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。     

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。     

考虑内在关联性的城市路网交通运行效率评价

为实现大规模城市路网下的交通运行效率评估，立足于深圳市福田区、南山区以及罗湖区的浮动车轨迹数据，提出了一种结合交通可达性与道路交通流特性的评价方法。通过地图匹配与网络重构获得路网重构图，对其进行社区发现与聚类以挖掘路网内在联系并进行交通运行效率评价。该评价方法兼顾路网结构与交通属性，在考虑路网内在关联性的情况下进行城市路网交通效率评价，并通过评价结果对实际路网提出针对性改进建议。相比传统方法，该文提出的评价方法能够识别出道路间相互影响关系，在局部路网的尺度下修正评价结果，使评价结果体现出实际路网不同区域内交通效率的内在联系。