；
根据所述轨迹点对应的生成时刻，在所述路段速度数据中确定所述轨迹点对应的每个路段在所述生成时刻的平均行驶速度。
13.根据权利要求8-12任一项所述的装置，其中，所述第二确定模块，包括：
第四处理单元，用于根据每个所述轨迹点对应的每个所述路段，确定至少一个候选路段序列，其中，所述候选路段序列中包括各所述轨迹点各自对应的一个目标路段；
第五处理单元，用于根据每个轨迹点位于对应的路段上的概率、以及所述至少一个轨迹点对应的路段之间的连通概率，在所述至少一个候选路段序列中确定目标路段序列；
第六处理单元，用于将所述目标路段序列所组成的路线，确定为在地图中所述车辆的所在路线。
14.根据权利要求13所述的装置，其中，所述第五处理单元具体用于：
针对任一个候选路段序列，将各所述轨迹点位于各自对应的目标路段上的概率，以及各所述轨迹点对应的路段之间的联通概率输入至第二预设函数中，确定所述候选路段序列和所述至少一个轨迹点匹配的概率；
将所述匹配的概率最大的候选路段序列确定为所述目标路段序列。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
CN202110476561.9A 2021-04-29 2021-04-29 地图匹配方法及装置 Active CN113191550B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110476561.9A CN113191550B (zh) 2021-04-29 2021-04-29 地图匹配方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110476561.9A CN113191550B (zh) 2021-04-29 2021-04-29 地图匹配方法及装置

Publications (2)

Publication Number Publication Date
CN113191550A true CN113191550A (zh) 2021-07-30
CN113191550B CN113191550B (zh) 2024-04-09

Family

ID=76980711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110476561.9A Active CN113191550B (zh) 2021-04-29 2021-04-29 地图匹配方法及装置

Country Status (1)

Country Link
CN (1) CN113191550B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113934775A (zh) * 2021-12-16 2022-01-14 禾多科技（北京）有限公司 车辆轨迹地图匹配方法、装置、设备和计算机可读介质
CN114353810A (zh) * 2022-01-10 2022-04-15 河海大学 一种基于r树和轨迹分段的hmm高效地图匹配方法
CN114582125A (zh) * 2022-03-02 2022-06-03 北京百度网讯科技有限公司 道路通行方向的识别的方法、装置、设备及存储介质
CN114664104A (zh) * 2022-03-23 2022-06-24 阿里云计算有限公司 一种路网匹配方法和装置
CN115166790A (zh) * 2022-05-23 2022-10-11 集度科技有限公司 道路数据的处理方法、装置、设备和存储介质
CN116007638A (zh) * 2023-03-24 2023-04-25 北京集度科技有限公司 车辆轨迹地图匹配方法、装置、电子设备及车辆

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103037507A (zh) * 2012-12-17 2013-04-10 浙江鸿程计算机系统有限公司 一种基于Cell-ID定位技术的地图匹配方法
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
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
CN108645421A (zh) * 2018-05-15 2018-10-12 天津大学 基于隐马尔科夫模型的自适应在线地图匹配方法
CN110095126A (zh) * 2019-05-07 2019-08-06 北京百度网讯科技有限公司 地图匹配方法、装置、设备和介质
CN110954115A (zh) * 2018-09-26 2020-04-03 上海擎感智能科技有限公司 路线关键信息生成方法及装置
CN111121791A (zh) * 2019-11-29 2020-05-08 上饶市中科院云计算中心大数据研究院 隐马尔可夫模型在地图匹配中的优化方法及gps定位方法
WO2020107441A1 (en) * 2018-11-28 2020-06-04 Beijing Didi Infinity Technology And Development Co., Ltd. Artificial intelligent systems and methods for map matching
CN112101132A (zh) * 2020-08-24 2020-12-18 西北工业大学 一种基于图嵌入模型和度量学习的交通状况预测方法
US20200401819A1 (en) * 2019-06-22 2020-12-24 Erik Volkerink Image based locationing

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103037507A (zh) * 2012-12-17 2013-04-10 浙江鸿程计算机系统有限公司 一种基于Cell-ID定位技术的地图匹配方法
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
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
CN108645421A (zh) * 2018-05-15 2018-10-12 天津大学 基于隐马尔科夫模型的自适应在线地图匹配方法
CN110954115A (zh) * 2018-09-26 2020-04-03 上海擎感智能科技有限公司 路线关键信息生成方法及装置
WO2020107441A1 (en) * 2018-11-28 2020-06-04 Beijing Didi Infinity Technology And Development Co., Ltd. Artificial intelligent systems and methods for map matching
CN110095126A (zh) * 2019-05-07 2019-08-06 北京百度网讯科技有限公司 地图匹配方法、装置、设备和介质
US20200401819A1 (en) * 2019-06-22 2020-12-24 Erik Volkerink Image based locationing
CN111121791A (zh) * 2019-11-29 2020-05-08 上饶市中科院云计算中心大数据研究院 隐马尔可夫模型在地图匹配中的优化方法及gps定位方法
CN112101132A (zh) * 2020-08-24 2020-12-18 西北工业大学 一种基于图嵌入模型和度量学习的交通状况预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郑林江;刘旭;易兵;: "考虑时空特性的动态权重实时地图匹配算法", 计算机应用, no. 08, 10 August 2017 (2017-08-10) *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113934775A (zh) * 2021-12-16 2022-01-14 禾多科技（北京）有限公司 车辆轨迹地图匹配方法、装置、设备和计算机可读介质
CN114353810A (zh) * 2022-01-10 2022-04-15 河海大学 一种基于r树和轨迹分段的hmm高效地图匹配方法
CN114582125A (zh) * 2022-03-02 2022-06-03 北京百度网讯科技有限公司 道路通行方向的识别的方法、装置、设备及存储介质
CN114582125B (zh) * 2022-03-02 2023-08-29 北京百度网讯科技有限公司 道路通行方向的识别的方法、装置、设备及存储介质
CN114664104A (zh) * 2022-03-23 2022-06-24 阿里云计算有限公司 一种路网匹配方法和装置
CN115166790A (zh) * 2022-05-23 2022-10-11 集度科技有限公司 道路数据的处理方法、装置、设备和存储介质
CN116007638A (zh) * 2023-03-24 2023-04-25 北京集度科技有限公司 车辆轨迹地图匹配方法、装置、电子设备及车辆

Also Published As

Publication number Publication date
CN113191550B (zh) 2024-04-09

Similar Documents

Publication Publication Date Title
CN113191550B (zh) 地图匹配方法及装置
CN108444482B (zh) 一种无人机自主寻路避障方法及系统
JP2017126179A (ja) 経路予測装置および経路予測方法
US20230042968A1 (en) High-definition map creation method and device, and electronic device
CN113155141A (zh) 地图的生成方法、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
CN113029180A (zh) 一种交通限制识别方法、装置、电子设备及存储介质
CN114626169B (zh) 交通路网优化方法、装置、设备、可读存储介质及产品
CN114440916A (zh) 一种导航方法、装置、设备及存储介质
CN113847927A (zh) 路径生成的方法、装置、设备、存储介质及程序产品
CN111613052B (zh) 一种交通状况确定方法、装置、电子设备及存储介质
CN115493603B (zh) 地图对齐方法、计算机设备及计算机可读存储介质
CN114637305B (zh) 一种无人机最短路径规划方法及装置
CN111047107A (zh) 公路通行时间预测方法、装置、电子设备和存储介质
CN115757674A (zh) 地图处理方法、装置、设备及存储介质
CN113008246A (zh) 地图匹配方法和装置
JP7173310B2 (ja) 経路探索装置、経路探索方法、及び経路探索プログラム
Li et al. A Novel Map Matching Method Based on Improved Hidden Markov and Conditional Random Fields Model
CN112182129A (zh) 高精度地图更新方法及装置
CN112798006B (zh) 一种不同路径的差异点分析方法、装置、存储介质及终端
CN116519005B (zh) 一种路径规划方法及装置
Chao A Study on map-matching and map inference problems
CN117739950B (zh) 一种地图的生成方法、装置及设备
CN116465394B (zh) 基于车辆轨迹数据的路网结构生成方法及装置
CN114281915B (zh) 一种生成几何路网的方法、装置、设备及存储介质

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