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。     

一种改进的快速浮动车地图匹配方法

浮动车地图匹配算法能够实现浮动车离散点与路段的快速准确匹配,是浮动车路况信息生成技术中的核心环节。本文针对现有方法的不足,实现了建立定位点的有效阈值缓冲区,并依据空间关系检索候选匹配路段,研究实现了一种利用行驶速度、行驶方向、投影距离、行驶距离4个参数进行行车轨迹判别的逻辑匹配算法。试验表明,该方法无需对路网数据进行大量的前期处理工作,简化了候选匹配路段的检索过程,在保证匹配正确率的同时也表现出了更高的效率。     

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GPS轨迹数据的地图匹配算法

针对GPS浮动车轨迹数据具有整体运动趋势的特点,结合城市路网行车限制的约束,提出一种GPS轨迹数据的全局地图匹配方法,综合考虑轨迹曲线与路网路径的曲线相似性、实际行车的路段几何拓扑和交通管制约束下的连通性,实现较好的地图匹配效果,并通过实验进行验证,为GPS浮动车数据的进一步分析应用打下基础。     

浮动车数据的混合修复方法

针对浮动车数据出现的丢失、错误及冗余现象,结合均值统计与地图匹配,提出一种浮动车数据混合修复方法。基于此方法,构建了浮动车数据筛选及修复流程,较好地实现了对浮动车数据的有效筛选及修复,并对浮动车数据混合修复方法进行了验证,证明该方法具有可行性和有效性。     

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。     

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。      

大规模浮动车流数据并行地图匹配方法

提出了一种并行地图匹配方法,高效处理海量浮动车流数据。该方法顾及交通网络拓扑,指出网格过滤、距离过滤和方向过滤等策略减少邻近候选节点的数量,利用预先生成的最短路径列表减少最短路径计算量。基于非关系型分布式数据库实现了高效率的浮动车流数据并行地图匹配,利用武汉市的浮动车流数据进行了实验。实验结果表明,本文方法正确率为90.6%,计算效率能满足大规模浮动车流数据实时处理的需要。     

一种海量卫星导航轨迹点地图匹配方法

为了实现短时且精确的路况预测,通常需要海量采集卫星导航轨迹点,这使得基于传统文件/数据库系统的地图匹配方法无法满足复杂的实时分析要求。针对以上问题,本文提出的地图匹配方法,充分利用了NoSQL数据库的大数据存储、分布式计算等特点来对海量轨迹点进行匹配和存储,并将该方法应用在对深圳市交管部门浮动车卫星导航数据的分析,结果证明该方法具有有效性和精确性。     

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。     

出租车经验知识建模与路径规划算法

以出租车采集的浮动车数据,研究出租车司机道路选择的经验和规律,建立出租车司机道路寻径的经验知识模型,将城市交通道路网按该知识模型分成不同等级的经验路网;在此基础上提出基于经验知识的交通道路寻径算法,并以武汉市交通路网和浮动车为实验数据,将本文提出的道路寻径算法与传统的最短路径规划算法进行比较,实验结果表明在起止点相同的情况下,本文选择的路径较好地保持了道路等级的一致性和连贯性,明显减少通行时间,更符合自主出行的认知.     

基于约束高斯混合模型的车道信息获取

针对现有车道级道路信息获取方法大多存在数据采集成本高、更新周期长、数据处理难度大等缺点,提出了一种基于浮动车数据（floating car data,FCD）的城市车道数量信息快速获取方法。首先根据浮动车数据的空间分布特征,利用Delaunay三角网方法对数据进行优选,通过探测优选后浮动车数据覆盖的宽度间接得到道路宽度;然后将一部分已知车道数量及浮动车数据覆盖宽度的路段作为训练样本,分析其车道数量和浮动车数据覆盖宽度之间的关系构建基本分类器;最后按照待测路段的浮动车数据分布宽度查找基本分类器,获取待测路段可能存在的若干个车道数量类型候选值,并利用约束高斯混合模型对最终车道数量类型进行确认。实验结果表明,该方法实现了从低精度浮动车数据中快速获取车道数量信息,提取精度达到了82.3%。     

出租车GPS轨迹集聚和精细化路网提取

针对利用GPS数据提取双向路网和交叉路口转向信息精度低的不足,本文提出一种顾及位置与行驶方向的轨迹集聚和精细化路网提取方法,实现了精细化路网提取。为提高交叉路口路网的提取精度,首先剔除原始轨迹中的离散和异常轨迹点,并按一定的步长对轨迹段进行加密;然后引入行驶方向角来表达车辆在轨迹点处的行驶方向,顾及位置和行驶方向获取每个轨迹点的相似轨迹点集合;接着依次计算每个轨迹点的偏移距离,通过对轨迹点的迭代偏移完成轨迹集聚;最后剔除未成功集聚的轨迹点,将完成集聚的轨迹点连成轨迹线并作缓冲区,运用栅格数据数字化方法提取得到能够反映道路精细转向关系的道路网。以福州市出租车GPS数据进行轨迹集聚和路网提取试验,结果表明:本文方法能有效地将GPS轨迹按车辆行驶方向分别进行集聚,提取的道路网为双向道路并且能反映交叉路口处道路的精细转向关系。     

一种基于空间语义特征的浮动车轨迹匹配技术

针对浮动车轨迹数据挖掘中的空间语义分析问题, 阐述了传统的电子导航地图匹配方法用于浮动车轨迹地图匹配时的主要问题, 提出了基于空间语义特征的浮动车轨迹匹配算法, 并结合实际数据进行了试验验证, 本文提出的基于空间语义特征的全局路径匹配方法取得了很好的匹配效果, 并可还原浮动车轨迹经由的真实路径。     

利用模拟退火算法的VGI道路数据匹配方法

多源数据的匹配是数据集成与融合、数据更新等操作的关键,道路网作为城市数据体系的重要组成部分,在物流、交通导航与定位等方面起到巨大的作用。提出一种基于模拟退火技术的道路匹配方法,通过缓冲区分析确定解空间并得到初始值,以缓冲区重叠度作为评价指标确定目标函数,确定初始温度并随着温度的缓慢下降,对初值进行迭代,根据接受机制是否接受新解,直至达到系统稳定状态,得到最终解。实验表明,该方法提高了道路匹配的效率与准确度,对于偏移较大的情况也能很好的匹配。     

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。     

一种基于约束的最短路径低频浮动车数据地图匹配算法

针对精度差、频率低的浮动车数据特点,给出了空间和拓扑约束下的最短路径浮动车数据地图匹配算法,基于不同采样频率的匹配结果证明算法准确度高。基于武汉市浮动车数据的匹配结果表明,算法具有高可靠性,可以用于浮动车数据的交通信息提取与特征挖掘。     

基于OSM的浮动车轨迹数据校正方法

浮动车轨迹数据具有覆盖范围广、更新周期短、获取成本低等特点,对于地图的生产和更新具有重要意义,但是由于受到卫星信号被遮挡及多路径效应的影响,其精度普遍较低。本文采用一种基于OSM作为参考数据的方式对浮动车轨迹数据进行校正。首先通过一种分层时空地图匹配的方式将轨迹数据与OSM进行匹配;然后采用引力模型对数据进行校正;最后在武汉市出租车轨迹数据上进行了试验。结果表明,本文提出的数据校正方法可以有效地提高浮动车轨迹数据的精度。     

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。     

一种广度优先的等时缓冲区生成方法

在城市路网中,用户一般沿着道路运动,传统的欧式距离缓冲区在表达用户可达区域方面存在不足,因此,提出了等时缓冲区概念。这里阐述了等时缓冲区的数学模型,对等时缓冲区和欧式距离缓冲区在基于位置的服务和地理位置相关的研究中存在的优势与不足进行了对比分析。针对现有等时缓冲区生成算法存在额外计算的问题,提出了一种基于广度优先搜索的等时缓冲区生成算法。采用北京地区路网数据进行试验验证,结果表明,在试验区域内,算法具有应用于大规模Web服务的可行性。