CN113934775A - 车辆轨迹地图匹配方法、装置、设备和计算机可读介质 - Google Patents

车辆轨迹地图匹配方法、装置、设备和计算机可读介质 Download PDF

Info

Publication number
CN113934775A
CN113934775A CN202111536651.9A CN202111536651A CN113934775A CN 113934775 A CN113934775 A CN 113934775A CN 202111536651 A CN202111536651 A CN 202111536651A CN 113934775 A CN113934775 A CN 113934775A
Authority
CN
China
Prior art keywords
probability value
course angle
observation probability
value set
vehicle
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
CN202111536651.9A
Other languages
English (en)
Other versions
CN113934775B (zh
Inventor
王海洋
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.)
Heduo Technology Guangzhou Co ltd
Original Assignee
HoloMatic Technology Beijing 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 HoloMatic Technology Beijing Co Ltd filed Critical HoloMatic Technology Beijing Co Ltd
Priority to CN202111536651.9A priority Critical patent/CN113934775B/zh
Publication of CN113934775A publication Critical patent/CN113934775A/zh
Application granted granted Critical
Publication of CN113934775B publication Critical patent/CN113934775B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Abstract

本公开的实施例公开了车辆轨迹地图匹配方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：对位置信息进行采集；获取目标车辆的车辆航向角信息和多个相关路段的航向角信息；确定第一定位点的投影点，得到投影点集合；基于第一定位点和投影点集合，生成距离观测概率值集合；基于车辆航向角信息和多个相关路段的航向角信息，生成航向角观测概率值集合；基于距离观测概率值集合和航向角观测概率值集合，生成综合观测概率值集合；基于第一定位点和第二定位点，生成路段转换概率值集合；对综合观测概率值集合和路段转换概率值集合进行路径匹配处理，以确定目标匹配路径信息。该实施方式可以实现车辆的轨迹与电子地图的路网匹配一致。

Description

车辆轨迹地图匹配方法、装置、设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及车辆轨迹地图匹配方法、装置、设备和计算机可读介质。
背景技术
地图匹配，是将定位器获取的位置信息关联到电子地图的路网中的一种技术。在将车辆轨迹与电子地图进行匹配时，通常可以将车辆轨迹与相对稀疏的路网结构进行匹配。
然而，当采用上述方式时经常会存在如下技术问题：
第一，定位器对复杂路网结构的定位精度较低，复杂路网结构例如，主辅路交换区间、高架桥交叉遮挡路段、复杂路口等，将定位器获取的位置信息作为地图匹配的依据，对车辆轨迹和电子地图进行匹配通常存在误差，导致车辆的轨迹难以与电子地图的路网匹配一致。
在确定观测量的概率时，难以综合考虑各个观测量之间的关系和各个观测量的影响因素，使得所确定的观测量概率不准确，从而，使得地图匹配的精度和准确度较低。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了车辆轨迹地图匹配方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种车辆轨迹地图匹配方法，该方法包括：每隔预定时间段对目标车辆的位置信息进行采集，以确定第一定位点和第二定位点，其中，上述第一定位点和上述第二定位点是坐标点；获取上述目标车辆的车辆航向角信息和多个相关路段的航向角信息；确定上述第一定位点在多个相关路段上的投影点，得到投影点集合；基于上述第一定位点和上述投影点集合，生成距离观测概率值集合；基于上述车辆航向角信息和上述多个相关路段的航向角信息，生成航向角观测概率值集合；基于上述距离观测概率值集合和上述航向角观测概率值集合，生成综合观测概率值集合；基于上述第一定位点和上述第二定位点，生成路段转换概率值集合；对上述综合观测概率值集合和上述路段转换概率值集合进行路径匹配处理，以确定目标匹配路径信息。
第二方面，本公开的一些实施例提供了一种车辆轨迹地图匹配装置，装置包括：采集单元，被配置成每隔预定时间段对目标车辆的位置信息进行采集，以确定第一定位点和第二定位点，其中，上述第一定位点和上述第二定位点是坐标点；获取单元，被配置成获取上述目标车辆的车辆航向角信息和多个相关路段的航向角信息；确定单元，被配置成确定上述第一定位点在多个相关路段上的投影点，得到投影点集合；第一生成单元，被配置成基于上述第一定位点和上述投影点集合，生成距离观测概率值集合；第二生成单元，被配置成基于上述车辆航向角信息和上述多个相关路段的航向角信息，生成航向角观测概率值集合；第三生成单元，被配置成基于上述距离观测概率值集合和上述航向角观测概率值集合，生成综合观测概率值集合；第四生成单元，被配置成基于上述第一定位点和上述第二定位点，生成路段转换概率值集合；路径匹配单元，被配置成对上述综合观测概率值集合和上述路段转换概率值集合进行路径匹配处理，以确定目标匹配路径信息。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的车辆轨迹地图匹配方法对车辆轨迹与电子地图进行匹配，实现了车辆的轨迹与电子地图的路网匹配一致的效果。具体来说，造成车辆的轨迹难以与电子地图的路网匹配一致的原因在于：定位器对复杂路网结构的定位精度较低，复杂路网结构例如，主辅路交换区间、高架桥交叉遮挡路段、复杂路口等，将定位器获取的位置信息作为地图匹配的依据，对车辆轨迹和电子地图进行匹配通常存在误差。基于此，本公开的一些实施例的车辆轨迹地图匹配方法，首先，可以每隔预定时间段对目标车辆的位置信息进行采集，以确定第一定位点和第二定位点，其中，上述第一定位点和上述第二定位点是坐标点。由此，可以将目标车辆的实际位置信息映射到电子地图上，为后续各项概率的确定提供基础。然后，可以获取上述目标车辆的车辆航向角信息和多个相关路段的航向角信息。由此，可以将航向角信息作为地图匹配的参考依据，增加了地图匹配的可信度。之后，可以确定上述第一定位点在多个相关路段上的投影点，得到投影点集合；并基于上述第一定位点和上述投影点集合，生成距离观测概率值集合。由此，所生成的距离观测概率值可以作为地图匹配的一个观测量。接着，可以基于上述车辆航向角信息和上述多个相关路段的航向角信息，生成航向角观测概率值集合。由此，所生成的航向角观测概率值可以作为地图匹配的另一个观测量。基于上述距离观测概率值集合和上述航向角观测概率值集合，生成综合观测概率值集合。将两个观测量进行整理合并，得到综合观测概率值。综合观测概率值可以更加准确的反映观测量的概率分布。之后，可以基于上述第一定位点和上述第二定位点，生成路段转换概率值集合。可以通过两个定位点，确定两点之间的直线距离和所有可能的路线距离，从而，根据直线距离和所有可能的路线距离，确定每个路段的转换概率值，作为状态量。最后，可以对上述综合观测概率值集合和上述路段转换概率值集合进行路径匹配处理，以确定目标匹配路径信息。由此，在对于复杂的路网结构时，例如，主辅路交换区间、高架桥交叉遮挡路段、复杂路口等，可以将位置信息和航向角信息共同作为地图匹配的依据，降低了车辆轨迹匹配与电子地图的路网匹配时的误差，从而，实现了车辆的轨迹与电子地图的路网匹配一致。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的车辆轨迹地图匹配方法的一个应用场景的示意图；
图2是根据本公开的车辆轨迹地图匹配方法的一些实施例的流程图；
图3是根据本公开的定位点和相关路段的一个应用场景的示意图；
图4是根据本公开的车辆轨迹地图匹配装置的一些实施例的结构示意图；
图5是根据本公开的车辆轨迹地图匹配方法的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的一些实施例的车辆轨迹地图匹配方法的一个应用场景的示意图100。
在图1的应用场景中，首先，计算设备101可以每隔预定时间段对目标车辆的位置信息102进行采集，以确定第一定位点103和第二定位点104，其中，上述第一定位点103和上述第二定位点104是坐标点。然后，计算设备101可以获取上述目标车辆的车辆航向角信息105和多个相关路段的航向角信息106。之后，计算设备101可以确定上述第一定位点103在上述多个相关路段上的投影点，得到投影点集合107。接着，计算设备101可以基于上述第一定位点103和上述投影点集合107，生成距离观测概率值集合108。而后，计算设备101可以基于上述车辆航向角信息105和上述多个相关路段的航向角信息106，生成航向角观测概率值集合109。之后，计算设备101可以基于上述距离观测概率值集合108和上述航向角观测概率值集合109，生成综合观测概率值集合110。而后，计算设备101可以基于上述第一定位点103和上述第二定位点104，生成路段转换概率值集合111。最后，计算设备101可以对上述综合观测概率值集合110和上述路段转换概率值集合111进行路径匹配处理，以确定目标匹配路径信息112。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
继续参考图2，示出了根据本公开的车辆轨迹地图匹配方法的一些实施例的流程200。该车辆轨迹地图匹配方法，包括以下步骤：
步骤201，每隔预定时间段对目标车辆的位置信息进行采集，以确定第一定位点和第二定位点。
在一些实施例中，车辆轨迹地图匹配方法的执行主体（如图1所示的计算设备101）可以通过有线连接方式或者无线连接方式每隔预定时间段对目标车辆的位置信息进行采集，以确定第一定位点和第二定位点。其中，上述第一定位点和上述第二定位点是坐标点。上述目标车辆的位置信息可以通过车载定位器获取。车载定位器例如，GPS（GlobalPositioning System，全球定位系统）和GNSS（Global Navigation Satellite System，全球导航卫星系统）等等。车载定位器获取的位置信息的噪声可以是符合标准高斯分布的。上述执行主体可以每隔预定时间段对车载定位器获取的位置信息进行采集，得到目标车辆的位置信息，然后将所得到的位置信息映射到电子地图上，得到第一定位点和第二定位点。上述第一定位点和第二定位点的数量可以是一个或者多个。
步骤202，获取目标车辆的车辆航向角信息和多个相关路段的航向角信息。
在一些实施例中，上述执行主体可以通过有线连接方式或者无线连接方式获取上述目标车辆的车辆航向角信息和多个相关路段的航向角信息。其中，目标车辆的航向角信息可以是目标车辆在行驶过程中车头所指向的方向与正北方向的夹角。相关路段可以是与第一定位点和第二定位点相关的路段。相关路段可以根据第一定位点或第二定位点到路段的最短距离小于预定阈值来判断。相关路段的航向角信息可以是相关路段的方向与正北方向的夹角。航向角信息可以通过组合导航系统获取，然后上述组合导航系统再将航向角信息发送至上述执行主体。上述组合导航系统可以是由轮速传感器、惯性传感器和智能相机等组成的系统。
图3根据本公开的定位点和相关路段的一个应用场景的示意图。
作为示例，上述预定阈值可以是100。参考图3，当第一定位点到路段1和路段3的距离小于100米时，可以认为路段1和路段3是第一定位点的相关路段。即目标车辆从第一定位点出发后，可能会行驶到路段1或路段3。当第二定位点到路段2和路段3的距离小于100米时，可以认为路段2和路段3是第二定位点的相关路段。即目标车辆从第二定位点出发后，可能会行驶到路段2或路段3。
步骤203，确定第一定位点在多个相关路段上的投影点，得到投影点集合。
在一些实施例中，上述执行主体可以确定上述第一定位点在多个相关路段上的投影点，得到投影点集合。其中，上述投影点集合中的投影点可以是相关路段上的某个点。上述投影点集合中的投影点可以用电子地图中的坐标点来表示。该点可以满足第一定位点到相关路段上该点的距离最短。上述执行主体可以将第一定位点映射到电子地图上的相关路段上，从而，得到投影点集合。
步骤204，基于第一定位点和投影点集合，生成距离观测概率值集合。
在一些实施例中，上述执行主体可以基于上述第一定位点和上述投影点集合，生成距离观测概率值集合。其中，上述距离观测概率值集合中的距离观测概率值可以是上述第一定位点到投影点集合中的某个投影点的概率值。
可选地，上述执行主体可以基于上述第一定位点和上述投影点集合，通过以下公式，生成距离观测概率值集合：
Figure 826745DEST_PATH_IMAGE001
。
其中，
Figure 164186DEST_PATH_IMAGE002
表示上述距离观测概率值集合中第
Figure 463449DEST_PATH_IMAGE003
个距离观测概率值。
Figure 1877DEST_PATH_IMAGE004
表示上述第一定位点。
Figure 153635DEST_PATH_IMAGE005
表示条件概率中的条件，即目标车辆行驶在第
Figure 170133DEST_PATH_IMAGE003
个相关路段上。
Figure 589482DEST_PATH_IMAGE003
表示序号。
Figure 33233DEST_PATH_IMAGE006
表示圆周率。
Figure 937866DEST_PATH_IMAGE007
表示预设的距离观测量标准差。
Figure 617109DEST_PATH_IMAGE008
表示自然底数。
Figure 641697DEST_PATH_IMAGE009
表示上述投影点集合中的投影点。
Figure 240037DEST_PATH_IMAGE010
表示上述第一定位点在第
Figure 350076DEST_PATH_IMAGE003
个相关路段上的投影点。
Figure 567430DEST_PATH_IMAGE011
表示上述距离观测概率值集合。
Figure 197257DEST_PATH_IMAGE012
表示多个相关路段中相关路段的数量。
可选地，上述执行主体基于第一定位点和投影点集合，生成距离观测概率值集合，可以包括以下步骤：
第一步，基于上述第一定位点、上述投影点集合、预设的距离观测量标准差，生成距离幂值集合。
第二步，基于圆周率和上述预设的距离观测量标准差，生成距离系数。
第三步，基于上述距离幂值集合、上述距离系数和自然底数，生成距离观测概率值集合。
步骤205，基于车辆航向角信息和多个相关路段的航向角信息，生成航向角观测概率值集合。
在一些实施例中，上述执行主体可以基于上述车辆航向角信息和上述多个相关路段的航向角信息，生成航向角观测概率值集合。其中，上述航向角观测概率值集合中的航向角观测概率值可以是上述车辆航向角信息与上述多个相关路段的航向角信息中某个相关路段的航向角信息趋于一致的概率值。目标车辆的航向角的概率分布可以符合标准高斯分布。
可选地，上述执行主体可以基于上述车辆航向角信息和上述多个相关路段的航向角信息，通过以下公式，生成航向角观测概率值集合：
Figure 841865DEST_PATH_IMAGE013
。
其中，
Figure 439200DEST_PATH_IMAGE014
表示上述航向角观测概率值集合中第
Figure 319300DEST_PATH_IMAGE003
个航向角观测概率值。
Figure 177534DEST_PATH_IMAGE015
表示上述车辆航向角信息。
Figure 868410DEST_PATH_IMAGE005
表示条件概率中的条件，即目标车辆行驶在第
Figure 812095DEST_PATH_IMAGE003
个相关路段上。
Figure 274649DEST_PATH_IMAGE003
表示序号。
Figure 862756DEST_PATH_IMAGE006
表示圆周率。
Figure 114746DEST_PATH_IMAGE016
表示预设的航向角观测量标准差。
Figure 935940DEST_PATH_IMAGE008
表示自然底数。
Figure 174155DEST_PATH_IMAGE017
表示上述多个相关路段的航向角信息中的相关路段的航向角信息。
Figure 741402DEST_PATH_IMAGE018
表示上述多个相关路段的航向角信息中的第
Figure 790392DEST_PATH_IMAGE003
个相关路段的航向角信息。
Figure 584036DEST_PATH_IMAGE019
表示上述航向角观测概率值集合。
Figure 484996DEST_PATH_IMAGE012
表示多个相关路段中相关路段的数量。
可选地，上述执行主体基于上述车辆航向角信息和上述多个相关路段的航向角信息，生成航向角观测概率值集合，可以包括以下步骤：
第一步，基于上述车辆航向角信息、上述多个相关路段的航向角信息、预设的航向角观测量标准差，生成航向角幂值集合。
第二步，基于圆周率和上述预设的航向角观测量标准差，生成航向角系数。
第三步，基于上述航向角幂值集合、上述航向角系数和自然底数，生成航向角观测概率值集合。
步骤206，基于距离观测概率值集合和航向角观测概率值集合，生成综合观测概率值集合。
在一些实施例中，上述执行主体可以基于上述距离观测概率值集合和上述航向角观测概率值集合，生成综合观测概率值集合。
可选地，上述执行主体可以基于上述距离观测概率值集合和上述航向角观测概率值集合，通过以下公式，生成综合观测概率值集合：
Figure 562542DEST_PATH_IMAGE020
。
其中，
Figure 766121DEST_PATH_IMAGE021
表示上述综合观测概率值集合中第
Figure 906116DEST_PATH_IMAGE003
个综合观测概率值。
Figure 236865DEST_PATH_IMAGE022
表示上述综合观测概率值集合中的综合观测概率值。
Figure 778705DEST_PATH_IMAGE003
表示序号。
Figure 418765DEST_PATH_IMAGE023
表示第
Figure 170689DEST_PATH_IMAGE003
个相关路段对应的函数取最小值时的求参数函数。
Figure 413451DEST_PATH_IMAGE004
表示上述第一定位点。
Figure 216322DEST_PATH_IMAGE009
表示上述投影点集合中的投影点。
Figure 886338DEST_PATH_IMAGE010
表示上述第一定位点在第
Figure 361444DEST_PATH_IMAGE003
个相关路段上的投影点。
Figure 407897DEST_PATH_IMAGE007
表示预设的距离观测量标准差。
Figure 65275DEST_PATH_IMAGE015
表示上述车辆航向角信息。
Figure 30826DEST_PATH_IMAGE017
表示上述多个相关路段的航向角信息中的相关路段的航向角信息。
Figure 632708DEST_PATH_IMAGE018
表示上述多个相关路段的航向角信息中的第
Figure 92640DEST_PATH_IMAGE003
个相关路段的航向角信息。
Figure 463578DEST_PATH_IMAGE016
表示预设的航向角观测量标准差。
Figure 367074DEST_PATH_IMAGE012
表示多个相关路段中相关路段的数量。
上述公式可以通过以下公式推导得到：
Figure 331619DEST_PATH_IMAGE024
。
其中，
Figure 719875DEST_PATH_IMAGE021
表示上述综合观测概率值集合中第
Figure 601113DEST_PATH_IMAGE003
个综合观测概率值。
Figure 659198DEST_PATH_IMAGE022
表示上述综合观测概率值集合中的综合观测概率值。
Figure 970094DEST_PATH_IMAGE003
表示序号。
Figure 522560DEST_PATH_IMAGE025
表示第
Figure 133670DEST_PATH_IMAGE003
个相关路段对应的函数取最大值时的求参数函数。
Figure 362657DEST_PATH_IMAGE002
表示上述距离观测概率值集合中第
Figure 160849DEST_PATH_IMAGE003
个距离观测概率值。
Figure 281121DEST_PATH_IMAGE023
表示第
Figure 356524DEST_PATH_IMAGE003
个相关路段对应的函数取最小值时的求参数函数。
Figure 881046DEST_PATH_IMAGE004
表示上述第一定位点。
Figure 792633DEST_PATH_IMAGE005
表示条件概率中的条件，即目标车辆行驶在第
Figure 591962DEST_PATH_IMAGE003
个相关路段上。
Figure 521872DEST_PATH_IMAGE014
表示上述航向角观测概率值集合中第
Figure 217295DEST_PATH_IMAGE003
个航向角观测概率值。
Figure 114713DEST_PATH_IMAGE015
表示上述车辆航向角信息。
Figure 327519DEST_PATH_IMAGE006
表示圆周率。
Figure 236570DEST_PATH_IMAGE007
表示预设的距离观测量标准差。
Figure 994572DEST_PATH_IMAGE008
表示自然底数。
Figure 254652DEST_PATH_IMAGE009
表示上述投影点集合中的投影点。
Figure 271150DEST_PATH_IMAGE010
表示上述第一定位点在第
Figure 956078DEST_PATH_IMAGE003
个相关路段的投影点。
Figure 399829DEST_PATH_IMAGE016
表示预设的航向角观测量标准差。
Figure 496006DEST_PATH_IMAGE017
表示上述多个相关路段的航向角信息中的相关路段的航向角信息。
Figure 175249DEST_PATH_IMAGE018
表示上述多个相关路段的航向角信息中的第
Figure 199836DEST_PATH_IMAGE003
个相关路段的航向角信息。
可选地，上述执行主体基于上述距离观测概率值集合和上述航向角观测概率值集合，可以通过以下步骤，生成综合观测概率值集合：
对上述距离观测概率值集合和上述航向角观测概率值集合进行求积处理，得到综合观测概率值集合。
上述步骤206作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“在确定观测量的概率时，难以综合考虑各个观测量之间的关系和各个观测量的影响因素，使得所确定的观测量概率不准确，从而，使得地图匹配的精度和准确度较低”。导致地图匹配的精度和准确度较低的因素往往如下：在确定观测量的概率时，难以综合考虑各个观测量之间的关系和各个观测量的影响因素，使得所确定的观测量概率不准确。如果解决了上述因素，就能达到提高地图匹配的精度和准确度的效果。为了达到这一效果，首先，引入了距离观测量和航向角观测量，相对于以往的只将距离观测量作为地图匹配的观测量，由于在实际中，车辆在行驶过程中航向角的变化一般不会太剧烈，因此，可以将航向角观测量也作为地图匹配的依据。将距离观测量和航向角观测量的乘积作为地图匹配的整体观测量，增加了地图匹配观测量的可信度。由于位置信息的噪声和目标车辆的航向角都符合标准高斯分布，可以引入预设的距离观测量标准差和预设的航向角观测量标准差，分别作为定位点差值和航向角差值的分母。由此，在确定观测量的概率时，综合考虑了各个观测量之间的关系和各个观测量的影响因素，使得所确定的观测量概率较为准确，从而，提高了地图匹配的精度和准确度。
步骤207，基于第一定位点和第二定位点，生成路段转换概率值集合。
在一些实施例中，上述执行主体可以基于上述第一定位点和上述第二定位点，生成路段转换概率值集合。其中，上述路段转换概率值集合中的路段转换概率值可以是目标车辆从上述第一定位点到上述第二定位点之间进行路段转换的概率值。
可选地，上述执行主体可以基于上述第一定位点和上述第二定位点，通过以下步骤，生成路段转换概率值集合：
第一步，获取上述目标车辆当前可行驶路段的路径距离和可转换路段的路径距离，得到当前路径距离集合和转换路径距离集合。其中，上述当前路径距离集合中的当前路径距离可以是目标车辆从第一定位点到相关路段，并在相关路段上行驶到转换路段时，在相关路段上所行驶的距离。上述转换路径距离集合中的转换路径距离可以是目标车辆到达第二定位点时，在转换路段上所行驶的距离。
第二步，基于上述第一定位点、上述第二定位点、上述当前路径距离集合和上述转换路径距离集合，可以利用以下公式，生成路段转换概率值集合：
Figure 798177DEST_PATH_IMAGE026
。
其中，
Figure 767270DEST_PATH_IMAGE027
表示上述第一定位点向上述第二定位点的路段转换情况。
Figure 125570DEST_PATH_IMAGE028
表示上述第一定位点向上述第二定位点的路段转换情况中的第
Figure 863719DEST_PATH_IMAGE029
种路段转换情况。
Figure 134426DEST_PATH_IMAGE029
表示序号。
Figure 731760DEST_PATH_IMAGE004
表示上述第一定位点。
Figure 487226DEST_PATH_IMAGE030
表示上述第二定位点。
Figure 470095DEST_PATH_IMAGE031
表示上述第一定位点到上述第二定位点之间的直线距离。
Figure 20025DEST_PATH_IMAGE032
表示上述当前路径距离集合中的当前路径距离。
Figure 104656DEST_PATH_IMAGE033
表示上述转换路径距离集合中的转换路径距离。
Figure 663813DEST_PATH_IMAGE034
表示序号。
Figure 2653DEST_PATH_IMAGE034
的取值范围为
Figure 130009DEST_PATH_IMAGE035
。
Figure 295411DEST_PATH_IMAGE036
表示上述当前路径距离集合中当前路径距离的数量。
Figure 782893DEST_PATH_IMAGE037
表示序号。
Figure 756665DEST_PATH_IMAGE037
的取值范围为
Figure 179556DEST_PATH_IMAGE038
。
Figure 458353DEST_PATH_IMAGE039
表示上述转换路径距离集合中转换路径距离的数量。
Figure 359313DEST_PATH_IMAGE040
。
Figure 187591DEST_PATH_IMAGE041
表示上述当前路径距离集合中的第
Figure 640438DEST_PATH_IMAGE034
个当前路径距离。
Figure 46012DEST_PATH_IMAGE042
表示上述转换路径距离集合中的第
Figure 360450DEST_PATH_IMAGE037
个转换路径距离。
Figure 902290DEST_PATH_IMAGE043
表示上述第一定位点到上述第二定位点之间的第
Figure 293082DEST_PATH_IMAGE029
个路线距离。
Figure 795739DEST_PATH_IMAGE044
表示上述路段转换概率值集合中的第
Figure 38501DEST_PATH_IMAGE029
个路段转换概率值。
Figure 559481DEST_PATH_IMAGE045
表示预设概率密度参数。
Figure 495076DEST_PATH_IMAGE008
表示自然底数。
Figure 485029DEST_PATH_IMAGE046
表示上述路段转换概率值集合。
Figure 531482DEST_PATH_IMAGE047
表示上述路段转换概率值集合中路段转换概率值的数量。
Figure 408434DEST_PATH_IMAGE048
表示求范数。
可选地，上述执行主体基于上述第一定位点和上述第二定位点，生成路段转换概率值集合，可以包括以下步骤：
第一步，获取上述目标车辆当前可行驶路段的路径距离和可转换路段的路径距离，得到当前路径距离集合和转换路径距离集合。
第二步，基于上述第一定位点、上述第二定位点、预设概率密度参数、上述当前路径距离集合和上述转换路径距离集合，生成路段转换概率值集合。
步骤208，对综合观测概率值集合和路段转换概率值集合进行路径匹配处理，以确定目标匹配路径信息。
在一些实施例中，上述执行主体对上述综合观测概率值集合和上述路段转换概率值集合进行路径匹配处理，以确定目标匹配路径信息，可以包括以下步骤：
第一步，将上述综合观测概率值集合转换为观测概率值矩阵。
第二步，将上述路段转换概率值集合转换为转换概率值矩阵。
第三步，对上述观测概率值矩阵和上述转换概率值矩阵进行求积处理，得到预测值矩阵。
第四步，将上述预测值矩阵中最大的预测值确定为目标预测值。
第五步，将上述目标预测值所对应的路径信息确定为目标匹配路径信息。其中，上述执行主体可以确定每条路线包括的各个路段的概率。将各个路段的概率的和最大的路线作为目标匹配路径信息。各个路段的概率是目标车辆将会选择行驶的概率。每条路线包括多个路段。上述执行主体也可以利用维特比算法确定目标匹配路径信息。
可选地，上述执行主体还可以将上述目标匹配路径信息发送至上述目标车辆的车载终端，以供上述车载终端将上述目标匹配路径信息显示在显示屏上。因此，目标车辆的驾驶员可以在显示屏中所显示的路网图中，准确的确定当前车辆所处的位置。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的车辆轨迹地图匹配方法对车辆轨迹与电子地图进行匹配，实现了车辆的轨迹与电子地图的路网匹配一致的效果。具体来说，造成车辆的轨迹难以与电子地图的路网匹配一致的原因在于：定位器对复杂路网结构的定位精度较低，复杂路网结构例如，主辅路交换区间、高架桥交叉遮挡路段、复杂路口等，将定位器获取的位置信息作为地图匹配的依据，对车辆轨迹和电子地图进行匹配通常存在误差。基于此，本公开的一些实施例的车辆轨迹地图匹配方法，首先，可以每隔预定时间段对目标车辆的位置信息进行采集，以确定第一定位点和第二定位点，其中，上述第一定位点和上述第二定位点是坐标点。由此，可以将目标车辆的实际位置信息映射到电子地图上，为后续各项概率的确定提供基础。然后，可以获取上述目标车辆的车辆航向角信息和多个相关路段的航向角信息。由此，可以将航向角信息作为地图匹配的参考依据，增加了地图匹配的可信度。之后，可以确定上述第一定位点在多个相关路段上的投影点，得到投影点集合；并基于上述第一定位点和上述投影点集合，生成距离观测概率值集合。由此，所生成的距离观测概率值可以作为地图匹配的一个观测量。接着，可以基于上述车辆航向角信息和上述多个相关路段的航向角信息，生成航向角观测概率值集合。由此，所生成的航向角观测概率值可以作为地图匹配的另一个观测量。基于上述距离观测概率值集合和上述航向角观测概率值集合，生成综合观测概率值集合。将两个观测量进行整理合并，得到综合观测概率值。综合观测概率值可以更加准确的反映观测量的概率分布。之后，可以基于上述第一定位点和上述第二定位点，生成路段转换概率值集合。可以通过两个定位点，确定两点之间的直线距离和所有可能的路线距离，从而，根据直线距离和所有可能的路线距离，确定每个路段的转换概率值，作为状态量。最后，可以对上述综合观测概率值集合和上述路段转换概率值集合进行路径匹配处理，以确定目标匹配路径信息。由此，在对于复杂的路网结构时，例如，主辅路交换区间、高架桥交叉遮挡路段、复杂路口等，可以将位置信息和航向角信息共同作为地图匹配的依据，降低了车辆轨迹匹配与电子地图的路网匹配时的误差，从而，实现了车辆的轨迹与电子地图的路网匹配一致。
进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种车辆轨迹地图匹配装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，一些实施例的车辆轨迹地图匹配装置400包括：采集单元401、获取单元402、确定单元403、第一生成单元404、第二生成单元405、第三生成单元406、第四生成单元407和路径匹配单元408。其中，采集单元401，被配置成每隔预定时间段对目标车辆的位置信息进行采集，以确定第一定位点和第二定位点，其中，上述第一定位点和上述第二定位点是坐标点；获取单元402，被配置成获取上述目标车辆的车辆航向角信息和多个相关路段的航向角信息；确定单元403，被配置成确定上述第一定位点在多个相关路段上的投影点，得到投影点集合；第一生成单元404，被配置成基于上述第一定位点和上述投影点集合，生成距离观测概率值集合；第二生成单元405，被配置成基于上述车辆航向角信息和上述多个相关路段的航向角信息，生成航向角观测概率值集合；第三生成单元406，被配置成基于上述距离观测概率值集合和上述航向角观测概率值集合，生成综合观测概率值集合；第四生成单元407，被配置成基于上述第一定位点和上述第二定位点，生成路段转换概率值集合；路径匹配单元408，被配置成对上述综合观测概率值集合和上述路段转换概率值集合进行路径匹配处理，以确定目标匹配路径信息。
可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。
下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备（例如，图1中的计算设备101）500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500可以包括处理装置（例如中央处理器、图形处理器等）501，其可以根据存储在只读存储器（ROM）502中的程序或者从存储装置508加载到随机访问存储器（RAM）503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出（I/O）接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：每隔预定时间段对目标车辆的位置信息进行采集，以确定第一定位点和第二定位点，其中，上述第一定位点和上述第二定位点是坐标点；获取上述目标车辆的车辆航向角信息和多个相关路段的航向角信息；确定上述第一定位点在多个相关路段上的投影点，得到投影点集合；基于上述第一定位点和上述投影点集合，生成距离观测概率值集合；基于上述车辆航向角信息和上述多个相关路段的航向角信息，生成航向角观测概率值集合；基于上述距离观测概率值集合和上述航向角观测概率值集合，生成综合观测概率值集合；基于上述第一定位点和上述第二定位点，生成路段转换概率值集合；对上述综合观测概率值集合和上述路段转换概率值集合进行路径匹配处理，以确定目标匹配路径信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括采集单元、获取单元、确定单元、第一生成单元、第二生成单元、第三生成单元、第四生成单元和路径匹配单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，控制单元还可以被描述为“每隔预定时间段对目标车辆的位置信息进行采集，以确定第一定位点和第二定位点的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种车辆轨迹地图匹配方法，包括：
每隔预定时间段对目标车辆的位置信息进行采集，以确定第一定位点和第二定位点，其中，所述第一定位点和所述第二定位点是坐标点；
获取所述目标车辆的车辆航向角信息和多个相关路段的航向角信息；
确定所述第一定位点在多个相关路段上的投影点，得到投影点集合；
基于所述第一定位点和所述投影点集合，生成距离观测概率值集合；
基于所述车辆航向角信息和所述多个相关路段的航向角信息，生成航向角观测概率值集合；
基于所述距离观测概率值集合和所述航向角观测概率值集合，生成综合观测概率值集合；
基于所述第一定位点和所述第二定位点，生成路段转换概率值集合；
对所述综合观测概率值集合和所述路段转换概率值集合进行路径匹配处理，以确定目标匹配路径信息。
2.根据权利要求1所述的方法，其中，所述方法还包括：
将所述目标匹配路径信息发送至所述目标车辆的车载终端，以供所述车载终端将所述目标匹配路径信息显示在显示屏上。
3.根据权利要求2所述的方法，其中，所述基于所述第一定位点和所述投影点集合，生成距离观测概率值集合，包括：
基于所述第一定位点、所述投影点集合、预设的距离观测量标准差，生成距离幂值集合；
基于圆周率和所述预设的距离观测量标准差，生成距离系数；
基于所述距离幂值集合、所述距离系数和自然底数，生成距离观测概率值集合。
4.根据权利要求3所述的方法，其中，所述基于所述车辆航向角信息和所述多个相关路段的航向角信息，生成航向角观测概率值集合，包括：
基于所述车辆航向角信息、所述多个相关路段的航向角信息、预设的航向角观测量标准差，生成航向角幂值集合；
基于圆周率和所述预设的航向角观测量标准差，生成航向角系数；
基于所述航向角幂值集合、所述航向角系数和自然底数，生成航向角观测概率值集合。
5.根据权利要求4所述的方法，其中，所述基于所述距离观测概率值集合和所述航向角观测概率值集合，生成综合观测概率值集合，包括：
对所述距离观测概率值集合和所述航向角观测概率值集合进行求积处理，得到综合观测概率值集合。
6.根据权利要求5所述的方法，其中，所述基于所述第一定位点和所述第二定位点，生成路段转换概率值集合，包括：
获取所述目标车辆当前可行驶路段的路径距离和可转换路段的路径距离，得到当前路径距离集合和转换路径距离集合；
基于所述第一定位点、所述第二定位点、预设概率密度参数、所述当前路径距离集合和所述转换路径距离集合，生成路段转换概率值集合。
7.根据权利要求6所述的方法，其中，所述对所述综合观测概率值集合和所述路段转换概率值集合进行路径匹配处理，以确定目标匹配路径信息，包括：
将所述综合观测概率值集合转换为观测概率值矩阵；
将所述路段转换概率值集合转换为转换概率值矩阵；
对所述观测概率值矩阵和所述转换概率值矩阵进行求积处理，得到预测值矩阵；
将所述预测值矩阵中最大的预测值确定为目标预测值；
将所述目标预测值所对应的路径信息确定为目标匹配路径信息。
8.一种车辆轨迹地图匹配装置，包括：
采集单元，被配置成每隔预定时间段对目标车辆的位置信息进行采集，以确定第一定位点和第二定位点，其中，所述第一定位点和所述第二定位点是坐标点；
获取单元，被配置成获取所述目标车辆的车辆航向角信息和多个相关路段的航向角信息；
确定单元，被配置成确定所述第一定位点在多个相关路段上的投影点，得到投影点集合；
第一生成单元，被配置成基于所述第一定位点和所述投影点集合，生成距离观测概率值集合；
第二生成单元，被配置成基于所述车辆航向角信息和所述多个相关路段的航向角信息，生成航向角观测概率值集合；
第三生成单元，被配置成基于所述距离观测概率值集合和所述航向角观测概率值集合，生成综合观测概率值集合；
第四生成单元，被配置成基于所述第一定位点和所述第二定位点，生成路段转换概率值集合；
路径匹配单元，被配置成对所述综合观测概率值集合和所述路段转换概率值集合进行路径匹配处理，以确定目标匹配路径信息。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN202111536651.9A 2021-12-16 2021-12-16 车辆轨迹地图匹配方法、装置、设备和计算机可读介质 Active CN113934775B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111536651.9A CN113934775B (zh) 2021-12-16 2021-12-16 车辆轨迹地图匹配方法、装置、设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111536651.9A CN113934775B (zh) 2021-12-16 2021-12-16 车辆轨迹地图匹配方法、装置、设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN113934775A true CN113934775A (zh) 2022-01-14
CN113934775B CN113934775B (zh) 2022-05-20

Family

ID=79289054

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111536651.9A Active CN113934775B (zh) 2021-12-16 2021-12-16 车辆轨迹地图匹配方法、装置、设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN113934775B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115824234A (zh) * 2023-02-23 2023-03-21 智道网联科技(北京)有限公司 地图匹配方法、装置及电子设备
CN115900638A (zh) * 2023-01-19 2023-04-04 禾多科技（北京）有限公司 障碍物航向角信息生成方法、装置、电子设备和可读介质
CN116086453A (zh) * 2022-12-12 2023-05-09 无锡恺韵来机器人有限公司 一种基于概率优化计算的惯导和地图组合定位方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090174600A1 (en) * 2008-01-03 2009-07-09 Commscope, Inc. Of North Carolina System and method for determining the geographic location of a device
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
US20200208992A1 (en) * 2019-01-02 2020-07-02 Here Global B.V. Supervised point map matcher
CN111475591A (zh) * 2019-01-24 2020-07-31 阿里巴巴集团控股有限公司 一种用于兴趣点采集的道路关联方法及设备
CN113191550A (zh) * 2021-04-29 2021-07-30 北京百度网讯科技有限公司 地图匹配方法及装置
CN113587944A (zh) * 2021-06-24 2021-11-02 深圳市跨越新科技有限公司 准实时的车辆行驶路线生成方法、系统及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090174600A1 (en) * 2008-01-03 2009-07-09 Commscope, Inc. Of North Carolina System and method for determining the geographic location of a device
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
US20200208992A1 (en) * 2019-01-02 2020-07-02 Here Global B.V. Supervised point map matcher
CN111475591A (zh) * 2019-01-24 2020-07-31 阿里巴巴集团控股有限公司 一种用于兴趣点采集的道路关联方法及设备
CN113191550A (zh) * 2021-04-29 2021-07-30 北京百度网讯科技有限公司 地图匹配方法及装置
CN113587944A (zh) * 2021-06-24 2021-11-02 深圳市跨越新科技有限公司 准实时的车辆行驶路线生成方法、系统及设备

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116086453A (zh) * 2022-12-12 2023-05-09 无锡恺韵来机器人有限公司 一种基于概率优化计算的惯导和地图组合定位方法
CN116086453B (zh) * 2022-12-12 2024-03-12 运来智能装备(无锡)有限公司 一种基于概率优化计算的惯导和地图组合定位方法
CN115900638A (zh) * 2023-01-19 2023-04-04 禾多科技（北京）有限公司 障碍物航向角信息生成方法、装置、电子设备和可读介质
CN115900638B (zh) * 2023-01-19 2023-05-23 禾多科技（北京）有限公司 障碍物航向角信息生成方法、装置、电子设备和可读介质
CN115824234A (zh) * 2023-02-23 2023-03-21 智道网联科技(北京)有限公司 地图匹配方法、装置及电子设备
CN115824234B (zh) * 2023-02-23 2023-06-02 智道网联科技(北京)有限公司 地图匹配方法、装置及电子设备

Also Published As

Publication number Publication date
CN113934775B (zh) 2022-05-20

Similar Documents

Publication Publication Date Title
CN113934775B (zh) 车辆轨迹地图匹配方法、装置、设备和计算机可读介质
CN109215372B (zh) 路网信息更新方法、装置及设备
CN112598762B (zh) 三维车道线信息生成方法、装置、电子设备和介质
CN113345228A (zh) 基于拟合轨迹的行驶数据的生成方法、装置、设备及介质
CN112328731B (zh) 车辆车道级定位方法、装置、电子设备和计算机可读介质
CN109143304B (zh) 用于确定无人驾驶车辆位姿的方法和装置
CN112561990B (zh) 定位信息生成方法、装置、设备和计算机可读介质
CN113190613A (zh) 车辆路线信息显示方法、装置、电子设备和可读介质
CN110726414B (zh) 用于输出信息的方法和装置
CN112598731B (zh) 车辆定位方法、装置、电子设备和计算机可读介质
CN116740382B (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN112590929A (zh) 自动驾驶车辆方向盘的校正方法、装置、电子设备和介质
CN115542277B (zh) 一种雷达法线标定方法、装置、系统、设备和存储介质
CN112013864A (zh) 远程启动车辆导航的方法、装置、设备及存储介质
CN111897904A (zh) 用于确定船舶是否进入台风圈的方法、装置、电子设备
CN112373471B (zh) 用于控制车辆行驶的方法、装置、电子设备和可读介质
CN112595330B (zh) 车辆定位方法、装置、电子设备和计算机可读介质
CN113327264B (zh) 轨迹拟合方法、装置、设备及存储介质
CN113008246B (zh) 地图匹配方法和装置
CN112597174B (zh) 地图更新方法、装置、电子设备和计算机可读介质
CN111897903A (zh) 船舶位置预测方法、装置、电子设备和计算机可读介质
CN115824233B (zh) 行驶道路信息匹配方法、装置、设备和计算机可读介质
CN112596691B (zh) 信息推送方法、装置、电子设备和计算机可读介质
CN115310728B (zh) 泊车路线生成方法、装置、设备和计算机可读介质
CN108509635B (zh) 用于生成信息的方法和装置

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Vehicle track map matching method, device, equipment and computer-readable medium

Effective date of registration: 20230228

Granted publication date: 20220520

Pledgee: Bank of Shanghai Co.,Ltd. Beijing Branch

Pledgor: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd.

Registration number: Y2023980033668

PE01 Entry into force of the registration of the contract for pledge of patent right
CP03 Change of name, title or address

Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806

Patentee after: Heduo Technology (Guangzhou) Co.,Ltd.

Address before: 100099 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing

Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd.

CP03 Change of name, title or address