CN114708731B - 路网匹配方法、装置与系统 - Google Patents

路网匹配方法、装置与系统 Download PDF

Info

Publication number
CN114708731B
CN114708731B CN202210360365.XA CN202210360365A CN114708731B CN 114708731 B CN114708731 B CN 114708731B CN 202210360365 A CN202210360365 A CN 202210360365A CN 114708731 B CN114708731 B CN 114708731B
Authority
CN
China
Prior art keywords
base station
road
road network
signaling
candidate road
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.)
Active
Application number
CN202210360365.XA
Other languages
English (en)
Other versions
CN114708731A (zh
Inventor
李永军
戴培
马荣叶
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.)
Jiangsu Xinwang Video Signal Software Technology Co ltd
Original Assignee
Jiangsu Xinwang Video Signal Software 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 Jiangsu Xinwang Video Signal Software Technology Co ltd filed Critical Jiangsu Xinwang Video Signal Software Technology Co ltd
Priority to CN202210360365.XA priority Critical patent/CN114708731B/zh
Publication of CN114708731A publication Critical patent/CN114708731A/zh
Application granted granted Critical
Publication of CN114708731B publication Critical patent/CN114708731B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Analytical Chemistry (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种基于手机信令的路网匹配方法、装置与系统，包括：获取目标区域的移动基站数据、路网数据以及移动蜂窝网络信令数据，并对移动蜂窝网络信令数据按用户进行聚合后根据信令事件发生时间进行排序，生成采样轨迹；构建基站的初始候选路段集合；基于离线选择与在线选择的融合，确定候选路段。利于本发明的基于手机信令的路网匹配方法，可针对使用移动终端提供的手机信令数据进行路网匹配时易发生异常掉头和绕路问题，提高匹配的候选路径与实际真实路径的拟合度，优化异常掉头和绕路问题。

Description

路网匹配方法、装置与系统
技术领域
本发明涉及城市智能交通技术领域，具体而言涉及路网匹配方法，尤其是一种可解决异常掉头和绕路现象的路网匹配方法。
背景技术
路网匹配设计基于位置服务中的关键预处理步骤，通常是将GPS轨迹点匹配到实际路网上，再以此为基础对数据进行分析和挖掘，能够辅助解决城市计算中的相关问题，例如建立智能交通系统，辅助用户进行导航和规划出行。
但是随着城市交通的快速发展，城市交通基础设施不断增加，道路、公交、私家车等数据爆发式增长等因素导致获取和处理车辆位置信息的成本和计算量不断提高，而手机信令属于通信技术的附属产物，再利用费用非常低，其在时间、空间上具有GPS数据无法比拟的覆盖广度和覆盖强度，在位置服务能力方面具有更大的渗透性和可用性，具有综合应用到城市交通和城市服务的多个领域，尤其是位置服务，例如基于手机信令数据的路网匹配。
目前常见的路网匹配算法主要有基于几何分析、基于拓扑结构分析以及使用更为复杂数学理论的地图匹配算法，例如DS证据理论、基于时序空间分析的等，然而以上方法仅考虑理论可行性，在实际操作中未考虑到计算效率，使大多方法只能在线下发挥作用且耗时长久。
同时，在实际测试和使用过程中，由于基站的覆盖范围在300米及以上，导致信令定位的精度较差，误差达到数米以上，因此，对于双向道路的两旁布置的基站来说，基站的相邻两个位置采样点会大概率分布于双向道路的两侧，这样使得离基站距离较近的基站同侧方向的路段被选择的概率变大，从而出现迂回调头的问题。另外，当基站处于道路交叉口时，由于基站服务交叉的所有道路，会出现路段选择错误导致的异常绕路问题。
现有技术：
专利文献1：CN108091134A一种基于手机信令位置轨迹数据的通用数据集生成方法
发明内容
本发明目的在于针对使用移动终端提供的手机信令数据进行路网匹配时易发生异常掉头和绕路问题，提出一种实现在线路网匹配的方法，并提高匹配的候选路径与实际真实路径的拟合度。
为实现上述目的，本发明的第一方面提出一种基于手机信令的路网匹配方法，包括：
步骤1、获取目标区域的移动基站数据、路网数据以及移动蜂窝网络信令数据，对移动蜂窝网络信令数据按用户进行聚合后根据信令事件发生时间进行排序，生成采样轨迹；
步骤2、基于基站位置作为Key，构建出每个基站的初始候选路段集合；
步骤3、基于离线选择与在线选择的融合，确定候选路段，其中：
离线选择处理：基于前述构建的基站路段Hash索引以及观测概率，分析每个基站的初始候选路段集合中路段间的拓扑关系，并且依照预设的规则确定每个基站的候选路段集合；
在线选择处理：在实际路网匹配的过程中，以离线选择确定的每个基站的候选路段集合为基础，对于某一采样轨迹的相邻采样点，计算相邻采样点的位置关系，并选择与采样位置变化方向一致的候选路段作为采样轨迹的路网匹配结果。
其中，上述步骤2中，以基站信号所覆盖的平面区域内的路段作为该基站位置的候选路段进行预计算，获得基站路段Hash索引和观测概率，从而构建出每个基站的初始候选路段集合。
作为可选的方式，构建每个基站的初始候选路段集合的方法包括以下步骤：
步骤2.1、根据移动基站数据，将基站的位置点集合记为B，路网数据中所有节点的集合记为N；其中，集合B中的每个位置点Bi以及集合N中的每个位置点Ni均以经纬度(lng,lat)来标示；遍历集合B和集合N中的每个位置点，对每个位置点的经纬度进行预设位数的GeoHash地理编码；
步骤2.2、遍历集合B中的每个位置点Bi的GeoHash地理编码，计算以每个位置点Bi的GeoHash地理编码为网格中心的GeoHash九宫格编码，获得集合B对应的GeoHash九宫格编码集合BG，集合BG中的每个子集合BGi表示以每个位置点Bi的GeoHash地理编码为网格中心的GeoHash九宫格编码；
步骤2.3、遍历集合BG和集合N，将集合N中属于每个BG的GeoHash网格内的路段集合，作为集合B中对应的基站的初始候选路段；
步骤2.4、基于距离误差分布的概率密度函数，计算集合B中每个基站的初始候选路段的观测概率；最后，整合每个基站的初始候选路段及其观测概率。
其中，作为可选的方式，所述步骤2.4中，假定基站的位置与其所服务的设备的真实位置之间的距离误差分布符合正态分布，通过实际路测采集基站对应的移动终端信令轨迹和实际真实轨迹的样本，然后利用最大似然估计MLE进行正态分布概率密度函数的标准差参数σ和均值参数μ的点估计，基于估计出的标准差参数σ和均值参数μ，确定正态分布概率密度函数作为基于距离误差分布的概率密度函数。
其中，作为可选的方式，所述路网匹配方法还包括对保留的向量的绕路惩罚处理，获得优化后的候选路段输出，具体包括以下过程：
首先，计算相邻采样点Pi和Pi+1的欧式距离d与其某一对候选路段之间的最短路径的长度w的比值，记为delta，即delta＝d/w；
然后，基于设定的距离比阈值范围alpha，判断delta是否处于alpha范围内：
如果delta处于alpha范围之内，则取delta的值作为转移概率；如果delta处于alpha范围之外，则以delta的值为基础，进行固定比例缩放后作为转移概率，以减少利用Viterbi算法求解全局概率最大路径时被选中的概率。
本发明的第二方面还提出一种基于手机信令的路网匹配装置，包括：
用于获取目标区域的移动基站数据、路网数据以及移动蜂窝网络信令数据的第一模块，其包括用于对移动蜂窝网络信令数据按用户进行聚合后根据信令事件发生时间进行排序，生成采样轨迹的信令轨迹处理模块；
用于基于基站位置作为Key，构建出每个基站的初始候选路段集合的第二模块；
用于基于离线选择与在线选择的融合，确定候选路段的第三模块，其包括：
离线选择处理模块，用于根据构建的基站路段Hash索引以及观测概率，分析每个基站的初始候选路段集合中路段间的拓扑关系，并且依照预设的规则确定每个基站的候选路段集合；
在线选择处理模块，用于在实际路网匹配的过程中，以离线选择确定的每个基站的候选路段集合为基础，对于某一采样轨迹的相邻采样点，计算相邻采样点的位置关系，并选择与采样位置变化方向一致的候选路段作为采样轨迹的路网匹配结果。
本发明的第三方面还提出一种基于手机信令的路网匹配系统，包括：
一个或多个处理器；
存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括前述的路网匹配方法的流程。
本发明的第四方面还提出一种存储软件的计算机可读介质，所述软件包括能通过一个或多个计算机执行的指令，所述指令通过这样的执行使得所述一个或多个计算机执行操作，所述操作包括前述的路网匹配方法的流程。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1是根据本发明示例性实施例的路网匹配方法的流程示意图。
图2是根据本发明另一个示例性实施例的路网匹配方法的流程示意图。
图3是根据本发明图2示例的路网匹配方法对候选路段进行绕路惩罚处理的示意图。
图4是根据本发明示例性实施例的一个信令采样轨迹的示意图，其中相邻的t2和t3两个采样点位置分列道路不同方向的两侧。
图5是对图4示例的信令采样轨迹根据本发明的路网匹配方法匹配后的输出结果示意图。
图6是根据本发明示例性实施例的另一个信令采样轨迹的示意图，其中采样点t5对应的基站位置处于临近道路交叉的位置。
图7是对图6示例的信令采样轨迹根据本发明的路网匹配方法匹配后的输出结果示意图。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
结合图1所示实施例的基于手机信令的路网匹配方法，旨在针对低采样率信令数据的前提下，解决路网匹配时容易异常掉头和异常绕路的问题，一方面通过基站与路段索引离线预构建和候选路段在线选择的结合，使其能够满足城市范围内移动终端用户的实时在线计算进行路网匹配输出，另一方面通过修改路段选择，考察相邻采样位置的关系，选择与采样位置变化方向一致的候选路段对作为输出，提高匹配路径与真实路径拟合度，解决异常掉头和绕路的问题。
在另一些实施例中，由于利用Viterbi算法求解全局概率最大路径时，会累计全局所有相邻候选路段的概率以得到路径的概率，并最后排序取最大概率的路径，本发明实施例的路网匹配方法还通过增加绕路惩罚处理，剔除低贡献度采样点，以减少最后利用Viterbi求解全局概率最大路径时被选中的概率，在选择全局最优路径时抛弃转移概率被以固定比例缩小的候选路段，从而选择到正确的匹配路径，使得匹配路径与真实路径拟合度进一步提高，优化异常掉头和绕路问题。
路网匹配方法
结合图1的示例的路网匹配方法，其实现过程包括以下步骤：
步骤1、获取目标区域的移动基站数据、路网数据以及移动蜂窝网络信令数据，对移动蜂窝网络信令数据按用户进行聚合后根据信令事件发生时间进行排序，生成采样轨迹；
步骤2、基于基站位置作为Key，构建出每个基站的初始候选路段集合；
步骤3、基于离线选择与在线选择的融合，确定候选路段，其中：
离线选择处理：基于前述构建的基站路段Hash索引以及观测概率，分析每个基站的初始候选路段集合中路段间的拓扑关系，并且依照预设的规则确定每个基站的候选路段集合；
在线选择处理：在实际路网匹配的过程中，以离线选择确定的每个基站的候选路段集合为基础，对于某一采样轨迹的相邻采样点，计算相邻采样点的位置关系，并选择与采样位置变化方向一致的候选路段作为采样轨迹的路网匹配结果。
下面我们结合具体的示例，更加具体的阐述上述过程的实施。
在S101步骤中，获取目标区域的移动基站数据、路网数据以及移动蜂窝网络信令数据。
作为可选的实施例，目标区域是指进行路网匹配的目标区域，例如针对某个城市范围内的区域，通常这样的区域是以行政区划的地理位置来划分的。
移动基站数据，包括移动基站的编号以及地理位置数据，其地理位置数据一般以经纬度来表示。在另外的实施例中，移动基站数据还可以被设置进一步以一定规则进行分类，例如依据行政区划或者基站类型(地上宏站、室内微站、专用基站等)
移动蜂窝网络信令数据，是指通过基站作为AP接入到蜂窝网络的移动终端，其在发生通话、短信或移动位置等事件时，被运营商的通信基站所捕获并记录同一用户信令轨迹所产生的数据。这些事件被称为信令事件，所产生的信令数据的空间分辨率为基站，时间分辨率可精确到秒。
在本发明的实施例中使用的信令数据，包括时间和位置属性的字段信息，以时间的先后顺序进行先后排序形成的轨迹，即为信令轨迹，在本发明的实施例中，作为对移动终端对应的用户的采样轨迹，其中的每个信令数据的采样点，作为一个信令轨迹点。
前述移动终端通常是具有处理器、显示器和无线网络模块(例如支持3G、4G和/或5G网络的模块)的智能通信终端。
在S102步骤中，对移动蜂窝网络信令数据按用户进行聚合后根据信令事件发生时间进行排序，生成采样轨迹。
在本发明的实施例中，在获取到移动蜂窝网络信令数据的基础上，以用户为基准进行聚合分类，对于其中任意一个用户的信令数据，再按照信令事件发生的时间进行排序，生成该用户的信令轨迹，即为采样轨迹。信令轨迹为信令轨迹点集合，记为集合Pcid，其表示为：
Pcid＝{(P1,T1),(P2,T3),(P3,T3)…(Pn,Tn)},其中Pi表示Ti时刻的基站的经纬度坐标，i表示获得的信令数据的序号，n表示获取到的某一个用户的移动终端的信令数据的总数量。
在S103步骤中，以基站位置作为Key，构建出每个基站的初始候选路段集合。
在具体的实施例中，在步骤S103中，构建出基站路段索引。
相对于GPS的位置采样点随机性，每个基站的位置是相对固定不变，所以信令数据中基于基站服务小区采样的轨迹位置点也是固定的。因此，在本发明的实施例中，以基站的固定位置为Key，以基站所覆盖的平面区域内的路段作为该基站位置的候选路段进行预计算，获得基站路段Hash索引和观测概率，从而构建出每个基站的初始候选路段集合。
作为可选的例子，基站所覆盖的平面区域的范围，以城市范围内的服务范围为例，以基站的位置为圆心，半径为500m的圆形覆盖范围。
作为可选的实施例，以基站信号所覆盖的平面区域内的路段作为该基站位置的候选路段进行预计算，获得基站的路段Hash索引和观测概率，从而构建出每个基站的初始候选路段集合，包括以下过程：
步骤2.1、根据移动基站数据，即基站的位置数据，将基站的位置点集合记为B，将路网数据中所有节点的集合记为N；其中，集合B中的每个位置点Bi以及集合N中的每个位置点Ni均以经纬度(lng,lat)来标示；遍历集合B和集合N中的每个位置点，对每个位置点的经纬度进行预设位数的GeoHash地理编码；本实施例中考虑定位精度和计算效率，对每个位置点的经纬度进行7位数的GeoHash地理编码；
步骤2.2、遍历集合B中的每个位置点Bi的GeoHash地理编码，计算以每个位置点Bi的GeoHash地理编码为网格中心的GeoHash九宫格编码，获得集合B对应的GeoHash九宫格编码集合BG，集合BG中的每个子集合BGi表示以每个位置点Bi的GeoHash地理编码为网格中心的GeoHash九宫格编码；本实施例中，计算九宫格网格的GeoHash编码采用先计算各个矩形网格中心点经纬度然后再进行重新GeoHash编码；
步骤2.3、遍历集合BG和集合N，将集合N中属于每个BG的GeoHash网格内的路段集合，作为集合B中对应的基站的初始候选路段；
步骤2.4、基于距离误差分布的概率密度函数，计算集合B中每个基站的初始候选路段的观测概率；最后，整合每个基站的初始候选路段及其观测概率输出。
在本发明的实施例中，采用GeoHash算法进行基站候选路段的预处理，并根据基于距离误差分布的概率密度函数来计算出候选路段的观测概率，最终整合每个基站的候选路段(即覆盖路段)及其观测概率形成索引数据，作为初始候选路段集合。
其中，作为可选的示例，在步骤2.4中，假定基站的位置与其所服务的设备的真实位置之间的距离误差分布符合正态分布，通过实际路测采集基站对应的移动终端信令轨迹和实际真实轨迹的样本，然后利用最大似然估计MLE进行正态分布概率密度函数的标准差参数σ和均值参数μ的点估计，基于估计出的标准差参数σ和均值参数μ，确定正态分布概率密度函数作为基于距离误差分布的概率密度函数。
由于基站覆盖范围广，所以在路段密度高的城区区域的候选路段数量相较GPS的位置采样的候选路段数量会多出一个数量级，而传统的基于HMM的全局路网匹配算法的时间复杂度随候选路段数量是指数级增长，在计算效率上难以满足在线计算的需求。因此，在S104步骤中，本发明的路网品匹配方法通过离线选择处理和在线选择处理的融合，实现路网候选路段的筛选输出。
离线选择处理过程包括：基于前述构建的基站路段Hash索引以及观测概率，分析每个基站的初始候选路段集合中路段间的拓扑关系，并且依照预设的规则确定每个基站的候选路段集合。
其中，使用的预设的规则包括：同一条路同一通行方向的路段中只取观测概率最大的一个。由此，对于基站位置点集合B中的每个位置点Bi，记其候选路段集合为NBi。
在线选择处理过程包括：在实际路网匹配的过程中，以离线选择确定的每个基站的候选路段集合为基础，对于某一采样轨迹的相邻采样点，计算相邻采样点的位置关系，并选择与采样位置变化方向一致的候选路段作为采样轨迹的路网匹配结果。
在具体的示例中，对于某一采样轨迹T的相邻采样点Pi和Pi+1，基于离线选择而确定的对应的候选路段集合分别为Ci和Ci+1，则按照以下方式确定候选路段：
构建向量<Pi，Pi+1>；
遍历候选路段集合Ci和Ci+1，通过两两组合其中的候选路段的节点，构建向量<Cij，C(i+1)j>，计算向量<Pi，Pi+1>和向量<Cij，C(i+1)j>的夹角θ，如果θ<pi/2，则保留向量<Cij，C(i+1)j>作为候选路段，否则舍弃。
至此，完成路网匹配的筛选过程。
结合图2所示的流程是根据本发明另一个示例性实施例的路网匹配方法的实施，相对于图1所示的实施例的基础上，还通过增加绕路惩罚处理，剔除低贡献度采样点，以减少最后利用Viterbi求解全局概率最大路径时被选中的概率，在选择全局最优路径时抛弃转移概率被以固定比例缩小的候选路段，从而选择到正确的匹配路径，使得匹配路径与真实路径拟合度进一步提高，进一步优化异常掉头和绕路问题。
作为可选的示例，在图1示例的路网匹配方法的基础上，还包括在步骤S105中对保留的向量<Cij，C(i+1)j>的绕路惩罚处理，获得优化后的候选路段输出，具体包括以下过程：
首先，计算相邻采样点Pi和Pi+1的欧式距离d与其某一对候选路段之间的最短路径的长度w的比值，记为delta，即delta＝d/w；
然后，基于设定的距离比阈值范围alpha，判断delta是否处于alpha范围内：
如果delta处于alpha范围之内，则取delta的值作为转移概率；如果delta处于alpha范围之外，则以delta的值为基础，进行固定比例缩放后作为转移概率，以减少利用Viterbi算法求解全局概率最大路径时被选中的概率。
可选的实施例中，前述设定的距离比阈值范围alpha，其范围为0.5～1.5。
可选的实施例中，对于delta处于alpha范围之外的情况下，固定比例为千分之一，即对delta取其千分之一作为最终的转移概率。
例如结合图3所示，对于相邻的两个采样点Pa和Pb，Pa的候选路段包括Ca1,Ca2；Pb的候选路段包括Cb1,Cb2。
Pa和Pb候选路段之间计算的delta如下(矩阵)：
<![CDATA[P<sub>a</sub>-&gt;P<sub>b</sub>]]> <![CDATA[C<sub>a1</sub>]]> <![CDATA[C<sub>a2</sub>]]>
<![CDATA[C<sub>b1</sub>]]> 0.2 0.75
<![CDATA[C<sub>b2</sub>]]> 1.6 0.85
经过转移概率的缩放之后，得到的真实的转移概率如下矩阵(矩阵)：
<![CDATA[P<sub>a</sub>-&gt;P<sub>b</sub>]]> <![CDATA[C<sub>a1</sub>]]> <![CDATA[C<sub>a2</sub>]]>
<![CDATA[C<sub>b1</sub>]]> 0.0002 0.75
<![CDATA[C<sub>b2</sub>]]> 0.0016 0.85
由于利用Viterbi算法求解全局概率最大路径时，会累计全局所有相邻候选路段的概率以得到路径的概率并最后排序取最大概率的路径，因此，在上述示例中在经过转移概率缩放后Ca1路段到Pb的其他候选路段的概率被缩小，在选择全局最优路径时相比Ca2则会被抛弃，从而选择到正确的匹配路径，提高匹配路径与真实路径的拟合度，进一步优化异常掉头和绕路问题。
结合图4所示是某用户的一段信令采样轨迹的示意，按时间顺序产生了四个基站位置采样点(t1,t2,t3,t4)，其中相邻的t2和t3两个采样点位置分列道路不同方向的两侧，所以按照传统方式选择的候选路段也处于不同方向的道路上，导致匹配的结果出现了迂回调头的异常现象。
图5是采用上述图2所示实施例的路网匹配方法进行优化处理的结果，获得的匹配路径结果与用户在两个采样点之间的实际路径比对一致。
结图6所示是某用户另一段信令采样轨迹的示意，按时间顺序产生了七个基站位置采样点(t1,t2,t3,t4,t5,t6,t7)其中采样点t5对应的基站位置处于临近道路交叉的位置。由于t5的基站处于临近道路交叉的位置，所以候选路段选择发生错误，导致匹配的结果出现了绕路的现象。
图7是采用上述图2所示实施例的路网匹配方法进行优化处理的结果，获得的匹配路径结果与用户在两个采样点之间的实际路径比对一致。
路网匹配装置
根据本发明公开的实施例，还提出一种基于手机信令的路网匹配装置，包括：
用于获取目标区域的移动基站数据、路网数据以及移动蜂窝网络信令数据的第一模块，其包括用于对移动蜂窝网络信令数据按用户进行聚合后根据信令事件发生时间进行排序，生成采样轨迹的信令轨迹处理模块；
用于基于基站位置作为Key，构建出每个基站的初始候选路段集合的第二模块；
用于基于离线选择与在线选择的融合，确定候选路段的第三模块，其包括：
离线选择处理模块，用于根据构建的基站路段Hash索引以及观测概率，分析每个基站的初始候选路段集合中路段间的拓扑关系，并且依照预设的规则确定每个基站的候选路段集合；
在线选择处理模块，用于在实际路网匹配的过程中，以离线选择确定的每个基站的候选路段集合为基础，对于某一采样轨迹的相邻采样点，计算相邻采样点的位置关系，并选择与采样位置变化方向一致的候选路段作为采样轨迹的路网匹配结果。
其中，在可选的实施例中，前述的路网匹配装置还包括：
绕路惩罚处理模块，用于对第三模块的在线选择处理模块输出的候选路段进行优化处理，获得优化后的候选路段输出，具体优化处理包括以下过程：
首先，计算相邻采样点Pi和Pi+1的欧式距离d与其某一对候选路段之间的最短路径的长度w的比值，记为delta，即delta＝d/w；
然后，基于设定的距离比阈值范围alpha，判断delta是否处于alpha范围内：
如果delta是否处于alpha范围之内，则取delta的值作为转移概率；如果delta处于alpha范围之外，则delta的值对其转移概率进行固定比例缩放，以减少利用Viterbi算法求解全局概率最大路径时被选中的概率。
应当理解，前述的第一模块、第二模块、第三模块的实现，可基于前述路网匹配方法的过程，将其对应执行的操作过程进行指令化，生成可被计算机系统执行处理的指令集，在这些指令集被调用时，执行对应的操作流程。
基于手机信令的路网匹配系统
根据本发明公开的实施例，还提出一种基于手机信令的路网匹配系统，包括：
一个或多个处理器；
存储器，存储可被操作的指令，前述指令在通过前述一个或多个处理器执行时使得前述一个或多个处理器执行操作，前述操作包括如前述任意一项实施例的路网匹配方法的流程。
该实施例提出的基于手机信令的路网匹配系统，尤其是被设置成以计算机系统的形式实现。
以计算机系统为例，该计算机系统可以是至少一个包括处理器和存储器的电子处理设备，例如PC电脑，不论是个人用PC电脑、商用PC电脑，或者图形处理用PC电脑、服务器级PC电脑。这些PC电脑通过具有数据接口和/或网络接口，实现有线和/或无线的数据传输，尤其是图像数据。
在另一些实施例，该基于手机信令的路网匹配系统还可以是服务器的形式实现，例如本地部署的服务器，或者云服务器，具有数据存储、处理以及网络通讯功能。
作为一个示例的计算机系统包括由系统总线连接的处理器或者处理器阵列、存储器和网络接口。网络接口用于计算机协调接入到网络中，以实现外部数据通信。
处理器，例如基于ARM或者X86架构的处理器单元，用于提供系统的计算和控制功能。
存储器，例如非易失性存储器以及缓存存储器，尤其是，缓存存储器与前述的一个或者处理器集成。
非易失性存储器通常具有海量存储能力，可以存储操作系统以及计算机程序，这些计算机程序可以包括可被操作的指令，这些指令在通过一个或多个处理器执行时使得一个或多个处理器能够执行本发明实施例的路网匹配方法的操作。
缓存存储器用于系统内高速数据交换，实现临时性的快速数据交换与调用，并且先于非易失性存储器与处理器的交换数据。
在可选的实施例中，在需要或者合理的实现方式中，计算机系统，不论是PC设备或者服务器，还可以包括相对于前述描述的示例中更多或者更少的部件，或者组合，或者采用不同的硬件、软件等不同部件或者不同的部署方式。
计算机可读介质
根据本发明公开的实施例，还提出一种存储软件的计算机可读介质，前述软件包括能通过一个或多个计算机执行的指令，前述指令通过这样的执行使得前述一个或多个计算机执行操作，前述操作包括执行前述实施例的路网匹配方法的流程。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (10)

1.一种基于手机信令的路网匹配方法，其特征在于，包括：
步骤1、获取目标区域的移动基站数据、路网数据以及移动蜂窝网络信令数据，并对移动蜂窝网络信令数据按用户进行聚合后根据信令事件发生时间进行排序，生成采样轨迹；
步骤2、依据基站位置作为Key，构建出每个基站的初始候选路段集合，具体为：以基站信号所覆盖的平面区域内的路段作为该基站位置的候选路段进行预计算，获得基站路段Hash索引和观测概率，从而构建出每个基站的初始候选路段集合；
步骤3、基于离线选择与在线选择的融合，确定候选路段，其中：
离线选择处理：基于获得的基站路段Hash索引和观测概率，分析每个基站的初始候选路段集合中路段间的拓扑关系，并且依照预设的规则确定每个基站的候选路段集合；
在线选择处理：在实际路网匹配的过程中，以离线选择确定的每个基站的候选路段集合为基础，对于某一采样轨迹的相邻采样点，计算相邻采样点的位置关系，并选择与采样位置变化方向一致的候选路段作为采样轨迹的路网匹配结果；
其中，所述步骤2的处理包括以下步骤2.1至2.4的过程，具体包括：
步骤2.1、根据移动基站数据，将基站的位置点集合记为B，路网数据中所有节点的集合记为N；其中，集合B中的每个位置点Bi以及集合N中的每个位置点Ni均以经纬度(lng,lat)来标示；遍历集合B和集合N中的每个位置点，对每个位置点的经纬度进行预设位数的GeoHash地理编码；
步骤2.2、遍历集合B中的每个位置点Bi的GeoHash地理编码，计算以每个位置点Bi的GeoHash地理编码为网格中心的GeoHash九宫格编码，获得集合B对应的GeoHash九宫格编码集合BG，集合BG中的每个子集合BGi表示以每个位置点Bi的GeoHash地理编码为网格中心的GeoHash九宫格编码；
步骤2.3、遍历集合BG和集合N，将集合N中属于每个BG的GeoHash网格内的路段集合，作为集合B中对应的基站的初始候选路段；
步骤2.4、基于距离误差分布的概率密度函数，计算集合B中每个基站的初始候选路段的观测概率；最后，整合每个基站的初始候选路段及其观测概率；
并且所述步骤3中，在离线选择处理过程中使用的预设的规则是指：同一条路同一通行方向的路段中只取观测概率最大的一个，由此，对于基站位置点集合B中的每个位置点Bi，记其候选路段集合为NBi。
2.根据权利要求1所述的基于手机信令的路网匹配方法，其特征在于，所述步骤1中，所述采样轨迹为依据用户聚合后的信令轨迹点集合Pcid：
Pcid＝{(P1,T1),(P2,T3),(P3,T3)…(Pn,Tn)},其中Pi表示Ti时刻的基站的经纬度坐标，i表示获得的信令数据的序号，n表示用户的移动终端上报的信令数据的总数量。
3.根据权利要求1所述的基于手机信令的路网匹配方法，其特征在于，所述步骤2.4中，假定基站的位置与其所服务的设备的真实位置之间的距离误差分布符合正态分布，通过实际路测采集基站对应的移动终端信令轨迹和实际真实轨迹的样本，然后利用最大似然估计MLE进行正态分布概率密度函数的标准差参数σ和均值参数μ的点估计，基于估计出的标准差参数σ和均值参数μ，确定正态分布概率密度函数作为基于距离误差分布的概率密度函数。
4.根据权利要求1所述的基于手机信令的路网匹配方法，其特征在于，在所述步骤3的在线选择处理过程中，对于某一采样轨迹T的相邻采样点Pi和Pi+1，基于离线选择而确定的对应的候选路段集合分别为Ci和Ci+1，则按照以下方式确定候选路段：
构建向量<Pi，Pi+1>；
遍历候选路段集合Ci和Ci+1，通过两两组合其中的候选路段的节点，构建向量<Cij，C(i+1)j>，计算向量<Pi，Pi+1>和向量<Cij，C(i+1)j>的夹角θ，如果θ<pi/2，则保留向量<Cij，C(i+1)j>作为候选路段，否则舍弃。
5.根据权利要求1-4中任意一项所述的基于手机信令的路网匹配方法，其特征在于，所述路网匹配方法，还包括对保留的向量<Cij，C(i+1)j>的绕路惩罚处理，获得优化后的候选路段输出，具体包括以下过程：
首先，计算相邻采样点Pi和Pi+1的欧式距离d与其某一对候选路段之间的最短路径的长度w的比值，记为delta，即delta＝d/w；
然后，基于设定的距离比阈值范围alpha，判断delta是否处于alpha范围内：
如果delta处于alpha范围之内，则取delta的值作为转移概率；
如果delta处于alpha范围之外，则delta的值对其转移概率进行固定比例缩放，以减少利用Viterbi算法求解全局概率最大路径时被选中的概率。
6.根据权利要求5所述的基于手机信令的路网匹配方法，其特征在于，所述设定的距离比阈值范围alpha，其范围为0.5～1.5。
7.一种基于手机信令的路网匹配装置，其特征在于，包括：
用于获取目标区域的移动基站数据、路网数据以及移动蜂窝网络信令数据的第一模块，其包括用于对移动蜂窝网络信令数据按用户进行聚合后根据信令事件发生时间进行排序，生成采样轨迹的信令轨迹处理模块；
用于依据基站位置作为Key，构建出每个基站的初始候选路段集合的第二模块，该所述第二模块以基站信号所覆盖的平面区域内的路段作为该基站位置的候选路段进行预计算，获得基站路段Hash索引和观测概率，从而构建出每个基站的初始候选路段集合；
用于基于离线选择与在线选择的融合，确定候选路段的第三模块，其包括：
离线选择处理模块，用于基于获得的基站路段Hash索引和观测概率，分析每个基站的初始候选路段集合中路段间的拓扑关系，并且依照预设的规则确定每个基站的候选路段集合；
在线选择处理模块，用于在实际路网匹配的过程中，以离线选择确定的每个基站的候选路段集合为基础，对于某一采样轨迹的相邻采样点，计算相邻采样点的位置关系，并选择与采样位置变化方向一致的候选路段作为采样轨迹的路网匹配结果；
其中，所述第二模块被设置成按照以下步骤2.1至2.4的过程构建出每个基站的初始候选路段集合：
步骤2.1、根据移动基站数据，将基站的位置点集合记为B，路网数据中所有节点的集合记为N；其中，集合B中的每个位置点Bi以及集合N中的每个位置点Ni均以经纬度(lng,lat)来标示；遍历集合B和集合N中的每个位置点，对每个位置点的经纬度进行预设位数的GeoHash地理编码；
步骤2.2、遍历集合B中的每个位置点Bi的GeoHash地理编码，计算以每个位置点Bi的GeoHash地理编码为网格中心的GeoHash九宫格编码，获得集合B对应的GeoHash九宫格编码集合BG，集合BG中的每个子集合BGi表示以每个位置点Bi的GeoHash地理编码为网格中心的GeoHash九宫格编码；
步骤2.3、遍历集合BG和集合N，将集合N中属于每个BG的GeoHash网格内的路段集合，作为集合B中对应的基站的初始候选路段；
步骤2.4、基于距离误差分布的概率密度函数，计算集合B中每个基站的初始候选路段的观测概率；最后，整合每个基站的初始候选路段及其观测概率；
其中，在所述离线选择处理模块使用的预设的规则是指：同一条路同一通行方向的路段中只取观测概率最大的一个，由此，对于基站位置点集合B中的每个位置点Bi，记其候选路段集合为NBi。
8.根据权利要求7所述的基于手机信令的路网匹配装置，其特征在于，所述路网匹配装置还包括：
绕路惩罚处理模块，用于对第三模块的在线选择处理模块输出的候选路段进行优化处理，获得优化后的候选路段输出，具体优化处理包括以下过程：
首先，计算相邻采样点Pi和Pi+1的欧式距离d与其某一对候选路段之间的最短路径的长度w的比值，记为delta，即delta＝d/w；
然后，基于设定的距离比阈值范围alpha，判断delta是否处于alpha范围内：
如果delta处于alpha范围之内，则取delta的值作为转移概率；如果delta处于alpha范围之外，则以delta的值为基础，进行固定比例缩放后作为转移概率，以减少利用Viterbi算法求解全局概率最大路径时被选中的概率。
9.一种基于手机信令的路网匹配系统，其特征在于，包括：
一个或多个处理器；
存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括如权利要求1-6中任意一项所述的路网匹配方法的流程。
10.一种存储软件的计算机可读介质，其特征在于，所述软件包括能通过一个或多个计算机执行的指令，所述指令通过这样的执行使得所述一个或多个计算机执行操作，所述操作包括如权利要求1-6中任意一项所述的路网匹配方法的流程。
CN202210360365.XA 2022-04-06 2022-04-06 路网匹配方法、装置与系统 Active CN114708731B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210360365.XA CN114708731B (zh) 2022-04-06 2022-04-06 路网匹配方法、装置与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210360365.XA CN114708731B (zh) 2022-04-06 2022-04-06 路网匹配方法、装置与系统

Publications (2)

Publication Number Publication Date
CN114708731A CN114708731A (zh) 2022-07-05
CN114708731B true CN114708731B (zh) 2023-04-14

Family

ID=82172932

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210360365.XA Active CN114708731B (zh) 2022-04-06 2022-04-06 路网匹配方法、装置与系统

Country Status (1)

Country Link
CN (1) CN114708731B (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9635505B2 (en) * 2015-04-29 2017-04-25 Viavi Solutions Uk Limited Techniques for mobile network geolocation
CN104900059B (zh) * 2015-05-26 2017-04-12 大连理工大学 一种增强手机基站定位精度的方法
CN106781478B (zh) * 2016-12-23 2020-08-14 大连理工大学 一种基于lte信令数据的轨迹跟踪方法
CN106912018B (zh) * 2017-02-28 2020-06-12 上海讯飞瑞元信息技术有限公司 基于信令轨迹的地图匹配方法及系统
CN107133700A (zh) * 2017-05-12 2017-09-05 西南交通大学 基于R*‑tree索引的手机信令数据路网匹配方法
CN108900978B (zh) * 2018-08-06 2020-12-04 北京交通大学 一种基于移动终端信令数据的城市主干道路连接方法
CN109710714A (zh) * 2018-12-21 2019-05-03 西安交通大学 一种隐马尔可夫模型改进的路网匹配方法
CN112399348B (zh) * 2019-08-15 2022-07-01 中移(苏州)软件技术有限公司 一种移动轨迹的确定方法及装置、存储介质
CN111368881B (zh) * 2020-02-19 2023-10-03 浙江工业大学 基于多维数据融合分析的低频gps轨迹路网匹配方法

Also Published As

Publication number Publication date
CN114708731A (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
CN106912018B (zh) 基于信令轨迹的地图匹配方法及系统
CN109635989B (zh) 一种基于多源异构数据融合的社交网络链路预测方法
CN108519094B (zh) 局部路径规划方法及云处理端
Goh et al. Online map-matching based on hidden markov model for real-time traffic sensing applications
CN111189459A (zh) 一种定位信息与道路匹配的方法和装置
CN110418285A (zh) 一种无线电地图的建立方法及装置
CN108280463B (zh) 车辆搭载无人机双层路径的优化方法及装置
CN110598917B (zh) 一种基于路径轨迹的目的地预测方法、系统及存储介质
CN110413855B (zh) 一种基于出租车下客点的区域出入口动态提取方法
CN112399348B (zh) 一种移动轨迹的确定方法及装置、存储介质
CN109710714A (zh) 一种隐马尔可夫模型改进的路网匹配方法
CN113485429A (zh) 空地协同交通巡检的路径优化方法和装置
Lai et al. Optimized large-scale road sensing through crowdsourced vehicles
CN114708731B (zh) 路网匹配方法、装置与系统
Lai et al. Data-driven flexible vehicle scheduling and route optimization
de Sousa et al. A map matching based framework to reconstruct vehicular trajectories from gps datasets
CN115686070B (zh) 配电/输电线路无人机自主巡线路径规划方法
CN112351394A (zh) 一种基于手机信令数据的交通出行模型构建方法
CN114237265B (zh) 最优日常巡检路线的规划方法、系统、计算机及存储介质
CN114664104B (zh) 一种路网匹配方法和装置
CN111405464A (zh) 基站位置检测方法及装置
CN111221827A (zh) 基于图形处理器的数据库表连接方法、装置、计算机设备和存储介质
CN110688775A (zh) 一种城市交通网络中的交通瓶颈识别方法
CN114238533A (zh) 用户通勤路径规划方法、装置、计算机设备及存储介质
Nie et al. Joint access point fuzzy rough set reduction and multisource information fusion for indoor Wi-Fi positioning

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