一种自适应轨迹曲线地图匹配算法

地图匹配能够将车辆定位信息与路网电子地图相结合,是车辆导航系统中重要的定位技术.首先简要介绍和分析基于自适应模糊神经网络的C-Measure地图匹配算法及其优点,算法中的C-Measure用来度量车辆行驶在选定道路上的可能性大小.由于该算法着重于分析当前定位点信息,在复杂路网中会因为信息量的不足影响匹配精度.因此,为提高道路网中定位点的匹配精度,提出基于平均Fréchet距离和分层模糊控制技术的轨迹曲线匹配算法.该算法改进原算法的结构,并参考定位点的历史信息,引入平均Fréchet距离用以定义历史轨迹曲线间的距离;由于增加历史数据输入,导致模糊规则数目的增加,从而影响算法的运行效率.为简化规则,提高效率,采用分层模糊控制技术,而且对算法的学习律也进行改进.仿真结果表明改进后算法的有效性.     

城市汽车导航中一种改进的D-S证据理论地图匹配算法

车联网中基于D-S证据理论的地图匹配算法,通常考察定位点到候选道路的投影距离和车辆行驶方向与候选道路的角度差这两种证据。目前城市交通网络结构日趋复杂,此算法得到的匹配结果有一定的局限性,匹配精度也无法满足车联网技术的需求。随着GPS等定位设备的不断发展与改进,车辆的行驶速度与定位时间间隔等数据已可以准确获取,在此基础上,本文对车辆的可达性信息进行考察,作为新的证据与传统证据融合后得到的结果进行D-S证据的二次融合。除此之外,本文针对城市环境中不同道路拓扑结构,对传统算法中的位置信息和车辆行驶方向信息的可靠性参数进行仿真训练,得出更为精确的可靠性参数值以供改进的算法使用。通过仿真实验表明,改进后的算法的匹配精度和稳定性得到了极大的提高,可以更好地适用于城市复杂路网中地图匹配的问题。     

顾及多要素影响的路网匹配改进算法

针对导航地图中现有的匹配算法在复杂路段的匹配效果一般较差的问题,本文提出一种改进的匹配算法。首先,引入分块思想,提出将路网中的每个路段按规则分为简单路段块和复杂路段块,不同路段块采取不同的匹配算法;其次,充分利用车辆行驶的连续性,综合考虑了车辆行驶方向、车速与交叉口距离等多种因素对匹配结果的影响,在选取正确的匹配路段时合理利用了历史数据信息。实验表明,该算法不但对能够改善复杂路段的匹配效果,而且还能够对匹配点沿路段方向上的误差进行实时校正。     

航向垂线的地图匹配算法

针对现有地图匹配算法的优缺点,该文结合车辆导航特点对空间道路数据进行网格化处理并建立拓扑关系,改进了交叉路口的地图匹配算法,充分利用航向信息设计了基于航向垂线地图匹配算法。通过实际动态测量获取的数据,验证了该算法在解决交叉路口误匹配、不匹配和匹配精度低等问题中的优势。在提高匹配精度和准确性的同时,该算法的解算速度同样能较好地满足导航实时性的要求。     

基于路径预测的不确定性推理组合地图匹配算法

地图匹配是车辆导航系统中的重要组成部分。本文在简要介绍相关地图匹配算法和总结前期研究的基础上,提出了一种新的基于预测的不确定性推理组合地图匹配算法。该方法首先利用云模型这样一种处理定性与定量间不确定转换的工具,通过对当前信息的不确定性推理,计算定位点相对于候选道路的匹配可信度。之后,利用隐马尔科夫模型预测驾驶员出行路径及目的地,通过对模型中的观察值函数重新设定,将路径预测信息与当前地图匹配算法结合,构建组合地图匹配算法。同时,采用学习算法更新模型中的信息。最后,通过仿真实例证明了该组合算法的有效性,结果表明：该方法能够预测驾驶员行驶路径,起到预匹配的作用,提高了地图匹配算法的精度与实时性。     

针对复杂道路网络的车辆轨迹地图匹配算法

针对高度城市化地区存在的复杂道路网络环境下,如何高效地进行车辆轨迹数据的地图匹配问题,该文提出了一种针对复杂道路网络的车辆轨迹数据地图匹配算法。该算法以车辆轨迹序列为匹配对象,通过环形轨迹的识别把车辆轨迹序列划分为无环路轨迹段,并用道路拓扑关系来计算轨迹序列的最优匹配路线,实现在复杂道路网络中的车辆轨迹数据地图匹配。为了验证本算法的性能,以上海市道路网络为实验区,以约1.3万辆出租车在2015年4月的轨迹数据为数据源,进行实证研究。实验结果显示,该文提出的地图匹配算法在复杂的道路网络中有较高的匹配成功率和匹配效率。     

基于“北斗一号”的地图匹配可行性与方法探讨

借鉴目前常用车辆导航系统中GPS实时信息在数字地图上的匹配算法和经验,分析了我国＂北斗一号＂导航系统现状,针对＂北斗一号＂导航系统定位特点以及道路复杂等因素而可能造成直接定位不准确的问题,提出了基于＂北斗一号＂实时定位信息进行地图匹配的可行性,并初步构想了地图匹配的算法,从而提高导航监控的准确性。     

基于多准则融合的信任理论地图匹配算法

本文提出了一种基于多准则融合的地图匹配算法,该算法运用信任理论融合了多种评价准则并对匹配过程中的道路选择进行了综合评价。首先,利用车辆定位的当前和历史信息建立了邻近准则、夹角准则和历史轨迹邻近准则。然后,运用D-S证据组合规则,将三种评价准则进行融合应用于道路选择过程中。最后,借助连通性准则对融合的最终结果进行修正,提高了算法的精度。仿真结果表明,对于简单和复杂路网,该算法都能提供较高的匹配精度,识别出车辆行驶的道路。     

提供导航支持的车辆监控系统

本文对GPS与GIS的集成方式、GPS信号的解析、地图匹配、最短路径算法进行了研究，通过GPRS（通用分组无线业务）信息的传输实现监控中心与车辆之间的无线通信和信息交互，来实现车辆导航监控。     

基于点序列和要素加权法的地图匹配算法

浮动车数据(Floating Car Data,FCD)已广泛应用于城市规划、智能交通系统中,其中地图匹配一直以来都是浮动车数据应用的技术难点。本文在已有地图匹配算法的基础上,提出了基于点序列和要素加权法的地图匹配模型,不仅考虑了当前GPS点的信息,同时也考虑了GPS数据的历史信息和道路网的拓扑结构,从空间关系上分析车辆行驶轨迹和道路的相似性。作者通过上海市出租车轨迹数据对算法进行验证,结果表明:该匹配模型解决了已有地图匹配算法的一些弊端,并且提高了地图匹配的精度,具有高效、实用的特点。     

北京出租车GPS轨迹数据地图匹配算法研究

由于车辆位置数据匹配到电子地图时,会出现车辆轨迹偏离实际道路的情况,为了提高出租车GPS轨迹数据匹配到地图的准确率,提出一种出租车地图匹配算法:基于GPS定位精度的距离范围和车辆行驶方向与道路方向的夹角区间确定候选路段,依据车辆的速度确定方向权重,计算距离和方向的综合权重值进行轨迹点匹配,通过最短路径算法进行行驶轨迹的选择,并采用北京市西二环周围100辆出租车24860条GPS数据进行实验验证。实验表明该匹配算法的匹配正确率可达到96.72%。其具有地图匹配的准确性。     

基于道路连通性和最短路径的综合地图匹配算法

本文研究了要素加权法、路网拓扑法和网格划分法等地图匹配算法,分析了地图匹配过程,包括地图数据预处理、道路连通性的建立、投影点的计算和道路匹配度的计算,提出了一种基于道路连通性,采用捕捉圆获取候选道路集的地图匹配算法,并且对车辆GPS信号丢失的情况,采用最短路径算法,推算出车辆经过的道路。最后通过试验比较分析,验证了本算法具有较高的匹配准确度、匹配速度和实用性。      

浮动车轨迹点地图匹配及插值算法

针对带有定位误差和异常值的浮动车轨迹点数据,该文设计并实现了滑动窗口最优路径地图匹配算法,在综合考虑轨迹点的空间几何关系和路网拓扑关系基础上,为轨迹点匹配最优道路并纠正轨迹点误差。其次,针对稀疏且时间间隔不稳定的匹配后轨迹点,设计改进的Hermite插值法拟合车辆运动状态,并对稀疏轨迹点进行时序插值。利用南京市出租车轨迹点数据进行匹配算法与插值算法的验证,实验结果表明匹配算法具有较高准确性,插值算法能有效还原车辆行驶状态。     

地图误差对地图匹配质量的影响

高精度的数字地图是正确匹配车辆位置的基础。详细分析了地图数据的地理误差和拓扑误差的误差形式,路网数据模型的常见误差因素和改进策略,最后介绍了不同地图匹配算法对地图质量的敏感性和可行性。根据可能出现的误差对现有数字地图和匹配算法加以改进,弥补了原有数字地图带来的不精确缺陷。跑车实验证明,考虑了数字地图误差影响的匹配算法可以明显提高定位精度,减小车辆定位误差。     

一种综合地图匹配算法的设计与实现

根据位置点匹配算法和基于加权系统的地图匹配算法的一般原理,设计并实现了一种综合地图匹配算法,在不同的道路条件下采用不同的匹配策略,并考虑了道路网的连通性因素,实验证明算法的正确匹配率达到了86%,在道路交叉路口的匹配时间约0.34s,基本上可以满足车辆导航定位系统的要求。     

地图误差对地图匹配质量的影响

高精度的数字地图是正确匹配车辆位置的基础.详细分析了地图数据的地理误差和拓扑误差的误差形式,路网数据模型的常见误差因素和改进策略,最后介绍了不同地图匹配算法对地图质量的敏感性和可行性.根据可能出现的误差对现有数字地图和匹配算法加以改进,弥补了原有数字地图带来的不精确缺陷.跑车实验证明,考虑了数字地图误差影响的匹配算法可以明显提高定位精度,减小车辆定位误差.     

一种改进的浮动车地图匹配算法

现有地图匹配算法应用于低频方式采样的浮动车GPS数据时匹配准确度与匹配效率不能同时兼顾。基于此,本文提出了一种改进的浮动车地图匹配算法,基于改进的自适应电子地图网格划分方法快速确定待匹配定位点候选路段集,基于最短距离权重、车辆航向权重、最短路径权重及轨迹方向权重的总权重准确确定最优匹配路段及匹配点。试验结果表明,该算法在保证匹配效率的同时提高了算法的匹配准确度。     

面向智能车的地下停车场环视特征地图构建与定位

针对地下停车场环境GPS信号缺失的问题,本文在环视特征地图构建的基础上,提出基于二阶马尔科夫模型的粒子滤波定位算法(Markov model-particle filter,MM-PF),实现智能车在地下停车场环境中的高精度定位.在该模型中,环视特征地图节点被定义为粒子,查询图像被定义为观测数据.在状态转移过程中,引入二阶马尔可夫模型,对短时间车辆运动进行建模,构建状态转移模型.利用图像的全局特征建立当前车辆获取的图像与各粒子(环视地图节点)之间的匹配关系,从获取的汉明距离建立粒子权重分布模型,可以大幅提高系统的计算效率.当前车辆的位置由局部特征匹配获得.选取两个典型的地下停车场场景对本文算法进行验证,在选取的两个场景中,本文算法平均定位精度小于0.38 m,定位误差均方差小于0.29 m,定位误差在1 m以下的概率不低于95.4％.试验结果表明:本文所提出的二阶MM-PF算法能够将车辆的运动信息与视觉信息相融合,相较于对比算法,定位精度与稳健性得到大幅提高.     

基于GPS/DR车辆定位与导航系统应用研究

介绍了基于GPS／DR车辆定位系统的基本框架，将其划分为7个功能模块。给出了满足导航电子地图的数据结构。在分析影响地图匹配正确性因素的基础上，给出了基于模糊逻辑的地图匹配算法，显著提高了车辆定位精度。分析了车辆路线导航系统的特点，采用启发式搜索技术，提高了算法效率。最后给出了采用上述关键技术的车辆定位导航系统设计方案，该方案的软硬件都采用嵌入式设计。     

环境语义信息辅助的室内停车场车辆定位方法

针对室内停车场环境下GNSS信号受限,无法进行车辆定位的问题,本文提出了一种环境语义信息辅助的室内停车场定位方法。该方法基于智能手机,首先在使用机器学习识别室内停车场中环境语义信息(减速带、转弯)的基础上,建立了室内停车场路网的拓扑结构,然后利用粒子滤波算法对传统车辆航位推算定位数据进行了融合。试验结果表明,该方法有效消除了车辆航位推算的累积误差,平均定位精度达3 m以内,并通过语义信息匹配减少了传统粒子滤波方法的运算时间。