CN113932821A - 基于连续窗口平均方向特征的轨迹地图匹配方法 - Google Patents

Abstract

本发明适用于基于连续窗口平均方向特征的轨迹地图匹配方法，包括如下步骤：S1、基于路网数据生成道路拓扑网络，对GPS轨迹进行聚类形成GPS轨迹Ⅰ，获取GPS轨迹Ⅰ上各轨迹点在道路拓扑网络中的候选路段及候选点；S2、基于空间分析、时间分析及方向分析将GPS轨迹Ⅰ上的各轨迹点匹配到最佳的候选路段。本发明主要用于解决在交叉路口，尤其是在Y字型路口处GPS点未匹配到正确路段的问题；通过加入连续窗口方向平均值概念来处理交叉路段使之匹配精度更高。另外，当车辆在繁忙的街道堵车时以及车辆在进行红绿灯等待时，将会产生大量的聚集点。为了减少匹配点的重叠性，我们对聚集点进行GPS聚类简化轨迹，以此来提高匹配效率。

Description

基于连续窗口平均方向特征的轨迹地图匹配方法

技术领域

本发明属于轨迹匹配技术领域，提供了一种基于连续窗口平均方向特征的轨迹地图匹配方法。

背景技术

随着内置GPS传感器的电子移动设备的普及，使得大量GPS轨迹数据的收集成为可能，激发更多基于位置服务应用的发展。精确的轨迹数据能使得用户获取更高质量的服务。然而，由于定位系统本身的不稳定性，卫星信号容易受到干扰，导致部分GPS轨迹点与实际位置存在误差，甚至发生数据丢失。地图匹配是一个将原始轨迹准确映射到道路网络的处理过程。因此由轨迹数据驱动的各种应用(如路径规划、交通流分析、空间数据挖掘、自动驾驶汽车和地理社会网络分析等)在进行与路网相关的分析之前必须对其进行地图匹配处理GPS轨迹处理过程如图1所示。

针对复杂道路网络，已经通过考虑轨迹空间特征和时间特征提出ST-matching匹配方法，计算空间分析函数和时间分析函数来进行匹配分析，由于没有考虑采样点之间的影响关系，无法处理交叉点周围的GPS点。另一方面，该方法没有对轨迹进行预处理，在处理由太多GPS点组成的轨迹时，系统时间效率低。

发明内容

本发明实施例提供了一种基于连续窗口平均方向特征的轨迹地图匹配方法，旨在改善上述问题。

本发明是这样实现的，一种基于连续窗口平均方向特征的轨迹地图匹配方法，所述方法具体包括如下步骤：

S1、基于路网数据生成道路拓扑网络，对GPS轨迹进行聚类形成GPS轨迹Ⅰ，获取GPS轨迹Ⅰ上各轨迹点在道路拓扑网络中的候选路段及候选点；

S2、基于空间分析、时间分析及方向分析将GPS轨迹Ⅰ上的各轨迹点匹配到最佳的候选路段。

进一步的，基于如下公式进行方向分析：

其中，

表示基于方向分析函数计算所得GPS采样点p_i在第j条候选路段方向的概率，

表示GPS轨迹Ⅰ上第i个轨迹点p_i的方向，θ_avgi表示GPS轨迹Ⅰ上第i个轨迹点p_i的平均方向值，σ、μ分别表示正态分布的两个参数；

表示路段方向，e_i.end.lat、e_i.start.lat分别表示路段e_i的起始点纬度和终止点纬度，e_i.end.lng、e_i.start.lng分别表示路段e_i的终止点经度和起始点经度，p_i.lat、p_i.lng分别表示第i个GPS点p_i的纬度及经度。

进一步的，道路网络拓扑的生成方法具体如下：

遍历整个路网数据，将道路的ID作为HashMap中对应边的唯一标识进行存储；

添加所有边的开始节点和终止节点到该HashMap中；

遍历起始节点和终止节点之间的中间节点，将中间节点添加至HashMap中的ID对应路段中，作为对应路段的内部节点。

进一步的，GPS轨迹Ⅰ的形成方法具体如下：

S11、检测当前轨迹点p_i-1与下一轨迹点p_i是否同时满足条件1和条件2，若检测结果为是，则执行步骤S12，若检测结果为否，执行步骤S13；

条件1：当前轨迹点p_i-1与下一轨迹点p_i小于等于距离阈值；

条件2：当前轨迹点p_i-1与下一轨迹点p_i的时间戳间隔大于时间阈值；

S12、计算前一轨迹点p_i-1与后一轨迹点p_i的中值点

用中值点

替代轨迹点p_i-1与轨迹点p_i，同时将中值点

作为当前轨迹点，执行步骤S11；

S13、将轨迹点p_i作为当前轨迹点，执行步骤S11。

本发明提供的基于连续窗口平均方向特征的轨迹地图匹配方法具有如下益技术效果具体如下：

(1)生成路网拓扑，自适应地生成路网数据，使得道路网络更准确，用于实验基础支撑，通过执行轨迹数据聚类预处理，来减少轨迹上全球定位系统输入点的数量，降低轨迹点重叠性，提高算法匹配效率；

(2)考虑如距离、速度约束和道路网络拓扑等各种特征。除此之外我们采用连续窗口轨迹点的实时运动方向来更新轨迹点的方向。用前后相关轨迹点的方向来更新目标轨迹点方向，以此来提高在交叉路口等匹配精度。

附图说明

图1为本发明实施例提供的GPS轨迹匹配示过程示意图；

图2为本发明实施例提供的路段示例图；

图3为本发明实施例提供移动方向示例图；

图4为本发明是实施例提供的GPS轨迹示意图；

图5为本发明是实施例提供的基于连续窗口平均方向特征的轨迹地图匹配框架图；

图6为本发明是实施例提供的路网示意图；

图7为本发明实施例提供的轨迹点聚集的示意图；

图8为本发明实施例提供的轨迹聚类对比图，其中(a)为候选点筛选的方法，(b)为本发明记载的方法；

图9为本发明实施例提供的候选集选择的示意图；

图10为本发明实施例提供的空间转移概率示意图；

图11为本发明实施例提供的时间分析示例图；

图12为本发明实施例提供的带有方向的轨迹图；

图13为本发明实施例提供的方向信息的示例图；

图14为本发明实施例提供的环形路段匹配错误示例图；

图15为本发明实施例提供的GPS点平均方向示意图；

图16为本发明实施例提供的侯选匹配示例图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明结合路网数据的生成，提出一种新的地图匹配算法，所提方法主要用于解决在交叉路口，尤其是在Y字型路口处GPS点未匹配到正确路段的问题；通过加入连续窗口方向平均值概念来处理交叉路段使之匹配精度更高。另外，当车辆在繁忙的街道堵车时以及车辆在进行红绿灯等待时，将会产生大量的聚集点。

1.基本概念

定义1(路段)：路段r是一个有向边。每个路段都有一个唯一的id标识符r.id，长度值r.l，路段起点r.start，路段终点r.end，路段的行驶速度约束r.v。如图2显示了一个路段的例子，如r₁，r₂是一个路段。

定义2(路径)：路径P是从一个顶点v_i开始到另外一个顶点v_j结束的一组相连的路段，如P:r₁→r₂→r₃→…→r_n，其中r₁.start＝v_i，r_n.end＝v_j，r_k·end＝r_k+1.start，1≤k＜n，其中v_i,v_j∈V。

定义3(路网)：道路网络是一个有向图G(V，E)，其中V是表示道路段交叉点的一组顶点，如图2中的r_2.start，其中r_2.start∈V，E是一组表示道路段有向边。

定义4(GPS轨迹点)：GPS轨迹点是一个带有时间戳的经纬度坐标，在本文中还引入了每个全球定位系统点的实时移动方向。因此，每个GPS轨迹点是一个四元组，表示为：P＝(t，lat，lng，b)，其中t是GPS点的时间戳，lat和lng是GPS点在时间t的位置的纬度和经度，b是全球定位系统实时移动方向。图3说明了量化的实时移动方向。

定义5(GPS轨迹)：一个GPS轨迹T由一系列连续的GPS点组成。任意两个相邻的GPS点之间的每一个时间间隔都不超过某一个值Δt，代表采样间隔，即：T：p₁→p₂→p₃→…→p_n，且0＜p_i.t-p_i-1.t＜Δt，1＜i≤n。如图4所示，p₀→p₁→p₂→p₃→p₄→p₅→p₆构成一条轨迹T。

地图匹配的问题可以陈述定义为：给定原始全球定位系统轨迹T和道路网G(V，E)，从路网G中找到与轨迹T对应的真实运动路径P。

本发明提供的交叉路段的轨迹地图匹配方法包括三个主要部分：预处理、STDA分析和匹配结果分析。首先，对轨迹和路网进行预处理；其次，执行STDA分析，同样考虑空间分析，时间分析。特别的是，方向分析我们考虑的是连续窗口GPS点的平均方向信息；最后，通过STDA分析计算每个候选路径的得分，得分最高者为最佳匹配。

(一)预处理

预处理包括对路网拓扑生成、GPS轨迹聚类和候选集搜索三个部分。路网拓扑的自动生成建立在道路提取和交叉点识别的基础上，利用路段交叉节点来表达路段与路段之间的连通性。GPS轨迹聚类指的是对原始轨迹数据进行一个简化处理，减少候选集搜索时间，随后检索经过处理后的轨迹数据在相应的道路网络上的所有可能的候选点。

1)路网拓扑生成

面对日益复杂的城市路网，准确高效的路网拓扑的建立是研究地图匹配的基础。拓扑结构旨在建立道路之间的表达关系，一般的构建路网的拓扑结构的方法有两种，第一种方法是根据边构建图，第二种是根据边的顶点来构建图。文献采用广度优先遍历的源点扩散法实现拓扑构造，从每个节点获取拓扑结构信息，用树形结构来存储路径，叶子节点和根节点之间的访问路径可以重用中间节点和根节点之间的访问路径。由于需要遍历所有的节点信息，该方法时间效率不是很高。

城市路网由道路通过交通节点而错综复杂的相互连接，一条边的内部可能存在其它边的节点。如图6所示例子中，道路road1起始节点是V0，终止节点是V14。道路road2的起始节点是V3，终止节点是V13。从图中可以看出，道路road1和道路road2有一个共同的节点V3。因此提出一种将边的内部进行拓扑化的构图方式，同时采用HashMap存储路径，即对路网内所有节点进行连接建图，大幅度提高路网的连通性。首先通过起始节点和终止节点生成一条粗略的边，随后在每一条边的内部继续构建顶点图来生成拓扑结构。即在路网边内部中，以道路交叉点作为拓扑节点，以节点间的连通道路作为拓扑边，建立了“节点-边”的图模型。同时根据HashMap中键直接获取数据路网数据的值，具有很快的访问速度。

算法1展示的是路网拓扑图生成的过程。遍历整个路网数据，将道路的ID作为HashMap中唯一标识进行存储(第1-4行)，添加边的开始节点和终止节点(第5-9行)，另外边的中间节点可能道路交叉点(即另外一条边的端点)，遍历整条边的节点，将路段内部节点添加进去(第10-12行)。最后返回路网(第13行)。在图6中，添加道路road1的起止点V0和V14，内部节点V1，V2和V3，同时添加道路road2的起止点V3和V13，注意这里节点V3是道路road1和道路road2相交点，连接两道路使道路连通。

2)GPS轨迹聚类

在执行主程序之前，需要从原始GPS轨迹中预处理聚集的GPS点。当速度较慢或车辆停止时，轨迹点会重叠，并产生冗余数据。因此为了降低计算成本，本发明对邻近的GPS点进行聚类。Li B等人通过相邻两点之间的距离阈值移除停止点和密集点，但不好在适当的位置进行处理(如转弯处几个偏差比较大的点位置)，如图8中a图所示。除此之外我们考虑到时间因素也影响轨迹数据，且我们用坐标中值点来代表轨迹点。

本发明按照算法2中执行GPS轨迹数据预处理的过程。首先，遍历整个轨迹数据集合，如果不是第一个轨迹点，则计算前后两个采样轨迹点之间的距离和间隔时间(第1-6行)，下一步将对距离和时间与设定的阈值进行比较。将当前点和前一点之间的移动距离小于或等于聚类距离、两点时间大于等于时间阈值点作为聚集点，选出聚集点进行更新轨迹数据(第7-10行)。最后将返回一个处理聚集点后的新的轨迹数据(第12行)。

轨迹数据预处理详细的步骤如图7所示。浅灰色点为原始的轨迹点，深灰色点为两个轨迹采样点之间的中值点，星点表示为聚类后的中心簇点。知道这些浅灰色点都将匹配到旁边的路road，那么在本发明的算法中，首先对前后点进行距离的运算，并且按照时间的前后顺序。在图中p₁与p₂是相邻的两个GPS轨迹点，并且距离小于等于距离阈值，相隔时间戳大于等于时间阈值，将更新它们的中值点

(即p₁与p₂的横坐标均值及纵坐标均值构成的点)作为新的轨迹点来代表p₁与p₂这两个轨迹点。以此类推，将比较

点与轨迹点p₃之间的距离和时间戳是否满足阈值条件，更新

点与轨迹点p₃的中值点即点

作为下一个新的轨迹点。同理，最后

点与轨迹点p₄的中值点

作为新的轨迹点，在这里，将点

认为是聚集点p₁，p₂，p₃，p₄的一个中心簇点，并且用这个点来代表这四个点进行下一步路网匹配工作。

将本发明的聚类方法与候选点筛选方法进行比较。如图8所示，a图是候选点筛选方法处理的轨迹数据，b图是本文方法处理的轨迹数据。在十字交叉路段处(图中红色线框标识)，本发明的方法很好的保留轨迹的原始状态，由于在十字交叉路段车辆转弯的速度比平时要慢，相同时间间隔内用户GPS点之间的坐标差范围不是很大，而候选点筛选方法选择直接删除小于阈值范围内的轨迹点，如a图所示，在十字交叉路段处会出现轨迹失真状态。另外我们将处理后的a图和b图轨迹进行地图匹配实验。实验表明，b图轨迹能很好的匹配，然而a图轨迹在匹配算法运行过程中出现错误，原因是我们在进行地图匹配过程中考虑道路的拓扑结构，而轨迹点p_i到轨迹点p_i+1的所在两条路段road1和road2不连通，轨迹点p_i到轨迹点p_i+1的转移概率为零。

3)候选集生成

具体地，针对给定的一个GPS轨迹T：p₁→p₂→p₃→…→p_n中的每个采样点p_i(1≤i≤n)，以采样点p_i为圆心，在路网中搜索以半径r为范围的圆内所有路段作为候选路段，e_i表示采样点p_i的第i个候选路段。轨迹点p_i对应候选路段上的投影点或者是离轨迹点最近的端点，称为对应的候选点，记为c_i。如图9所示的例子，采样点p_i在半径为r的圆内有3条候选路段，分别是是e₁，e₂，e₃；采样点p_i对应的候选点是c₁，c₂，c₃，其中c₁是路段e₁和路段e₂的端点。

(二)STDA分析

在进行候选集提取之后，获得每个GPS点的候选点集以及候选路径集。考虑空间、时间和方向信息来为这些候选路径建模得分函数，从中选择最佳匹配答案。这一部分由三个分析组成：空间分析、时间分析和平均方向分析。

1)空间分析

在空间分析中包括对道路网络几何信息的分析和拓扑信息的分析。对于几何信息的分析，我们使用观测概率；对于拓扑信息的分析，我们使用转移概率。

观测概率用于表示GPS点p_i根据两点之间的距离

匹配到候选点

的可能性。即如果候选点

与GPS测量的采样点p_i距离远，则测量的采样点p_i匹配到该候选点

的可能性就低。因此，前人的工作认为观测概率可以合理地建模为采样点p_i和候选点

之间距离的零均值的正态分布N(μ,σ²)，则采样点p_i的后候选点

的观察概率公式如下：

其中，p_i是整条轨迹的第i个GPS采样点，

表示为采样点p_i的第j个候选点，

表示采样点p_i和候选点

之间距离，σ、μ是标准正态分布的两个参数。

通过分析发现，在有些情况下仅考虑几何分析无法帮助我们选择正确的候选。如图10所示，道路road1和道路road2是平行的两个路段，采样点p_i-1和采样点p_i是连续的两个轨迹点，点

和点

是采样点p_i的候选点。假设p_i-1已经匹配到投影点c_i-1，如果只考虑观测概率，采样点p_i很可能会被错误匹配到候选点

然而这两条道路是不相连的，采样点p_i应该匹配到候选点

由此可见，在匹配过程中还需要考虑路网的拓扑信息来提高匹配结果正确性。

将路段拓扑信息问题定义为转移概率问题。我们计算两个点之间的最短路径，在两个点之间进行转移时，默认两点之间最短路径为司机选择的路径。转移概率为两相邻GPS点p_i-1，p_i之间旅行距离与它们对应的候选点

之间最短路径之比。即转移概率公式如下：

其中，

是GPS采样点p_i-1在候选路段j上的候选点，

是GPS采样点p_i在候选路段k上的候选点，

是从候选点

和候选点

之间最短路径距离的长度，distance(p_i-1,p_i)表示两个相邻GPS采样点p_i-1，p_i之间的欧几里得距离。

通过公式(2)可见，当采样点之间欧几里得距离与它们对应候选点之间最短路径距离越接近则表明车辆从采样点p_i-1到采样点p_i移动的候选路段是正确路段的可能性越大。

通过综合观测概率公式(1)和转移概率公式(2)来定义空间分析函数

如下：

在等式(3)中，2≤i≤n，点

和点

分别为相邻采样点p_i-1和采样点p_i的候选点。当采样点p_i为轨迹第一个点时，空间分析函数为

在经过空间分析后，可以得到任意两个相邻GPS点每条候选路径的空间分析得分，

表示基于空间函数计算所得从候选点

到候选点

的概率。

2)时间分析

在一些路网复杂的情况下，通过空间分析考虑几何信息和拓扑信息还是无法解决。例如，在主道路和旁边小道距离很近时候，仅通过空间分析无法确定车辆是在主道路还是在旁边小道上。如图11所示，道路r₁是一条主道，限速为80km/h，道路r₂是旁边的小道限速为40km/h。我们假设点p_i-1已经匹配到主道r₁上，根据空间分析，点p_i在路r₁和路r₂的得分接近，因此不确定匹配哪条道路。

道路限速可以用来区分主道和旁边小道，考虑道路限速可以用来识别最相似速度条件的候选路段。通过路段限速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：

其中，

表示基于时间分析函数计算所得从候选点

到候选点

的概率，

表示由候选点

到

最短路径中所包含的路段限速构成的向量，r_j.v表示路段e_j的限速；

由候选点

到

之间平均速度所组成的一维j列向量。平均速度

计算如公式(5)所示。

其中，Δ_t是两个候选点的时间差。

3)平均方向分析

经过时间和空间的分析，大部分的地图匹配问题基本上都能得到很好的解决。然而在交叉点处，仍然是难以得到正确的匹配结果。如图12所示，仅考虑空间和时间分析函数时，很可能将轨迹与路径r1→r2相匹配，而正确的匹配结果是r1→r3→r4。前人的方法中有通过计算两个相邻GPS点之间的方向，但是相邻两个点的方向并不能很好的表示轨迹的真实移动方向。如图13所示，p是轨迹进入交叉路段的第一个点，并且没有先前的GPS点。如果只考虑GPS点和对应候选点的距离因素以及单个GPS点的实时移动方向，轨迹中的GPS点p₂和p₄将会错误匹配到路段r₁上。

在交叉口路段或者是环形路段处，由于STD-matching算法仅考虑单个GPS点方向与路段方向的差值，如图14所示，箭头处的GPS轨迹点匹配到距离它最近的路段。然而，实际上全局来看该轨迹点的正确匹配路段是在环形路段上，这导致出现匹配错误。因此在交叉口等交叉路段中，单个GPS点的方向不总是能正确反映轨迹的整体移动方向。

为解决这一问题，引入了平均方向值概念来分析。利用连续窗口GPS点方向的相关性，考虑连续GPS点实时平均方向和对应候选路段之间的角度差，对匹配过程进行改进。

提出利用连续窗口GPS点的平均方向值θ_avgi来代表当前点的方向值，依次更新每个点的方向，这里取三个点的方向。其中，p_i的方向平均值求解见公式(6)：

其中

是当前GPS采样点方向。路段方向

和

可以根据路段经纬度进行计算得到，计算公式如下(7)和(8)：

e_i.end.lat、e_i.start.lat分别表示路段e_i的起始点纬度和终止点纬度，e_i.end.lng、e_i.start.lng分别表示路段e_i的终止点经度和起始点经度，p_i.lat、p_i.lng分别表示第i个GPS点p_i的纬度及经度，p_i+1.lat、p_i+1.lng分别表示第(i+1)个GPS点p_i-1的纬度及经度。

用移动对象平均方向θ_avgi和路段方向

之间的角度差Δθ来评估移动对象方向与路段方向的相似性，角度差越小则相似性度越大，对应候选路段被选择的概率越大。如图15所示，GPS采样点p₁,p₂,p₃,p₄的实时方向分别是

θ_p2、θ_p3和θ_p4。如计算p₂的平均方向值

来进行后续评估。其中角度差Δθ的计算公式(9)如下所示：

为了标准化角度差，利用了标准偏差σ的正态分布N(μ,σ²)。正态分布表示GPS点p_i与候选点

匹配的可能性有多大。在形式上，将方向分析函数定义为以下等式：

(三)匹配分析

通过上一节所描述的空间分析、时间分析、方向分析来对GPS轨迹进行最佳匹配结果分析。GPS轨迹经过预处理提取候选集后，生成一个候选点

和一个候选路径

的候选图，如图16所示。根据公式(1)和公式(10)可计算出每个候选点的观测概率和方向分析得分，候选路径

得分可通过相邻两个GPS采样点之间转移概率公式(2)和时间分析函数公式(4)计算。

结合公式(3)、公式(4)和公式(10)得到本发明中的总概率得分公式来分析候选路径

总公式定义如下：

本发明提出的基于连续窗口平均方向特征的轨迹地图匹配方法主要用于解决在交叉路口，尤其是在Y字型路口处GPS点未被匹配到正确路段的问题；通过加入连续窗口方向平均值概念来处理交叉路段使之匹配精度更高。另外，当车辆在繁忙的街道堵车时以及车辆在进行红绿灯等待时，将会产生大量的聚集点。为了减少匹配点的重叠性，我们对聚集点进行GPS聚类简化轨迹，以此来提高匹配效率。本发明的有益技术效果具体如下：

(1)生成路网拓扑，自适应地生成路网数据，使得道路网络更准确，用于实验基础支撑，通过执行轨迹数据聚类预处理，来减少轨迹上全球定位系统输入点的数量，降低轨迹点重叠性，提高算法匹配效率；

(2)考虑如距离、速度约束和道路网络拓扑等各种特征。除此之外我们采用连续窗口轨迹点的实时运动方向来更新轨迹点的方向。用前后相关轨迹点的方向来更新目标轨迹点方向，以此来提高在交叉路口等匹配精度。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于连续窗口平均方向特征的轨迹地图匹配方法，其特征在于，所述方法具体包括如下步骤：

S1、基于路网数据生成道路拓扑网络，对GPS轨迹进行聚类形成GPS轨迹Ⅰ，获取GPS轨迹Ⅰ上各轨迹点在道路拓扑网络中的候选路段及候选点；

S2、基于空间分析、时间分析及方向分析将GPS轨迹Ⅰ上的各轨迹点匹配到最佳的候选路段。

2.如权利要求1所述基于连续窗口平均方向特征的轨迹地图匹配方法，其特征在于，基于如下公式进行方向分析：

其中，

表示基于方向分析函数计算所得GPS采样点p_i在第j条候选路段方向的概率，

表示GPS轨迹Ⅰ上第i个轨迹点p_i的方向，θ_avgi表示GPS轨迹Ⅰ上第i个轨迹点p_i的平均方向值，σ、μ分别表示正态分布的两个参数；

表示路段方向，e_i.end.lat、e_i.start.lat分别表示路段e_i的起始点纬度和终止点纬度，e_i.end.lng、e_i.start.lng分别表示路段e_i的终止点经度和起始点经度。

3.如权利要求1所述基于连续窗口平均方向特征的轨迹地图匹配方法，其特征在于，道路网络拓扑的生成方法具体如下：

遍历整个路网数据，将道路的ID作为HashMap中对应边的唯一标识进行存储；

添加所有边的开始节点和终止节点到该HashMap中；

遍历起始节点和终止节点之间的中间节点，将中间节点添加至HashMap中的ID对应路段中，作为对应路段的内部节点。

4.如权利要求1所述基于连续窗口平均方向特征的轨迹地图匹配方法，其特征在于，GPS轨迹Ⅰ的形成方法具体如下：

S11、检测当前轨迹点p_i-1与下一轨迹点p_i是否同时满足条件1和条件2，若检测结果为是，则执行步骤S12，若检测结果为否，执行步骤S13；

条件1：当前轨迹点p_i-1与下一轨迹点p_i小于等于距离阈值；

条件2：当前轨迹点p_i-1与下一轨迹点p_i的时间戳间隔大于时间阈值；

S12、计算前一轨迹点p_i-1与后一轨迹点p_i的中值点

用中值点

替代轨迹点p_i-1与轨迹点p_i，同时将中值点

作为当前轨迹点，执行步骤S11；

S13、将轨迹点p_i作为当前轨迹点，执行步骤S11。

Images