CN113295173A - 环形路段的地图匹配方法 - Google Patents

环形路段的地图匹配方法 Download PDF

Info

Publication number
CN113295173A
CN113295173A CN202110566207.5A CN202110566207A CN113295173A CN 113295173 A CN113295173 A CN 113295173A CN 202110566207 A CN202110566207 A CN 202110566207A CN 113295173 A CN113295173 A CN 113295173A
Authority
CN
China
Prior art keywords
candidate
gps
point
points
representing
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
CN202110566207.5A
Other languages
English (en)
Other versions
CN113295173B (zh
Inventor
汪小寒
罗永龙
何增宇
王配
陈维龙
查鑫萌
宫子敏
杨龙
胡王悟
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.)
Anhui Normal University
Original Assignee
Anhui Normal University
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 Anhui Normal University filed Critical Anhui Normal University
Priority to CN202110566207.5A priority Critical patent/CN113295173B/zh
Publication of CN113295173A publication Critical patent/CN113295173A/zh
Application granted granted Critical
Publication of CN113295173B publication Critical patent/CN113295173B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • 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

Abstract

本发明公开一种环形路段的地图匹配方法，具体如下：检测GPS点是否处于环形路段，若检测结果为是，则基于空间分析、时间分析、方向分析及投票得分来匹配该GPS点对应的路段。该方法在时空、方向分析函数地图匹配方法(STD‑matching)的基础上，采用局部轨迹序列方向分析方法判断进入环形路段，还添加GPS点候选路段频率投票分析，减小匹配到错误路段的概率，提高准确度。

Description

环形路段的地图匹配方法
技术领域
本发明属于地图匹配技术领域，更具体地，本发明涉及一种环形路段的地图匹配方法。
背景技术
GPS定位设备的普及产生大量的轨迹数据，成为智能交通系统、路线推荐及其相关应用的重要数据来源。精确的GPS轨迹数据能提高统计的可靠度，使得用户能获取到更高质量的服务。然而，由于设备能耗限制、信号干扰等因素导致部分GPS采样点与真实位置间有较大误差。
地图匹配是将轨迹中的每个GPS点映射到地图路段上的正确位置，是人们研究轨迹的重要处理步骤。现有的地图匹配面临环形路段、并行路段、交叉路段等复杂路网环境的挑战。由于结构复杂、路段密集或不同路段方向接近等原因，GPS点容易被匹配到错误路段。
在环形路段处，现有的基于HMM的地图匹配方法产生匹配错误存在如下原因。其一，这些方法通常假设司机偏好最短的行驶路线，采用最短路径算法计算路段上的两个相邻候选点之间距离，该算法在简单路段处取得较好的效果，但在环形路段处最短路径并不总是正确。其二，为了减少误差，现有的HMM地图匹配方法考虑方向分析，计算起始与终止路网点连线的方向，求出路段方向，依靠行驶方向与路段方向间的角度差作为最佳路段选取的评判依据[5]，但是在环形路段处，道路的方向不断变化，在每处都不同，因此，采用固定值代表环形路段的方向容易产生偏差，导致匹配错误。例如，图1中，GPS采样点p1→p2→p3的正确候选点为c1→c2→c3，但是由于p2到直行路段距离最近，因此被错误匹配到c′2，进而导致p3被匹配至c′3，所以最后错误的匹配结果为c1→c′2→c′3。而不是环形路段上。
发明内容
本发明提供一种环形路段的地图匹配方法，旨在改善上述问题。
本发明是这样实现的，一种环形路段的地图匹配方法，所述方法具体如下：
检测GPS点是否处于环形路段，若检测结果为是，则基于空间分析、时间分析、方向分析及投票得分来匹配该GPS点对应的路段。
进一步的，环形路段的检测方法具体如下：
获取该GPS点及其后(m-1)个GPS点，计算后一GPS点与前一GPS点的行驶方向角差值；
若存在指定数量的行驶方向角差值连续大于设定的正角度值或小于设定的负角度值，则判定该GPS点处于环形路段。
进一步的，环形路段处的地图匹配公式具体如下：
Fstdv(ci-1,j,ci,k)＝Fs(ci-1,j,ci,k)*Ft(ci-1,j,ci,k)*Fd(ci,k)*Fv(ci,k)
其中，ci-1,j表示GPS采样点pi-1在第j条候选路段上的候选点，ci,k表示GPS采样点pi在第k条候选路段上的候选点，Fstdv(ci-1,j,ci,k)表示从候选点ci-1,j所在路径到候选点ci,k所在路径的概率，其中采样点pi-1与采样点pi相邻；
Fs(ci-1,j,ci,k)表示基于空间函数计算所得从候选点ci-1,j到候选点ci,k的概率，Ft(ci-1,j,ci,k)表示基于时间分析函数计算所得从候选点ci-1,j到候选点ci,k的概率；Fd(ci,k)表示基于方向分析函数计算所得GPS采样点pi在第k条候选路段方向的概率，Fv(ci,k)表示GPS采样点pi对第k条候选路段的投票得分。
进一步的，Fv(ci,k)的计算公式具体如下：
Figure BDA0003081064910000021
其中，ci,k表示第i个GPS点在第k条路段上的候选点，f(ej,k)表示在滑动窗内第j个GPS点对应候选路段集中的第k条路段的频率，f(ej,r)表示在滑动窗内第j个GPS点对应候选路段集中的第r条路段的频率，其中Rsj表示第j个GPS点的候选路段集合，|Rsj|表示候选路段集合Rsj内的路段数量，滑动窗由第i个至第i+3个GPS点的候选路段集组成。
进一步的，若检测到GPS点处于非环形路段，则综合空间分析、时间分析及方向分析来匹配该GPS点对应的路段。
进一步的，非环形路段处的地图匹配公式具体如下：
Fstd(ci-1,j,ci,k)＝Fs(ci-1,j,ci,k)*Ft(ci-1,j,ci,k)*Fd(ci,k)
其中，ci-1,j表示GPS采样点pi-1在第j条候选路段上的候选点，ci,k表示GPS采样点pi在第k条候选路段上的候选点，Fstd(ci-1,j,ci,k)表示从候选点ci-1,j所在路径到候选点ci,k所在路径的概率，采样点pi-1与采样点pi相邻；Fs(ci-1,j,ci,k)表示基于空间函数计算所得从候选点ci-1,j到候选点ci,k的概率，Ft(ci-1,j,ci,k)表示基于时间分析函数计算所得从候选点ci-1,j到候选点ci,k的概率；Fd(ci,k)表示基于方向分析函数计算所得GPS采样点pi在第k条候选路段方向的概率。
本发明针对复杂路段路网环境下环形路段处的GPS轨迹数据的匹配，提出一种下文投票的地图匹配(STDV-matching)算法。该方法不仅结合了时间、空间以及方向三个分析函数，还通局部轨迹序列方向分析方法来判断是否处于环形路段，如果处于环形路段则通过研究环形路段处GPS点的后续若干点的候选路段集合，对集合中每条路段出现的频率进行投票分析，提高正确路段被选择的概率。
附图说明
图1为本发明实施例提供的基于HMM的地图匹配方法产生匹配错误示例图；
图2为本发明实施例提供的环形路段的地图匹配方法框架图；
图3为本发明实施例提供的GPS点的候选路段及候选点选取实例图，其中，(a)为候选路段的选取，(b)为候选点的选取；
图4为本发明实施例提供的路网拓扑信息示意图；
图5为本发明实施例提供的候选点的时间分析示例图；
图6为本发明实施例提供的环形路段判定示例图；
图7为本发明实施例提供的候选路段的滑动窗示意图；
图8为本发明实施例提供的候选路径选择示意图；
图9为本发明实施例提供的ST与STDV可视化实验结果对比图；
图10为本发明实施例提供的STDV-matching环形路段匹配结果示意图；
图11为本发明实施例提供的不同算法精确度比较示意图。
具体实施方式
下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
本文地图匹配方法框架如图2所示。该匹配方法主要包括三个步骤：首先对每个GPS点构建候选路段集合，作为匹配算法的输入；其次执行位置环境分析和候选路段投票分析；最后构建候选路径集合，并计算每个候选路径的得分、投票，完成匹配。
(一)候选路段的选择
为了缩小定位范围，减少候选路段的数量，缩短匹配时间，需要把不符合要求的路段提前筛除。以当前GPS点为中心，指定半径范围内的所有路段构成候选路段集合。如图3(a)所示，给定一个GPS点pi，首先在半径为r的圆形区域内选出候选路段e1,e2,e3,e4构成候选路段集合；其次，在候选集合中每条路段上找到当前GPS点在对应的投影点ci,j，如3(b)所示。若GPS点的投影不在路段上，则在该路段上选择距离该GPS点最近的道路起始点或终止点作为投影点。
(二)STD-matching匹配模型
空间分析函数：空间分析函数包括对路网几何信息的分析，拓扑结构的分析。几何信息主要考虑GPS点到候选路段距离，对应于HMM模型中的观测概率。考虑到GPS点总是在正确路段一定误差范围内的，并且距离GPS点越近的路段越有可能是正确路段。已有文献验证GPS点到候选路段距离总体上服从零均值的正态分布，观测概率
Figure BDA0003081064910000051
定义如下：
Figure BDA0003081064910000052
其中pi是整条轨迹的第i个GPS点，ci,k是GPS点pi在候选路段集合中第k条候选路段上的候选点，
Figure BDA0003081064910000053
表示GPS点到第k条候选路段的距离。σ1、μ是标准正态分布的两个参数。
在匹配时利用路网的拓扑信息可以降低GPS点被匹配到错误路段的概率。图4中，pi有两条候选路段e2,e4及候选点c2,c3，但是，pi到这两个候选点的距离比较接近，导致两个候选路段仅仅运用公式(1)计算出的观测概率比较接近，容易造成错误的匹配。因此在匹配过程中还须要考虑路网的拓扑信息来提高匹配结果的正确性。pi的前一个点pi-1若被匹配到路段e1上的c1，由于路段e1到e2规定了行驶方向，使这两条路段不具备可达性，即最短路径shortestpath(c1,c2)＝∞，因此pi只能选择c3作为候选点。
在两个点之间进行转移时，默认司机偏好最短的路径行驶而非绕过一条或多条街区到达。因此转移概率定义如下：
Figure BDA0003081064910000054
其中ci-1,j是GPS采样点pi-1在候选路段j上的候选点，ci,k是GPS采样点pi在候选路段k上的候选点，dis tan ce(pi-1,pi)表示两个相邻GPS采样点pi-1,pi之间的欧几里得距离，shortestpath(ci-1,j,ci,k)表示采用迪杰斯特拉算法计算的两个候选点ci-1,j,ci,k之间最短路径距离。由公式(2)可见，当两点之间欧式距离与最短路径距离越接近1则该候选点对应的候选路段是正确路段的可能性越大。
综合观测概率公式(1)和转移概率公式(2)定义两个相邻GPS点所对应候选点之间的空间分析函数为：
Figure BDA0003081064910000061
计算完公式(3)后可以得到两个相邻GPS点的所有候选点所组成的路径，每条路径也对应不同的得分。
(三)时间分析函数
空间分析函数可以解决大多数几何结构和拓扑结构中存在的问题，但在路网分布复杂的情况下，例如在高速公路和普通小路距离接近时，仅通过空间分析函数无法确定车辆是在高速公路还是在普通小路上。如图5所示e1(highway)是一条限速为60km/h的高速公路，e2(lane)是一条限速为30km/h小路，若pi-1已经被匹配到e1上，pi到这两条候选路段的直线距离和到前一个pi-1的最短路径距离都很接近，导致pi在e1，e2这两条路上的空间分析不足以区分正确路段。因此通过路段限定速度与汽车行驶平均速度的差异来定义时间分析函数。计算公式如公式(4)所示：
Figure BDA0003081064910000062
其中
Figure BDA0003081064910000063
表示由候选点ci-1,j到ci,k最短路径中所包含的路段限速构成的向量，ej·v表示路段ej的限速，
Figure BDA0003081064910000064
由候选点ci-1,j到ci,k之间平均速度所组成的一维j列向量。平均速度
Figure BDA0003081064910000065
计算如公式(5)所示。
Figure BDA0003081064910000066
其中Δt是两个候选点的时间差。
(四)方向分析函数
对于交叉路段和Y型路口，在时间分析函数和空间分析函数的基础上进一步考虑GPS点的实时方向与道路方向之间的关系，用角度差来判断每条路段被选择的可能性，如果角度差越小则分配的权重和概率越大。方向分析函数Fd(ci,k)计算如公式(6)所示。
Figure BDA0003081064910000071
其中，
Figure BDA0003081064910000072
是候选路段的方向计算如公式(7)所示，
Figure BDA0003081064910000073
是GPS点的实时方向，计算如公式(8)所示。
Figure BDA0003081064910000074
Figure BDA0003081064910000075
其中，ei.end.lat、ei.start.lat分别表示路段ei起始点和终止点的纬度，ei.end.lng、ei.start.lng分别表示路段ei起始点和终止点之的经度，pi.lat、pi.lng分别表示第i个GPS点pi的纬度及经度，pi-1.lat、pi-1.lng分别表示第(i-1)个GPS点pi-1的纬度及经度。经过时间分析函数、空间分析函数、方向分析函数三个分析函数的计算，能为每条候选路段分配概率。
然而在环形路段处，路段的方向是不停变化的，仅仅利用公式(7)考虑路段整体的方向可能会造成错误的匹配。因此本文在STD-matching的基础上增加上下文投票分析函数以解决环形路段匹配错误的情况。
(五)下文投票分析
为了解决环形路段处GPS点被匹配至相切路段的问题，本发明局部轨迹序列方向分析方法，找出位于环形路段处的GPS点，并采用下文路段投票分析，提高匹配精确度。
(1)进入环形路段判定
直行路段上车辆的方向具有稳定性，而环形路段上行驶的车辆方向是时刻变化的。参考这一特性本文提出局部轨迹序列方向分析方法，通过计算后续若干点行驶方向的差值并与阈值进行比较，统计满足阈值条件的连续GPS点的数量，以确定是否进入环形路段，见公式(9)，满足条件s1或条件s2的连续GPS点的数量达到设定数量，即认定进入环形路段。
Figure BDA0003081064910000081
Figure BDA0003081064910000082
其中，在道路方向为逆时针的环形路段处pi+1的行驶方向角度大于pi的行驶方向角度，因此前后两点方向差值
Figure BDA0003081064910000083
大于阈值θ。s1是统计逆时针方向环行路处连续的GPS点数量，若数量大于指定数量，则认定pl处于环形路段；同理，s2是道路方向为顺时针的环形路段处GPS点数量，l,m表示某段轨迹序列的起始和终止GPS点序号。由公式(9)可以看出，s1，s2都统计符合阈值条件的连续GPS点数量。根据本文的轨迹采样频率，当连续的4个及以上GPS点连续满阈值条件即可判断车辆驶入环形路段。如图6所示，判断p1是否进入环形路段，则至少需要计算p1，p2，p3，p4四个GPS点两两相邻的行驶角度差值大于阈值θ或小于阈值-θ。
(2)下文路段投票分析
结合真实场景，车辆行驶进入环形路段时，一般不会频繁更换正在行驶的路段，但是存在匹配到其它路段的可能性，我们仿照人类思维方式，结合车辆后续若干个点分析，使得当前GPS点候选路段集合中正确路段的概率更高。因此，本文提出滑动窗口方法，统计后续若干点的候选路段集合中每条路段的出现频率，并根据统计频率，计算每条候选路段的匹配概率。
如图7所示，当滑动窗口的范围设置为4时，p1需要考虑p1，p2，p3及p4四个点的候选路段集合，同理，p2需要考虑p2，p3，p4及p5。因此p1、p2所对应的候选路段频率如图8所示。
由表1、表2可以看出，从p1到p2的候选路段统计中e3出现的频率最高，所以为e3分配更大权重以获取高的概率。
Figure BDA0003081064910000091
本文的候选路段分析函数定义如公式(10)所示。
Figure BDA0003081064910000092
其中，ci,k表示第i个GPS点在第k条路段上的候选点，f(ej,k)表示在滑动窗内第j个GPS点对应候选路段集中的第k条路段的频率，f(ej,r)表示在滑动窗内第j个GPS点对应候选路段集中的第r条路段的频率，其中Rsj表示第j个GPS点的候选路段集合，|Rsj|表示候选路段集合Rsj内的路段数量，滑动窗由第i个至第i+3个GPS点的候选路段集组成。
综合公式(3)、公式(4)、公式(6)、公式(10)可以得出最终的候选路段概率计算公式(11)。
Fstdv(ci-1,j,ci,k)＝Fs(ci-1,j,ci,k)*Ft(ci-1,j,ci,k)*Fd(ci,k)*Fv(ci,k) (11)
但是，整条轨迹的最后若干GPS点不适用于公式(10)，因为滑动窗口内最后若干GPS采样点数量不足，频率统计结果不准确。这些点的概率计算仍采取STD-matching中的方法。
路径匹配
根据公式(11)，可计算出GPS采样点候选路段的概率，再通过动态规划中的维特比算法计算整条轨迹候选路径集合中每条候选路径的概率，选取得分最高的路径作为最终匹配结果。从p1到p2之间有若干条路径，根据公式(1)可计算出每个GPS采样点的观测概率，相邻两个GPS采样点之间转移概率，见表3、4、5所示。
表3观测概率表
Figure BDA0003081064910000101
表3表示每个GPS采样点的观测概率，而观测概率在本文中仅通过距离决定，因此可以根据距离直接计算对应的概率。
表4转移概率表Ft*Fd*T
Figure BDA0003081064910000102
表5转移概率表Fv
Figure BDA0003081064910000103
表4、5描述不同因素分析的转移概率表，由最短路径，速度相似性以及方向决定。根据公式(3)、(4)、(7)计算由第一个点到第二个点的匹配概率时可知，
Figure BDA0003081064910000104
同样计算方法可求得Fstd(c1,1,c2,2)＝0.12、Fstd(c1,1,c2,3)＝0.24、Fstd(c1,2,c2,1)＝0.2、Fstd(c1,2,c2,2)＝0.3、Fstd(c1,2,c2,3)＝0.48；不难看出STD-matching最后的计算结果是c1,2到c2,3的概率最大，因此优先将第二个GPS点匹配至c2,3所在的路段e3。但是通过本文所提候选路段投票分析后可知，这些路段对应的概率为Fstdv(c1,1,c2,1)＝0.5*0.8*0.4＝0.16；同样计算方法可求得Fstdv(c1,1,c2,2)＝0.012、Fstdv(c1,1,c2,3)＝0.048、Fstdv(c1,2,c2,1)＝0.08、Fstd(c1,2,c2,2)＝0.03、Fstd(c1,2,c2,3)＝0.096。最后得出概率最大的是c1,1到c2,1，因此优先将第二个GPS点匹配至c2,1所在的路段e1。以此类推可得最终路径决定的公式(12)。
Figure BDA0003081064910000111
候选路径集合如图8所示。p1没有前面的点可以参考，仅依据这个点在各条道路上的观测概率决定，剩下的n-4个点用公式(11)计算，最后的三个点采用STD匹配方法决定最佳匹配路径。最终，匹配概率最大的路径。
本文在传统HMM简单路段匹配的基础上，引入环形路段判定方法，先判断这些GPS点所处的路网环境，再利用上下文投票分析，解决易匹配错的问题，提高匹配精确度。本文主要贡献总结如下。
(1)提出局部轨迹序列方向分析方法判断进入环形路段。通过计算后续若干点行驶方向的差值并与阈值进行比较，统计满足条件的相邻GPS点数量，采用提出的STDV-matching匹配方法。否则采用传统STD-matching匹配方法。
(2)提出上下文投票的环形路段匹配方法。考虑到真实场景中，车辆在环形路段行驶时，一般不会频繁改变道路，所以对当前GPS点的所有候选路段，在后续点的候选路段集合中按出现的频率进行投票，给票数高的路段分配更大的转移概率，从而解决进入环形路段时以及在环形路段上容易出现的错误匹配的问题。
(六)实验
实验采用真实的出租车数据，并与传统的HMM算法、ST-matching、STD-matching方法比较，验证本文方法时间效率和匹配精度。
数据集描述
实验选择北京市朝阳区双泉堡地图区域OSM路网数据，包含77个路网点，共11条路段，，包括高速公路、摩托车道、辅路、人行道等不同等级道路，含有环形路段。其中轨迹所覆盖地图区域经纬度为minlat＝"40.0073100"，maxlat＝"40.0097600"，minlon＝"116.3556900"，maxlon＝"116.3598300"；北京市丰台区菜户营桥部分路网数据，所选OSM文件包含85个路网点共17条路段其中轨迹覆盖地图区域经纬度为：minlat＝"39.8639000"，maxlat＝"39.8695000"，minlon＝"116.3393000"，maxlon＝"116.3463000"。轨迹数据集：来源于T-driver轨迹数据，包含9个GPS观测点，平均每个GPS采样频率为13s，包括出租车id、行驶时间、以及实时位置所对应的经纬度信息。
本实验参数设定如表6所示。
表6实验参数
Figure BDA0003081064910000121
距离和方向与正确路段间的偏差总体上服从标准正态分布，因此参数中正态分布均值设定为0，即当GPS点方向与某条候选路段重合或到候选路段的距离为0，则概率为1，距离超过20m，角度差值超过30°不予考虑。环形路段的判定阈值根据采样频率设定，本文将其值设置为25°时能涵盖环形路段上的所有GPS点。若处理的GPS序号为最后三个点时则不采用本文提出的STDV-matching算法。
实验结果
算法时间效率对比
为了减少由于机器原因所造成的运行时间误差，每个实验分别运行5次并选取平均运行时间作为最终结果。
表7运行时间对比
Figure BDA0003081064910000122
从表7可知本章所提方法比其他三种方法运行时间略高，原因在于在STD-matching的基础上增加了一项新的判定条件，因此会增加运行所需要的时间。但是，对于轨迹点的频度进行统计的算法运行时间是线性的，其独立的时间复杂度为O(n)，因此不会耗费较多的运行时间。
可视化匹配结果及精确度对比
本文将我们的方法与已有的方法就匹配精确度方面进行比较。匹配精确度计算公式如(13)所示。
Figure BDA0003081064910000131
其中ncorrect表示正确匹配到路段上的GPS点的个数，n表示整条轨迹中含有的GPS点数量。
本节特别的将ST-matching与STDV-matching两种匹配算法在环形路段处的匹配结果作对比。如图9所示黑色实心点均为ST-matching匹配方法在环形路段错误的匹配结果，黑色白心点为ST-matching部分匹配正确的结果以及STDV-matching全部匹配正确的结果，黑色的点为原始GPS点。由图9可知，p1到p2无论是根据方向分析函数中的角度差或是空间分析函数最短路径都会优先将p2匹配至执行路段，从而导致p3也只能被匹配到c3′。但是车辆正确行驶的路段是环形路段，通过优先考虑后续点的候选路段投票分析的结果可以得出环形路段所占比重远大于p2点附近的直行路段，因此为环形路段分配更高的概率。
为了进一步验证本本所提方法在环形路段处的匹配精确度，我们另选了菜户营桥处的环形路段测试本实验，通过Arcgis将匹配结果进行展示。
图10中，在环形路段处，所有的GPS点均被匹配至正确的路段，且在非环形路段处也能正确匹配。
图11中，本文提出的方法在采样平均间隔为13秒时环形路段处的匹配正确率可以达到100％。传统HMM和ST-matching在环形路段处并未考虑方向和候选路段这一信息，仅依靠最短路径和点到直线距离来判断从而导致环形路段处匹配结果较差。STD-matching在计算路段方向时仅通过起始和终止节点来描述路段方向，但是环形路段不同位置的方向都不同，因此计算角度差时也会产生误差。
综合表7以及图11可知，本章所提STDV-matching方法在环形路段处的精确度明显高于其他三种匹配方法，且也有较高的匹配性能。
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (6)

1.一种环形路段的地图匹配方法，其特征在于，所述方法具体如下：
检测GPS点是否处于环形路段，若检测结果为是，则基于空间分析、时间分析、方向分析及投票得分来匹配该GPS点对应的路段。
2.如权利要求1所述环形路段的地图匹配方法，其特征在于，环形路段的检测方法具体如下：
获取该GPS点及其后(m-1)个GPS点，计算后一GPS点与前一GPS点的行驶方向角差值；
若存在指定数量的行驶方向角差值连续大于设定的正角度值或小于设定的负角度值，则判定该GPS点处于环形路段。
3.如权利要求1所述环形路段的地图匹配方法，其特征在于，环形路段处的地图匹配公式具体如下：
Fstdv(ci-1,j,ci,k)＝Fs(ci-1,j,ci,k)*Ft(ci-1,j,ci,k)*Fd(ci,k)*Fv(ci,k)
其中，ci-1,j表示GPS采样点pi-1在第j条候选路段上的候选点，ci,k表示GPS采样点pi在第k条候选路段上的候选点，Fstdv(ci-1,j,ci,k)表示从候选点ci-1,j所在路径到候选点ci,k所在路径的概率，其中采样点pi-1与采样点pi相邻；
Fs(ci-1,j,ci,k)表示基于空间函数计算所得从候选点ci-1,j到候选点ci,k的概率，Ft(ci-1,j,ci,k)表示基于时间分析函数计算所得从候选点ci-1,j到候选点ci,k的概率；Fd(ci,k)表示基于方向分析函数计算所得GPS采样点pi在第k条候选路段方向的概率，Fv(ci,k)表示GPS采样点pi对第k条候选路段的投票得分。
4.如权利要求3所述环形路段的地图匹配方法，其特征在于，Fv(ci,k)的计算公式具体如下：
Figure FDA0003081064900000011
其中，ci,k表示第i个GPS点在第k条路段上的候选点，f(ej,k)表示在滑动窗内第j个GPS点对应候选路段集中的第k条路段的频率，f(ej,r)表示在滑动窗内第j个GPS点对应候选路段集中的第r条路段的频率，其中Rsj表示第j个GPS点的候选路段集合，|Rsj|表示候选路段集合Rsj内的路段数量，滑动窗由第i个至第i+3个GPS点的候选路段集组成。
5.如权利要求1述环形路段的地图匹配方法，其特征在于，若检测到GPS点处于非环形路段，则综合空间分析、时间分析及方向分析来匹配该GPS点对应的路段。
6.如权利要求5述环形路段的地图匹配方法，其特征在于，非环形路段处的地图匹配公式具体如下：
Fstd(ci-1,j,ci,k)＝Fs(ci-1,j,ci,k)*Ft(ci-1,j,ci,k)*Fd(ci,k)
其中，ci-1,j表示GPS采样点pi-1在第j条候选路段上的候选点，ci,k表示GPS采样点pi在第k条候选路段上的候选点，Fstd(ci-1,j,ci,k)表示从候选点ci-1,j所在路径到候选点ci,k所在路径的概率，采样点pi-1与采样点pi相邻；Fs(ci-1,j,ci,k)表示基于空间函数计算所得从候选点ci-1,j到候选点ci,k的概率，Ft(ci-1,j,ci,k)表示基于时间分析函数计算所得从候选点ci-1,j到候选点ci,k的概率；Fd(ci,k)表示基于方向分析函数计算所得GPS采样点pi在第k条候选路段方向的概率。
CN202110566207.5A 2021-05-24 2021-05-24 环形路段的地图匹配方法 Active CN113295173B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110566207.5A CN113295173B (zh) 2021-05-24 2021-05-24 环形路段的地图匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110566207.5A CN113295173B (zh) 2021-05-24 2021-05-24 环形路段的地图匹配方法

Publications (2)

Publication Number Publication Date
CN113295173A true CN113295173A (zh) 2021-08-24
CN113295173B CN113295173B (zh) 2023-08-29

Family

ID=77324338

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110566207.5A Active CN113295173B (zh) 2021-05-24 2021-05-24 环形路段的地图匹配方法

Country Status (1)

Country Link
CN (1) CN113295173B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113932821A (zh) * 2021-11-03 2022-01-14 安徽师范大学 基于连续窗口平均方向特征的轨迹地图匹配方法
CN114485692A (zh) * 2022-03-08 2022-05-13 安徽师范大学 基于路网连通性的高采样率轨迹数据地图匹配方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007139503A (ja) * 2005-11-16 2007-06-07 Alpine Electronics Inc ナビゲーション装置および車両位置確定方法
US20110208426A1 (en) * 2010-02-25 2011-08-25 Microsoft Corporation Map-Matching for Low-Sampling-Rate GPS Trajectories
CN104197945A (zh) * 2014-08-27 2014-12-10 浙江工业大学 一种基于低采样率浮动车数据的全局投票地图匹配方法
US20150354973A1 (en) * 2013-03-15 2015-12-10 Hewlett-Packard Development Company, L.P. Map matching
CN109459045A (zh) * 2018-09-29 2019-03-12 杭州电子科技大学 一种针对低频gps轨迹的改进交互式投票匹配方法
CN110686686A (zh) * 2019-06-04 2020-01-14 北京嘀嘀无限科技发展有限公司 用于地图匹配的系统和方法
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
CN111189459A (zh) * 2020-01-10 2020-05-22 成都信息工程大学 一种定位信息与道路匹配的方法和装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007139503A (ja) * 2005-11-16 2007-06-07 Alpine Electronics Inc ナビゲーション装置および車両位置確定方法
US20110208426A1 (en) * 2010-02-25 2011-08-25 Microsoft Corporation Map-Matching for Low-Sampling-Rate GPS Trajectories
US20150354973A1 (en) * 2013-03-15 2015-12-10 Hewlett-Packard Development Company, L.P. Map matching
CN104197945A (zh) * 2014-08-27 2014-12-10 浙江工业大学 一种基于低采样率浮动车数据的全局投票地图匹配方法
CN109459045A (zh) * 2018-09-29 2019-03-12 杭州电子科技大学 一种针对低频gps轨迹的改进交互式投票匹配方法
CN110686686A (zh) * 2019-06-04 2020-01-14 北京嘀嘀无限科技发展有限公司 用于地图匹配的系统和方法
WO2020243937A1 (en) * 2019-06-04 2020-12-10 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for map-matching
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
CN111189459A (zh) * 2020-01-10 2020-05-22 成都信息工程大学 一种定位信息与道路匹配的方法和装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ASSAM ROLAND ET AL.: "Effective Map Matching using Curve Tangents and Hidden Markov Model", 《2014 10TH INTERNATIONAL CONFERENCE ON MOBILE AD-HOC AND SENSOR NETWORKS (MSN)》, pages 213 - 219 *
卢家品: "数据驱动的车辆轨迹数据地图匹配方法", 《中国优秀硕士学位论文全文数据库 (基础科学辑)》, pages 008 - 282 *
胡建超;王忠;张维;: "改进的地图匹配算法研究", 通信技术, no. 11, pages 174 - 175 *
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, pages 259 - 264 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113932821A (zh) * 2021-11-03 2022-01-14 安徽师范大学 基于连续窗口平均方向特征的轨迹地图匹配方法
CN113932821B (zh) * 2021-11-03 2023-06-16 安徽师范大学 基于连续窗口平均方向特征的轨迹地图匹配方法
CN114485692A (zh) * 2022-03-08 2022-05-13 安徽师范大学 基于路网连通性的高采样率轨迹数据地图匹配方法
CN114485692B (zh) * 2022-03-08 2023-06-16 安徽师范大学 基于路网连通性的高采样率轨迹数据地图匹配方法

Also Published As

Publication number Publication date
CN113295173B (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
CN109410586B (zh) 一种基于多元数据融合的交通状态检测方法
CN109405839B (zh) 一种基于多路径的交通网络离线地图匹配算法
CN107766808B (zh) 道路网络空间中车辆对象移动轨迹聚类的方法及系统
CN105628033B (zh) 一种基于道路连通关系的地图匹配方法
CN106969764B (zh) 一种道路匹配方法、装置及车载地图采集系统
CN109459045B (zh) 一种针对低频gps轨迹的改进交互式投票匹配方法
CN106912018B (zh) 基于信令轨迹的地图匹配方法及系统
KR101703058B1 (ko) 교통데이터 분석에 의한 교통상태패턴 예측시스템 및 그 예측방법
CN110095127A (zh) 一种基于分段的隐马尔可夫模型地图匹配方法
CN113932821B (zh) 基于连续窗口平均方向特征的轨迹地图匹配方法
CN111949896B (zh) 基于轨迹大数据的轨迹异常检测方法
CN113295173A (zh) 环形路段的地图匹配方法
CN111291790B (zh) 一种基于轨迹相似度的转向路径提取及路网拓扑变化检测框架方法
CN114005280A (zh) 一种基于不确定性估计的车辆轨迹预测方法
CN111694032A (zh) 一种基于聚类的大规模轨迹数据的快速地图匹配方法
Blazquez et al. Simple map-matching algorithm applied to intelligent winter maintenance vehicle data
Hansson et al. Lane-level map matching based on HMM
CN113205700A (zh) 一种基于手机信令路网匹配的高速车辆位置识别方法
Meng et al. Trajectory prediction for automated vehicles on roads with lanes partially covered by ice or snow
CN113959452A (zh) 基于城市路网的地图匹配方法、系统及终端
CN110081890B (zh) 一种结合深度网络的动态k最近邻地图匹配方法
CN115265555B (zh) 基于隐马尔科夫的多噪声感知的地图匹配校正方法及系统
US20230154203A1 (en) Path planning method and system using the same
CN114462609A (zh) 一种基于隐马尔可夫模型的浮动车数据轨迹还原方法
CN113470343B (zh) 阻断道路的开通检测方法、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