基于隐马尔可夫模型的有向地图匹配算法研究

地图匹配是指将GPS轨迹映射到真正路网上,获取实际道路上位置的过程。然而,传统的地图算法在处理低频采样数据时(例如,每1~2 min一个采样点)仍然面临着巨大的挑战,此外,这些算法通常是在简单的路网下进行的,并没有考虑道路的双向交通网络。针对这些问题,提出了一种基于隐马尔可夫模型的有向地图匹配算法(DHMM),该算法充分考虑GPS轨迹与道路的相关性以及相邻GPS数据点间的几何特征。结合福州地区真实的出租车轨迹数据,将DHMM算法与点到线(P-L)算法和HMM算法进行比较。实验结果表明,DHMM地图匹配算法在低频和复杂的路网下(复杂的路网由双向道路组成,考虑了道路的方向)匹配准确率均优于P-L、HMM算法。     

基于GPS/DR的地图匹配方法的研究与实现

研究了地图辅助定位技术在GPS/DR组合定位系统中的应用,给出了一种基于D-S证据推理的地图匹配算法,该算法通过对车辆轨迹与数字地图模块提供的路径相比较,把基于各种传感器的车辆位置与道路网络联系起来,并通过匹配过程来确定车辆关于地图的最大可能位置.仿真实验结果表明,应用该地图匹配算法能够有效的提高组合定位系统的定位精度、减小误差,改善对航线的跟踪质量.     

基于新道路发现的GIS地图更新算法

针对导航系统中电子地图的更新代价大、耗时长的问题,结合浮动车的历史GPS轨迹信息匹配到当前电子地图中时匹配时效的情形,提出了一种基于失效数据筛选的新道路判定和电子地图更新算法。首先,通过计算全部失效点的横纵跨度判断行驶轨迹的主方向。其次,通过飘逸筛选,剔除可能由于车载GPS采集设备因故障而产生的定位失准数据点组;利用基于直线的最小二乘法,对匹配失效的异常轨迹进行线性拟合,以确定轨迹的位置和方向;通过角度筛选,剔除误差较大的定位数据点组。最后,将筛选所得新道路的轨迹数据进行融合并排序,结合电子地图的路网结构,根据新道路的路段端点的匹配结果,将新道路插入到当前GIS电子地图的路网中。通过在某城市局部区域的电子地图路网数据上进行实验,结果表明该方法能够准确地判定和筛选新增道路,并将其正确地插入到电子地图的当前路网结构中。     

基于拓扑关系的监控系统地图匹配算法

在城市公交监控系统中,数据中心需要处理的定位数据量巨大.本文在分析城市公交车行驶特点的基础上,提出了基于拓扑关系的公交车与线路几何匹配算法,根据GIS的位置择近准则修正GPS定位数据.利用该方法进行地图匹配修正后,仅在道路切线方向保留定位误差,而在道路法线方向定位误差显著减小.试验证明,该算法较其他算法能显著缩短数据处理时间,并且地图匹配准确率达到100%.     

基于海量公交轨迹数据挖掘的地图匹配算法

针对现有地图匹配算法（如基于经典隐马尔可夫及其变体、先进算法等）对于低频轨迹数据匹配效果不甚理想的问题,提出一种基于海量公交历史轨迹数据的轨迹数据挖掘方法。首先,以公交站点为序列骨架,从大量低频轨迹中挖掘、提取轨迹点数据,进行重组、排序形成高质量高频轨迹数据序列;然后,将高质量高频轨迹数据序列应用基于经典隐马尔可夫模型地图匹配算法,得到公交路线地图匹配结果。与未经过挖掘算法处理的低频轨迹数据的匹配方法相比,所提方法在匹配误差上平均下降6.3%,匹配所需的数据规模、时间大幅缩减;且该方法对于低频、不稳定的噪声数据具有鲁棒性,适用于所有公交路线的地图匹配问题。     

基于众包的多楼层定位方法

无线基础设施的广泛部署使得基于WiFi的指纹定位方法成为了最具普适性的定位方法之一.然而,指纹库构建过程的耗时费力阻碍了基于接收信号强度(received signal strength indication,RSSI)指纹定位的发展.针对指纹库构建难问题,提出了一种基于众包的低成本、高效率的多楼层指纹库构建方法-MCSLoc.首先将室内平面地图转换为室内语义地图;然后采集众包用户智能手机内置惯性传感单元(inertial measurement unit,IMU)数据,采用卡尔曼滤波(Kalman filter,KF)融合算法划分传感数据到所属楼层.提出分段式轨迹获取方法,根据传感数据获取用户相对轨迹和RSSI值序列;最后利用隐马尔可夫模型(hidden Markov model,HMM)和轨迹匹配维特比(track matching Viterbi,TM-Viterbi)算法将相对轨迹与室内语义地图主路径相匹配,为RSSI值序列标注楼层标签和物理位置标签.MCSLoc方法的HMM地图匹配算法无需用户初始位置,实现众包用户弱意识参与.实验结果表明MCSLoc可以快速获取轨迹绝对初始位置,有效构建多楼层指纹库,提高多楼层定位效率.     

利用ArcGIS Silverlight实现的车辆监控技术

智能车辆服务系统是目前汽车工业物联网技术研发的热点,其中车辆实时监控是系统的关键模块之一.对车辆监控技术、ArcGIS技术以及地图匹配和历史轨迹算法进行了研究,并根据系统应用,提出了相应的历史轨迹数据优化、轨迹回放算法和改进的地图匹配算法.基于这些算法,利用ArcGIS Silverlight实现了车辆监控系统中的车辆定位、地图标记、电子栅栏、历史轨迹等主要模块的设计.试验结果表明,车辆监控系统能对车辆进行实时有效的监控,在车辆监控领域具有一定的应用价值.     

基于权重的地图匹配算法

该文分析了地图匹配的误差来源,提出了一个基于权重的地图匹配算法。该算法将GPS定位数据转换成道路网络的弧的权重,然后根据弧的权重大小来确定车辆当前行驶的道路。该算法有效地利用了定位点的当前信息和历史信息,并且能够在很大程度上降低定位误差对地图匹配效果的影响。     

大规模轨迹数据并行化地图匹配算法

为解决大规模轨迹数据的地图匹配问题,提出一种并行化的地图匹配算法。该算法将数据转换为弹性分布式数据集,利用Spark算子并行化计算出轨迹点的匹配路段,对原始GPS轨迹点进行校正,并采用GeoHash编码对候选路段的选取进行优化。采用Spark集群平台和约14.7 GB的西安市出租车轨迹数据对方案的规模增长性、加速比和可扩展性等性能进行了实验分析,并与一种基于Hadoop的同类地图匹配算法进行了性能比较,实验结果显示所设计算法效率提高了约31倍,表明本方案有较大的改进。     

GPS轨迹数据纠偏方法研究

目前GPS技术被广泛应用在各个定位和导航中,但是由于GPS系统存在一定的误差,需要通过地图匹配算法将GPS定位数据结合电子地图进行纠正匹配,以提高GPS定位精度。文中通过缓冲区分析获取待匹配道路集合,利用路网拓扑结构,筛选出其中拓扑不相关的匹配道路,同时根据最小距离原则,从多条待匹配道路中找到正确道路。除此之外,文中针对其中由于信号缺失或者定位误差所造成的不连续位置,将其分解成多条连续集合,使道路匹配更加合理。对实际GPS轨迹数据处理结果表明,该方法在复杂路网中有较好的匹配效果、效率较高,具有实用价值。     

基于偏好的个性化路网匹配算法

定位技术的普遍应用,使得随时随地获取个人位置成为可能,进一步推动了基于位置的服务等新型应用的发展,产生了海量轨迹数据.精确的路网匹配对提高这些新型应用的服务质量具有重要的研究意义,然而受众多因素的影响,大部分轨迹的采样率较低,比如由签到类应用或低功耗设备生成的低采样轨迹,给路网匹配带来了巨大的挑战.研究基于偏好的个性化路网匹配（driving preference based personalized map-matching,简称DPMM）,提出了在动态道路交通网络中的用户驾驶偏好模型.基于该模型,提出了两阶段路网匹配算法：局部匹配搜索用户最可能采用的几条局部Skyline路径;设计了全局匹配的动态规划算法,该算法返回在用户驾驶偏好下最可能的多条全局路径作为最终匹配结果.实验结果充分表明,该方法是有效的和高效的,具有一定的使用价值.     

路测数据驱动的移动终端定位方法

针对当前无线定位技术无法适应复杂环境、定位精度较低的问题,提出了一种路测数据驱动的移动终端定位方法。首先,基于基站位置定位、基站信号覆盖范围描绘算法建立基站位置-范围模型库,将移动终端初始参数与模型库匹配得出其初始范围;其次,基于道路特征提取算法建立道路分类数据库,利用无线信号特征匹配算法匹配移动终端所在道路信息;最后,建立经纬度-强度映射模型库,运用终端信号比对算法确定移动终端的精确位置。理论分析和实验结果表明,基站定位精度在2 m内的概率为60%,3 m内的概率为77%,相对数据白化之前分别提高了39%、12%左右,基站信号覆盖范围描绘算法也能较准确地描绘基站信号覆盖范围,二者精度的改善能提高最终定位精度。     

矢量道路拓扑追踪匹配算法

目的 基于道路形状特征的匹配算法在匹配性能上比较稳定,但当遇到道路交叉口等复杂路况时容易出现误匹配,且实时性上有一定缺陷,而矢量道路良好的拓扑结构,为此提出一种利用矢量道路拓扑关系进行追踪匹配的算法。方法 算法利用结点、路段和路口这3种对象来对矢量道路进行表达,建立各个对象之间的拓扑关系,并将匹配过程划分为4个不同的状态,根据各个状态实施相应的匹配方法。首先,进行初始化、追踪、路口和搜索4个状态的定义和划分,确定各个状态之间的转换关系;进一步,设计道路中的结点、路段和路口3种对象的数据结构,建立点、线之间的空间拓扑关系;其次,根据4个状态的具体任务和实际特点,对进入该状态的行驶轨迹进行相应地分析处理和匹配计算;最后,根据追踪的结果进行匹配分析,完成对车辆行驶轨迹的误差修正。结果 采用GPS-RTK采集的北京市西五环及密云地区的矢量道路数据对实地跑车的惯性导航轨迹进行拓扑追踪匹配仿真实验,完成拓扑追踪匹配算法的路口距离阈值选取,并与传统基于道路形状特征的匹配算法在匹配效果和实时性进行性能对比测试,其性能指标为匹配准确率和匹配时间。当矢量道路拓扑追踪算法的路口距离阈值取20 m时,匹配准确率达到了最高值93.5%。在匹配性能对比上,拓扑追踪算法相较于其他两种算法也有一定优势,在相同道路段中匹配准确率达到了90.2%,匹配速度也提高了48倍。结论 采用矢量道路数据的拓扑信息对车辆轨迹进行追踪匹配的方法,能够用于卫星信号“盲区”或者信号干扰等特殊环境和场合的组合系统辅助导航,弥补传统基于卫星的组合导航在自主性、抗干扰性的不足。同时,算法针对复杂路况的匹配结果也较为理想,能够满足组合导航匹配工作的要求。     

车载GPS/DR/MM组合导航定位算法研究应用

虽然GPS/DR组合定位比单独用GPS或航迹推算DR(Dead Reckoning)定位有更高的定位精度,但由于累积误差的产生,长时间使用仍可能出现较大的偏差,不利于车辆导航.对此,提出一种基于模糊逻辑的地图匹配算法,利用模糊逻辑评判规则和相应的隶属度函数对地图匹配可信度进行综合评判,最终确定车辆当前行驶道路和车辆的位置.实验数据表明,地图匹配MM(Map Matehing)技术进一步修正了GPS/DR组合导航系统的定位结果,有效地提高了系统定位精度.由于不增加硬件设施,GPS/DR/MM组合导航定位使低成本高精度的车辆导航成为可能.     

基于预测的地图匹配方法

地图匹配是车辆导航系统中最重要的部分。该文通过对车辆组合定位过程中的匹配方式进行具体分析,得到了通过预测进行有效匹配的方法。该方法利用前一时刻自车的匹配信息和当前的传感器数据来预测下一时刻的自车匹配信息,较好地解决了匹配过程中车辆到不到node点和ShapeLink点的判定问题,同时也解决了匹配中找到正确的当前ShapeLink问题。在车辆组合定位系统中实际运用该模型取得了很好的效果。     

系统.基于道路缓冲区分析的地图匹配算法*

针对目前城市交通中对浮动车数据匹配实时性差和匹配率不高的缺点,提出一种利用道路缓冲区的大规模GPS数据的地图匹配算法。在综合考虑GPS定位点精度以及道路宽度的基础上,构建道路缓冲区区域,通过分析道路缓冲区区域与路网中道路的对应关系以及GPS定位点与道路缓冲区区域之间的位置关系,确定GPS定位点所在的匹配道路。实验证明,算法不仅匹配率高,而且实时性强,在大GPS数据量下能较快地完成匹配过程,满足实际工程应用的要求。     

基于时空分析的地图匹配算法研究

地图匹配技术被广泛用于GPS导航、城市道路交通状态分析等领域。针对目前城市浮动车数据量日益庞大,地图匹配算法实时性差、匹配率不高的缺点,提出了一种基于时空分析的地图匹配算法。算法在对城市路网建立网格索引的基础上,综合考虑了空间几何、路网拓扑信息及上下文因素对选取GPS投影点的影响,大大提高了匹配效率和匹配精度。实验结果表明,算法能够满足工程应用中浮动车地图匹配的实时性和准确性。     

GSM-R场强监测系统中地图匹配算法研究

通过对影响车载导航系统定位精度的各种GPS数据误差的分析,提出了在GSM-R(Global System for Mobile Communica-tions Railway,铁路专用移动通信系统)场强监测系统中采用基于匹配相似度的地图匹配算法,该算法以GPS定位数据、精确的电子地图及相关路段的历史数据为基础,通过匹配过程确定车辆在电子地图上的最大可能位置,从而弥补了传统匹配算法计算量大以及匹配不准确的不足;最后,在模拟平台上进行了一系列测试,测试结果表明,该算法中的车辆定位和地图匹配精度明显提高,约达到95%。