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.     

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。     

一种基于位置点的地图匹配改进算法

针对智能手机计算资源有限、功耗要求高、内置GPS模块易受到周围环境的影响等问题, 提出了一种改进的基于位置点的地图匹配算法, 利用用户个人位置移动的连续性, 结合历史轨迹数据进行道路投影, 通过纠偏的方法对手机的定位数据与电子地图数据进行匹配, 实现了直线道路、十字路口以及多边形区域等各种路况的准确定位。地图匹配算法可用于移动用户行为轨迹的监测和基于移动用户位置的个性化推荐中。     

基于步行GPS轨迹的路网提取方法

准确提取和及时更新路网信息,对于道路规划和车辆导航等方面至关重要。目前,基于GPS轨迹的路网提取方法一般是从浮动车或出租车的GPS轨迹中挖掘城市主干路网。然而,现有方法忽略了小路的自动提取,它对于抗震救灾、小区导航或乡村游览等场合非常重要。因此,本文提出基于步行GPS轨迹的路网提取方法,分为数据预处理、道路中心线生成和路网精度评价3个部分。其中,先后采用轨迹点聚类、聚类点分割和中心线拟合等方法生成道路中心线。通过自行采集的步行GPS数据进行实验,结果表明,本文方法能够准确提取路网,覆盖率可达96.21%,而误检率仅3.26%;并且能够提取小路和更新路网。     

基于Kalman滤波的地图匹配方法

地图匹配方法利用电子地图的地理数据对GPS定位数据进行校正,可有效提高定位数据的精度。本文首先采用最近点估计方法计算道路垂直方向的GPS误差,对该误差采用Kalman滤波方法获得GPS偏差估计,以此偏差估计修正GPS测量值并进行地图匹配。实验表明利用该方法可将定位数据准确地匹配到道路上,使匹配后的定位精度得到提高。     

基于浮动网格的路段检索方法

地图匹配是将车辆原始的GPS轨迹数据映射到实际道路网络上的过程, 其中为GPS轨迹点检索候选路段是地图匹配的首要环节, 然而不同的候选路段检索方式会直接影响地图匹配的准确性和效率. 本文针对城市路网环境下的低频采样GPS轨迹数据, 提出了一种基于浮动网格的路段检索方法. 该方法利用GeoHash网格编码, 采用浮动GeoHash网格的方式, 为轨迹点检索候选路段. 其次为了验证方法的可行性, 本文通过隐马尔可夫模型, 结合道路网络的拓扑结构以及轨迹的时空约束条件, 采用增量的方式, 利用维特比算法计算得到局部最优解. 最后使用贪心策略, 从已经得到的局部最优解中依次延伸得到全局最佳匹配路径.     

基于共享单车GPS数据的小区道路生成方法

利用GPS数据生成路网对城市交通有着重要意义。由于机动车自身对道路条件的要求,利用机动车GPS提取路网主要针对城市主干道及主路,忽略了小路及小区路网。为完善城市路网,提出了一种基于共享单车GPS轨迹的道路拓扑结构生成方法。首先提取路网拓扑节点,通过引入趋势夹角判断转折点后利用转向角分析确定拓扑点。然后提取道路线型,通过OW(opening window)算法对轨迹进行分割、基于DBCSAN算法思想提出一种对子轨迹聚类方法,再提取特征点来拟合道路中心线。利用缓冲区验证路网的精度,结果表明该方法生成的道路既能确保拓扑结构又具有较高的覆盖率。     

基于GIS路网的公交路线轨迹算法

为解决公交路线轨迹偏移路网以及在GIS路网信息缺失尤其是乡村道路情况下的公交轨迹描绘.论文首先通过深入分析公交车辆GPS数据,分别聚类出线路上下行轨迹点;其次,轨迹点清洗并排序;再次,结合GIS路网基础信息进行地图匹配;最后,根据改进的Dijkstra算法解决路网拓扑结构缺失情况下制作出公交路线轨迹.将该算法实施在A市35条公交线路上,线路匹配成功率为85%,未匹配成功线路由于样本缺失或者路网基础信息错误导致,可见该算法具有较好的准确率和实用性.     

基于动态加权的城市路网地图匹配算法

针对密集且复杂的城市路网提出了一种基于动态加权的几何地图匹配算法,将采集的原始GPS车辆轨迹点进行校正,并将其精确定位到数字地图中的实际路段上.在匹配过程中,将数字地图按网格进行划分,根据待匹配GPS点所在的网格的经纬度范围确定匹配候选路段集;分别使用待匹配GPS点的投影距离、航向夹角和轨迹夹角,通过动态加权算法从候选路段集中查找最佳匹配路段,并获得待匹配GPS点的校正坐标,其中动态加权算法中使用的权值系数在匹配过程中根据待匹配GPS点动态计算获取;最后进行动态加权和固定加权几何地图匹配仿真实验,结果表明,所提算法优于固定权值匹配算法.     

考虑时空特性的动态权重实时地图匹配算法

针对当前实时地图匹配算法难以同时保证匹配高准确性和高实时性的问题,提出一种基于动态权重的实时地图匹配改进算法。首先,算法考虑了相邻全球定位系统（GPS）轨迹点在时间、速度和方向上的约束关系,以及道路网拓扑结构,并基于时空特性分析,建立了距离权重、方位权重、方向权重和连通性权重组成的权重模型;然后,根据GPS轨迹点自身属性信息,建立了动态权重系数模型;最后,根据置信度水平选择最佳匹配路段。用三条总长36 km的重庆城市公交车行驶轨迹进行测试,结果显示：所提算法平均匹配正确率达到97.31%,单个轨迹点匹配平均延迟为17.9 ms。新算法匹配正确率和实时性较高,在Y形路口和平行路段的匹配效果上优于对比算法。     

GPS导航系统中的地图匹配算法

传统算法对于复杂路况的匹配正确率较低,为此,提出一种适合于交通网络拓扑结构变化的动态平行四边形匹配算法。利用权值选出匹配路段,并将全球定位系统(GPS)轨迹点投影到匹配路段上,在交叉路口以平行四边形匹配准则消除车辆轨迹点沿道路方向的误差,通过动态偏差更新,解决卫星换星、大气云层遮挡、多路径效应等因素造成的偏差问题。引入该算法的GPS车载系统在合肥市实地跑车实验结果表明,其对于复杂路况仍能进行正确匹配,真实再现车辆行驶情况。     

复杂路段的角度差和后续点地图匹配方法

针对仅依靠距离和轨迹与路径的相似性来判断正确道路的方法,在并行和交叉路段的复杂路网环境中,易匹配到相邻路段或部分不可达的路段,导致匹配错误的问题,提出采用线性回归模型的方法,其能更精确地描述道路形状在转弯处的变化,根据路段方向和移动对象移动的方向差判断并行或交叉路段,并通过参照多个后续点的匹配情况,实现复杂路段处的地图匹配,减少匹配错误。此外,还提出简化聚类的路网补全方法,可以解决部分GPS点周围缺失候选路段无法匹配的问题,并采用四叉树索引地图数据,提高效率。对比实验结果表明在轨迹点数较少时,与现有的基于隐马尔可夫模型的概率匹配方法相比,时间最多减少了62%,更适合时效性要求高的应用场景,与传统的几何匹配方法相比,匹配精度提高了3%,且更适合复杂路段匹配。     

基于条件随机场和低采样率浮动车数据的地图匹配算法

提出了一种基于条件随机场和低采样率浮动车数据的地图匹配算法。首先建立道路网络模型,在此基础上,计算GPS观测点可能匹配的候选投影点集合以及集合中每一个候选投影点的观测概率,再计算相邻GPS观测点的候选路径集合以及每两个相邻候选投影点之间的传递概率;然后根据这些候选投影点和候选路径,在滑动窗口内,基于条件随机场模型应用前后向递归算法,计算每个候选投影点的概率权重值;最后根据概率权重值,选取GPS观测点的最佳匹配投影点。该算法(FB-MM)在低采样率的情况下,综合考虑了道路网络的拓扑结构和GPS观测点之间的关联信息,实现了较好的地图匹配效果。     

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。     

多重处理的道路拥堵识别可视化融合分析

目的 随着城市交通拥堵问题的日益严重,建立有效的道路拥堵可视化系统,对智慧城市建设起着重要作用。针对目前基于车辆密度分析法、车速判定法、行驶时间判定法等模式单一,可信度低的问题,提出了一种基于DBSCAN+（density-based spatial clustering of applications with noise plus）的道路拥堵识别可视化方法。方法 引入分块并行计算,相较于传统密度算法,可以适应大规模轨迹数据,并行降维聚类速度快。对结果中缓行区类簇判别路段起始点和终止点,通过曲线拟合和拓扑网络纠偏算法,将类簇中轨迹样本点所表征的路段通过地图匹配算法匹配在电子地图中,并结合各类簇中浮动车平均行驶速度判别道路拥堵程度,以颜色深浅程度进行区分可视化。结果 实验结果表明,DBSCAN+算法相较现有改进的DBSCAN算法时间复杂度具有优势,由指数降为线性,可适应海量轨迹点。相较主流地图产品,利用城市出租车车载OBD（on board diagnostics）数据进行城区道路拥堵识别,提取非畅通路段总检出长度相较最优产品提高28.9%,拥堵识别命中率高达91%,较主流产品城区拥堵识别平均命中率提高15%。结论 在城市路网中,基于DBSCAN+密度聚类和缓行区平均移动速度的多表征道路拥堵识别算法与主流地图产品相比,对拥堵识别率、通勤程度划分更具代表性,可信度更高,可以为道路拥堵识别的实时性提供保障。     

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。