复杂路况下的基于多权重值的地图匹配方法

摘要

本发明公开了复杂路况下的基于多权重值的地图匹配方法，该方法解决了复杂路况下车辆卫星导航系统GNSS定位点地图匹配准确度不高的问题。该方法使用车辆前后GNSS定位点连线与路段夹角、定位点与路段投影距离以及航向角与路段夹角作为主要因素，利用GNSS浮动车辆的数据进行轨迹修正，在复杂路段处可以修正偏移的GNSS定位点并提供较高的地图匹配精确度。

说明书

技术领域

本发明涉及车联网中车辆基于GNSS定位点的地图匹配技术，特别涉及一种复杂路况下的 基于多权重值的地图匹配方法。

背景技术

当前，当车辆行驶在一般的道路情况下时，使用一般的地图匹配方法都可以对于车辆行 驶轨迹进行准确修正，但是，当车辆行驶在复杂的道路情况下时，如U型弯道或者十字路口， 由于车辆定位点的模糊以及普通地图匹配算法的局限性，很容易将车辆匹配到错误的道路上， 因此就无法提供准确的车辆行驶轨迹。如图1所示，车辆连续采样时刻的定位点分别是 P₁→P₂→P₃→P₄→P₅→P₆。图中有三条待匹配路段L₁、L₂和L₃，如果使用最短距离投影 算法进行匹配，P₄很有可能会被匹配到路段L₁上，这样的匹配结果显然是错误的。因此在面 对复杂路况时，必须使用一种匹配准确度更好的地图匹配算法。

当车辆行驶在一般的道路情况下时，使用一般的地图匹配算法都可以对于车辆行驶轨迹 进行准确修正。但是当车辆行驶在复杂的道路情况下时，如U型弯道或者十字路口，由于车 辆定位点的模糊以及普通地图匹配算法的局限性，很容易将车辆匹配到错误的道路上，因此 就无法提供准确的车辆行驶轨迹。而本发明能够很好地解决上面的问题。

发明内容

本发明目的在于提供了一种复杂路况下的基于多权重值的地图匹配方法，该方法解决了 复杂路况下车辆卫星导航系统GNSS定位点地图匹配准确度不高的问题。该方法使用车辆前 后GNSS定位点连线与路段夹角、定位点与路段投影距离以及航向角与路段夹角作为主要因 素，利用GNSS浮动车辆的数据进行轨迹修正，在复杂路段处可以修正偏移的GNSS定位点 并提供较高的地图匹配精确度。

本发明解决其技术问题所采取的技术方案是：一种复杂路况下的基于多权重值的地图匹 配方法，该方法包括如下步骤：

步骤1：获取车辆前后GNSS定位点连线与路段夹角、定位点与路段投影距离以及航向角 与路段夹角；车辆航向角(VCA，Vehicle Course Angle)可以通过GNSS定位数据得到，将 VCA定义为车辆行驶方向与地图正北向沿顺时针所形成的夹角，范围是[0,360°)。路段方位角 (SOA，Sections Of Azimuth)是指路段上相邻两个节点间沿着车辆行驶方向的路段与地图 正北向沿顺时针所形成的的夹角，范围同样是[0,360°)。SOA可以通过电子地图数据库中的道 路信息得到，也可以通过直行道路的起始点坐标求斜率得知。图2显示了VCA和SOA之间的 关系。VCA与SOA之间的夹角记作也就是与之间的差值；定位点垂直投影距离 是指待匹配路段与车辆定位点的最近距离，因此首先必须将车辆定位点对于待匹配路段进行 垂直投影，图3展示了垂直投影的过程。图中P点是当前车辆定位点，将P点对待匹配路段 作垂直投影，得到垂直投影点P₁，A点和B点分别是待匹配路段的起始端点。前后两个采样 时刻的车辆定位点的连线与待匹配路段之间的夹角θ也是决定车辆行驶轨迹与路段相似度的 重要因素。θ值越小，轨迹与路段相似度越高，反之则越低。图4清楚展示了前后定位点与 路段之间的夹角。

步骤2：将获取的三个关键参数作为主要因素，利用GNSS浮动车辆的数据进行轨迹修正， 在复杂路段处修正偏移的GNSS定位点并提供较高的地图匹配精确。基于多权重值的地图匹配 算法设定了三个权重参量W_d和W_θ作为地图匹配的主要影响因素，分别通过权重因子λ_d和λ_θ对其进行约束，可以根据不同的路况选择不同的k值来调整三者的大小关系：当定位 点与路段较近，即d较小时，可以将k值调小，此时W主要由W_d和W_θ决定；当定位点与路 段较远，即d较大时，可以将k值调大，此时W主要由决定。

本发明使用当前采样时刻车辆的航向角与待匹配路段的夹角、当前采样时刻车辆定位点 与待匹配路段的垂直投影距离以及当前时刻与前一时刻车辆定位点的连线与待匹配路段的夹 角作为地图匹配的主要因素，并根据不同的路况选择不同的权重因子。

有益效果：

1、本发明能够根据不同的路况选择不同的权重因子，提高了地图匹配精确度。

2、当面对一般的道路情况时，使用一般的地图匹配算法都可以对于车辆行驶轨迹进行准 确修正。

附图说明

图1为U型弯道车辆轨迹图。

图2为车辆航向角和路段方位角示意图。

图3为定位点垂直投影示意图。

图4为前后定位点连线与路段夹角示意图。

图5为基于多权重值的地图匹配算法在U型弯道的应用示意图。

图6为本发明的方法流程图。

具体实施方式

下面结合说明书附图对本发明创造作进一步的详细说明。

与本发明相关的缩略语和关键术语定义：

AGNSS  Assisted Global Positioning System    位辅系助统全 球卫星定

GNSS   Global Navigation Satellite System    全统 球卫星导航系

IOV    Internet of Vehicle                   车联网

SOA    Sections Of Azimuth                   路段方位角

V2V    Vehicle to Vehicle                    车与车之间的通

                                             信

VCA    Vehicle Course Angle                  车辆航向角

当面对一般的道路情况时，使用一般的地图匹配算法都可以对于车辆行驶轨迹进行准确 修正，但是，当车辆行驶在复杂的道路情况下时，如U型弯道或者十字路口，由于车辆定位 点的模糊以及普通地图匹配算法的局限性，很容易将车辆匹配到错误的道路上，因此就无法 提供准确的车辆行驶轨迹。如图1所示，车辆连续采样时刻的定位点分别是 P₁→P₂→P₃→P₄→P₅→P₆。图中有三条待匹配路段L₁、L₂和L₃，如果使用最短距离投影 算法进行匹配，P₄很有可能会被匹配到路段L₁上，这样的匹配结果显然是错误的。因此在面 对复杂路况时，必须使用一种匹配准确度更好的地图匹配算法。

本发明提出的基于多权重值的地图匹配算法主要与三种因素相关，分别是当前采样时刻 车辆的航向角与待匹配路段的夹角、当前采样时刻车辆定位点与待匹配路段的垂直投影距离 以及当前时刻与前一时刻车辆定位点的连线与待匹配路段的夹角。接下来我们具体分析这三 个组成要素，由于此算法需要解决复杂路况下GNSS定位点匹配准确度不高的问题，所以这 里以使用GNSS进行定位作为前提。

(1)车辆航向角与路段夹角

由于这里是使用GNSS定位，所以车辆航向角(VCA，Vehicle Course Angle)可以通过 GNSS定位数据得到，这里将VCA定义为车辆行驶方向与地图正北向沿顺时针所形成的夹角， 范围是[0,360°)。同理，路段方位角(SOA，Sections Of Azimuth)是指路段上相邻两个节点 间沿着车辆行驶方向的路段与地图正北向沿顺时针所形成的的夹角，范围同样是[0,360°)。 SOA可以通过电子地图数据库中的道路信息得到，也可以通过直行道路的起始点坐标求斜率 得知。图2显示了VCA和SOA之间的关系。

假设VCA与SOA之间的夹角记作也就是与之 间的差值。的变化范围为[0,180°]，可以由公式(1)表示：

(2)定位点垂直投影距离

定位点垂直投影距离是指待匹配路段与车辆定位点的最近距离，因此首先必须将车辆定 位点对于待匹配路段进行垂直投影，图3展示了垂直投影的过程。图中P点是当前车辆定位 点，将P点对待匹配路段作垂直投影，得到垂直投影点P₁，A点和B点分别是待匹配路段的 起始端点。由公式(2)可知P点到待匹配路段的垂直投影距离d。

$d=\frac{|(y_2-y_1)x+(x_2-x_1)y+(x_1{y}_2-x_2{y}_1)|}{\sqrt{{(x_2-x_1)}^2+{(y_2-y_1)}^2}}---\left(2\right)$

(3)前后定位点连线与路段夹角

前后两个采样时刻的车辆定位点的连线与待匹配路段之间的夹角θ也是决定车辆行驶轨 迹与路段相似度的重要因素。θ值越小，轨迹与路段相似度越高，反之则越低。图4清楚展 示了前后定位点与路段之间的夹角。图中，假设前后两个连续采样时刻的车辆定位点分别为 P₁(x₁,y₁)和P₂(x₂,y₂)，路段L的方位角是θ_road，那么θ可以通过公式(3)计算得到：

本发明提出的基于多权重值的地图匹配算法对每条待匹配路段进行评判，通过每条路段 的多权重值的大小选择出匹配度最高的路段^[54][55][56]。多权重值W共由3个部分组成，由公式 (4)表示：

其中，表示VCA和SOA之间的相似度，计算公式如下：

就是VCA和SOA的夹角，表示权重因子，会随着系数k而变化，(λ_d由 公式(4.6)得到，0＜k＜1)。越小，VCA和SOA之间的相似度就越高，也就越大， 当大于90°时，可以为负值。

W_d表示GNSS定位点与待匹配路段之间的接近程度，由公式(6)表示：

$W_d=\frac{{\lambda }_d}{d}---\left(6\right)$

上述公式中的d表示车辆定位点到待匹配路段的投影距离，可以由公式(2)得到，λ_d是 可选权重因子，在这里取作15。d越小，表示车辆定位点与待匹配路段越相近，因此W_d也就 越大，反之亦然。

W_θ可以通过对多组相邻定位点连线与路段夹角求均值实现，这里选取路段周围满足 W_d＞1的n个定位点，分别设为(x₁,y₁)，(x₂,y₂)，…，(x_n,y_n)，然后由公式(3)得到相邻 两点的θ值，分别为θ₁，θ₂，…，θ_n。W_θ可以由公式(7)计算得到：

$W_{\theta }={\lambda }_{\theta }\frac{\cos {\theta }_i*(n-1)}{\underset{i=1}{\overset{n-1}{\Sigma }}\cos {\theta }_i}---\left(7\right)$

上述公式中，λ_θ为权重因子，λ_θ＝(1-k)λ_d，θ_i是集合{θ₁,θ₂,...,θ_n-1}中的元素，当λ_θ不 变，θ_i越小，W_θ就越大。

本发明提出的基于多权重值的地图匹配算法设定了三个权重参量W_d和W_θ作为地图 匹配的主要影响因素，分别通过权重因子λ_d和λ_θ对其进行约束，可以根据不同的路况选 择不同的k值来调整三者的大小关系：当定位点与路段较近，即d较小时，可以将k值调小， 此时W主要由W_d和W_θ决定；当定位点与路段较远，即d较大时，可以将k值调大，此时W 主要由决定。这里再回顾图1中的U型弯道车辆轨迹图，我们加入VCA、SOA以及定位 点到路段的距离等因素，如图5所示。图中每个采样时刻的VCA分别用α₁、α₂、…、α₆表 示，L₁、L₂和L₃的SOA分别用β₁、β₂和β₃表示，P₄到三个待匹配路段L₁、L₂和L₃的距离分 别为8米，11米和13米。因为目前车辆行驶在U型弯道处，所以VCA应该为主要影响因素， 所以将k值设为0.6。我们通过基于多权重值的地图匹配算法对P₄点进行权重值计算，得到如 下表格：

表1：基于多权重值的地图匹配算法对于P₄点的权重值计算

由表1可以看出，当车辆行驶在U行弯道处时，由于车辆定位点距离路段较远，所以 在W中占比重较大，W_d占比重较小。经过权重值总和的计算，可以得知P₄点与路段L₃的匹配度最高，因此最后将P₄成功匹配至L₃。