角度和距离分段占优地图匹配算法
地图匹配算法研究及应用
地图匹配算法研究及应用地图匹配算法是指将GPS轨迹数据与地图上的道路网络相匹配的算法。
随着GPS定位技术的普及，越来越多的人开始使用GPS设备来记录自己的行动轨迹。
然而，由于GPS测量误差和信号遮挡等原因，GPS轨迹数据并不完全准确，因此需要通过地图匹配算法来改善其精度。
一、传统地图匹配算法传统地图匹配算法主要有三种：最近邻算法、HMM算法和粒子滤波算法。
1.最近邻算法最近邻算法是一种简单且有效的地图匹配算法。
该算法首先将GPS轨迹点与道路网络上的所有节点进行距离计算，然后将GPS轨迹点与最近的节点相匹配。
该算法简单易实现，但其精度较低，对于道路较为复杂的区域容易产生匹配错误。
2.HMM算法HMM算法是一种基于贝叶斯理论的地图匹配算法。
该算法将GPS轨迹点视为观测序列，将道路网络视为状态序列，并使用HMM模型来匹配GPS轨迹点。
相对于最近邻算法，HMM算法考虑了GPS轨迹点之间的关系，在处理复杂的道路网络时具有较高的精度。
但是，该算法的计算复杂度较高，需要大量的计算资源。
3.粒子滤波算法粒子滤波算法是一种基于贝叶斯滤波的地图匹配算法。
该算法使用粒子滤波器来估计GPS轨迹点所在的道路，并通过重采样方法来改善估计的精度。
相对于HMM算法，粒子滤波算法更加灵活，可以处理不同种类的观测数据，并具有较高的精度。
但是，该算法的计算复杂度较高，在实时应用中需要充分考虑计算效率。
二、基于深度学习的地图匹配算法近年来，随着深度学习技术的不断发展，基于深度学习的地图匹配算法逐渐成为研究热点。
深度学习基于神经网络模型，通过学习海量数据来提高模型的精度。
基于深度学习的地图匹配算法主要有两类：基于卷积神经网络（CNN）的算法和基于循环神经网络（RNN）的算法。
1.基于CNN的算法基于CNN的地图匹配算法主要采用图像处理技术，将GPS轨迹数据转换成图像形式，然后使用CNN网络来匹配GPS轨迹点。
该算法可以处理复杂的道路网络，具有较高的精度，并且能够自动学习特征，避免了传统算法中需要手动设计特征的问题。
地图匹配算法综述
地图匹配算法综述一、地图匹配：现有算法车辆导航系统实时接收GPS位置速度信息，以交通地图为背景显示车辆行驶轨迹。
保证所显示的轨迹反映车辆的实际行驶过程，包括行驶路段，转弯过程及当前位置，就是地图匹配问题所要解决的目标。
本节首先对地图匹配问题涉及到的基础概念、误差模型给出简要说明，同时介绍当前流行的一些地图匹配算法的思路与特点。
1.1 地图匹配问题介绍利用车载GPS接收机实时获得车辆轨迹，进而确定其在交通矢量地图道路上的位置，是当前车载导航系统的基础。
独立GPS车载导航系统中克服GPS误差以及地图误差显示车辆在道路网上的位置主要是通过地图匹配算法，也就是根据GPS信号中的数据和地图道路网信息，利用几何方法、概率统计方法、模式识别或者人工神经网路等技术将车辆位置匹配到地图道路上的相应位置[8-12]。
由于行驶中的车辆绝大部分都是在道路上的，所以通常的地图算法都有一个车辆在道路上的默认前提。
地图匹配的准确性决定了GPS车辆导航系统的准确性、实时性与可靠性。
具体来说取决于两方面：确定当前车辆正在行驶的路段的准确性与确定车辆在行驶路段上的位置的准确性。
前者是现有算法的研究重点，而后者涉及到沿道路方向的误差校正，在现有算法中还没有得以有效解决。
地图匹配的目标是将轨迹匹配到道路上，当道路是准确的时，也就成了确定GPS的准确位置，然后利用垂直映射方法完成匹配。
要实时获得车辆所在的道路及位置通过地图匹配来实现是一种比较普遍而且成本较低的方法。
车辆导航与定位系统中的地图匹配问题概括来讲就是将车载GPS接收机获得的带有误差的GPS轨迹位置匹配到带有误差的交通矢量地图道路上的相应位置。
下面我们通过具体的数学模型来给地图匹配问题以详细的数学描述。
地图匹配的基本过程如图4.1所示。
符号定义及其物理意义说明如下：图4.1 地图匹配模型1) g(k)是车辆GPS轨迹点，内容为k时刻车辆上的GPS定位数据（经纬度），对应于矢量地图上相应的经纬度位置点。
GPS导航系统中的地图匹配算法
ａ ｇ ｒｔ ｍ ａ ｌｄ ｐａ ａ ｌ ｌ ｇ ａ ｍａ ｃ ｉ ｇ ｍｅ ｏ ， ｉｈ ｃ ｌ ａ ａ ｔｖ ｅ ｔ ｐ ｌ ｇ ｈ ｎ ｅ ｆ ｎ ｐ ｒ ｅｗ ｏ ｋ． ｅ ｍｅ ｏ ｅ ｅ ｔ ｅ ｍａ ｃ ｏ ｄ ｌｏ ｉ ｈ ｃ ｌｅ ｒ ｌ ｏ ｒ ｍ ｔ ｈ ｔ ｄ ｗｈ ｃ ａ ｌ ｄ ｐ ｉ ｅ ｔ ｏ ｏ ｏ ｙ ｃ ａ ｇ ｓ ０ 仃ａ ｓ ｏ ｔｎ ｔ ｒ Ｔｈ ｔ ｄ ｓ ｌ ｃ ｓｔ ｔ ｈ ｒ ａ ｅ ｎ ｈ ｈ ｈ ｈ
等待时间等。
路段 Ｓ 的总权值 ｊ
在导航系统初始匹配确定 了待匹配路段 ， 后，利用垂直 投影将 ＧＰ Ｓ轨迹 点 ｇ 投 影到路段 Ｓ 上 ， ， 垂足 Ｐ 即为相应时
２１ 初始路段 的选定与 匹配点位置的确定 ． 初始路段的选定用于 确定算法启动 时刻车辆实际所处的
路段 ，此时没有任何 历史信息 。后续 Ｇ Ｓ轨迹 点的匹配会用 Ｐ
作者倚介 ： 王
敏（９４ ） １８－ ，男， 士研 究生，主研方向 ： 硕 智能交通 Ｅｍ ｒ ｈｎｉ － ａ ：ａａｇ ＠ｍａ． ｔｅｕ ａ ｌ ｎ ｉ ｓ． ． ｌ ｃｄ ｃ ｕ
析 ，但只利 用了定位 中的坐标信息 ，没有使用 Ｇ Ｓ采集数据 Ｐ 的车 头朝向或速度信息 。概 率论 匹配算法利用置信 区域筛选
gps地图匹配算法
II
中国科学技术大学硕士毕业论文
目录
目录
摘要 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． Ｉ Ａｂｓｔｒａｃｔ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． ＩＩ 目录．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． ＩＩＩ 第一章 绪论 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． １
第四章 地图匹配问题以及现有算法介绍．．．．．．．．．．．．．．．．．．．．．．．． ２２
４．１ 地图匹配问题介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．２２ ４．２ 常见地图匹配算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．２４
３．１ＧＰＳ 误差 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．１３
３．１．１ ＧＰＳ 误差分类．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．１３ ３．１．２ 各种类误差特点 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．１５ ３．１．３ 常见克服 ＧＰＳ 误差方法 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．１７
１．１ 背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．１ １．２ 研究目标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．３ １．３ 论文安排 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．３
【doc】基于匹配度加权递推的地图匹配算法的研究
基于匹配度加权递推的地图匹配算法的研究GRAPHICls0GRAPHICsE基于匹配度加权递推的地图匹配算法的研究摘要关键字王继明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.车辆导航系统,地图匹配定位模块是车辆导航系统工作的基础,它的主要功能是提供连续实时的车辆位置估计,以使系统能够正确辨别车辆当前的行驶路段和正在接近的交叉路口.由于通过传感器获得的车辆位置包含有误差,这些误差即使是采用非常有效的传感器校准和数据融合技术也难以彻底消除,而车辆导航系统要求确定车辆行驶过程中在地图中的具体路段位置,地图匹配模块则将车辆定位模块输出的轨迹与数字地图中的路网信息联系起来,通过模式识别过程确定车辆最可能的行驶路段以及车辆在该路段最大可能的准确位置,从而为路线引导提供可靠依据.一个有效的地图匹配算法会增强地图匹配的正确性,目前常用的地图匹配算法【l一5]都是通过计算车辆轨迹与道路之间的相关性,从而确定车辆的行驶道路,许多模式识别的数学方法如D—S证据推理【6],模糊逻辑【7]等被应用进来.另外还可以对矢量地图栅格化,用图像处理方法f8】进行地图匹配.这些算法需要占用很多内存,运算量大,并且它们只考虑了定位轨迹和数字道路地图的空间几何信息,由于城市道路的形状大同小异,如果车辆行驶在道路密集的地区,由于来自传感器的估计位置包含误差,这些算法有时很难确定行驶道路,甚至会产生误判【9].下面介绍的地图匹配算法,通过对候选路段引入匹配度,采用加权递推的方法,可以达到实时性高,运算量小,能够识别正确路段的目的,适合硬件资源受限的嵌人式车辆导航系统的应用.I,匹配度的定义在这里我们为每一条候选路段i定义一个匹配度Q.,以衡量该候选路段是车辆真实行驶路段的可能性大小,在计算出所有落人误差区域的候选路段的匹配度之后,对它们进行比较,考虑到车辆当前行驶的道路在数字地图上并不存在或者车辆驶出道路的情况,特别地,数字道路地图的数据难以及时反应实际道路的更新,因此定义一个匹配度的阀值Q.候选路段的面丽2oosI.酾s与簟 (411)匹配度的定义,应该具有以下特点:(1)车辆行驶的真实路段的匹配度大于所有其它候选路段的匹配度;(2)车辆行驶的真实路段的匹配度大于阀值Q;设k时刻第i条候选路段的匹配度为Q.(k),这样基于匹配度的地图匹配算法的基本思想可以描述为:如果Q(k)IImaxlQ.(k)}>QT(1)i=1,,M则车辆行驶在路段m.其中M是候选路段的总数目..P—_+1r图I行驶车辆与路段的关系在确定车辆的行驶路段时,有两个非常重要的因素必须考虑,匹配度的定义应该与这两个因素紧密关联.一个是传感器定位位置与候选路段之间的距离,另一个就是传感器定位轨迹与道路形状的相似程度.设车辆定位位置PII(X…Y),它在候选路段上的投影位置PII(x…Y),车辆行驶速度和投影到路段的速度分别为V和V(图1).那么距离和方向对匹配度的贡献可以归一化为:D(P,P)=而:∞一一(V,V)(2)(3)本≯|√《|蕾_琏AHiCS式中,为定位误差的标准偏差,为V.和V之间的夹角,并且有O≤D(P…P)≤1,0≤V(V,V)≤l.由于道路的形状与定位位置的投影轨迹是相同的,所以定位轨迹与道路的相似性可以由V和V来表示.为了简化符号,在k时刻以上两个函数的取值分别用D(k)和V(k)表示.这样,候选路段的匹配度定义可以初始化为:Q(k)=dD(k)+BV(k)(4)考虑到车辆在道路上的行驶是一个连续的过程,它必须经过节点才能从一个路段行驶到另一条路段,不可能突然直接跳到其他路段上,这是车辆与道路之间的另一个重要关系.匹配度的定义必须考虑车辆的历史行驶轨迹,可以通过加权递推的形式表示该属性.因此,候选路段的匹配度最终可以定义为以下形式:Q(k)=dD(k)+BV(k)+YQ(k—1)(5)其中d,B,Y分别为分配给距离,方向,轨迹连续性对匹配度贡献的权值,它们都不小于0.二,参量的选取要完成地图匹配过程,匹配度表达式中的三个加权参量d,B,Y和阀值Q必须确定,而要有效的进行地图匹配,匹配度Q(k)需要满足下列标准:1)Q(k)是递推计算的,应该收敛在有限数值,并且尽量少地受到测量噪声的影响.2)真实道路的Q(k)很容易与其它道路区分开.要满足第一条标准,必须Y∈[0,l】,这样真实道路的匹配度会收敛于一个有限值QlQ"_v(dD+pV)(6)如果D(k)和V(k)是一个常数,Q很容易满足第一条标准,实际上,由于噪声的影响,Q..是随机变量,它的统计特性:均值和方差由下式给出.lE】=_v(erE[D]+BE【V】)(7)lvar[Q*】=:(dvat[D]+pvar[V】)(8)真实道路的va~[Q】应该尽量的小,因此d和B取值要小,而E[Q.应该与其它路段有明显的差值,因此d和13取值不能太小,同时考虑到大多数道路的形状是相似的,所以应该d>p.这样,可以取d=2,B=l,Y=0.5.为了选取合适的Q值,我们在计算机上进行了模拟试验,分别计算真实道路和其它候选路段的匹配度,试验中,假设定位误差为零均值高斯噪声,标准偏差30m.图2显示了其中的一组试验数据,图2(a)是真实道路的匹配度曲线,真实道路的匹配度经过几次递推后,很快增长到一个比较大的数值(大约5.0),然后一直在这个数值附近波动,且大于4.0.图2(b)是另一条与它平行且相距80m的道路的匹配度曲线, 虽然它的匹配度开始也在增长,但只能达到一定幅度(大约(a)真实路段的匹配度曲线数据个数***********数据个数(b)与真实路段平行的候选路段匹配度曲线数据个数(c)与真实路段垂直的候选路段的匹配度曲线图2候选路段的匹配度计算结果G…～j.p.一65432,065432,0GRAPHICS3.0),之后也在该数值附近波动,一直没有超过3.3.图2(c)是一条与它垂直的道路的匹配度曲线,这条候选路段的匹配度没有超过22,并且呈递减趋势.根据以上分析,可以选择Q:3.5,从图中可以看出如果定位数据每秒更新一次,只要2s的时间,就可以正确匹配道路.三,算法的设计基于匹配度加权递推的地图匹配算法通过计算候选路段的匹配度,从而识别车辆所在路段.考虑到车辆当前行驶的道路在数字地图上并不存在,或者车辆驶出道路的情况,算法中包括两种工作模式:"捕获"模式和"跟踪"模式.捕获模式是指正在寻找真实道路,而跟踪模式则是跟踪由捕获模式下寻找到的真实路段.跟踪模式包括两个状态:车辆在道路上和车辆在节点处.用md表示算法当前的工作模式,md=0表示捕获模式,md=1表示跟踪模式,s=0用表示当前车辆状态,s=1表示车辆在道路上,表示车辆在节点处,并设当前位置的候选路段有M个,则地图匹配算法完整的描述如下:1)初始化候选路段的匹配度:md=0,Q(1)=aD(1)+13v(1),i:1,……M;2)更新所有候选路段的匹配度:Q'(k)=c(D'(k)+13v(k)+YQ(k一1),1,……M;3)如果max{Q(k)}>Q-.令Q(k)=max{Q(k)},md=1,i=1.Mi=I..M匹配到路段j,更新车辆位置,执行4);否则,md:0,车辆位置不更新,执行2);4)计算车辆到后继节点的距离d,如果d>L,(L是什么变量)则s=0,更新路段j的Q(k),执行5);否则,s:1,更新路段j及其后继路段的Q,(k),i=j,i小??-,i…执行6);5)如果Q(k)l>Q,匹配到路段j,更新车辆位置,执行4);否则,车辆位置不更新,执行1);6)如果max{Q(k)>Qr},令Q.(k)=max{QJ(k)},md:1,匹配到路段,更新车辆位置,执行4),否则执行1).从以上算法描述中可以看出,算法充分利用了车辆轨迹连续以及道路网络的拓扑关系,一旦进入跟踪模式,总是判断车辆的位置状态,如果车辆在匹配路段上,只计算当前匹配路段的匹配度,如果车辆在路段的节点,还计算后继路段的匹配度,因此运算量很小,大大缩减了计算时间.四,仿真试验结果和分析为了验证上述地图匹配算法的有效性,首先在计算机上进行了模拟试验,假设有四条通过一个节点连接的路段,且相互与GRApH1CSj≥一._夕|蘩|垂直,分别标识为r1,r2,r3,r4车辆从rl,l:始沿直线行驶,通过节点行驶到r3,试验中,假设传感器误差为0均值的高斯白噪声,标准偏差为30m.图3显示r这四条道路的匹配度曲线.图(a)显示的是车辆通过谛点前后的两条匹配道路的匹配度,其中实线和虚线分别是rl和r3的匹配度曲线,开始算法处于捕获模式,3秒后由于Q(k)>Q,rl被匹配,算法处于跟踪模式,在节点附近,r1的匹配度减小,r3的匹配度增加,车辆通过节点后,r3被选为匹配道路.图(b)是两条没有被匹配的路段r2和r4的匹配度曲线,它们的数值一直小于匹配道路的匹配度. 020406080100120140160180200数据个数(a)真实路段的匹配度曲线10012014D160180200数据个数(b)其他路段的匹配度曲线图3车辆通过节点前后的匹配度曲线为了进一步证明基于匹配度加权递推的地图匹配算法在实际应用中的效果,用embeddedVisualC++实现了述算法,软件运行环境为,并利用自行研制的GNS一1T型车辆导航系统进行了跑车试验,采用的地图数据足北京市数字道路地图,比例尺为1:10000,车辆定位轨迹是2002年10月的试验数据,GPS接收机是来自台湾EverMore公司的GM—x205,采样数据周期为2秒,行车路线从北航体育馆东门出发,经北航东南门,学院路,知春路,中荚村大街,如图GRAPHiCS114所永:图中菱形符号为原始GPS定位数据,算法计算的匹配路段用加粗路线显示.实验结果表明,通过计算和比较候选路段的匹配度,选择匹配度最大并且超过门限的候选路段作为匹配路段,匹配路段就是车辆的真实行驶道路,因此基于匹配度的地图匹配算法能够正确识别车辆所在的道路.l～1一—4一——L-—卜———_『一一r一1L—{lTr广一f一Ⅱ一—出}\\北四环串路/i;l芒Il\生培村'蕾鼋京\1I脚母蓿瞎1{}l1——l\,;}1,c0B0p∞啦部0州}..}..叛mMpp枷∞|l1\1【知春路l1,fI;I1l{一一——一一——睁r一丁1\\L—i1I——一参考文献图41.ChrostopherE.White,DavidBernstein,AlainL.Korn—hauser.SomeMapMatchingAlgorithmsforPersonalNavigation Assistants.TransportationResearch,PartC【J】,2000,8:9l一108.2.R.R.Joshi.NovelMetricsforMap—MatchinginIn—V ehicleNavigationSystems.IEEEIntelligentV ehicleSymposium, 2003:36—43.3.V.Enescu,H.Sahli.MultipleModelEstimationSchem forMap—Matching.TheIEEE5thInternationalConferenceonIn—telligentTransportationSystems,Singapore(C】,2002:576—581.4?R.R.Joshi.ANewApproachtoMapMatchingforIn—V ehicleNavigationSystems:theRotationalV ariationMetric.IEEE IntelligentTransportationSystemsConference(ITSC2001),Oak—land,CA,USA,2001:33—38.50K.S.Kim,M.S.Kim,J.H.Dee.Developmentof MapMatchingAlgorithmUsingtheGIS'sBufferingAnalysis.The 32ndInternationalSymposiumonAutomotiveTechnologyandAu—tomation(ISATA),Vienna,Austria,JunefC1,1999:473—477.6.毕军,付梦印,张宇河.基于D—S证据推理的车辆导航系统地图匹配算法.北京理工大学【J】,2002,22 (3):393—396.7.L_J.Huang,W.W.Kao,H.Oshizaw.M.Tomizuka. AFuzzyLogicBasedMapMatchingAlgorithmforAutomotiveNay—igationSystems.IEEERoundtableDiscussiononFuzzvandNeural 实甩_蠹≯._j形囊睡像处蓬一GRAPHICSSystems,andV ehicleApplications,1991,PaperNo.16.8.G.Y.Fu,D.Miao,W.J.Zhang.X.G..Y ang.AHi—erarchicalMap—MatchingAlgorithmforQuadtreeImageonMPP. NeuralNetworkandDistributedProcessing:ProceedingsofSPIE 【C】,2001:105—109.9.S.Kim.J.H.Kim.AdaptiveFuzzy—Network—Based C—measureMap—MatchingAlgorithmforCarNavigationSystem. IEEETransactionsonIndustrialElectronics【J】,2001,48(2): 432—441.(收稿日期:2005年2月8日)VERITAS软件公司继续领跑备份,归档和文件系统软件市场作为异构软件的领先供应商,VERITAS第4季度的增长速度高于市场总体水平日前在IDC最新的{IDC全球存储软件市场季度跟踪》中,VERITAS软件公司(Nasdaq:VR1,s)被评为2004年第4季度以及全年的全球头号备份,归档软件和文件系统软件供应商.在企业选择数据备份,归档和管理软件时,VERI—TAS软件都是他们的选择.IDC的市场份额数据可以说明这一点——VERITAS在备份,归档和存储软件市场占据40%的收入份额i,连续9个季度以两位数的优势领先下第二名.这份报告还显示了VERITAS在文件系统软件市场中的明显领先地位:VERITAS占据了56%的收入份额,而IDC跟踪对象中名列第二的公司仅占2.3%的份额.VERIFAS在核心数据保护和存储管理类别中的持续强劲势头,为其软件在新兴的存储资源管理(SRM)和存储复制巾场中的采用提供了有力补充.此外,在2004年第4季度,VERITAS的存储软件(季度同比增长),备份与归档软件(年度比增长)和文什系统软件(季度和年度同比增长)增长指标均超过了市场总体水平.尽管IDC的调查报告并未跟踪另外三个对VER1TAS 效用计算战略十分关键的新兴技术领域一应用性能管理,服务器资源分配和电子邮件归档,但VERITAS仍在所有非硬件公司中占据极高的存储软件市场份额VERITAS软件公司首席技术官MarkBregman说: "VERITAS始终致力于保护和管理客户的数据,确保信息的可用性.正如IDC报告中所示,这种努力使我们赢得了客户的持久忠诚度.随着我们向市场推出新技术,在传统产品中进行以客户为中心的创新,我们有望在核心和新兴市场上再创佳绩"。
基于尺度、距离、旋转测度的角点匹配算法.
通过对初 始匹配算法与测 度函数设 计的分 析, 建立基于尺度、距离、旋转测度的角点匹配算 法流程
首先, 利用相位相关法进行两幅图片的初始 匹配 对不同图像上的角点邻域进行相位相关分
析 而后, 对候选匹配角点进行尺度、距离、旋转测 度的计算, 通过判断匹配测度函数值的合理性, 去 除虚假匹配 最后, 利用 8 个最佳匹配点计算双目 视觉的基础矩阵, 获得极线几何 对应参数[ 5] 流 程如图 3 所示
i,
( 10)
式中:
E
g
=
1 K
K
(
i= 1
i-
k , median) 2
( 11)
k 为考察的候选匹配角点与邻域内第 k 对
候选匹配角点连线的夹角; g, median为考察的候选
匹配角点在邻域内与所有其他候选匹配角点连线
夹角的平均值; E g 为考察的候选匹配角点在邻 域内与所有其他候选匹配角点连线夹角的方差
摘
要: 针对基于模板灰度相似性测度的匹配方法抗旋转性差的缺陷, 依据真实匹配角点与邻域内其他
角点 位置关系存在拓扑不变性, 提 出了一种基于尺度、距离、旋转测度的角 点匹配方法 该方法 首先利用 相位 相关 法对角点进行初始匹配, 而后对每对候选匹配角 点进行基 于尺度、距离、旋转测度的 计算, 利用计算后 的 测度 函数值来判断初始匹配是否为正确匹 配 实验验 证了提 出的角 点匹配 方法的 匹配结 果要明显 好于直 接
匹配角点与邻域内第 k 对候选匹配角点的距离;
dg, median为考察的候选匹配角点在邻域内与所有
其他候选匹配角点距离比的平均值; Edg 为候选
匹配角点在邻域内与所有其他候选匹配角点距离
比的方差
地图匹配算法综述
地图匹配算法综述一、地图匹配：现有算法车辆导航系统实时接收GPS位置速度信息，以交通地图为背景显示车辆行驶轨迹。
保证所显示的轨迹反映车辆的实际行驶过程，包括行驶路段，转弯过程及当前位置，就是地图匹配问题所要解决的目标。
本节首先对地图匹配问题涉及到的基础概念、误差模型给出简要说明，同时介绍当前流行的一些地图匹配算法的思路与特点。
1.1地图匹配问题介绍利用车载GPS接收机实时获得车辆轨迹，进而确定其在交通矢量地图道路上的位置，是当前车载导航系统的基础。
独立GPS车载导航系统中克服GPS误差以及地图误差显示车辆在道路网上的位置主要是通过地图匹配算法，也就是根据GPS信号中的数据和地图道路网信息，利用几何方法、概率统计方法、模式识别或者人工神经网路等技术将车辆位置匹配到地图道路上的相应位置[8-12]。
由于行驶中的车辆绝大部分都是在道路上的，所以通常的地图算法都有一个车辆在道路上的默认前提。
地图匹配的准确性决定了GPS车辆导航系统的准确性、实时性与可靠性。
具体来说取决于两方面：确定当前车辆正在行驶的路段的准确性与确定车辆在行驶路段上的位置的准确性。
前者是现有算法的研究重点，而后者涉及到沿道路方向的误差校正，在现有算法中还没有得以有效解决。
地图匹配的目标是将轨迹匹配到道路上，当道路是准确的时，也就成了确定GPS的准确位置，然后利用垂直映射方法完成匹配。
要实时获得车辆所在的道路及位置通过地图匹配来实现是一种比较普遍而且成本较低的方法。
车辆导航与定位系统中的地图匹配问题概括来讲就是将车载GPS接收机获得的带有误差的GPS轨迹位置匹配到带有误差的交通矢量地图道路上的相应位置。
下面我们通过具体的数学模型来给地图匹配问题以详细的数学描述。
地图匹配的基本过程如图4.1所示。
符号定义及其物理意义说明如下：图4.1地图匹配模型1)g(k)是车辆GPS轨迹点，内容为k时刻车辆上的GPS定位数据（经纬度），对应于矢量地图上相应的经纬度位置点。
一种改进的浮动车地图匹配算法
一种改进的浮动车地图匹配算法摘要：为提高浮动车地图匹配精度，提出一种改进的浮动车地图匹配算法，综合利用道路拓扑关系和车辆定位误差，缩小候选路段范围，然后采用基于距离与方向的要素加权方法确定最终的匹配点，从而减少正确匹配路段被剔除的概率。
依托南京市局部路网以及浮动车定位数据进行实例分析，结果表明，该方法具有较好的精度和实时性。
关键词：浮动车；地图匹配；道路拓扑；要素加权0 引言随着智能交通系统的应用发展，安装车载定位设备的车辆越来越多，浮动车数据采集技术开始广泛应用于城市路况信息获取、道路建设和出行规划上[1]。
地图匹配（Map Matching，MM）是浮动车技术的重要组成部分，由于路网环境、电子地图误差和定位设备误差的影响，浮动车采集的定位点会随机分布在道路两侧一定宽度范围内，只有将这些定位点修正到其行驶的道路上，才能开展相关应用。
目前，国内外学者研究的地图匹配算法主要包括几何匹配算法、概率统计匹配算法、相关性匹配算法、基于要素加权的匹配算法、模式识别匹配算法等[2]。
其中，基于要素加权的地图匹配算法具有逻辑简单、速度快、实时性好等优点，目前已经得到较为广泛的应用[3]。
陈佳瑜等提出了一种基于权重的地图匹配算法[4]，采用一种间接的方式确定车辆当前行驶的道路，利用定位点当前信息和历史信息，降低定位误差对地图匹配效果的影响。
章威等提出一种基于大规模浮动车数据的地图匹配算法[5]，引入了匹配度的概念，以GPS定位点到候选路段的距离以及方向夹角为要素，加权计算得到匹配度，进而确定最佳的匹配道路。
王美玲等提出了一种浮动车地图匹配的新算法[6]，采用距离，航向和可达性三个要素加权计算候选路段的综合权重。
邹珍提出一种改进的基于权重的地图匹配算法[7]，将权重模型与交通规则约束、最短路径算法相结合。
在对以往的研究进行分析后发现，充分利用道路拓扑和多个要素可以进一步提高浮动车地图匹配精度。
本文从这一角度出发，综合利用道路拓扑关系和车辆定位误差，缩小候选路段范围，然后采用基于距离与方向的要素加权方法确定最终的匹配点，以期能够提高浮动车地图匹配精度，并确保匹配的实时性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｖ０ Ｉ ． ３ ５ ＮＯ． ２
Ａｐ ｒ ． ２ ０１ ４
文章 编号 ： １ ６ ７ ２— ６ ８ ７ １ （ ２ ０ １ ４ ） ０ ２— ０ 离 分段 占优 地 图 匹配 算 法
张彦 会 ， 曹 强荣 ， 何 维
（ 广西科技大学 ａ ． 广西汽车零部件与整车技术重点实验室 ； ｂ ． 汽 车 与交 通 学 院 ， 广西 柳州 ５ ４ ５ ０ ０ ６ ）
性。
图１ 所 示为例 ， 以１ ０ ０ ｍ×１ Ｏ ０ ｍ进 行 网格 划分 ， 假定 定位 点 Ｐ落在 ６号 网格 内 。然后 以 ６号 网格 的形 心 Ａ为 中心 ， 进行 １ Ｏ ０ １ １ １ ×１ ０ ０ ｍ 的网格 划分 ， 得到Ａ 。 、 Ａ 、 Ａ 、 Ａ 这 ４个 网格 。再 对 这 ４个 网格进 行
摘要 ： 为 了 更 好 的 实 现 车辆 导航 系统 的实 时性 和精 确 性 ， 研 究 了 地 图 匹 配算 法 的 各 要 素 。 采 用 两 级 交 错 式 网 格划分 ， 并 结 合 全 球定 位 系 统 实 时水 平 估 计 误 差实 现对 电子 地 图待 匹 配 区域 划 分 。利 用 车辆 行 驶 位 置 、 方 向、 道路几何拓扑关系和行驶角度变化率 ， 提 出 了 一 种 基 于 角 度 和 距 离 分 段 占优 的 地 图 匹 配 算 法 。 试 验 结 果 表 明： 本 文 建 立 的地 图 匹 配算 法 能 够 准 确 、 快速地实现车辆导航定位功能 。 关键词 ： 全球定位系统 ； 车辆导航 ； 地 图匹配； 道路网格划分 ； 网络 拓 扑
法的优 点是 实 时性好 、 逻辑 简单 ， 但该算 法 只适用 于 以直线 型道路 为 主 的情 况 ， 对 于 弯道 或 交叉 路 口较
多、 道 路密集 的道 路 ， 该 算法 的 匹配准确 率 降低 ， 易 造 成识 别 混 乱 的情 况 ¨ 。第 二种 是 基 于轨 迹 曲线 的地 图匹配 算法 ， 该算 法 的优 点是 对局 部定 位点 的波 动不敏 感 ， 在 交叉 路 口或弯 道较 多 的道 路上 匹配 效
二 级 网格划 分 ， 得到 ５ ０ ｍ× ５ ０ ｍ 的子 网格 ， 即可进一 步确定 Ｐ点在 ５ ０ ｍ×５ ０ ｍ子 网格 的具体 位置 ， 图１
实 时 响 府 性
１ 两 级 交 错 式 网格 划分 与二 次 圆域 筛 选 融 合 技 术
寻找 车 辆 当 前行 驶 的道 路从 过 程 上 可 以 分为 两 个 部 分 ， 即待 匹 配路 段 的快 速筛 选 和 最 优 路 段 的 权 值 判 断 。在 待 匹配 路 段 的快 速筛 选 过 程 中 ， 筛选 区域 的 大 小 直 接影 响 匹配 算 法 的实 时 性 。筛 选 区 域选择过大 ， 增加 算 法 的复 杂 程度 和 计 算 时 间 ； 筛 选 区域选 择 过 小 ， 可 以导 致 没 有 待 匹 配 的路 段 。采 用 两 级 交错 式 网格划 分 与 二 次 圆域 筛 选 融 合 的方 法 能 很 好 地 解 决 这 一 问 题 ， 实 现 匹配 算 法 的实 时
果好 ， 但该算 法计 算量 较大 ， 算 法 复杂 ， 实 时性 差 。 。第 三种是 基 于概率 统计 的算法 ， 该算 法 的优 点 是
以地理 信息 系统 （ Ｇ Ｉ Ｓ ） 缓 冲区分析 方 法代 替 全 球定 位 系 统 （ Ｇ Ｐ Ｓ ） 误差 椭 圆 ， 车 辆 在 路 网 中 的定 位 准 确 性 和 可靠性 高 ， 但 该算 法 只适 用 于 Ｇ Ｉ Ｓ数 字 地 图数 据 库精 度 和 Ｇ Ｐ Ｓ定 位数 据 精 度 高 的情 况 ， 在 精 度 不 高的场 合定 位时 间长 ， 且无法 防止 定位 累积误 差 。 。第 四种是 基 于模 糊 逻辑 的地 图匹配 算 法 ， 该 算 法 的优 点是在 同的路 段采用 加权 二维 欧式距 离作 为相 似性 度量 函数方 法 ， 在 复杂 路段 上都 能高 效 、 实 时 的实 现车辆 的定 位匹 配 ， 但该 算法 在不 同路 段建模 的系数 为经验值 ， 缺 乏理 论依 据 － ｓ 。 本 文提 出 了基于 角度 和距离 分段 占优 的地 图匹配 算 法 。首先 ， 在 分 段 占优 算 法 中运 用 自适 应 匹 配 因子进 行 目标路 段 的最优选 取 ， 能够增 强 匹配时 对正确 路段 的识 别能 力 以及 对 复杂路 段 的适 应 能力 ， 提 高定 位匹配 精度 ； 其次， 在节 点处 采用融 合技 术筛 选 匹配 区域 ， 大 大简 化 了程 序 的复杂 度 ， 提 高 了定位 的
中 图分 类 号 ： Ｔ Ｐ ３ ９ １ ． ４ １ 文 献 标 志码 ： Ａ
０ 引言
随着智 能运 输系 统 （ Ｉ Ｔ Ｓ ） 的迅 速发展 ， 车 载导航 定 位 系统 越来 越受 到关 注 ， 因此 ， 如何 快 速 、 准 确 地 获得 车辆 的位置 信息 变得更 为迫 切 ， 地 图 匹配算 法是 实现 快 速 、 准确 获 取位 置 信 息 的关键 ， 所 以研 究 地 图匹 配算法 是很 有必要 的。当前 的地 图定位 匹配 算法 较多 ， 第一种 是基 于位 置点 的地 图 匹配算 法 ， 该 算
第 ３ ５卷 第 ２期
２ ０１ ４年 ４月
河 南 科 技 大 学 学 报 ：自 然 科 学 版
Ｊ ｏ ｕｒ ｎ ａ ｌ ｏ ｆ Ｈｅ ｎａ ｎ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔｅ ｃ ｈｎ ｏ ｌ ｏ ｇ ｙ： Ｎａ ｔ ｕｒ ａ ｌ Ｓｃ ｉ ｅ ｎ ｃ ｅ