法律状态公告日
法律状态信息
法律状态
2017-04-12
授权
授权
2015-01-07
实质审查的生效 IPC(主分类):G01C21/30 申请日:20140827
实质审查的生效
2014-12-10
公开
公开
技术领域
本发明涉及交通领域,特别是指一种基于低采样率浮动车数据的全局投票地 图匹配方法。
背景技术
浮动车一般是指安装了车载GPS定位装置并行驶在城市主干道上的公交汽 车或出租车。浮动车技术是近年来兴起的一种动态交通信息检测的技术,是近年 来智能交通系统中所采用的获取道路交通信息的先进技术手段之一。浮动车可以 定期将车辆编号、时刻、方向、经纬度坐标等数据传送到调度中心,经过信息处 理,可以方便地获得整个城市路网的实时交通信息。地图匹配方法是浮动车数据 处理的关键技术之一,它可以最大程度地校正GPS卫星定位所产生的误差,从而 矫正车辆轨迹偏离道路的现象,并进一步将GPS数据转化为道路的交通信息。
传统的地图匹配方法,GPS采样率往往都很高,匹配的正确率才得以保证。 但实际在浮动车技术中,为了节约能源以及浮动车本身特性,返回给调度中心的 数据往往都是低采样率的。在低采样率的情况下(比如2分钟),在车辆的速度仅 为30km/h,两个采样点之间的距离就达到了1000米,两个GPS点之间的关联信 息会大部分丢失。因此,传统的地图匹配方法不能很好运用在基于低采样率的浮 动车数据的匹配过程。以此为背景,为了提高匹配方法在低采样率GPS数据输入 情况下的正确匹配率,本文提出的全局投票方法考虑道路网络的拓扑结构以及 GPS点之间的相互影响。
考虑几何学特性的地图匹配方法,根据匹配过程,这类方法又可以分为点对 点的匹配,点对曲线的匹配,曲线对曲线的匹配。由于缺乏对整体道路网络拓扑 结构的考虑,在复杂的道路环境和低采样率的浮动车数据情况下,这些方法很容 易出现匹配误差。同时这些匹配方法不考虑全局GPS点之间的相互影响,在某个 GPS点的匹配过程中,只利用该点本身的信息,或者仅仅考虑其相邻节点对其匹 配过程的影响,但针对节点间关联信息大量丢失的低采样率浮动车数据时,很难 得到正确的匹配结果。
发明内容
为了克服现有的全区投票地图匹配方法的正确率较低的不足,本发明提供一 种一种基于低采样率浮动车数据的全局投票地图匹配方法,在道路网络的模型基 础上,首先计算当前GPS轨迹点可能匹配的候选集合,考虑集合中候选点的近距 概率和连通概率,得出静态分析矩阵。再考虑节点之间距离的不同导致影响程度 的不同,得出加权匹配矩阵,在此基础上,各个GPS轨迹点之间相互投票,完成 匹配方法。
为了解决上述技术问题采用的技术方案如下:
一种基于低采样率浮动车数据的全局投票地图匹配方法,所述匹配方法包括 以下步骤:
步骤一:构建有向道路网络G(V,E),其中V为道路的交叉点、起点或终点, E为被两个相邻交叉口分隔出的路段,定义一条路径为:在道路网络中,选取两 个节点Vi,Vj,找到一条互相连接的路段集合s1→s2→s3...→sn,并且 s1.start=Vi,sn.end=Vj,即路段s1的起点为Vi,路段sn的终点为Vj;在道路网络的 基础上,处理浮动车GPS数据,得到浮动车GPS轨迹数据T;
步骤二:针对浮动车GPS轨迹数据T:p1→p2→p3...→pn中的轨迹点pi, 1≤i≤n,选取在半径r范围内的所有路段为候选路段k表示点pi的第k个候 选路段;通过投影得到对应的候选节点:如果轨迹点pi在路段的范围内存在垂 点,则选取该垂点作为轨迹点pi的候选节点,记为并且选取垂线的长度为该 轨迹点与该路段的距离;否则,选取该路段离轨迹点较近的起点或者终点为候选 节点,选取轨迹点与该路段起点或者终点的连线长度为该轨迹点与该路段的距离; 根据路段投影过程,得出每个GPS轨迹点的候选点集合;
步骤三:静态分析过程,定义匹配函数指标其中为点pi-1的第j个候选节点,为点pi的第k个候选节点,i≥2;对每个 候选点进行匹配函数计算,得出静态分析矩阵;
步骤四:加权得分过程,定义与两个轨迹点pi,pj之间的距离有关的函数的距 离加权函数Wij=f(dist(pi,pj)),dist(pi,pj)为轨迹点pi,pj之间的欧式距离, 1≤i≤n,1≤j≤n,i≠j,距离加权函数代表节点之间距离越远,节点之间影响 越弱,对每一个GPS点,经过全局计算,得出加权分析矩阵;
步骤五:全局投票,对每个轨迹点pi,在其对应的加权分析矩阵Gi中,寻找 一条最优的通过每个轨迹点的候选节点的路径,定义为单点投票过程;某个候选 节点被选取,对这个候选节点进行记录加一操作,表示一次投票选中过程,针对 全部候选节点集合,依次重复上述操作,会得到全部候选节点的得票情况;最后, 对每个轨迹点pi,在其候选节点集合中选择得票数最多的候选点作为全局候选节 点结果,即得到了全局匹配结果。
进一步,所述步骤一中,一个GPS点p的记录包括经度、纬度、时间,所有 的GPS点的集合定义为GPS记录L,GPS轨迹T定义为一组采样间隔为Δt的 GPS点的序列;一个路段s为一条道路被两个相邻交叉口分隔出的一段路,每个 路段包含起始点、结束点、路段长度。
再进一步,所述步骤三中,根据步骤二得到的候选节点集合,定义候选节点 的近距概率MP为候选点是正确的匹配结果的概率,1≤k≤n,即:
其中为该候选点与轨迹点pi的欧式距离;
考虑道路网络的拓扑结构,定义两个候选节点之间的连通概率CP为:
其中,li-1→i为两个相邻轨迹点pi-1和轨迹点pi之间的欧氏距离,s(i-1,j)→(i,k)为 通过候选节点和的最短路径长度;
选取相邻轨迹点pi-1和pi相应的候选节点和经过匹配函数计算,得出 静态分析矩阵M,针对每条路径n≥i≥2,计算出匹配函数的值,得出 静态分析矩阵M:
其中Mi为路径经过匹配函数计算,得到的矩阵:
其中,1≤j≤m,1≤k≤n,m,n分别为ci-1,ci的候选节点总个数。
更进一步,所述步骤四中,针对每个轨迹点pi,定义一个n-1维距离影响矩 阵Wi:
其中,距离加权函数采用
其中
本发明的技术构思为:浮动车数据不仅仅反映了车辆的位置信息,在某种程 度上也反映了道路的拓扑结构信息以及GPS轨迹点之间的时间序列信息。因此本 文所提出的这种针对低采样率GPS数据的全局投票地图匹配方法,在采样率低的 情况下,充分考虑道路网络的拓扑结构,以及全局GPS点之间的关联信息,且根 据GPS点之间的距离,对它们之间的影响程度进行加权处理,从而提高匹配的正 确率。
本发明的有益效果为:能在低采样率的情况下,以较低的计算时间复杂度实 现较好的地图匹配效果。
附图说明
图1是本发明的主流程图。
图2是选取候选节点示意图。
具体实施方式
下面结合附图对本发明做进一步说明。
参考图1和图2,一种一种基于低采样率浮动车数据的全局投票地图匹配方 法,包括以下步骤:
步骤一:构建有向道路网络G(V,E),其中V为道路的交叉点、起点或终点, E为被两个相邻交叉口分隔出的路段。定义一条路径为:在道路网络中,选取两 个节点Vi,Vj,找到一条互相连接的路段集合s1→s2→s3...→sn,并且 s1.start=Vi,sn.end=Vj。在道路网络的基础上,处理浮动车GPS数据,得到浮动 车GPS轨迹数据T;
步骤二:参考图2,针对轨迹T:p1→p2→p3...→pn中的轨迹点pi,1≤i≤n, 选取在半径r范围内的所有路段为候选路段k表示点pi的第k个候选路段。 通过投影得到对应的候选节点:如果轨迹点pi在路段的范围内(而不是在路段 延长线上)存在垂点,则选取该垂点作为轨迹点pi的候选节点,记为并且选 取垂线的长度为该轨迹点与该路段的距离。否则,选取该路段离轨迹点较近的起 点或者终点为候选节点,选取轨迹点与该路段起点或者终点的连线长度为该轨迹 点与该路段的距离。根据路段投影过程,得出每个GPS轨迹点的候选点集合。
步骤三:静态分析过程,定义匹配函数指标其中为点pi-1的第j个候选节点,为点pi的第k个候选节点;又因为针对起 始节点c1不需要计算连通概率CP,因此选取i≥2。对每个候选点进行匹配函数 计算,得出静态分析矩阵;
步骤四:加权得分过程,定义表示与pi,pj之间的距离有关的函数的距离加权 函数dist(pi,pj)为轨迹点pi,pj之间的欧式距离,1≤i≤n, 1≤j≤n,i≠j,距离加权函数代表代表节点之间距离越远,节点之间影响越弱; 对每一个GPS点,经过全局计算,得出加权分析矩阵;
步骤五:全局投票,对每个轨迹点pi,在其对应的加权分析矩阵Gi中,寻找 一条最优的通过每个轨迹点的候选节点的路径,我们定义为单点投票过程。某个 候选节点被选取,我们对这个候选节点进行记录加一操作,表示一次投票选中过 程。针对全部候选节点集合,依次重复上述操作,会得到全部候选节点的得票情 况。最后,对每个轨迹点pi,在其候选节点集合中选择得票数最多的候选点作为 全局候选节点结果,也就同时得到了全局匹配结果。
进一步,所述步骤一中,一个GPS点p的记录包括经度、纬度、时间,所有 的GPS点的集合定义为GPS记录L。GPS轨迹T定义为一组采样间隔为Δt的 GPS点的序列。本发明研究Δt≥2min的情况。一个路段s为一条道路被两个相 邻交叉口分隔出的一段路,每个路段包含起始点、结束点、路段长度。
再进一步,所述步骤三中,根据步骤二得到的候选节点集合,定义候选节点 的近距概率MP为候选点是正确的匹配结果的概率,1≤k≤n,即:
其中为该候选点与轨迹点pi的欧式距离;
考虑道路网络的拓扑结构,定义两个候选节点之间的连通概率CP为:
其中,li-1→i为两个相邻轨迹点pi-1和轨迹点pi之间的欧氏距离,s(i-1,j)→(i,k)为 通过候选节点和的最短路径长度。
MP和CP为作为方法评测指标,分别表示在考虑道路网络的几何学特性和拓 扑结构特性下的匹配概率。概率越大,越有可能是最终的匹配结果。
选取相邻轨迹点pi-1和pi相应的候选节点和经过匹配函数计算,得出 静态分析矩阵M。针对每条路径n≥i≥2,计算出匹配函数的值。得出 静态分析矩阵M:
其中Mi为路径经过匹配函数计算,得到的矩阵:
其中,1≤j≤m,1≤k≤n,m,n分别为ci-1,ci的候选节点总个数。
更进一步,所述步骤四中,在步骤三得到的静态分析矩阵的基础上,考虑节 点之间的距离越远,它们之间互相的影响越弱。因此,针对每个轨迹点pi,我们 定义一个n-1维距离影响矩阵Wi:
其中,距离加权函数Wij采用
其中
如上所述,本实施的具体实现步骤使本发明更加清晰。在本发明的精神和权 利要求的保护范围内,对本发明作出的任何修改和改变,都落入本发明的保护范 围。
机译: 从3D子地图和全局地图系统中提取特征以及使用基于相机的子地图和基于激光雷达的全局地图进行厘米精度定位的方法
机译: 低采样率GPS轨迹的地图匹配
机译: 低采样率GPS轨迹的地图匹配