基于拓扑结构的地图匹配算法研究

随着GPS定位技术的日益推广,GPS技术被大量应用于各种导航系统中。但由于GPS系统存在一定的定位误差,那么如何向用户提供实时、准确的车辆位置信息成了导航系统的重点和难点。通过利用软件纠偏的方法对车辆的定位数据与电子地图数据进行配准纠正,即地图匹配,来减小电子地图的道路信息和GPS定位信息间的显示误差。该方法已应用于实际的工程应用,并取得了良好的效果。     

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。     

基于模糊模式识别的车辆定位地图匹配算法

针对传感器给出的车辆定位信息的不确定性,提出了基于模糊模式识别技术获得匹配道路的算法。给出的算法不需要车辆行驶的速度、方向参数,利用车辆定位轨迹与电子地图道路网之间的相似性,结合车辆实际行驶情况,得出定位点到候选道路之间的距离、相邻采样时刻定位点连线与候选道路之间的夹角、候选道路与历史匹配道路连通性的隶属函数,按照最大隶属原则选择匹配道路。通过实验验证,表明该算法具有可靠性,适用面广,能有效地提高车辆定位的精度。     

车载地图匹配技术中GPS定位数据的研究

地图匹配是车辆导航系统的重要定位技术,GPS定位数据质量是地图匹配效果的关键因素.深入分析了影响GPS车载导航系统定位数据质量的各种误差,提出了鉴别GPS有效定位数据的判定算法.     

基于匹配度加权递推的地图匹配算法的研究

在地图匹配算法的基础上,设计了匹配度加权递推的地图匹配算法。该算法通过设置匹配度阀值,可以有效消除存在于最佳匹配路段挑选中的模糊性以及地图匹配的正确性问题。     

智能型地图匹配综合算法的研究

介绍自行设计的一种依历史轨迹推导的算法，在此基础上针对地图匹配过程中出现的问题，提出一种地图匹配的智能型综合算法，实验证明：该算法是一种精度高、效率好、实用性强的地图匹配算法。     

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GIS的导航系统地图匹配算法

研究了地图匹配技术在GPS导航系统中的应用,建立了以道路为约束条件的卡尔曼滤波模型,利用车辆行驶的位置和方向信息把车辆匹配到正确的道路上。详细介绍了对于十字路口的处理,并对试验结果进行分析。     

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GPS与地图匹配的铁路运输安全监控技术研究

列车运行途中环境复杂,监控与定位难度较大,由于单一的GPS车栽定位会因为地理环境等原因在一定范围和时间内失效或定位不连续,针对这一局限性,采用GPS／DR与电子地图匹配的定位算法不仅克服了GPS信号在盲区间断或失效的缺点,也避免了DR定位误差随时间的不断积累,提高了定位精度和系统的可靠性。可应用于铁路运输安全,为物资押运列车提供优质的监控。     

一种基于道路网络层次拓扑结构的分层路径规划算法

鉴于平面最短路径算法应用于大规模网络规划中的效率不高,而分层算法引入"分而治之"策略,则能有效解决此难题。为了利用分层算法进行路径规划,首先研究了分层算法的数据基础——道路网络层次拓扑结构,其涉及基于道路等级的路网分层抽象、道路数据分区组织、以区域为单位的路网层次拓扑关系模型;接着提出了一种适用于LBS(基于位置的服务)的分层路径规划算法。该算法先通过距离值判断是否切换到上一层;然后利用启发式A*算法搜索入口和出口;最后使用双向策略搜索层内两点之间的最短路径。利用现实道路网络进行的实验分析结果表明,该算法能从本质上提高大规模网络中路径规划的效率。     

基于云模型不确定性推理的地图匹配算法

为了解决对于道路网密集且高程变化较大的城市道路地图匹配精度不高的问题,提出一种能够实现定性概念与定量数值之间不确定性转换的云模型地图匹配算法.通过建立云规则和进行基于云模型的不确定性推理,并且结合高程辅助方法来构筑地图匹配模型.云模型可以将定性概念的模糊性与随机性集成到一起,克服了基于模糊逻辑地图匹配算法中隶属度的确定带有主观色彩的不足.仿真试验以城市路网为例,并借助高程辅助的方法进行了分析,结果证明了该算法具有较高的匹配精度.     

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.     

基于GPS的地图匹配算法研究

介绍了GPS的定位原理及GPS定位数据到平面坐标的转换。从理论和工程的角度实现了GPS数据与数字地图的匹配,并使用两种方法实时显示车辆行驶轨迹。最后以太原小店区两幅区域地图为例,验证匹配算法。     

一种基于噪声拓扑结构的滤波算法

基于脉冲噪声的特点,提出了一种新的非常有效的脉冲噪声的滤波算法。该算法将滤波过程分为两步进行,即第1步对图像的脉冲噪声点进行标识,第2步再对标识的噪声点进行滤波。在第1步这中,充分考虑到脉冲噪声的特点,主要利用了噪声的拓扑连通性;在第2步时,利用噪声点周围非噪声点的信息,来对噪声点进行修复。最后进行了仿真试验,并与传统中值滤波算法和开关中值滤波算法进行了比较,试验表明,在信噪比和细节保留方面,该算法要明显优于它们,特别是对高强度的脉冲噪声也有比较好的效果。     

基于拓扑特征的二分网络社团结构划分

目前社团结构划分算法只能划分1类节点并且依赖于额外参数。为此,在分析二分网络社团拓扑特征的基础上,利用社团核与外层的思想,提出一种新的社团结构划分算法。该算法完全依赖于原始网络本身的拓扑结构,并且允许社团间重叠。实验结果表明,该算法无需任何额外参数,即可比较准确地识别实际网络的社团个数,同时划分2类节点的社团结构。     

基于粒子群算法的RBF网络参数优化算法

针对神经网络的一些缺陷,研究神经网络基于粒子群优化的学习算法,将粒子群优化算法用于RBF神经网络的学习训练。提出了一种基于粒子群优化（PSO）算法的径向基（RBF）网络参数优化算法,首先利用减聚类算法确定网络径向基函数中心的个数,再用PSO算法优化径向基函数的中心及宽度,最后用PSO算法训练隐含层到输出层的网络权值,找到神经网络权值的最优解,以达到优化神经网络学习的目的。最后,通过一个实验与最小二乘法优化的神经网络进行了比较,验证了算法的有效性。     

基于参数调整的动态模糊神经网络算法

模糊逻辑与神经网络结合形成的模糊神经网络同时具有易于表达人类知识、存储与学习分布信息的优点,基于此,提出一种基于参数调整的动态模糊神经网络算法。采用扩展卡尔曼滤波器法将全局算法划分为线性和非线性部分,线性参数由最小二乘法和滤波器法决定,非线性参数由训练样本和启发式法直接决定,线性和非线性参数可进行实时更新。仿真结果表明,该算法能保证更简洁的结构和更短的学习时间。     

基于路网的GPS轨迹在线压缩方法

在传统的GPS轨迹压缩中,其压缩的结果与原始轨迹差别较大,在压缩过程中不同程度的忽略了轨迹点的速度信息、方向信息以及轨迹的形状,在本文中,在保证压缩率的前提下将保存速度、方向、轨迹形状等GPS轨迹特征信息,作为重点研究的问题.本文算法基于路网信息、OW(Opening Window,开放窗口)算法、关键点法以及停留点法之上提出了一种能够保存GPS轨迹时空特性的在线压缩算法.实验结果表明,该压缩算法较现有的压缩算法在保证压缩率的前提下,在保留轨迹时空特性的基础上有所改进.