CN116753965A - 地图匹配方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了地图匹配方法、装置、电子设备及存储介质，涉及机器学习、数据分析以及电子地图等人工智能领域。其中的方法可包括：获取待处理定位点对应的候选路段，组成候选路段集，并分别获取各候选路段对应的放射概率以及转移概率；对候选路段集进行优化，包括：响应于确定任一候选路段符合预定的M种优化策略中的至少一种，按照所符合的优化策略对应的惩罚方式，对该候选路段对应的转移概率进行惩罚，惩罚后的转移概率小于惩罚前的转移概率，M为大于一的正整数；根据优化后的候选路段集中的各候选路段对应的放射概率以及转移概率，确定出待处理定位点的地图匹配结果。应用本公开所述方案，可提升地图匹配结果的准确性等。

Description

地图匹配方法、装置、电子设备及存储介质

技术领域

本公开涉及人工智能技术领域，特别涉及机器学习、数据分析以及电子地图等领域的地图匹配方法、装置、电子设备及存储介质。

背景技术

地图匹配，是指将车辆在行进中的坐标位置匹配到路网中的合适路段的过程。即针对获取到的各定位点，分别确定出对应的匹配路段(link)等。所述定位点可为全球定位系统(GPS，GlobalPositioningSystem)定位点或无线保真(WIFI，WirelessFidelity)定位点等。

发明内容

本公开提供了地图匹配方法、装置、电子设备及存储介质。

一种地图匹配方法，包括：

获取待处理定位点对应的候选路段，组成候选路段集，并分别获取各候选路段对应的放射概率以及转移概率；

对所述候选路段集进行优化，包括：响应于确定任一候选路段符合预定的M种优化策略中的至少一种，按照所符合的优化策略对应的惩罚方式，对所述候选路段对应的转移概率进行惩罚，惩罚后的转移概率小于惩罚前的转移概率，M为大于一的正整数；

根据优化后的所述候选路段集中的各候选路段对应的放射概率以及转移概率，确定出所述待处理定位点的地图匹配结果。

一种地图匹配装置，包括：获取模块、优化模块以及匹配模块；

所述获取模块，用于获取待处理定位点对应的候选路段，组成候选路段集，并分别获取各候选路段对应的放射概率以及转移概率；

所述优化模块，用于对所述候选路段集进行优化，包括：响应于确定任一候选路段符合预定的M种优化策略中的至少一种，按照所符合的优化策略对应的惩罚方式，对所述候选路段对应的转移概率进行惩罚，惩罚后的转移概率小于惩罚前的转移概率，M为大于一的正整数；

所述匹配模块，用于根据优化后的所述候选路段集中的各候选路段对应的放射概率以及转移概率，确定出所述待处理定位点的地图匹配结果。

一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。

一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。

一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如以上所述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1为本公开所述地图匹配方法实施例的流程图；

图2为本公开所述定位点的示意图；

图3为本公开所述匹配出的轨迹示意图；

图4为本公开所述一种提右后左转情况的示意图；

图5为本公开所述地图匹配装置实施例500的组成结构示意图；

图6示出了可以用来实施本公开的实施例的电子设备600的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

图1为本公开所述地图匹配方法实施例的流程图。如图1所示，包括以下具体实现方式。

在步骤101中，获取待处理定位点对应的候选路段，组成候选路段集，并分别获取各候选路段对应的放射概率以及转移概率。

在步骤102中，对候选路段集进行优化，包括：响应于确定任一候选路段符合预定的M种优化策略中的至少一种，按照所符合的优化策略对应的惩罚方式，对该候选路段对应的转移概率进行惩罚，惩罚后的转移概率小于惩罚前的转移概率，M为大于一的正整数。

在步骤103中，根据优化后的候选路段集中的各候选路段对应的放射概率以及转移概率，确定出待处理定位点的地图匹配结果。

传统方式中，通常采用隐马尔科夫模型(HMM，HiddenMarkovModel)来实现地图匹配，如针对每个定位点，分别获取对应的候选路段，并分别获取各候选路段对应的放射概率以及转移概率，之后根据各候选路段对应的放射概率以及转移概率，通过维特比(Viterbi)算法确定出地图匹配结果。但这种方式的准确性还有待提升，如某些场景下，由于轨迹的漂移或路网的偏移等因素，会导致匹配结果错误。其中，放射概率指定位点对应在路段上的概率，转移概率指从一条路段走到另一条路段的概率。

比如，图2为本公开所述定位点的示意图，图3为本公开所述匹配出的轨迹示意图，即各定位点对应的地图匹配结果组成的轨迹示意图。如图2所示，其中的22～27分别表示一个定位点，由于整条轨迹有向上偏移的趋势，以定位点25为例，由于其很接近白色的路段，因此会导致匹配错误，从而出现图3中的圆圈部分所示的错误轨迹，即出现大角度转角(转弯)。

而采用本公开方法实施例所述方案，可对候选路段的转移概率进行优化，即可对预定的不合理情况下的转移概率进行惩罚，从而提升了转移概率的准确性，进而提升了基于转移概率等确定出的地图匹配结果的准确性。

在实际应用中，可将每个需要处理的定位点分别作为待处理定位点，并分别按照本公开所述方式进行处理。

其中，针对任一待处理定位点，可首先获取对应的候选路段，组成候选路段集，并可分别获取各候选路段对应的放射概率以及转移概率，之后，可对候选路段集进行优化，即针对其中的每个候选路段，分别进行以下处理：若确定该候选路段符合预定的M种优化策略中的至少一种，则按照所符合的优化策略对应的惩罚方式，对该候选路段对应的转移概率进行惩罚，惩罚后的转移概率小于惩罚前的转移概率，若确定该候选路段不符合任一种优化策略，那么则无需对其对应的转移概率进行惩罚。

M的具体取值可根据实际需要而定，优选地，可取值为3，即所述M种优化策略可包括：第一优化策略、第二优化策略以及第三优化策略。

以下分别对如何确定是否符合各优化策略以及各优化策略对应的惩罚方式进行说明。

1)第一优化策略

优选地，针对任一候选路段，确定其符合第一优化策略的方式可包括：对第一参考定位点进行平滑度检测，响应于检测通过且待处理定位点与该候选路段的角度差异大于第一阈值，确定该候选路段符合第一优化策略，第一参考定位点为与待处理定位点相邻的上一个定位点。

也就是说，确定该候选路段符合第一优化策略需要同时满足两个条件，一个是对第一参考定位点进行的平滑度检测通过，另一个是待处理定位点与该候选路段的角度差异大于第一阈值。

按照传统方式，针对每个定位点，可分别获取到其经纬度坐标、速度以及角度等信息，同样地，也可分别获取到各路段的角度等信息。相应地，针对任一候选路段，可确定出待处理定位点与该候选路段之间的角度差异，并可将获取到的角度差异与第一阈值进行比较。第一阈值的具体取值可根据实际需要而定，如10度。

优选地，地图匹配结果中可包括：匹配路段，匹配路段为各候选路段中的一个；所述检测通过可包括：响应于确定同时符合以下四个条件，确定检测通过：第二参考定位点与其匹配路段的角度差异小于第二阈值，第一参考定位点与其匹配路段的角度差异小于第二阈值，第一参考定位点与待处理定位点的角度差异小于第二阈值，第一参考定位点与第二参考定位点的角度差异小于第二阈值，其中，第二参考定位点为与第一参考定位点相邻的上一个定位点。

为便于区分，本公开所述方案中，将待处理定位点的上一个定位点以及上上个定位点分别称为第一参考定位点以及第二参考定位点。比如，定位点1、定位点2、定位点3、......、定位点23、定位点24、定位点25、......等为多个连续的定位点，假设待处理定位点为定位点25，那么第一参考定位点即为定位点24，第二参考定位点即为定位点23。

相应地，若同时符合以下四个条件：定位点23与其匹配路段(定位点23的匹配路段)的角度差异小于第二阈值，定位点24与其匹配路段(定位点24的匹配路段)的角度差异小于第二阈值，定位点24与定位点25的角度差异小于第二阈值，定位点24与定位点23的角度差异小于第二阈值，那么则可确定平滑度检测通过。第二阈值的具体取值也可根据实际需要而定，如2度。

通过上述处理，可高效准确地识别出平滑轨迹中出现的不合理候选路段，相应地，可对其对应的转移概率进行惩罚，以降低该候选路段被匹配到的可能性等。

优选地，按照所符合的优化策略对应的惩罚方式，对该候选路段对应的转移概率进行惩罚的方式可包括：获取待处理定位点与该候选路段的角度差异与第一阈值的第一差值，获取第一差值与预定系数的乘积，并获取1与所述乘积的第二差值，响应于第二差值大于或等于第三阈值，将第二差值作为第一惩罚系数，响应于第二差值小于第三阈值，将第三阈值作为第一惩罚系数，获取第一惩罚系数与该候选路段对应的惩罚前的转移概率的乘积，作为惩罚后的转移概率。

预定系数以及第三阈值的具体取值均可根据实际需要而定，如预定系数可为0.02，第三阈值可为0.05。

即可首先进行以下计算：1-(diff_dir_link_cur-10)*0.02，其中，diff_dir_link_cur表示待处理定位点与该候选路段的角度差异，10表示第一阈值，0.02表示预定系数。

之后可将计算结果与0.05进行比较，若计算结果大于或等于0.05，那么可将计算结果作为第一惩罚系数，否则，可将0.05作为第一惩罚系数。

进一步地，可计算第一惩罚系数与该候选路段对应的惩罚前的转移概率的乘积，从而得到惩罚后的转移概率。

可以看出，上述处理方式中，可结合待处理定位点与该候选路段的角度差异、预定系数以及第三阈值等确定出第一惩罚系数，从而提升了确定结果的准确性，进而提升了对转移概率进行惩罚后的惩罚结果的准确性。

2)第二优化策略

优选地，针对任一候选路段，确定其符合第二优化策略的方式可包括：响应于确定从第一参考定位点的位置到达该候选路段的路径中存在N个角度大于第四阈值的转角，确定该候选路段符合第二优化策略，N为大于一的正整数，第一参考定位点为与待处理定位点相邻的上一个定位点。

第一参考定位点的位置通常是指其真实位置，如通过地图匹配，可确定出其匹配路段，并可确定出其在匹配路段上的位置。

第四阈值的具体取值可根据实际需要而定，如75度。也就是说，若确定从第一参考定位点的位置到达该候选路段的路径中存在两个或更多个大于75度的转角，则可确定该候选路段符合第二优化策略。

优选地，按照所符合的优化策略对应的惩罚方式，对该候选路段对应的转移概率进行惩罚的方式可包括：将该候选路段对应的惩罚前的转移概率与N个第二惩罚系数依次相乘，得到惩罚后的转移概率，第二惩罚系数的取值为预定值。

第二惩罚系数的具体取值可根据实际需要而定，如0.5。假设用x代表惩罚前的转移概率，并假设N的取值为2，那么则可计算x*0.5*0.5，将计算结果作为惩罚后的转移概率。

通过上述处理，可简单方便地识别出对应于大转角的候选路段，并可对其对应的转移概率进行惩罚，即实现大角度转弯惩罚。

3)第三优化策略

优选地，针对任一候选路段，确定其符合第三优化策略的方式可包括：响应于确定该候选路段对应于提右后左转情况，确定该候选路段符合第三优化策略，提右后左转即指经过提右路段之后左转，提右路段即指提前右转路段。

通常来说，车辆进入提右路段之后，接下来会进行右转，而不是进行大角度左转，如图3所示，右转后接下来进入的是左后方，这样通常是不合理的，相应地，可识别出这种情况。

优选地，确定该候选路段对应于提右后左转情况的方式可包括：响应于确定从第一参考定位点的位置到达该候选路段的路径中存在以下情况，确定该候选路段对应于提右后左转情况：与任一提右路段连接的下一路段与该提右路段之间呈左转90度或以上角度，或者，连续两条提右路段之间呈左转75度或以上角度，其中，第一参考定位点为与待处理定位点相邻的上一个定位点。

图4为本公开所述一种提右后左转情况的示意图。如图4所示，其中的每个圆圈分别表示一个定位点，定位点2的匹配路段为路段b，待处理定位点即定位点3的一条候选路段为路段g，从定位点2到路段g的路径上存在路段b、路段c、路段d、路段e、路段f和路段g，假设路段c和路段d为连续两条提右路段，且其之间呈左转75度以上角度，那么则可确定候选路段g对应于提右后左转情况。

优选地，按照所符合的优化策略对应的惩罚方式，对该候选路段对应的转移概率进行惩罚的方式可包括：将该候选路段对应的惩罚前的转移概率与第三惩罚系数相乘，得到惩罚后的转移概率，第三惩罚系数的取值可为预定值。

第三惩罚系数的具体取值可根据实际需要而定，如0.5。

通过上述处理，可简单方便地识别出对应于提右后左转情况的候选路段，并可对其对应的转移概率进行惩罚，即实现提右后左转抑制。

在按照上述方式对候选路段集进行优选之后，可根据优化后的候选路段集中的各候选路段对应的放射概率以及转移概率，确定出待处理定位点的地图匹配结果。比如，可通过Viterbi算法确定出待处理定位点的地图匹配结果。

假设候选路段集中包括6条候选路段，其中的4条候选路段为进行了优化的候选路段，那么可根据未进行优化的2条候选路段对应的放射概率和转移概率以及进行了优化的4条候选路段对应的放射概率和转移概率，通过Viterbi算法确定出待处理定位点的地图匹配结果。

需要说明的是，对于前述的方法实施例，为了简单描述，将其表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本公开所必须的。

以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。

图5为本公开所述地图匹配装置实施例500的组成结构示意图。如图5所示，包括：获取模块501、优化模块502以及匹配模块503。

获取模块501，用于获取待处理定位点对应的候选路段，组成候选路段集，并分别获取各候选路段对应的放射概率以及转移概率。

优化模块502，用于对候选路段集进行优化，包括：响应于确定任一候选路段符合预定的M种优化策略中的至少一种，按照所符合的优化策略对应的惩罚方式，对该候选路段对应的转移概率进行惩罚，惩罚后的转移概率小于惩罚前的转移概率，M为大于一的正整数。

匹配模块503，用于根据优化后的候选路段集中的各候选路段对应的放射概率以及转移概率，确定出待处理定位点的地图匹配结果。

采用上述装置实施例所述方案，可对候选路段的转移概率进行优化，即可对预定的不合理情况下的转移概率进行惩罚，从而提升了转移概率的准确性，进而提升了基于转移概率等确定出的地图匹配结果的准确性。

M的具体取值可根据实际需要而定，优选地，可取值为3，即所述M种优化策略可包括：第一优化策略、第二优化策略以及第三优化策略。

以下分别对如何确定是否符合各优化策略以及各优化策略对应的惩罚方式进行说明。

1)第一优化策略

优选地，针对任一候选路段，优化模块502确定其符合第一优化策略的方式可包括：对第一参考定位点进行平滑度检测，响应于检测通过且待处理定位点与该候选路段的角度差异大于第一阈值，确定该候选路段符合第一优化策略，第一参考定位点为与待处理定位点相邻的上一个定位点。

也就是说，确定该候选路段符合第一优化策略需要同时满足两个条件，一个是对第一参考定位点进行的平滑度检测通过，另一个是待处理定位点与该候选路段的角度差异大于第一阈值。

优选地，地图匹配结果中可包括：匹配路段，匹配路段为各候选路段中的一个；相应地，优化模块502响应于确定同时符合以下四个条件，确定检测通过：第二参考定位点与其匹配路段的角度差异小于第二阈值，第一参考定位点与其匹配路段的角度差异小于第二阈值，第一参考定位点与待处理定位点的角度差异小于第二阈值，第一参考定位点与第二参考定位点的角度差异小于第二阈值，其中，第二参考定位点为与第一参考定位点相邻的上一个定位点。

另外，优选地，优化模块502按照所符合的优化策略对应的惩罚方式，对该候选路段对应的转移概率进行惩罚的方式可包括：获取待处理定位点与该候选路段的角度差异与第一阈值的第一差值，获取第一差值与预定系数的乘积，并获取1与所述乘积的第二差值，响应于第二差值大于或等于第三阈值，将第二差值作为第一惩罚系数，响应于第二差值小于第三阈值，将第三阈值作为第一惩罚系数，获取第一惩罚系数与该候选路段对应的惩罚前的转移概率的乘积，作为惩罚后的转移概率。

2)第二优化策略

优选地，针对任一候选路段，优化模块502确定其符合第二优化策略的方式可包括：响应于确定从第一参考定位点的位置到达该候选路段的路径中存在N个角度大于第四阈值的转角，确定该候选路段符合第二优化策略，N为大于一的正整数，第一参考定位点为与待处理定位点相邻的上一个定位点。

优选地，优化模块502按照所符合的优化策略对应的惩罚方式，对该候选路段对应的转移概率进行惩罚的方式可包括：将该候选路段对应的惩罚前的转移概率与N个第二惩罚系数依次相乘，得到惩罚后的转移概率，第二惩罚系数的取值为预定值。

3)第三优化策略

优选地，针对任一候选路段，优化模块502确定其符合第三优化策略的方式可包括：响应于确定该候选路段对应于提右后左转情况，确定该候选路段符合第三优化策略，提右后左转即指经过提右路段之后左转，提右路段即指提前右转路段。

优选地，优化模块502确定该候选路段对应于提右后左转情况的方式可包括：响应于确定从第一参考定位点的位置到达该候选路段的路径中存在以下情况，确定该候选路段对应于提右后左转情况：与任一提右路段连接的下一路段与该提右路段之间呈左转90度或以上角度，或者，连续两条提右路段之间呈左转75度或以上角度，第一参考定位点为与待处理定位点相邻的上一个定位点。

另外，优选地，优化模块502按照所符合的优化策略对应的惩罚方式，对该候选路段对应的转移概率进行惩罚的方式可包括：将该候选路段对应的惩罚前的转移概率与第三惩罚系数相乘，得到惩罚后的转移概率，第三惩罚系数的取值为预定值。

图5所示装置实施例的具体工作流程可参照前述方法实施例中的相关说明，不再赘述。

本公开所述方案可应用于人工智能领域，特别涉及机器学习、数据分析以及电子地图等领域。人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术，人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术，人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

另外，本公开所述实施例中的定位点及轨迹等并不是针对某一特定用户的，并不能反映出某一特定用户的个人信息。本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了可以用来实施本公开的实施例的电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如本公开所述的方法。例如，在一些实施例中，本公开所述的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM603并由计算单元601执行时，可以执行本公开所述的方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开所述的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (21)

1.一种地图匹配方法，包括：

获取待处理定位点对应的候选路段，组成候选路段集，并分别获取各候选路段对应的放射概率以及转移概率；

对所述候选路段集进行优化，包括：响应于确定任一候选路段符合预定的M种优化策略中的至少一种，按照所符合的优化策略对应的惩罚方式，对所述候选路段对应的转移概率进行惩罚，惩罚后的转移概率小于惩罚前的转移概率，M为大于一的正整数；

根据优化后的所述候选路段集中的各候选路段对应的放射概率以及转移概率，确定出所述待处理定位点的地图匹配结果。

2.根据权利要求1所述的方法，其中，

所述优化策略包括：第一优化策略；

确定任一候选路段符合所述第一优化策略包括：对第一参考定位点进行平滑度检测，响应于检测通过且所述待处理定位点与所述候选路段的角度差异大于第一阈值，确定所述候选路段符合所述第一优化策略，所述第一参考定位点为与所述待处理定位点相邻的上一个定位点。

3.根据权利要求2所述的方法，其中，

所述地图匹配结果中包括：匹配路段，所述匹配路段为各候选路段中的一个；

所述检测通过包括：响应于确定同时符合以下四个条件，确定所述检测通过：第二参考定位点与其匹配路段的角度差异小于第二阈值，所述第一参考定位点与其匹配路段的角度差异小于所述第二阈值，所述第一参考定位点与所述待处理定位点的角度差异小于所述第二阈值，所述第一参考定位点与所述第二参考定位点的角度差异小于所述第二阈值，所述第二参考定位点为与所述第一参考定位点相邻的上一个定位点。

4.根据权利要求2或3所述的方法，其中，

所述按照所符合的优化策略对应的惩罚方式，对所述候选路段对应的转移概率进行惩罚包括：

获取所述待处理定位点与所述候选路段的角度差异与所述第一阈值的第一差值，获取所述第一差值与预定系数的乘积，并获取1与所述乘积的第二差值；

响应于所述第二差值大于或等于第三阈值，将所述第二差值作为第一惩罚系数，响应于所述第二差值小于所述第三阈值，将所述第三阈值作为所述第一惩罚系数；

获取所述第一惩罚系数与所述候选路段对应的惩罚前的转移概率的乘积，作为惩罚后的转移概率。

5.根据权利要求1所述的方法，其中，

所述优化策略包括：第二优化策略；

确定任一候选路段符合所述第二优化策略包括：响应于确定从第一参考定位点的位置到达所述候选路段的路径中存在N个角度大于第四阈值的转角，确定所述候选路段符合所述第二优化策略，N为大于一的正整数，所述第一参考定位点为与所述待处理定位点相邻的上一个定位点。

6.根据权利要求5所述的方法，其中，

所述按照所符合的优化策略对应的惩罚方式，对所述候选路段对应的转移概率进行惩罚包括：

将所述候选路段对应的惩罚前的转移概率与N个第二惩罚系数依次相乘，得到惩罚后的转移概率，所述第二惩罚系数的取值为预定值。

7.根据权利要求1所述的方法，其中，

所述优化策略包括：第三优化策略；

确定任一候选路段符合所述第三优化策略包括：响应于确定所述候选路段对应于提右后左转情况，确定所述候选路段符合所述第三优化策略，所述提右后左转指经过提右路段之后左转，所述提右路段为提前右转路段。

8.根据权利要求7所述的方法，其中，

所述确定所述候选路段对应于提右后左转情况包括：

响应于确定从第一参考定位点的位置到达所述候选路段的路径中存在以下情况，确定所述候选路段对应于提右后左转情况：与任一提右路段连接的下一路段与所述提右路段之间呈左转90度或以上角度，或者，连续两条提右路段之间呈左转75度或以上角度，所述第一参考定位点为与所述待处理定位点相邻的上一个定位点。

9.根据权利要求7或8所述的方法，其中，

所述按照所符合的优化策略对应的惩罚方式，对所述候选路段对应的转移概率进行惩罚包括：

将所述候选路段对应的惩罚前的转移概率与第三惩罚系数相乘，得到惩罚后的转移概率，所述第三惩罚系数的取值为预定值。

10.一种地图匹配装置，包括：获取模块、优化模块以及匹配模块；

所述获取模块，用于获取待处理定位点对应的候选路段，组成候选路段集，并分别获取各候选路段对应的放射概率以及转移概率；

所述优化模块，用于对所述候选路段集进行优化，包括：响应于确定任一候选路段符合预定的M种优化策略中的至少一种，按照所符合的优化策略对应的惩罚方式，对所述候选路段对应的转移概率进行惩罚，惩罚后的转移概率小于惩罚前的转移概率，M为大于一的正整数；

所述匹配模块，用于根据优化后的所述候选路段集中的各候选路段对应的放射概率以及转移概率，确定出所述待处理定位点的地图匹配结果。

11.根据权利要求10所述的装置，其中，

所述优化策略包括：第一优化策略；

所述优化模块对第一参考定位点进行平滑度检测，响应于检测通过且所述待处理定位点与所述候选路段的角度差异大于第一阈值，确定所述候选路段符合所述第一优化策略，所述第一参考定位点为与所述待处理定位点相邻的上一个定位点。

12.根据权利要求11所述的装置，其中，

所述地图匹配结果中包括：匹配路段，所述匹配路段为各候选路段中的一个；

所述优化模块响应于确定同时符合以下四个条件，确定所述检测通过：第二参考定位点与其匹配路段的角度差异小于第二阈值，所述第一参考定位点与其匹配路段的角度差异小于所述第二阈值，所述第一参考定位点与所述待处理定位点的角度差异小于所述第二阈值，所述第一参考定位点与所述第二参考定位点的角度差异小于所述第二阈值，所述第二参考定位点为与所述第一参考定位点相邻的上一个定位点。

13.根据权利要求11或12所述的装置，其中，

所述优化模块获取所述待处理定位点与所述候选路段的角度差异与所述第一阈值的第一差值，获取所述第一差值与预定系数的乘积，并获取1与所述乘积的第二差值，响应于所述第二差值大于或等于第三阈值，将所述第二差值作为第一惩罚系数，响应于所述第二差值小于所述第三阈值，将所述第三阈值作为所述第一惩罚系数，获取所述第一惩罚系数与所述候选路段对应的惩罚前的转移概率的乘积，作为惩罚后的转移概率。

14.根据权利要求10所述的装置，其中，

所述优化策略包括：第二优化策略；

所述优化模块响应于确定从第一参考定位点的位置到达所述候选路段的路径中存在N个角度大于第四阈值的转角，确定所述候选路段符合所述第二优化策略，N为大于一的正整数，所述第一参考定位点为与所述待处理定位点相邻的上一个定位点。

15.根据权利要求14所述的装置，其中，

所述优化模块将所述候选路段对应的惩罚前的转移概率与N个第二惩罚系数依次相乘，得到惩罚后的转移概率，所述第二惩罚系数的取值为预定值。

16.根据权利要求10所述的装置，其中，

所述优化策略包括：第三优化策略；

所述优化模块响应于确定所述候选路段对应于提右后左转情况，确定所述候选路段符合所述第三优化策略，所述提右后左转指经过提右路段之后左转，所述提右路段为提前右转路段。

17.根据权利要求16所述的装置，其中，

所述优化模块响应于确定从第一参考定位点的位置到达所述候选路段的路径中存在以下情况，确定所述候选路段对应于提右后左转情况：与任一提右路段连接的下一路段与所述提右路段之间呈左转90度或以上角度，或者，连续两条提右路段之间呈左转75度或以上角度，所述第一参考定位点为与所述待处理定位点相邻的上一个定位点。

18.根据权利要求16或17所述的装置，其中，

所述优化模块将所述候选路段对应的惩罚前的转移概率与第三惩罚系数相乘，得到惩罚后的转移概率，所述第三惩罚系数的取值为预定值。

19.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。

20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行权利要求1-9中任一项所述的方法。

21.一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现权利要求1-9中任一项所述的方法。