GPS车辆导航中的实时地图匹配算法

第30卷　第3期测　绘　学　报Vol .30,No .3　2001年8月ACT A GEODAET ICA et CAR TOGR AP HICA SI NI CAAug .,2001 文章编号:1001-1595(2001)03-0252-05中图分类号:P228.4 文献标识码:AGPS 车辆导航中的实时地图匹配算法苏　洁,周东方,岳春生(解放军信息工程大学,河南郑州450002)Real -time Map -matching Algorithm in GPS NavigationSystem for VehiclesSU Jie,ZHOU Dong-fang,YU E Chun-sheng(I nf or ma tion Eng ineer ing Univer sity o f P LA ,Zhenz hou 450002,China )Abstr act :According to t he given sour ce and mathemat ic model of matching er r or ,a algor ithm for real -t imematching of GPS posit ioning r esults and digita l ma ps is put forwar d .The algor ithm is improved so t hat the precision of vehicle navigation is much higher with the basic har dwar e platforms available.F inally the stat is-tic r esults of r oad test ar e given.Key wor ds :vehicle navigation;GPS;GIS;pat tern r ecognition;err or r ect ify;fuzzy logic摘　要:通过误差来源的分析和误差模型的建立,提出了一种车辆导航中GPS 定位测量与数字地图实时配准的地图匹配算法。

这使得在现有的基本硬件配置条件下,车辆导航定位精度更高。

最后对算法进行了分析,并给出了统计结果。

收稿日期:2000-08-16;修回日期:2000-12-30作者简介:苏洁(1978-),女,湖南邵阳人,工学硕士,现从事汽车导航系统的研究。

关键词:车辆导航;GPS ;GIS ;模式识别;误差矫正;模糊逻辑1　引　言GPS 技术的成熟与发展,为各类运动载体的精密实时定位提供了有力保障。

特别是在智能交通系统(Intelligent Tr ansportation Systems,ITS)中,基于GPS 的车辆自动定位/导航与监控系统的开发与应用正日益受到国内外各部门的重视,并显示出巨大的技术、经济和社会效益。

在发达国家,由于经济实力雄厚,通讯基础设施完善,GPS /GIS 集成技术支持下的车辆导航与监控应用已经非常普及。

目前国内车辆自主导航系统随着GIS 技术的提高和应用普及也已经有很大的发展。

对于车载导航系统,获得车辆的精确定位是最基本的要求。

目前国外的车载导航系统采用了航位推算(Dead Reckoning,DR),差分GPS 技术,无线电信标,用高精度的载波相位接收机等提高定位精度的方法等等。

但这些方法要求成本较高,技术实现复杂,且不太适合中国国土辽阔、地形复杂的国情,所以实际系统中通常采用地图匹配算法来提高车辆导航系统的定位精度。

地图匹配方法是借助GIS 电子地图库中的高精度道路信息作为分类模板来进行模式识别,根据识别结果来矫正GPS 接收数据的定位误差。

它可以大大改善GPS 自主车辆导航系统的定位精度。

地图匹配在GPS 自主车辆导航系统的位置如图1所示。

图1　高精度GPS 自主车载导航系统的实现方案Fig.1　Implementation of GPS autonomous vehicle na vigation system 本文提出了一种实时有效的通用地图匹配算法,对不同的误差来源及不同的路段行驶状态都有相应的建模分析,提高了算法的鲁棒性。

2　定位误差来源分析2.1　GPS 定位误差GPS 定位误差包括接收机内部固定误差和外部突变误差等。

接收机内部固定误差是指由于卫星接收所引起的固有误差,主要原因有卫星数据误差、数据传输误差、接收机钟差、接收机的测量误差等。

根据目前长时间的定点测量结果,处于正常状态伪码接收机的内部固定误差95%都在20m 以内(非SA 状态)。

但是伪码接收机要求必须同时接收到3颗或3颗以上的PDOP ≤6的卫星信号,从而使接收机方程2维定位有精确解。

而在城市路段复杂的情况下,往往会出现高楼或高架桥阻挡,使接收机对部分卫星失去锁定,GPS 数据产生数据漂移。

这时就会有较大的偏差甚至失去信号,使得GPS 数据的连续性受到一定的影响。

这种误差是由外界原因引起的,所以我们称其为外部突变误差。

它的变化值一般较大,引起的错误也较明显,通常的表现为速度异常。

引入电子陀螺后情况有好转,但是由于数据融合的限制仍存在这种偏差。

2.2　电子地图库误差地图匹配的前提是用于匹配的电子地图要求相对准确、高精度,允许的相对误差范围在±15m 左右。

所以电子地图库引起的误差是很小的,但是必须考虑到路况的变更以及路段情况复杂,电子地图描述从简的误差情况。

例如路段加宽,立交桥和环行路口等等。

这会相应的加大电子地图库的局部误差。

2.3　坐标投影变换误差GPS 系统采用的是WGS-84坐标系,是一种地心坐标系。

而中国目前的GIS 数字地图定位采用的平面直角坐标系主要是北京54坐标系与西安80坐标系。

因此,GPS 测量结果必须通过相应的直角坐标投影变换。

但上述变换的计算量太大,不利于实时操作。

在实际应用中,也有利用球面到平面的最小二乘映射变换来代替上述复杂的坐标变换。

但这时的误差取值与控制点的分布有很大关系。

控制点分区域起作用,区域范围小,控制点多,分布均匀,地图配的越准,坐标转换误差也就越小。

在控制点的作用区域边界,误差最大。

根据在北京,深圳和郑州等地的实地测量,采用这种做法最大误差可达到±30m 。

2.4　误差模型的建立根据上面的误差来源分析,将误差向量按路段方向(X 轴)分解,建立误差模型如图2所示。

P表示接收到的数据点,P ′表示通过路段匹配矫正后的车的位置。

$S 是路段方向上误差,$V 表示垂直路段方向上的误差。

$X 是路段方向上真实的移动距离。

图2　误差模型Fig.2　Model of er ror3　地图匹配算法的实现3.1　基本算法实现地图匹配算法的基本思想是利用历史行走轨迹对地图数据库的道路信息进行实时模式识别。

车行轨迹曲线作为待匹配样本,以该轨迹曲线附近的所有道路上的道路曲线作为状态模板,通过待匹配样本与模板间的匹配,选择形状相似度最高的模板作为匹配结果。

笔者采用的相似性度量函数用加权2维欧氏距离,为增加匹配的置信度而采用了序贯统计方法。

当识别到某一路段时,对253第3期 苏　洁等:GP S 车辆导航中的实时地图匹配算法当前的数据做路段垂直投影,计算出垂直路段方向上的偏差$V 并矫正之。

上述算法是基于将地图的每条道路分段线性化成直线段的前提。

对每一条描述路段进行模式识别,并将前面多条路段的识别结果作为后一路段相似性度量函数的识别权值。

这样充分利用行走轨迹的相关性,并引入模糊判决的思想,使得识别的可靠性更高。

地图匹配问题可以描述如下:测量点观察量是接收下来的行走数据,2维随机变量s :(x ,y )。

x ,y 是指经过地图坐标变换的位置值。

状态空间8:(w 1,w 2,…,w c )是在行走在轨迹曲线附近一定范围内的所有路段以及没有行走在路段上的状态,类别数c =路段总数+1是可变的,跟当前的路段状况有关。

行走在某一路段上状态w i :(B ,E ,state ),其中,B :起始点;E :终结点;state:上一相连路段状态。

第i 条待识别路段的相似性度量函数K 如下:K i =q i ∑Nk =0$ik (0≤i ≤c -1)(1)$ik =‖s ik -v ik ‖=】(x ik -x T ik )2+(y ik -y T ik )2〈(2)v :(x T ,y T )是s :(x ,y )向量到路段的投影点。

$是指平面2维欧氏距离,q 是指加权系数。

很明显,K 越小,路段的相似性越高。

为了提高路段识别的可靠性,需要遵循一个原则。

如果两条路段几乎具有相同的特征或太接近,则两条路都不能作为匹配路段,也不能进行误差矫正。

对这种特殊情况采用序贯统计方法,多引入观测点来完成,如图3所示。

图3　识别处理过程F ig.3　The process of road identification加大处理N 的值继续跟踪直到两条路段的相似性度量函数满足:Kj -K i >r -K j (3)Kj >K i (c -1>i ,j >0,1>r >0)(4)满足上述两个条件则判定路段i 是当前的行走路段。

这里r 是判决隔离因子,可根据实际情况自行设定。

如果没有路段满足条件,则判断为w c 状态,即没有行走在路段上的状态。

设上一路段的归一化平均相似性度量函数值为K a 。

确定相似性度量函数的加权因子q 采用以下的模糊判决规则:规则一　若是行走路段的后继路段(同一路段),该路段优先级最高,权值低。

q =0.25+0.25K a(5)规则二　当路段处于多条路径跟踪状态并是已确定行走路段的关联路段(相连不同路段),则该路段优先级其次,权值与前一行走路段的平均相似性度量值成正比。

前一行走路段的相似性度量越小,下一行走路段的识别优先级越高。

q =0.5+0.5K a (6)规则三　若以上都不满足,则优先级偏低。

q =1+K a(7)规则四　若有路径规划并且是路径规划路段,则该路段优先级高,权值低。

q =q ×0.5(8)规则五　若行走路段受禁行及单行等条件限制,则该路段优先级低,权值高。

q =q ×1.5(9)q 值的计算解析图及隶属函数如图4所示。

如果满足两个以上的规则,则加权系数q值相乘。

图4　利用模糊逻辑计算q 值的解析图Fig .4　T he analytic gra ph of calculating with fuzzylogic可以看出,规则一、二、三是互斥的,规则四、五是互斥的,分别代表两个完全集合81和82。

用81判决出来的q 值再进行82判决。

得出的系数值就是我们所需要的加权参数q 。

另外,为了提高算法的鲁棒性,对于误差引起的速度异常,我们利用推测航位法和线性插值来进行GPS 数据补偿,以消除部分GPS 接收外部粗差。