一種基于低采樣率浮動車數(shù)據(jù)的全局投票地圖匹配方法
【專利摘要】一種基于低采樣率浮動車數(shù)據(jù)的全局投票地圖匹配方法，該方法在浮動車GPS軌跡數(shù)據(jù)的基礎(chǔ)上，考慮道路網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和不同距離的空間位置相鄰的GPS軌跡數(shù)據(jù)對地圖匹配過程的影響。定義了新的地圖匹配函數(shù)指標(biāo)，綜合考慮道路網(wǎng)絡(luò)的幾何學(xué)特性和拓?fù)浣Y(jié)構(gòu)對匹配的影響，得出作為初始地圖匹配結(jié)果的靜態(tài)匹配矩陣(SMM)；在此基礎(chǔ)上，定義反映節(jié)點之間距離影響的距離加權(quán)函數(shù)對SMM進(jìn)行修正，得到動態(tài)匹配矩陣(DMM)，最后，對DMM采用全局投票的方法，找出最優(yōu)軌跡作為地圖匹配的結(jié)果。本發(fā)明能在低采樣率的情況下，以較低的計算時間復(fù)雜度實現(xiàn)較好的地圖匹配效果。
【專利說明】一種基于低采樣率浮動車數(shù)據(jù)的全局投票地圖匹配方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及交通領(lǐng)域，特別是指一種基于低采樣率浮動車數(shù)據(jù)的全局投票地圖匹配方法。

【背景技術(shù)】
[0002]浮動車一般是指安裝了車載GPS定位裝置并行駛在城市主干道上的公交汽車或出租車。浮動車技術(shù)是近年來興起的一種動態(tài)交通信息檢測的技術(shù)，是近年來智能交通系統(tǒng)中所采用的獲取道路交通信息的先進(jìn)技術(shù)手段之一。浮動車可以定期將車輛編號、時刻、方向、經(jīng)緯度坐標(biāo)等數(shù)據(jù)傳送到調(diào)度中心，經(jīng)過信息處理，可以方便地獲得整個城市路網(wǎng)的實時交通信息。地圖匹配方法是浮動車數(shù)據(jù)處理的關(guān)鍵技術(shù)之一，它可以最大程度地校正GPS衛(wèi)星定位所產(chǎn)生的誤差，從而矯正車輛軌跡偏離道路的現(xiàn)象，并進(jìn)一步將GPS數(shù)據(jù)轉(zhuǎn)化為道路的交通信息。
[0003]傳統(tǒng)的地圖匹配方法，GPS采樣率往往都很高，匹配的正確率才得以保證。但實際在浮動車技術(shù)中，為了節(jié)約能源以及浮動車本身特性，返回給調(diào)度中心的數(shù)據(jù)往往都是低采樣率的。在低采樣率的情況下(比如2分鐘)，在車輛的速度僅為30km/h，兩個采樣點之間的距離就達(dá)到了 1000米，兩個GPS點之間的關(guān)聯(lián)信息會大部分丟失。因此，傳統(tǒng)的地圖匹配方法不能很好運用在基于低采樣率的浮動車數(shù)據(jù)的匹配過程。以此為背景，為了提高匹配方法在低采樣率GPS數(shù)據(jù)輸入情況下的正確匹配率，本文提出的全局投票方法考慮道路網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)以及GPS點之間的相互影響。
[0004]考慮幾何學(xué)特性的地圖匹配方法，根據(jù)匹配過程，這類方法又可以分為點對點的匹配，點對曲線的匹配，曲線對曲線的匹配。由于缺乏對整體道路網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的考慮，在復(fù)雜的道路環(huán)境和低采樣率的浮動車數(shù)據(jù)情況下，這些方法很容易出現(xiàn)匹配誤差。同時這些匹配方法不考慮全局GPS點之間的相互影響，在某個GPS點的匹配過程中，只利用該點本身的信息，或者僅僅考慮其相鄰節(jié)點對其匹配過程的影響，但針對節(jié)點間關(guān)聯(lián)信息大量丟失的低采樣率浮動車數(shù)據(jù)時，很難得到正確的匹配結(jié)果。


【發(fā)明內(nèi)容】

[0005]為了克服現(xiàn)有的全區(qū)投票地圖匹配方法的正確率較低的不足，本發(fā)明提供一種一種基于低采樣率浮動車數(shù)據(jù)的全局投票地圖匹配方法，在道路網(wǎng)絡(luò)的模型基礎(chǔ)上，首先計算當(dāng)前GPS軌跡點可能匹配的候選集合，考慮集合中候選點的近距概率和連通概率，得出靜態(tài)分析矩陣。再考慮節(jié)點之間距離的不同導(dǎo)致影響程度的不同，得出加權(quán)匹配矩陣，在此基礎(chǔ)上，各個GPS軌跡點之間相互投票，完成匹配方法。
[0006]為了解決上述技術(shù)問題采用的技術(shù)方案如下:
[0007]—種基于低采樣率浮動車數(shù)據(jù)的全局投票地圖匹配方法，所述匹配方法包括以下步驟:
[0008]步驟一:構(gòu)建有向道路網(wǎng)絡(luò)G (V，E)，其中V為道路的交叉點、起點或終點，E為被兩個相鄰交叉口分隔出的路段，定義一條路徑為:在道路網(wǎng)絡(luò)中，選取兩個節(jié)點Vi, Vj,找到一條互相連接的路段集合S1 — S2 — s3...— sn,并且S1.start = Vi, sn.end = Vj,即路段S1的起點為Vi,路段Sn的終點為Vj ;在道路網(wǎng)絡(luò)的基礎(chǔ)上，處理浮動車GPS數(shù)據(jù)，得到浮動車GPS軌跡數(shù)據(jù)T ；
[0009]步驟二:針對浮動車GPS軌跡數(shù)據(jù)T % — p2 — p3...— Pn中的軌跡點Pi,
選取在半徑r范圍內(nèi)的所有路段為候選路段<，k表示點Pi的第k個候選路段；
通過投影得到對應(yīng)的候選節(jié)點:如果軌跡點Pi在路段的范圍內(nèi)存在垂點，則選取該垂點作為軌跡點Pi的候選節(jié)點，記為cf，并且選取垂線的長度為該軌跡點與該路段的距離；否則，選取該路段離軌跡點較近的起點或者終點為候選節(jié)點，選取軌跡點與該路段起點或者終點的連線長度為該軌跡點與該路段的距離；根據(jù)路段投影過程，得出每個GPS軌跡點的候選點集合；
[0010]步驟三:靜態(tài)分析過程，定義匹配函數(shù)指標(biāo)+4Cf)，其中
c\力點Pg的第j個候選節(jié)點，Cki為點Pi的第k個候選節(jié)點，i≥2 ;對每個候選點進(jìn)行匹配函數(shù)計算，得出靜態(tài)分析矩陣；
[0011]步驟四:加權(quán)得分過程，定義與兩個軌跡點Pi，Pj之間的距離有關(guān)的函數(shù)的距離加權(quán)函數(shù)WJ = f (dist (Pi, Pj)), (Iist(PpPj)為軌跡點Pi, Pj之間的歐式距離，I≤i≤η,I≤j≤n,i古j，距離加權(quán)函數(shù)代表節(jié)點之間距離越遠(yuǎn)，節(jié)點之間影響越弱，對每一個GPS點，經(jīng)過全局計算，得出加權(quán)分析矩陣；
[0012]步驟五:全局投票，對每個軌跡點Pi，在其對應(yīng)的加權(quán)分析矩陣Gi中，尋找一條最優(yōu)的通過每個軌跡點的候選節(jié)點的路徑，定義為單點投票過程；某個候選節(jié)點被選取，對這個候選節(jié)點進(jìn)行記錄加一操作，表示一次投票選中過程，針對全部候選節(jié)點集合，依次重復(fù)上述操作，會得到全部候選節(jié)點的得票情況；最后，對每個軌跡點Pi,在其候選節(jié)點集合中選擇得票數(shù)最多的候選點作為全局候選節(jié)點結(jié)果，即得到了全局匹配結(jié)果。
[0013]進(jìn)一步，所述步驟一中，一個GPS點P的記錄包括經(jīng)度、緯度、時間，所有的GPS點的集合定義為GPS記錄L，GPS軌跡T定義為一組采樣間隔為Λ t的GPS點的序列；一個路段s為一條道路被兩個相鄰交叉口分隔出的一段路，每個路段包含起始點、結(jié)束點、路段長度。
[0014]再進(jìn)一步,所述步驟三中，根據(jù)步驟二得到的候選節(jié)點集合，定義候選節(jié)點的近距概率MP為候選盧c是正確的匹配結(jié)果的概率，I≤k≤n，即:

【權(quán)利要求】
1.一種基于低采樣率浮動車數(shù)據(jù)的全局投票地圖匹配方法，其特征在于:所述匹配方法包括以下步驟: 步驟一:構(gòu)建有向道路網(wǎng)絡(luò)G(V，E)，其中V為道路的交叉點、起點或終點，E為被兩個相鄰交叉口分隔出的路段，定義一條路徑為:在道路網(wǎng)絡(luò)中，選取兩個節(jié)點Vi, Vj，找到一條互相連接的路段集合S1 — S2 — s3...— sn,并且S1.start = Vi, sn.end = Vj,即路段S1的起點為Vi，路段Sn的終點為Vj ;在道路網(wǎng)絡(luò)的基礎(chǔ)上，處理浮動車GPS數(shù)據(jù)，得到浮動車GPS軌跡數(shù)據(jù)T ； 步驟二:針對浮動車GPS軌跡數(shù)據(jù)T -.P1 — p2 — p3...— pn中的軌跡點Pi, I≤i≤η,選取在半徑r范圍內(nèi)的所有路段為候選路段<，k表示點Pi的第k個候選路段；通過投影得到對應(yīng)的候選節(jié)點:如果軌跡點Pi在路段4的范圍內(nèi)存在垂點，則選取該垂點作為軌跡點Pi的候選節(jié)點，記為Cf，并且選取垂線的長度為該軌跡點與該路段的距離；否則，選取該路段離軌跡點較近的起點或者終點為候選節(jié)點，選取軌跡點與該路段起點或者終點的連線長度為該軌跡點與該路段的距離；根據(jù)路段投影過程，得出每個GPS軌跡點的候選點集合；步驟三:靜態(tài)分析過程，定義匹配函數(shù)指標(biāo)巧匕一 =MPic1;:)+ CP(cU ,其中&為點Pm的第j個候選節(jié)點，cf為點Pi的第k個候選節(jié)點，i 2 ;對每個候選點進(jìn)行匹配函數(shù)計算，得出靜態(tài)分析矩陣；步驟四:加權(quán)得分過程，定義與兩個軌跡點Pi，Pj之間的距離有關(guān)的函數(shù)的距離加權(quán)函數(shù)沙V' =.Rdisi(J)卜Pi)), dist (Pi, Pj)為軌跡點Pi, P」之間的歐式距離，I≤i≤η, I≤j≤n，i幸j，距離加權(quán)函數(shù)代表節(jié)點之間距離越遠(yuǎn)，節(jié)點之間影響越弱，對每一個GPS點，經(jīng)過全局計算，得出加權(quán)分析矩陣； 步驟五:全局投票，對每個軌跡Api，在其對應(yīng)的加權(quán)分析矩陣Gi中，尋找一條最優(yōu)的通過每個軌跡點的候選節(jié)點的路徑，定義為單點投票過程；某個候選節(jié)點被選取，對這個候選節(jié)點進(jìn)行記錄加一操作，表示一次投票選中過程，針對全部候選節(jié)點集合，依次重復(fù)上述操作，會得到全部候選節(jié)點的得票情況；最后，對每個軌跡點Pi，在其候選節(jié)點集合中選擇得票數(shù)最多的候選點作為全局候選節(jié)點結(jié)果，即得到了全局匹配結(jié)果。
2.如權(quán)利要求1所述的一種基于低采樣率浮動車數(shù)據(jù)的全局投票地圖匹配方法，其特征在于:所述步驟一中，一個GPS點P的記錄包括經(jīng)度、緯度、時間，所有的GPS點的集合定義為GPS記錄L，GPS軌跡T定義為一組采樣間隔為Λ t的GPS點的序列；一個路段s為一條道路被兩個相鄰交叉口分隔出的一段路，每個路段包含起始點、結(jié)束點、路段長度。
3.如權(quán)利要求1或2所述的一種基于低采樣率浮動車數(shù)據(jù)的全局投票地圖匹配方法，其特征在于:所述步驟三中，根據(jù)步驟二得到的候選節(jié)點集合，定義候選節(jié)點的近距概率MP為候選點cf是正確的匹配結(jié)果的概率 ，即:
其中為該候選盧I與軌跡點Pi的歐式距離；考慮道路網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，定義兩個候選節(jié)點CU、cf之間的連通概率CP為:
其中，l1-1-1為兩個相鄰軌跡點P1-1和軌跡點Pi之間的歐氏距離，s(i_m，k)為通過候選節(jié)點cU和cf的最短路徑長度； 選取相鄰軌跡點Pm和Pi相應(yīng)的候選節(jié)點和Cf，經(jīng)過匹配函數(shù)計算，得出靜態(tài)分析矩陣M，針對每條路徑cη≥i≥2，計算出匹配函數(shù)的值，得出靜態(tài)分析矩陣M:
其中Mi為路徑cL經(jīng)過匹配函數(shù)計算，得到的矩陣:
其中，1≤j≤m, 1≤k≤n, m, η分別為。卜” Ci的候選節(jié)點總個數(shù)。
4.如權(quán)利要求3所述的一種基于低采樣率浮動車數(shù)據(jù)的全局投票地圖匹配方法，其特征在于:所述步驟四中，針對每個軌跡點Pi,定義一個η-l維距離影響矩陣W1:
其中，距離加權(quán)函數(shù)Wij采用
,其中δ為閾值，接下 來，加權(quán)分析矩陣Gi, 1 ≤ i≤ η:
【文檔編號】G01C21/30GK104197945SQ201410427108
【公開日】2014年12月10日 申請日期:2014年8月27日 優(yōu)先權(quán)日:2014年8月27日
【發(fā)明者】楊旭華, 趙久強(qiáng), 汪向飛 申請人:浙江工業(yè)大學(xué)