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GPS的地图匹配方法的研究与实现

本文讨论了车辆导航系统中GPS实时信息在数字地图上的匹配问题。分析了由于GPS精度误差以及道路网复杂等因素而可能造成直接定位不准确问题．提出了基于GPS实时信息的地图匹配算法，一方面考虑了GPS点的轨迹与道路网的相似性，另一方面也充分利用了GPS数据中有关车辆的实时信息，如航向等，提高了定位的准确性。     

基于高程的改进D-S证据理论地图匹配算法

一般的地图匹配算法处理立交桥、隧道等特殊路段的匹配问题时存在着精度相对较低的缺陷。为了提高匹配算法的性能,对传统的D-S证据理论地图匹配算法进行改进。改进算法通过自定义的高程函数引入了高程信息的作用,并在此基础上对位置信息证据及方向信息证据融合后的联合支持度函数进行了适当的修改。实验结果表明,改进算法能够提高立交桥区域内地图匹配的准确率。     

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。     

基于中间插件Spatial投影的地图匹配算法

介绍了地图数据存储和参考系统转换,继而提出了一种新的基于Spatial函数的电子地图道路匹配算法.算法实现结果表明,匹配速度每次平均约为200ms,正确率不低于90%,适用于车载监控中心的车辆实时定位跟踪等应用.     

基于G PS的地图匹配方法的研究与实现

本文讨论了车辆导航系统中GPS实时信息在数字地图上的匹配问题.分析了由于GPS精度误差以及道路网复杂等因素而可能造成直接定位不准确问题,提出了基于GPS实时信息的地图匹配算法,一方面考虑了GPS点的轨迹与道路网的相似性,另一方面也充分利用了GPS数据中有关车辆的实时信息,如航向等,提高了定位的准确性.     

一种导航地图匹配算法

在分析影响地图匹配算法实时性、鲁棒性及匹配精度因素的基础上,依据车辆运动的连续性,引入道路网络的分块思想,并利用车辆行驶的位置和方向信息及实际道路网络的拓扑特性,提出一种时间复杂度为O(c)的新型快速地图匹配算法.对实际跑车数据的仿真结果表明:该算法的匹配正确率不低于95%,单点匹配时间不超过0.01 ms.     

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。     

一种改进的Hausdorff距离地图匹配方法

目前的地图匹配算法分为在线和离线匹配两类。针对离线地图匹配中Marchal算法精度较低的问题,提出了一种改进的Housdorff距离匹配算法,利用航线方向角与Housdorff距离对Marchal匹配算法进行了改进。通过仿真试验的定性定量分析,新算法可以较好地纠正矢量数据不完整时产生的错误结果,很大程度上提高了匹配的准确性,可以为导航系统以及规划部门提供保障服务。     

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。     

股票投资短期预测的多模匹配识别算法

从股票投资预测的技术发展方向来看,不同人工智能学习算法之间的组合学习日益得到关注。基于组合学习的思想,提出了股票投资短期预测的多模匹配识别算法（ MPMA）。算法通过迭代计算数据采样频率、聚类分组、模式匹配将股价预测和涨跌预测纳入到一个统一的学习框架中,建立起不同人工智能学习算法之间的组合学习模型。实验结果表明,所提算法具有较好的预报和泛化能力。     

综合地图匹配定位技术研究

地图匹配技术可校正定位误差,提高定位精度,并提供车辆在电子地图上显示的手段。该文根据地图匹配技术的一般原理和基本算法,提出并具体实现了综合地图匹配算法。     

D-S理论在多传感器短临震预报中的应用

在D-S理论的基础上,结合模糊数学理论,依据地震前兆,给出了短临震预报的信息融合算法。首先,对在现场工作的地电、地应力、地下水位、短水准、水氡等传感器的数值进行特征提取,把模糊数学中隶属度函数的概念运用到D-S理论中,得出每种前兆出现时地震发生的信度函数分配,然后,采用多传感器分布式融合算法进行信息融合,利用判决规则来预报地震。通过对1976年唐山7.8级地震预报的仿真,结果表明:D-S理论在地震预报中具有一定的有效性和优越性。     

一种基于地磁总场梯度的匹配定位算法

水下载体地磁导航技术是近年来研究的热点问题.为提高匹配导航定位的精度,提出了利用地磁总场梯度作为特征量进行地磁匹配定位.通过与地磁总场基准图的性能指标对比,分析了地磁总场梯度作为匹配特征量的优势.阐述了经典MSD(Mean Square Deviation)匹配算法的原理和缺陷,提出一种基于旋转变换的改进算法.仿真结果验证了地磁总场梯度匹配的优势和可行性;改进后的算法的定位精度相比经典MSD算法提高了26.57%,证明了改进算法的有效性.     

基于模糊理论的多传感器信息融合算法

D-S证据理论作为一种重要的不确定性推理理论,为处理传感器信息的模糊性及不确定性提供了很好的解决方法。但各个证据中的基本概率分配函数（mass函数）如何生成,仍是人们需要解决的问题。针对这一问题,提出了一种基于模糊理论中的高斯隶属度函数来得到传感器提供信息的可信度,计算了各个传感器之间的相互支持度;将各传感器的可信度和支持度转化成mass函数;利用证据理论对多传感器信息进行融合。仿真试验表明该方法能够有效提高识别的准确性和可靠性。