CN113639757A - 基于双向评分模型和回溯校正机制的地图匹配方法及系统 - Google Patents
基于双向评分模型和回溯校正机制的地图匹配方法及系统 Download PDFInfo
- Publication number
- CN113639757A CN113639757A CN202110864075.4A CN202110864075A CN113639757A CN 113639757 A CN113639757 A CN 113639757A CN 202110864075 A CN202110864075 A CN 202110864075A CN 113639757 A CN113639757 A CN 113639757A
- Authority
- CN
- China
- Prior art keywords
- point
- candidate
- gps
- points
- candidate 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
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于双向评分模型和回溯校正机制的地图匹配方法及系统,包括:基于采集到的GPS点位置信息,根据地图路径信息选取候选点;基于双向评分模型对测量的GPS点的位置、方向以及速度进行评分并赋予位置、方向以及速度不同的权重,得到候选点对GPS点的评分;当GPS点的评分低于阈值时,则判定为低质量点,并删除当前低质量点不参与匹配;当判定连续的GPS点为低质量点并删除时,则利用随后第一个没有被删除的GPS点逆向评估被删除的GPS点,重新检测被删除的GPS点是否为低质量点;基于双向评分模型计算每个候选点与当前保留的GPS点的匹配概率,选择概率值最大的候选点作为匹配的候选点;根据匹配的候选点,基于最短路径原则生成唯一的地图匹配结果。
Description
技术领域
本发明涉及智能交通技术领域,具体地,涉及基于自适应协同评估模型和回溯校正机制的地图匹配方法及系统,更为具体地,涉及基于自适应协同评估模型和回溯校正机制的自适应地图匹配算法。
背景技术
近几年,随着在线打车平台的快速发展与广泛应用,各个公司均推出了自己的打车app,同时为几乎所有的出租车均配备了GPS设备,以获取车辆的位置、方向等信息。许多功能例如对出租车的路径导航、位置与路线预测和识别、异常行为的检测等均需要精确的定位与追踪。
专利文献CN112015835A(申请号:202010813866.X)公开了一种Geohash压缩的地图匹配方法,包括如下步骤:S1、构建道路拓扑网络,确定各GPS轨迹点所在的网格;S2、将GPS轨迹投影到道路拓扑网络中,获取GPS投影轨迹;S3、计算所有GPS投影轨迹点相对于网格内路段上各点的转移概率及观测概率,将转移概率及观测概率的乘积作为对应点的权重,构建权重图;S4、在权重图中寻找权重最大的路径;S5、对权重最大的路径进行回溯,检测回溯路径是否存在断裂处,若检测结果为是,则删除断裂处的点,返回步骤S3,若检测结果为否,则输出所述权重最大的路径。
当前对于地图匹配算法的研究,大多都是只使用了位置信息,并以方向等其他信息作为辅助修正。在数学模型的设计上,算法大部分基于隐马尔可夫模型的原理,即估计整段路径中概率最大的候选点序列作为匹配序列。隐马尔可夫思想对二维的较简单的交通网络能够取得很好的效果,然而在交通系统复杂,规模巨大的城市中,这种算法并不能很好地适应三维立体的道路网络,主要原因在于,隐马尔可夫模型缺少对于低质量点的筛除机制和对整条路径的纠错机制。
除了隐马尔可夫模型外,近几年该算法还有其他方面的改进。随着更多的指标引入,一些基于评分模型的算法也取得了很好的效果。例如通过支持向量机对各个GPS点进行分类并剔除低质量点等。总的来说,各类算法在其对应的场景下能够取得较好的效果,但是其普适性不足,因此无法应用于不同城市的现实场景应用中。
本发明提出了一种基于评分模型的自适应地图匹配算法,着重提高了算法的稳定性与自适应性。首先本发明建立了一种双向评分模型,通过每一时刻的各个候选点的多个指标评价GPS点的质量,同时依据与GPS点的匹配程度确定各个候选点的概率,按照极大似然估计的原则筛选出高质量的GPS点和最佳的候选点。同时,为了解决复杂交通网络车辆实时位置无法被立即确定的问题,本发明建立了一种回溯校正机制,即随着新的GPS点的出现,不断更新先前的各个候选点概率,同时更新在当前条件下最佳的匹配路径,以此来提高匹配精度。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于双向评分模型和回溯校正机制的地图匹配方法及系统。
根据本发明提供的一种基于双向评分模型和回溯校正机制的地图匹配方法,包括:
步骤S1:基于采集到的GPS点位置信息,根据地图路径信息选取候选点;
步骤S2:基于双向评分模型对测量的GPS点的位置、方向以及速度进行评分并赋予位置、方向以及速度对应的评分不同的权重,得到候选点对GPS点的评分;当GPS点的评分低于阈值时,则判定为低质量点,并删除当前低质量点不参与匹配;
步骤S3:当判定连续的GPS点为低质量点并删除时,则利用随后第一个没有被删除的GPS点逆向评估被删除的GPS点,重新检测被删除的GPS点是否为低质量点;当不是低质量点时,则重新保留当前GPS点;
步骤S4:基于双向评分模型计算每个候选点与当前保留的GPS点的匹配概率,选择概率值最大的候选点作为匹配的候选点;
步骤S5:根据匹配的候选点,基于最短路径原则生成唯一的地图匹配结果;
所述候选点为某一时刻车辆映射到周边路段上的可能位置;
所述双向评分模型是基于位置、方向以及平均速度,通过每个候选点对对应GPS点的评分来衡量GPS的数据测量质量以及候选点与GPS点的匹配程度。
优选地,所述步骤S1采用:
步骤S1.1:基于地图路径信息、采集到的GPS点位置信息以及预设候选半径R,得到所有和GPS点距离小于等于半径R的路段作为候选路段,并选取每个候选路段中距离GPS点最近的位置作为初步候选点;
步骤S1.2:基于当前时刻每个初步候选点与上一时刻所有的候选点之间的路径计算距离,利用距离除以时间差计算得到平均速度;当当前时刻所有初步候选点与上一时刻所有候选点之间没有找到路径或平均速度超过阈值vmax时,则认为当前候选点不可达,并删除;当所有的候选点均被删除,则跳过当前时刻的GPS点,重复触发步骤S1.1至步骤S1.2,得到候选点。
优选地,所述步骤S2采用:
其中,e表示数学中的自然常数;z(i)和θ(i)分别表示车辆在时间i采集到的位置和方向;和分别表示候选点m的位置、方向和平均速度;表示正常速度范围的右边界;表示判断速度是否不合理的阈值;c表示常数;表示候选点与GPS点之间距离分布的方差;表示位置对应的评分;表示方向对应的评分;表示速度对应的评分;
其中,|C|表示候选点的数量,且有
根据评分矩阵S(i)利用双向评分模型得到候选点对GPS点的评分;
其中,μ与v表示参数;w(i)为第i时刻三个信息的权重组成的向量;p(i)为第i时刻各个候选点的概率向量。
优选地,所述步骤S3采用:当判定连续的GPS点为低质量点并删除时,则利用随后第一个没有被删除的GPS点反向重新评估上一个被跳过的GPS点,重新分析是否应当被跳过,直至重新评估到前一个没有被删除的GPS点。
优选地,所述步骤S4采用:使用Zoutendijk提出的可行方向法求出每个候选点的匹配概率;
其中,w(i)为第i时刻三个信息的权重组成的向量;p(i)为第i时刻各个候选点的概率向量;score(i)是候选点对GPS点的评分;S(i)候选点对GPS点的评分矩阵;表示求评分最大值时的w(i)和p(i)。
优选地,所述步骤S5采用:计算第i时刻每个候选点m与上一时刻每个候选点n之间的距离上一时刻每个候选点n均会记录一个总距离将当前时刻每个候选点m与上一时刻每个候选点n之间的距离累加到上一时刻候选点的总距离上,并选取累加后的距离的最小值作为当前候选点m的总距离
优选地,当当前GPS点和前一时刻GPS点距离小于等于预设值时,则跳过当前GPS点,而后再比较下一个GPS点和前一GPS点的距离,直到两个GPS点的距离大于预设值后再保留当前GPS点。
根据本发明提供的一种基于双向评分模型和回溯校正机制的地图匹配系统,包括:
模块M1:基于采集到的GPS点位置信息,根据地图路径信息选取候选点;
模块M2:基于双向评分模型对测量的GPS点的位置、方向以及速度进行评分并赋予位置、方向以及速度对应的评分不同的权重,得到候选点对GPS点的评分;当GPS点的评分低于阈值时,则判定为低质量点,并删除当前低质量点不参与匹配;
模块M3:当判定连续的GPS点为低质量点并删除时,则利用随后第一个没有被删除的GPS点逆向评估被删除的GPS点,重新检测被删除的GPS点是否为低质量点;当不是低质量点时,则重新保留当前GPS点;
模块M4:基于双向评分模型计算每个候选点与当前保留的GPS点的匹配概率,选择概率值最大的候选点作为匹配的候选点;
模块M5:根据匹配的候选点,基于最短路径原则生成唯一的地图匹配结果;
所述候选点为某一时刻车辆映射到周边路段上的可能位置;
所述双向评分模型是基于位置、方向以及平均速度,通过每个候选点对对应GPS点的评分来衡量GPS的数据测量质量以及候选点与GPS点的匹配程度。
优选地,所述模块M1采用:
模块M1.1:基于地图路径信息、采集到的GPS点位置信息以及预设候选半径R,得到所有和GPS点距离小于等于半径R的路段作为候选路段,并选取每个候选路段中距离GPS点最近的位置作为初步候选点;
模块M1.2:基于当前时刻每个初步候选点与上一时刻所有的候选点之间的路径计算距离,利用距离除以时间差计算得到平均速度;当当前时刻所有初步候选点与上一时刻所有候选点之间没有找到路径或平均速度超过阈值vmax时,则认为当前候选点不可达,并删除;当所有的候选点均被删除,则跳过当前时刻的GPS点,重复触发模块M1.1至模块M1.2,得到候选点;
所述模块M2采用:
其中,e表示数学中的自然常数;z(i)和θ(i)分别表示车辆在时间i采集到的位置和方向;和分别表示候选点m的位置、方向和平均速度;表示正常速度范围的右边界;表示判断速度是否不合理的阈值;c表示常数;表示候选点与GPS点之间距离分布的方差;表示位置对应的评分;表示方向对应的评分;表示速度对应的评分;
其中,|C|表示候选点的数量,且有
根据评分矩阵S(i)利用双向评分模型得到候选点对GPS点的评分;
其中,μ与v表示参数;w(i)为第i时刻三个信息的权重组成的向量;p(i)为第i时刻各个候选点的概率向量;
所述模块M3采用:当判定连续的GPS点为低质量点并删除时,则利用随后第一个没有被删除的GPS点反向重新评估上一个被跳过的GPS点,重新分析是否应当被跳过,直至重新评估到前一个没有被删除的GPS点;
所述模块M4采用:使用Zoutendijk提出的可行方向法求出每个候选点的匹配概率;
其中,w(i)为第i时刻三个信息的权重组成的向量;p(i)为第i时刻各个候选点的概率向量;score(i)是候选点对GPS点的评分;S(i)候选点对GPS点的评分矩阵;表示求评分最大值时的w(i)和p(i);
所述模块M5采用:计算第i时刻每个候选点m与上一时刻每个候选点n之间的距离上一时刻每个候选点n均会记录一个总距离将当前时刻每个候选点m与上一时刻每个候选点n之间的距离累加到上一时刻候选点的总距离上,并选取累加后的距离的最小值作为当前候选点m的总距离
与现有技术相比,本发明具有如下的有益效果:
1、本发明创新性地提出了自适应协同评估模型与回溯校正机制。相比于其他算法,本发明能够有效地评价GPS点的质量和候选点的匹配程度,同时能够不断依据新的信息校正过去的匹配结果使得匹配路径更加精确;
2、本发明本身的设计运行过程中不需要太多的参数调节,具有很强的自适应能力,因此本发明对于不同地点、不同地图和不同交通环境的地图匹配场景均能够取得很好的运行效果;
3、本发明大幅度提高了地图匹配算法在复杂交通网络内的精度;在保证实时性的基础上,用较少的参数实现了算法在不同场景下的自适应能力,提高了地图匹配算法普适性、鲁棒性与可移植性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为基于双向评分模型和回溯校正机制的地图匹配系统示意图。
图2为基于双向评分模型和回溯校正机制的地图匹配系统部分框架示意图。
图3为候选点选取模块的示意图。
图4为回溯校正模块的示意图。
图5为基于双向评分模型和回溯校正机制的地图匹配算法伪代码编辑界面部分区域的截图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明公开了一种使用GPS相关信息对多个指标评分的实时地图匹配算法。地图匹配算法即是依据所给出的GPS轨迹等信息在地图上找到目标对应的移动路段。目前,在线打车平台发展迅速,因此相应地,对出租车的准确定位与追踪成为了各种功能的基础。近几年,随着GPS技术的不断发展,定位的精度得到了不断提高,除此之外,还能够获取到移动的方向速度等数据,为地图匹配问题提供了更多有效的信息。
目前,虽然GPS定位功能不断提高,但随着路况逐渐复杂,目前的地图匹配算法精度还有相当大的改进空间。因此,本发明充分利用已有信息提出了一种复杂路况下自适应实时地图匹配算法。本发明充分利用采集的GPS信息,包括位置、速度和方向,通过双向评分模型与回溯校正机制,建立了一种高精度自适应实时地图匹配算法。
实施例1
根据本发明提供的一种基于双向评分模型和回溯校正机制的地图匹配方法,包括:
步骤S1:基于采集到的GPS点位置信息,根据地图路径信息选取候选点;
步骤S2:基于双向评分模型对测量的GPS点的位置、方向以及速度进行评分并赋予位置、方向以及速度对应的评分不同的权重,得到候选点对GPS点的评分;当GPS点的评分低于阈值时,则判定为低质量点,并删除当前低质量点不参与匹配;
步骤S3:当判定连续的GPS点为低质量点并删除时,则利用随后第一个没有被删除的GPS点逆向评估被删除的GPS点,重新检测被删除的GPS点是否为低质量点;当不是低质量点时,则重新保留当前GPS点;
步骤S4:基于双向评分模型计算每个候选点与当前保留的GPS点的匹配概率,选择概率值最大的候选点作为匹配的候选点;
步骤S5:根据匹配的候选点,基于最短路径原则生成唯一的地图匹配结果;
所述候选点为某一时刻车辆映射到周边路段上的可能位置;
所述双向评分模型是基于位置、方向以及平均速度,通过每个候选点对对应GPS点的评分来衡量GPS的数据测量质量以及候选点与GPS点的匹配程度。
具体地,所述步骤S1采用:
步骤S1.1:基于地图路径信息、采集到的GPS点位置信息以及预设候选半径R,得到所有和GPS点距离小于等于半径R的路段作为候选路段,并选取每个候选路段中距离GPS点最近的位置作为初步候选点;
步骤S1.2:基于当前时刻每个初步候选点与上一时刻所有的候选点之间的路径计算距离,利用距离除以时间差计算得到平均速度;当当前时刻所有初步候选点与上一时刻所有候选点之间没有找到路径或平均速度超过阈值vmax时,则认为当前候选点不可达,并删除;当所有的候选点均被删除,则跳过当前时刻的GPS点,重复触发步骤S1.1至步骤S1.2,得到候选点。
具体地,所述步骤S2采用:
其中,e表示数学中的自然常数;z(i)和θ(i)分别表示车辆在时间i采集到的位置和方向;和分别表示候选点m的位置、方向和平均速度;表示正常速度范围的右边界;表示判断速度是否不合理的阈值;c表示常数;表示候选点与GPS点之间距离分布的方差;表示位置对应的评分;表示方向对应的评分;表示速度对应的评分;
其中,|C|表示候选点的数量,且有
根据评分矩阵S(i)利用双向评分模型得到候选点对GPS点的评分;
其中,μ与v表示参数;w(i)为第i时刻三个信息的权重组成的向量;p(i)为第i时刻各个候选点的概率向量。
具体地,所述步骤S3采用:当判定连续的GPS点为低质量点并删除时,则利用随后第一个没有被删除的GPS点反向重新评估上一个被跳过的GPS点,重新分析是否应当被跳过,直至重新评估到前一个没有被删除的GPS点。
具体地,所述步骤S4采用:使用Zoutendijk提出的可行方向法求出每个候选点的匹配概率;
其中,w(i)为第i时刻三个信息的权重组成的向量;p(i)为第i时刻各个候选点的概率向量;score(i)是候选点对GPS点的评分;S(i)候选点对GPS点的评分矩阵;表示求评分最大值时的w(i)和p(i)。
具体地,所述步骤S5采用:计算第i时刻每个候选点m与上一时刻每个候选点n之间的距离上一时刻每个候选点n均会记录一个总距离将当前时刻每个候选点m与上一时刻每个候选点n之间的距离累加到上一时刻候选点的总距离上,并选取累加后的距离的最小值作为当前候选点m的总距离
具体地,当当前GPS点和前一时刻GPS点距离小于等于预设值时,则跳过当前GPS点,而后再比较下一个GPS点和前一GPS点的距离,直到两个GPS点的距离大于预设值后再保留当前GPS点。
根据本发明提供的一种基于双向评分模型和回溯校正机制的地图匹配方法,包括:
模块M1:基于采集到的GPS点位置信息,根据地图路径信息选取候选点;
模块M2:基于双向评分模型对测量的GPS点的位置、方向以及速度进行评分并赋予位置、方向以及速度对应的评分不同的权重,得到候选点对GPS点的评分;当GPS点的评分低于阈值时,则判定为低质量点,并删除当前低质量点不参与匹配;
模块M3:当判定连续的GPS点为低质量点并删除时,则利用随后第一个没有被删除的GPS点逆向评估被删除的GPS点,重新检测被删除的GPS点是否为低质量点;当不是低质量点时,则重新保留当前GPS点;
模块M4:基于双向评分模型计算每个候选点与当前保留的GPS点的匹配概率,选择概率值最大的候选点作为匹配的候选点;
模块M5:根据匹配的候选点,基于最短路径原则生成唯一的地图匹配结果;
所述候选点为某一时刻车辆映射到周边路段上的可能位置;
所述双向评分模型是基于位置、方向以及平均速度,通过每个候选点对对应GPS点的评分来衡量GPS的数据测量质量以及候选点与GPS点的匹配程度。
具体地,所述模块M1采用:
模块M1.1:基于地图路径信息、采集到的GPS点位置信息以及预设候选半径R,得到所有和GPS点距离小于等于半径R的路段作为候选路段,并选取每个候选路段中距离GPS点最近的位置作为初步候选点;
模块M1.2:基于当前时刻每个初步候选点与上一时刻所有的候选点之间的路径计算距离,利用距离除以时间差计算得到平均速度;当当前时刻所有初步候选点与上一时刻所有候选点之间没有找到路径或平均速度超过阈值vmax时,则认为当前候选点不可达,并删除;当所有的候选点均被删除,则跳过当前时刻的GPS点,重复触发模块M1.1至模块M1.2,得到候选点。
具体地,所述模块M2采用:
其中,e表示数学中的自然常数;z(i)和θ(i)分别表示车辆在时间i采集到的位置和方向;和分别表示候选点m的位置、方向和平均速度;表示正常速度范围的右边界;表示判断速度是否不合理的阈值;c表示常数;表示候选点与GPS点之间距离分布的方差;表示位置对应的评分;表示方向对应的评分;表示速度对应的评分;
其中,|C|表示候选点的数量,且有
根据评分矩阵S(i)利用双向评分模型得到候选点对GPS点的评分;
其中,μ与v表示参数;w(i)为第i时刻三个信息的权重组成的向量;p(i)为第i时刻各个候选点的概率向量。
具体地,所述模块M3采用:当判定连续的GPS点为低质量点并删除时,则利用随后第一个没有被删除的GPS点反向重新评估上一个被跳过的GPS点,重新分析是否应当被跳过,直至重新评估到前一个没有被删除的GPS点。
具体地,所述模块M4采用:使用Zoutendijk提出的可行方向法求出每个候选点的匹配概率;
其中,w(i)为第i时刻三个信息的权重组成的向量;p(i)为第i时刻各个候选点的概率向量;score(i)是候选点对GPS点的评分;S(i)候选点对GPS点的评分矩阵;表示求评分最大值时的w(i)和p(i)。
具体地,所述模块M5采用:计算第i时刻每个候选点m与上一时刻每个候选点n之间的距离上一时刻每个候选点n均会记录一个总距离将当前时刻每个候选点m与上一时刻每个候选点n之间的距离累加到上一时刻候选点的总距离上,并选取累加后的距离的最小值作为当前候选点m的总距离
具体地,当当前GPS点和前一时刻GPS点距离小于等于预设值时,则跳过当前GPS点,而后再比较下一个GPS点和前一GPS点的距离,直到两个GPS点的距离大于预设值后再保留当前GPS点。
实施例2
实施例2是实施例1的优选例
本发明提供的一种基于双向评分模型和回溯校正机制的地图匹配系统,核心包括:
如图1所示,第一部分是双向评分模块,将GPS设备测量得到的位置、方向和速度数据与依据地图路径信息选取的候选点输入到双向评分模型中,双向评分模型将会为位置、方向和速度三个特征的测量值赋予不同的权重并用候选点对GPS点打分来评估GPS点的质量,同时反过来用各个候选点与GPS点在三个方面的匹配程度来赋予候选点相应的概率。得分较低的GPS点是低质量点,即该GPS点的测量数据不准确,不能参与匹配,本模块将会设置一个分数阈值,如果GPS点的评分低于该阈值则被判定为低质量点,而后该点将会被删除不再参与匹配。
双向评分模型主要建立模式为:将一个三维的权重向量w、一个3*n维的分数矩阵S和一个n维的概率向量p(n表示每一时刻候选点的个数)相乘得到的值作为GPS点质量的评估分数。除此之外,按照评估分数最大化的原则求解对应的n维概率向量p作为每个候选点的概率。其中分数最大化的求解采用Zoutendijk可行方向法。
双向评分模型的主要作用在于:从位置、方向和平均速度三个方面,通过每个候选点对对应GPS点的评分来衡量候选点与GPS点的匹配程度,若评分高,则说明候选点与GPS点的匹配程度高,则GPS点的测量质量高,同时评估分数最大化的原则保证了匹配程度高的候选点会在概率向量p中得到较高的概率,表示其有更大可能性是正确的位置。综上,自适应协同评估模型通过向量w,矩阵S和向量p相乘建立评分模型,并通过评分最大化的方式求解模型,以达到同时评估GPS点的测量质量与候选点的概率的作用。
第二部分是回溯校正模块,该模块在当双向评分模块连续判定GPS点为低质量点并将其删除的时候会被触发。本模块将会用当前的GPS点逆向评估过去的GPS点,以此可以检测到过去判断错误的GPS点,提高在复杂路段匹配的准确率。
整体过程如图2所示。首先通过候选点选取与筛选模块依据GPS点选取候选点,而后依据双向评分模块为GPS点评分并计算候选点概率,最后依据候选点概率通过回溯校正模块更新前面时刻的概率。如果需要,则通过路径生成模块实时输出地图匹配结果。
候选点的选取与筛选模块
本发明的首个模块具有候选点选取的功能,候选点即为某一时刻出租车的可能位置。输入地图信息和采集到的GPS点位置信息,给定候选半径R,该模块将会将所有和GPS点距离小于等于R的路段作为候选路段,并选取每个候选路段中距离GPS点最近的位置作为候选点,存储候选点并作为模块的输出,具体的运行过程如图3所示。
而后,对每个得到的候选点,寻找其与上一时刻所有的候选点的路径并计算其距离,进而通过将距离除以时间差计算得到平均速度,如果与上一时刻所有候选点之间没有找到路径或平均速度超过给定的阈值vmax,则认为该候选点不可达,将其删除,这为候选点的第一次筛选。如果所有的候选点均被删除,则跳过当前时刻的GPS点。
双向评分模块
第二个模块为GPS点评分模块,主要用于通过GPS点的位置、速度、方向三个特征的测量数据与第一次筛选剩下的候选点信息,删除质量低的GPS点同时得到各个剩余候选点的后验概率。
通过地图可以得到被选取的候选点的位置、所在路段角度以及与上一时刻各个候选点的平均速度这三个信息,并依据
以及
让每个候选点对测量的GPS点的位置、角度和速度数据评分。其中,e是数学中的自然常数,z(i)和θ(i)是车辆在时间i采集到的位置和方向,和是候选点m的位置、方向和平均速度,是正常速度范围的右边界,是判断速度是否不合理的阈值。c为常数,满足
其中μ与ν为参数,w(i)为第i时刻三个信息的权重组成的向量,p(i)为第i时刻各个候选点的概率向量。该模块依据评分最大化的原则用Zoutendijk可行方向法求解,得到模块最大值score(i)和满足最大值所对应的权重向量w(i)和每个候选点对应的概率p(i),同时计算得到GPS点的评分w(i)TS(i)p(i)。如果GPS点评分低于某一阈值τ,则我们认为该GPS点测量不准确并将其删除,跳过当前时刻直接处理下一时刻GPS点。
回溯校正模块
回溯校正模块用于依据当前GPS点信息重新评估过去时间的GPS点,用来解决在线匹配信息不全的限制。如图4所示为例,第i时刻的GPS点采集偏差,但是由于正好落在一条连续的路上因此候选点选取与筛选模块和自适应协同评估模块均判定该点合理,导致后面的i+1时刻的候选点无法找到与第i时刻候选点的路径因此被候选点选取与删除模块跳过,同理i+2时刻也被跳过。当出现这种连续GPS点被跳过的情况时,将会在随后第一个没有被跳过的GPS点处触发本回溯校正模块,通过这个没有被跳过的GPS点(设为g(i+j))反向重新用候选点筛选模块和自适应协同评估模块评估上一个被跳过的GPS点g(i+j-1),重新分析其是否应当被跳过,以此类推,直到重新评估到第i时刻的GPS点为止。
路径生成模块
路径生成模块用于最终生成唯一的地图匹配结果。每一时刻当上述模块全部运行结束后,计算该时刻(设为第i时刻)每个候选点m与上一时刻每个候选点n之间的距离记为上一时刻每个候选点n均会记录一个总距离对于每个候选点m累加其与上一时刻每个候选点的距离到上一时刻候选点的总距离上,并选取累加后的距离的最小值作为当前候选点m的总距离即
并记录对应的前一时刻候选点n作为当前时刻候选点m的前继候选点。最后,选择最小的对应的候选点作为生成路径的最后一点,依次访问其前继候选点直到第一时刻,即被访问到的所有的候选点序列便构成了第i时刻的匹配路径。
自适应地图匹配算法总流程
本发明提出的基于自适应评分模型的地图匹配算法,通过依次输入每一时刻GPS点位置、方向与速度信息来进行地图匹配,输出车辆行驶的轨迹。
在具体实现时,我们会在算法运行前进行一次判定,如果两个时刻GPS点位置过于接近则跳过该点这样可以有效避免绕路的现象。同时路径生成模块采用记录机制,即记录每个候选点的前继节点而不是整个可能的路径,并在收到匹配生成需求时依据前继节点记录来生成路径,这样可以有效加快运行速度。基于双向评分模型和回溯校正机制的地图匹配算法伪代码编辑界面部分区域的截图,如图5所示。
我们将算法应用于开源地图匹配平台GraphHopper上,地图网络信息来源于OpenStreetMap。在仿真平台上,我们将自适应地图匹配算法应用于两个真实数据集,分别是包含全球26个国家GPS数据集和上海市内出租车的200条轨迹数据集。地图匹配结果用匹配正确的路段占总路段的比例来衡量,准确率均达到了约95%,大幅超过了已有的四种地图匹配算法DMM(26%和28%)、FMM(87%和78%)、HMM(88%和85%)和ST(87%和72%)。同时,我们还测定了将本算法中回溯模块取消后的准确率由95%分别下降至94%和92%,但运算速度提升了一倍。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于双向评分模型和回溯校正机制的地图匹配方法,其特征在于,包括:
步骤S1:基于采集到的GPS点位置信息,根据地图路径信息选取候选点;
步骤S2:基于双向评分模型对测量的GPS点的位置、方向以及速度进行评分并赋予位置、方向以及速度对应的评分不同的权重,得到候选点对GPS点的评分;当GPS点的评分低于阈值时,则判定为低质量点,并删除当前低质量点不参与匹配;
步骤S3:当判定连续的GPS点为低质量点并删除时,则利用随后第一个没有被删除的GPS点逆向评估被删除的GPS点,重新检测被删除的GPS点是否为低质量点;当不是低质量点时,则重新保留当前GPS点;
步骤S4:基于双向评分模型计算每个候选点与当前保留的GPS点的匹配概率,选择概率值最大的候选点作为匹配的候选点;
步骤S5:根据匹配的候选点,基于最短路径原则生成唯一的地图匹配结果;
所述双向评分模型是基于位置、方向以及平均速度,通过每个候选点对对应GPS点的评分来衡量GPS的数据测量质量以及候选点与GPS点的匹配程度。
2.根据权利要求1所述的基于双向评分模型和回溯校正机制的地图匹配方法,其特征在于,所述步骤S1采用:
步骤S1.1:基于地图路径信息、采集到的GPS点位置信息以及预设候选半径R,得到所有和GPS点距离小于等于半径R的路段作为候选路段,并选取每个候选路段中距离GPS点最近的位置作为初步候选点;
步骤S1.2:基于当前时刻每个初步候选点与上一时刻所有的候选点之间的路径计算距离,利用距离除以时间差计算得到平均速度;当当前时刻所有初步候选点与上一时刻所有候选点之间没有找到路径或平均速度超过阈值vmax时,则认为当前候选点不可达,并删除;当所有的候选点均被删除,则跳过当前时刻的GPS点,重复触发步骤S1.1至步骤S1.2,得到候选点。
5.根据权利要求1所述的基于双向评分模型和回溯校正机制的地图匹配方法,其特征在于,所述步骤S3采用:当判定连续的GPS点为低质量点并删除时,则利用随后第一个没有被删除的GPS点反向重新评估上一个被跳过的GPS点,重新分析是否应当被跳过,直至重新评估到前一个没有被删除的GPS点。
8.根据权利要求1所述的基于双向评分模型和回溯校正机制的地图匹配方法,其特征在于,当当前GPS点和前一时刻GPS点距离小于等于预设值时,则跳过当前GPS点,而后再比较下一个GPS点和前一GPS点的距离,直到两个GPS点的距离大于预设值后再保留当前GPS点。
9.一种基于双向评分模型和回溯校正机制的地图匹配系统,其特征在于,包括:
模块M1:基于采集到的GPS点位置信息,根据地图路径信息选取候选点;
模块M2:基于双向评分模型对测量的GPS点的位置、方向以及速度进行评分并赋予位置、方向以及速度对应的评分不同的权重,得到候选点对GPS点的评分;当GPS点的评分低于阈值时,则判定为低质量点,并删除当前低质量点不参与匹配;
模块M3:当判定连续的GPS点为低质量点并删除时,则利用随后第一个没有被删除的GPS点逆向评估被删除的GPS点,重新检测被删除的GPS点是否为低质量点;当不是低质量点时,则重新保留当前GPS点;
模块M4:基于双向评分模型计算每个候选点与当前保留的GPS点的匹配概率,选择概率值最大的候选点作为匹配的候选点;
模块M5:根据匹配的候选点,基于最短路径原则生成唯一的地图匹配结果;
所述双向评分模型是基于位置、方向以及平均速度,通过每个候选点对对应GPS点的评分来衡量GPS的数据测量质量以及候选点与GPS点的匹配程度。
10.根据权利要求9所述的基于双向评分模型和回溯校正机制的地图匹配系统,其特征在于,所述模块M1采用:
模块M1.1:基于地图路径信息、采集到的GPS点位置信息以及预设候选半径R,得到所有和GPS点距离小于等于半径R的路段作为候选路段,并选取每个候选路段中距离GPS点最近的位置作为初步候选点;
模块M1.2:基于当前时刻每个初步候选点与上一时刻所有的候选点之间的路径计算距离,利用距离除以时间差计算得到平均速度;当当前时刻所有初步候选点与上一时刻所有候选点之间没有找到路径或平均速度超过阈值vmax时,则认为当前候选点不可达,并删除;当所有的候选点均被删除,则跳过当前时刻的GPS点,重复触发模块M1.1至模块M1.2,得到候选点;
所述模块M2采用:
其中,e表示数学中的自然常数;z(i)和θ(i)分别表示车辆在时间i采集到的位置和方向;和分别表示候选点m的位置、方向和平均速度;表示正常速度范围的右边界;表示判断速度是否不合理的阈值;c表示常数;表示候选点与GPS点之间距离分布的方差;表示位置对应的评分;表示方向对应的评分;表示速度对应的评分;
其中,|C|表示候选点的数量,且有
根据评分矩阵S(i)利用双向评分模型得到候选点对GPS点的评分;
其中,μ与v表示参数;w(i)为第i时刻三个信息的权重组成的向量;p(i)为第i时刻各个候选点的概率向量;
所述模块M3采用:当判定连续的GPS点为低质量点并删除时,则利用随后第一个没有被删除的GPS点反向重新评估上一个被跳过的GPS点,重新分析是否应当被跳过,直至重新评估到前一个没有被删除的GPS点;
所述模块M4采用:使用Zoutendijk提出的可行方向法求出每个候选点的匹配概率;
其中,w(i)为第i时刻三个信息的权重组成的向量;p(i)为第i时刻各个候选点的概率向量;score(i)是候选点对GPS点的评分;S(i)候选点对GPS点的评分矩阵;表示求评分最大值时的w(i)和p(i);
所述模块M5采用:计算第i时刻每个候选点m与上一时刻每个候选点n之间的距离上一时刻每个候选点n均会记录一个总距离将当前时刻每个候选点m与上一时刻每个候选点n之间的距离累加到上一时刻候选点的总距离上,并选取累加后的距离的最小值作为当前候选点m的总距离
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110864075.4A CN113639757B (zh) | 2021-07-29 | 2021-07-29 | 基于双向评分模型和回溯校正机制的地图匹配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110864075.4A CN113639757B (zh) | 2021-07-29 | 2021-07-29 | 基于双向评分模型和回溯校正机制的地图匹配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113639757A true CN113639757A (zh) | 2021-11-12 |
CN113639757B CN113639757B (zh) | 2023-08-25 |
Family
ID=78418977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110864075.4A Active CN113639757B (zh) | 2021-07-29 | 2021-07-29 | 基于双向评分模型和回溯校正机制的地图匹配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113639757B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115265555A (zh) * | 2022-07-25 | 2022-11-01 | 上海交通大学 | 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 |
WO2024025360A1 (ko) * | 2022-07-27 | 2024-02-01 | 홍익대학교 산학협력단 | 지구위치데이터 맵 매칭방법 및 이를 위한 컴퓨팅 장치 |
Citations (7)
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 |
CN103604435A (zh) * | 2013-11-27 | 2014-02-26 | 上海交通大学 | 基于地图和减速带匹配的定位方法 |
CN105203116A (zh) * | 2015-08-25 | 2015-12-30 | 浙江工业大学 | 一种基于条件随机场和低采样频率浮动车数据的地图匹配方法 |
CN105628033A (zh) * | 2016-02-26 | 2016-06-01 | 广西鑫朗通信技术有限公司 | 一种基于道路连通关系的地图匹配方法 |
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 |
CN109307513A (zh) * | 2017-07-26 | 2019-02-05 | 厦门雅迅网络股份有限公司 | 一种基于行车记录的实时道路匹配方法及系统 |
CN112015835A (zh) * | 2020-08-13 | 2020-12-01 | 安徽师范大学 | Geohash压缩的地图匹配方法 |
-
2021
- 2021-07-29 CN CN202110864075.4A patent/CN113639757B/zh active Active
Patent Citations (7)
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 |
CN103604435A (zh) * | 2013-11-27 | 2014-02-26 | 上海交通大学 | 基于地图和减速带匹配的定位方法 |
CN105203116A (zh) * | 2015-08-25 | 2015-12-30 | 浙江工业大学 | 一种基于条件随机场和低采样频率浮动车数据的地图匹配方法 |
CN105628033A (zh) * | 2016-02-26 | 2016-06-01 | 广西鑫朗通信技术有限公司 | 一种基于道路连通关系的地图匹配方法 |
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 |
CN109307513A (zh) * | 2017-07-26 | 2019-02-05 | 厦门雅迅网络股份有限公司 | 一种基于行车记录的实时道路匹配方法及系统 |
CN112015835A (zh) * | 2020-08-13 | 2020-12-01 | 安徽师范大学 | Geohash压缩的地图匹配方法 |
Non-Patent Citations (2)
Title |
---|
杨旭华;彭朋;: "基于条件随机场和低采样率浮动车数据的地图匹配算法", 计算机科学, no. 1 * |
赵庶旭;张金秋;屈睿涛;: "一种改进的浮动车地图匹配算法", 测绘通报, no. 01 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115265555A (zh) * | 2022-07-25 | 2022-11-01 | 上海交通大学 | 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 |
CN115265555B (zh) * | 2022-07-25 | 2024-05-07 | 上海交通大学 | 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 |
WO2024025360A1 (ko) * | 2022-07-27 | 2024-02-01 | 홍익대학교 산학협력단 | 지구위치데이터 맵 매칭방법 및 이를 위한 컴퓨팅 장치 |
Also Published As
Publication number | Publication date |
---|---|
CN113639757B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102296507B1 (ko) | 트래킹 네트워크를 포함한 cnn을 사용하여 객체를 트래킹하는 방법 및 이를 이용한 장치 | |
CN111368881B (zh) | 基于多维数据融合分析的低频gps轨迹路网匹配方法 | |
CN111091708A (zh) | 车辆轨迹预测方法及装置 | |
CN107293115B (zh) | 一种用于微观仿真的交通流量预测方法 | |
CN113639757B (zh) | 基于双向评分模型和回溯校正机制的地图匹配方法及系统 | |
CN109492596B (zh) | 一种基于K-means聚类和区域推荐网络的行人检测方法及系统 | |
US20220405682A1 (en) | Inverse reinforcement learning-based delivery means detection apparatus and method | |
CN112347550A (zh) | 耦合式室内三维语义建图及建模方法 | |
CN113932801A (zh) | 基于众包的辅助驾驶地图实时匹配更新方法 | |
CN111123333B (zh) | 一种融合卡口和gps数据的车辆轨迹定位方法 | |
CN114912719B (zh) | 一种基于图神经网络的异质交通个体轨迹协同预测方法 | |
CN116495007A (zh) | 一种考虑物理约束的车辆轨迹深度学习预测方法 | |
CN115265555A (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 | |
CN111144462A (zh) | 一种雷达信号的未知个体识别方法及装置 | |
CN113807457A (zh) | 确定路网表征信息的方法、装置、设备及存储介质 | |
CN115691140B (zh) | 一种汽车充电需求时空分布的分析与预测方法 | |
CN111160594B (zh) | 一种到达时间的预估方法、装置及存储介质 | |
CN115375869B (zh) | 一种机器人重定位方法、机器人和计算机可读存储介质 | |
CN112130137B (zh) | 确定车道级轨迹的方法、装置及存储介质 | |
CN111832548A (zh) | 一种列车定位方法 | |
CN111915648A (zh) | 一种基于常识和记忆网络的长期目标运动跟踪方法 | |
Luo et al. | Addressing some issues of map-matching for large-scale, high-frequency GPS data sets | |
CN117036966B (zh) | 地图中点位特征的学习方法、装置、设备及存储介质 | |
CN112101679B (zh) | 基于人工智能的导航道路选择方法、装置 | |
Ouessai et al. | Calibration of Fundamental Diagram for Macroscopic Freeway Traffic Flow Model Using Whale Optimization Algorithm |
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 |