基于道路精简滤波原理的车辆导航系统地图匹配算法

针对交叉路口附近道路几何分布较为复杂的实际特点,提出基于道路精简滤波(RRF)原理的地图匹配算法。研究了基于D-S证据理论的多规则数据融合技术在二路段地图匹配中的应用。建立了最短欧氏距离和最小航向差两条判决规则。引入相关性模糊决策理论,将多路段匹配问题简化为二路段匹配问题,使D-S证据判决规则的概率分配函数能根据实际路网分布作适应性调整,提高了算法的鲁棒性。对实际跑车数据的仿真处理结果表明,应用该算法可以较好地解决城市交叉路口地图匹配问题。     

一种路网拓扑约束下的增量型地图匹配算法

着眼于低频浮动车轨迹数据,对地图匹配问题进行了抽象,并分析了影响匹配结果的几何约束与拓扑约束。针对GPS采样的低频性和城市路网的复杂性,提出了一种路网拓扑约束下的增量型地图匹配算法（topology-constrained incremental matching algorithm,TIM）。选取北京市浮动车的GPS样例轨迹数据进行匹配,结果表明,该匹配算法在不同复杂程度的城市路网下均表现较好。     

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。      

GNSS高采样率路径增量地图匹配方法EI北大核心CSCD

针对高采样率GNSS轨迹数据在复杂城市路网中的匹配问题,本文提出一种基于路径增量的匹配方法。该方法分为组合过滤及增量匹配两个部分,首先通过组合过滤进行路网简化,然后以路径为增量进行匹配计算,在路口点处的匹配中采用综合距离因子与弯曲度的相似度评价方案。为验证其有效性,选取多条复杂程度各异的高采样率轨迹数据进行试验,并与曲率积分约束的地图匹配算法和隐马尔科夫模型两种现有匹配方法进行对比。结果表明,本文算法在高采样率匹配试验中的匹配准确率和效率均表现最优,且能够较好地处理各类复杂路段的匹配,能够满足在复杂城市路网中的高采样率轨迹匹配的需求。     

一种基于网络拓扑关系的地图匹配算法

地图匹配是车辆导航定位系统中提高定位精度的一种方法,其精度受定位数据、地图数据质量及坐标系转换关系的影响。在分析现有算法的基础上,提出了一种基于网络拓扑关系的地图匹配算法。该算法只需将GPS定位数据和G IS数据相结合,即可用算法的形式解决地图匹配中一些常见的问题。实验证明:该算法是一种精度高、效率好、实用性强的地图匹配算法,具有较好的实用价值。     

一种基于网络拓扑关系的地图匹配算法

地图匹配是车辆导航定位系统中提高定位精度的一种方法,其精度受定位数据、地图数据质量及坐标系转换关系的影响.在分析现有算法的基础上,提出了一种基于网络拓扑关系的地图匹配算法.该算法只需将GPS定位数据和GIS 数据相结合,即可用算法的形式解决地图匹配中一些常见的问题.实验证明:该算法是一种精度高、效率好、实用性强的地图匹配算法,具有较好的实用价值.     

浮动车地图匹配算法研究

针对现有浮动车地图匹配算法应用于城市复杂路网时面临的关键技术难点,本文基于浮动车数据,在 SuperMap GIS 平台下实现了城市交通路网的构建,并研究了一种浮动车地图匹配的新算法：基于网格的候选路段确定,基于距离、航向、可达性权重的定位点匹配及基于最短路径的行驶轨迹选择。算法能够满足浮动车地图匹配准确性与实时性的要求,为获取城市道路的交通拥堵状况信息提供可靠依据。     

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.     

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.     

径向基函数神经网络的路网自动匹配算法

针对VGI数据中检测更新的问题,该文提出基于径向基函数的神经网络自动匹配算法。通过选取路段的距离、方向、形状和长度4个空间特征的相似度作为衡量路段是否匹配的指标。考虑到4个空间特征指标对匹配的影响力不同,在RBF(radial basis function)神经网络中的隐含层对基函数引入粒度拉伸因子,使径向对称的RBF顾及各向异性。同时对输出层在线性加权求和函数的基础上引入sigmoid函数,使计算结果(路段的匹配度值)归一化。该算法对数据质量较差的VGI路网具有很好的匹配能力,与BP神经网络相比,RBF神经网络在地图匹配中具有更好的匹配效率。     

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。     

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。     

Open source map matching with Markov decision processes: A new method and a detailed benchmark with existing approaches

Map matching is a widely used technology for mapping tracks to road networks. Typically, tracks are recorded using publicly available Global Navigation Satellite Systems, and road networks are derived from the publicly available OpenStreetMap project. The challenge lies in resolving the discrepancies between the spatial location of the tracks and the underlying road network of the map. Map matching is a combination of defined models, algorithms, and metrics for resolving these differences that result from measurement and map errors. The goal is to find routes within the road network that best represent the given tracks. These matches allow further analysis since they are freed from the noise of the original track, they accurately overlap with the road network, and they are corrected for impossible detours and gaps that were present in the original track. Given the ongoing need for map matching in mobility research, in this work, we present a novel map matching method based on Markov decision processes with Reinforcement Learning algorithms. We introduce the new Candidate Adoption feature, which allows our model to dynamically resolve outliers and noise clusters. We also incorporate an improved Trajectory Simplification preprocessing algorithm for further improving our performance. In addition, we introduce a new map matching metric that evaluates direction changes in the routes, which effectively reduces detours and round trips in the results. We provide our map matching implementation as Open Source Software (OSS) and compare our new approach with multiple existing OSS solutions on several public data sets. Our novel method is more robust to noise and outliers than existing methods and it outperforms them in terms of accuracy and computational speed.     

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。     

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。     

A Chain-Code-Based Map Matching Algorithm for Wheelchair Navigation

Accurate vehicle tracking is essential for navigation systems to function correctly. Unfortunately, GPS data is still plagued with errors that frequently produce inaccurate trajectories. Research in map matching algorithms focuses on how to efficiently match GPS tracking data to the underlying road network. This article presents an innovative map matching algorithm that considers the trajectory of the data rather than merely the current position as in the typical map matching case. Instead of computing the precise angle which is traditionally used, a discrete eight-direction chain code, to represent a trend of movement, is used. Coupled with distance information, map matching decisions are made by comparing the differences between trajectories representing the road segments and GPS tracking data chain-codes. Moreover, to contrast the performance of the chain-code algorithm, two evaluation strategies, linear and non-linear, are analyzed. The presented chain-code map matching algorithm was evaluated for wheelchair navigation using university campus sidewalk data. The evaluation results indicate that the algorithm is efficient in terms of accuracy and computational time.