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。     

基于改进HMM模型的3D景区地图匹配算法

针对GPS误差和地图系统误差导致3D地图定位精度较低的问题,提出一种基于改进隐性马尔科夫模型的地图匹配算法。使用面积重叠法获取候选路段,引入距离、道路宽度和历史定位点计算观测概率,利用路网拓扑信息、游客行为特性、景点与道路的相关性计算转移概率,采用Viterbi算法得出最优匹配路段。在Unity3D平台上实现景区场景3D可视化,利用校园地图进行实验验证,结果表明,该算法匹配精度达到95.4%,在3D景区导航中具有良好的实用性和较高的准确性。     

基于Fréchet距离准则的智能地图匹配算法

为克服地图匹配过程中当前定位点信息不足的缺点,充分利用导航定位的历史轨迹信息,在分析了一些常见匹配算法后,引入了Fréchet距离来定义两曲线间的距离,并且通过设计了一种智能云模型控制器对地图匹配这种具有高度不确定性的算法进行了云规则推理,最后推导出可信度P作为地图匹配效果的评价指标,这种算法不仅能够在出现匹配错误时为使用者提供警告信息,而且还提供了一种能迅速从错误中调整恢复的方法。试验表明,当利用当前定位点信息并与历史轨迹信息结合进行匹配时,匹配的总体精度要优于只利用当前定位点信息的情况。     

基于Fréchet距离准则的智能地图匹配算法

为克服地图匹配过程中当前定位点信息不足的缺点,充分利用导航定位的历史轨迹信息,在分析了一些常见匹配算法后,引入了Fréchet距离来定义两曲线间的距离,并且通过设计了一种智能云模型控制器对地图匹配这种具有高度不确定性的算法进行了云规则推理,最后推导出可信度P作为地图匹配效果的评价指标,这种算法不仅能够在出现匹配错误时为使用者提供警告信息,而且还提供了一种能迅速从错误中调整恢复的方法。试验表明,当利用当前定位点信息并与历史轨迹信息结合进行匹配时,匹配的总体精度要优于只利用当前定位点信息的情况。     

一种新的智能地图匹配算法

为克服当前定位点信息不足的缺点,充分利用导航定位的历史轨迹信息,在分析常见地图匹配算法的基础上,引入了Fréchet距离来定义两曲线间的距离,并且通过设计一种智能云模型控制器对地图匹配这种具有高度不确定性的算法进行了云规则推理,最后推导出可信度P作为地图匹配效果的评价指标.该算法不仅能够在出现匹配错误时为使用者提供警告信息,而且还提供了一种能迅速从错误中调整恢复的方法.实验表明,当充分利用当前定位点信息并与历史轨迹信息结合时,匹配的总体精度要优于只利用当前定位点信息的情况,并且算法的准确性也比后者高.     

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。     

基于近邻点数据库的室内定位技术研究

提出建立所有参考点的近邻点数据库的方法,使得原本只是待定位点与参考点之间单一的关系,拓展为待定位点与参考点和待定位点的近邻点与其他参考点之间的网状关系,充分挖掘利用了接收信号强度指示(RSSI)指纹数据库中有用的信息,有效避免了室内复杂环境的干扰.算法首先建立参考点的RSSI指纹数据库,求出每个参考点的K近邻点,建立近邻点数据库;求待定位点的K近邻点,然后从近邻点数据库中找出这K个近邻点的项中均存在的n个参考点;对得到的待定位点的K个近邻点和n个参考点的坐标加权求和,得到待定位点估计坐标.     

基于近邻传播算法的动态自适应室内指纹定位算法

目前传统的室内指纹定位算法中存在以下几个问题,首先在构建指纹库时采用平均值的方式构造指纹库容易受到噪声点影响而降低定位精度,其次使用欧式距离衡量待定位点与指纹点之间的距离可能引入信号强度距离较近,物理距离较远的参考点参与估计待定位点的位置从而增大定位误差,以及当参考点数量较大时,由于K近邻算法的计算量较大,从而造成定位过程耗时较大,能源耗费较多的情况,除此之外,由于K近邻算法无法根据实际情况确定参与定位的参考点个数从而限制了定位系统的精确性和拓展性。针对上述问题,本文设计了一种基于近邻传播算法的动态自适应室内指纹定位算法。该算法在离线阶段对在每一个参考点采集的信号强度值使用方差滤波算法去除噪声值,然后利用加入了参考点物理信息的近邻传播算法对参考点进行聚类处理。在在线阶段,通过进行粗略定位和精确定位动态的估计待定位点的物理位置。经过实验证明,本文所提出的新算法较对比算法有较高的精确度和稳定度。     

考虑用户偏好的启发式动态共乘匹配算法

针对现有算法很少考虑用户之间的共乘偏好需求,提出了一种考虑用户偏好的启发式动态共乘匹配算法。构建一个满足用户偏好需求的动态共乘匹配模型,旨在最大化系统匹配率和最小化车辆的绕行距离。算法首先根据出行请求的时间约束、车辆与用户的出行轨迹以及用户的兴趣偏好,过滤不满足用户偏好需求的车辆;其次,构建一个临时匹配图,设置边的权值为出行请求插入到车辆的当前行驶路线中的最小绕行距离;最后采用贪婪方式实现用户与车辆之间的匹配,并采用节点插入方式,将出行请求的出发地点和到达地点插入到车辆的当前行驶路线中。仿真结果表明,提出的启发式动态共乘匹配算法使车辆增加的平均绕行距离和运行时间低于现有算法,系统匹配率高于现有算法;用户的出行时间需求、兴趣偏好、信誉度等共乘需求对系统匹配率有显著影响。     

基于最小二乘法的联合地图匹配算法的研究

地图匹配是车辆监控与管理系统的主要功能之一.从提高地图匹配算法准确率和缩短监控系统所需地图匹配时间的角度出发,提出了一种新的基于最小二乘法的联合地图匹配算法.该算法利用最小二乘法改进几何线到线地图匹配算法和拓扑结构地图匹配算法,根据路段混合使用算法,能实时准确地将行驶车辆匹配到相应的道路上.实验仿真表明,该算法为几何线到线在平行路段匹配不准的问题和拓扑范围越大匹配越不准的问题提供了有效的解决方法,具体可应用于路网密集的区域,为路网密集区域的道路定位与路径匹配提供准确和快捷的途径.     

基于知识与数据驱动的高速路车辆速度计算方法模型研究

由于目前通过蜂窝基站定位的精度不够高和信令数据产生的不确定性,所以通过手机信令数据估计交通信息参数的精确度仍然是一个巨大的挑战。高速路车辆速度参数是评估道路服务质量最常研究的参数之一,目前基于手机信令数据的交通参数估计基本步骤为数据收集及预处理、地图匹配、用户路线匹配确定和交通信息参数估计。在此基础上,根据物理运动学知识,针对手机信令数据产生的不确定性和容易参杂平行公路噪声用户数据的影响,提出一种融合距离加权的改进车辆速度计算方法,并在此方法上进一步提出一种消除平行公路干扰数据的车辆速度计算方法,提高计算准确度。利用某移动公司提供的平台进行实例验证,并采用平均绝对误差MAE、均方根误差RMSE、平均绝对百分比误差MAPE作为性能指标,该方法模型性能均优于传统方法模型,并且平均绝对百分比误差比传统方法降低10%左右,具有重要的应用价值。     

信号强度与运动传感器融合的智能手机室内定位算法

利用智能手机传感器实现高精度跟踪定位已经成为一个研究热点,本文针对室内定位中由于手机的运动引起采集信号强度不稳定造成的定位误差大的问题,提出了基于信号强度与加速度梯度融合综合的新的测距算法,结合手机方向信息、地图信息、信号强度的分布信息,利用测距信息与地图匹配算法,实现对智能手机的精确定位。在实验测试中,该算法平均定位精度为1.2m, 3.5m以下定位精度达95%。本算法有效的提高了智能手机的室内定位精度,并且相比指纹库定位算法减少了搜索次数,提高了定位速度。     

自动驾驶在拥堵路段的道路几何信息估计

道路几何信息是自动驾驶系统中重要的信息来源,也是后续路径规划的关键参考信息之一。 该研究针对城市内车道线遮挡及多路径效应导致的全球定位系统失效等问题,提出了一种基于前车信 息的道路几何估计方法。通过对当前车辆、前车以及道路之间关系的建模,获得了系统的运动模型和 观测模型。采用无损卡尔曼滤波框架对观测到的前车相对位置、相对速度、相对角度和本车角速度进 行滤波处理,估计出当前车道的曲率参数。在仿真软件 Car learning to Act(Carla)上的实验结果表明, 相比地图匹配方法,在无法获取车道线目标及精确定位信息的情况下,该方法道路几何精度得到了显 著提升。     

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.     

路径匹配及轨迹回放的算法研究与应用

动态跟踪及轨迹回放是GIS车辆监控系统的主要功能。基于将线离散成点集合的思想,设计了简称点到点的路径匹配算法和轨迹插值的轨迹回放算法。点到点将道路线离散成点集合,据此进行路径匹配,同时采用预测思想来解决交叉路口误判等问题;轨迹插值首先研究插值的应用前提并设计简称变定位时间间隔的方法来满足插值前提,其次介绍插值过程;算法应用于实际工程,点到点对交叉路口有很好的判断,轨迹插值降低定位成本。