卷积神经网络GPS坐标转换方法

GPS坐标转换方法对于GPS空间定位系统至关重要。目前已有很多方法被提出用于转换GPS坐标，但效果并不是很显著。究其原因，是因为大多数都存在模型误差和投影误差。针对目前方法的不足，本文利用深度学习对非结构化数据处理的优势，提出了一种基于卷积神经网络（CNN）的GPS坐标转换方法。该方法将GPS数据转化为非结构化图片数据，以其作为CNN的输入层来训练GPS坐标转换模型，这样能够最小化满足对数据的预处理要求，无监督地从数据中学习出有效特征。试验结果表明，该方法与传统坐标转换方法相比，具有更高的转换精度。     

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。