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%.     

一种基于GPS终端的地图匹配方法

提出了一种复杂度低、实时性好、匹配准确率高的综合地图匹配方法。该方法综合基于权重度量值和曲线拟合的地图匹配思想,并结合路网拓扑信息,提供实时准确的车辆位置信息,可应用于车辆监控、实时交通信息采集、车辆导航。还提出了车辆位置相关的弧投影算法和GPS信号无效时的航位推算算法。     

一种基于高精度地图匹配误差的路径规划方法

在无人驾驶技术发展的过程中,地图的匹配定位与其所指导的路径规划是十分重要的研究内容.路径规划的质量、总代价和稳定性往往与地图匹配定位的准确率有关.因此,论文使用正态分布变换算法进行基于高精度地图的无人车匹配与定位,然后将匹配误差引入路径规划代价函数.并引入道路危险系数的概念,根据匹配误差修改障碍物附近道路的危险系数,从而提高路径规划的稳定性和安全性.此外,论文进行了仿真实验,验证了算法的有效性.     

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.     

城市环境下GPS导航系统的地图匹配估计

针对城市环境下车辆的行驶特点,在GPS定位数据的基础上,利用位置择近算法对车辆进行地图匹配估计,使车辆在道路法线方向的定位误差显著减小,误差仅保留在车辆行驶方向的径向分量中.试验结果表明,经地图匹配修正后,车辆运动轨迹的定位精度达到了道路城内,进一步提高了系统的跟踪能力.     

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。     

基于模糊逻辑的GPS／DR地图匹配算法

一个好的地图匹配算法对改善智能运输系统的导航性能起着至关重要的作用,能够在很大程度上提高导航系统的定位精度。本文提出一种基于模糊逻辑的综合地测匹配算法。该方法把GPS／DR传感器得到的定位信息和电子地图库的数据作为算法的输入,通过逻辑评判输出最佳匹配路段,并在道路拐弯处通过拓扑荧系选择候选道路。仿真实验证明,引用该算法后地图匹配效率和准确性都有很大的提高。     

基于短时预测的地图匹配算法

地图匹配算法的有效性和可靠性对于车载导航系统而言非常重要,而目前存在的地图匹配算法在一些复杂环境下(如道路交叉口)仍然不能提供合理的输出。因此,为了提高道路网络中的地图匹配精度,提出了基于短时预测的地图匹配算法。该算法首先使用待匹配定位点的历史信息建立短时预测模型,从而获取到待匹配时刻未来一段时间内的位置预测点;然后使用待匹配定位点和短时预测点与道路之间的平均距离替换待匹配定位点与道路之间的距离;最后采用Dempster-Shafer证据理论融合车辆与道路之间的距离信息和方向信息,有效地扩大了待匹配道路之间的差异,从而提高了算法的鲁棒性。仿真和实验表明,新算法在复杂环境下具有较强的有效性和可靠性。     

区域生长辅助的地图配准在室内定位中的应用

地图匹配（ MM）算法通过粒子滤波（ PF）利用室内地图信息来抑制基于惯性传感器的室内定位系统的误差累计。利用区域生长（ RG）算法结合当前步长和方向信息在地图上找到合理的落脚范围,并以此来判断粒子的有效性。这种方法能有效改善地图配准算法的实用性和计算复杂度。提出一种改进的零速度（ ZV）检测算法能准确提取步伐信息,间接提升了零速度更新（ ZUPT）算法和地图配准算法的精度。实验结果表明：该算法的定位误差小于1.0%,定位精度比单纯的航位推算（ DR）算法平均提高了5.97%。     

基于Zernike形状矩的地图匹配算法

地图匹配算法的有效性和可靠性对于智能交通系统而言是非常重要的,而目前存在的地图匹配算法在一些复杂环境下（如道路交叉口）仍然不能提供合理的输出。采用D-S证据理论融合当前车辆位置信息和方向信息可以有效地扩大待匹配道路之间的差异,但在复杂路网下信息量的不足会降低其匹配精度。因此,为了提高道路网络中的地图匹配精度,提出了基于Zernike形状矩的地图匹配算法。新算法引入Zernike矩描述轨迹曲线的形状,进一步修正了错误结果。通过仿真和实验表明,新算法在复杂环境下具有较强的有效性和可靠性。     

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。     

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。     

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.     

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。     

基于浮动车移动轨迹的新增道路自动发现算法

为了实现电子地图数据的动态更新,以支持日新月异的交通路网的地理信息服务,提出一种基于浮动车技术的新增道路自动发现算法。系统实时计算大规模浮动车数据移动轨迹,并与现有图层进行图像配准以提取疑似新增道路集,进而通过筛选过滤算法对数据集进行数据清洗,并自动地生成包含其位置和长度等信息的疑似新增道路报表及其临时图层。实验结果表明,该算法可快捷地自动发现新增道路,新增道路最快发现时间小于5min,是解决目前交通道路图层更新滞后问题的一种有效方法。     

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.     

路网匹配算法综述

路网匹配是基于位置服务中的关键预处理步骤,它将GPS轨迹点匹配到实际路网上。以此为基础对数据进行分析和挖掘,能够辅助解决城市计算中相关问题,例如建立智能交通系统,协助用户规划出行。本文对国内外学者在该研究领域取得的成果进行了分类总结,发现这些匹配算法可以较好地解决高采样率的路网匹配问题。但是随着城市交通的快速发展,获取和处理车辆位置信息的成本不断提高,低频采样点越来越多,现有算法匹配精确度大大下降。于是近几年,出现基于隐马尔科夫模型（Hidden Markov Model,HMM）的路网匹配算法。隐马尔可夫模型可以较为平滑地将噪声数据和路径约束进行整合,从有许多可能状态的路径中选择一条最大似然路径。重点总结了基于隐马尔科夫模型的路网匹配算法,主要是从特点与实验结果的角度对其进行对比总结,有的实验结果的正确率在一定条件下最高可以达到90%,说明了基于隐马尔可夫模型的路网匹配算法在低采样率下的有效性。最后对未来研究可能采取的方法进行了展望。     

基于路口信息的出租车异常轨迹检测

针对出租车的异常轨迹检测问题,根据已有的出租车GPS数据,结合城市道路路口信息,提出了一种基于路口的异常轨迹检测算法（Intersection-Based Anomalous Trajectories Detection,IBATD）。该算法将GPS数据进行地图匹配,并将匹配后的GPS轨迹以路口的形式描述,再以多叉树的方式实现轨迹聚类。通过计算待测轨迹的轨迹概率,并与给定异常阈值进行比较,将轨迹分类为正常或异常。与经典的基于Hausdorff距离的谱聚类算法相比,多叉树轨迹聚类具有更准确的轨迹模型库、更快的运算速度以及实时检测的特点。