一种基于条件随机场和低采样频率浮动车数据的地图匹配方法
【技术领域】
[0001] 本发明涉及交通领域,特别是指一种基于条件随机场和低采样频率浮动车数据的 地图匹配方法。
【背景技术】
[0002] 在交通出行中,车载GPS设备具有记录车辆轨迹以及路由、导航等功能,使用较为 普遍。车载GPS设备可以定期、实时地把车辆位置信息(主要包括车辆标识符、偏移的经炜 度以及时间戳等)通过无线通讯系统传输到信息处理中心。浮动车一般是指安装了这种车 载GPS设备并行驶在城市主干道上的公交汽车和出租车。另外,GPS设备容易受到环境噪声 干扰,GPS设备本身的可靠性及定位技术自身局限性,这些都会影响GPS设备的定位经度。 因此,在处理浮动车GPS轨迹数据时,通常存在的一个问题就是把这些浮动车GPS观测位置 数据尽可能正确的匹配到路网上。
[0003] 当浮动车的采样频率较高时,一些准确率较高的地图匹配算法已经比较成熟。目 前,为了降低功耗和数据的传输成本以及浮动车本身特性,浮动车的采样频率普遍较低(1 至2分钟,甚至更低)。在采样频率较低时,由于车速较高、街区较短以及GPS定位误差等, 浮动车的精确位置信息以及路径信息的重建、恢复较难。因此,近年来,低采样频率浮动车 数据地图匹配问题引起了很大关注。
[0004] 地图匹配的问题可以追溯到1980年。20世纪90年代,GPS系统普及到民用,研究 人员开始对GPS设备进行系统的研究。早期的地图匹配方法,从几何分析的角度,把每一个 GPS观测数据投影到路网道路的一些点上。后来,这种投影算法利用了路网及车辆的其他信 息进行地图匹配,如车辆行进方向和路网道路曲率等。然而,因为只考虑单个GPS观测点, 这类匹配算法的准确率并不高。基于路网拓扑和弗雷歇距离,新的确定性算法涌现出来,这 类算法把部分轨迹直接匹配到路网上。当GPS观测点偏差较大时,这类确定性算法并不能 很好的处理,然后这类算法思想很快延伸到概率框架,例如粒子滤波器,卡尔曼滤波器,隐 马尔可夫模型(HMMs),及一些其他基于信任函数理论和模糊逻辑的非主流算法。但这类算 法主要是针对高采样频率浮动车数据,并不能很好运用在低采样频率浮动车数据的匹配过 程。
【发明内容】
[0005] 为了克服现有的地图匹配方法的计算复杂度较高、匹配精度较低的不足,本发明 提供一种计算复杂度较低、匹配精度较高的基于条件随机场和低采样频率浮动车数据的地 图匹配方法。
[0006] 为了解决上述技术问题本发明提出如下技术方案:
[0007] -种基于条件随机场和低采样频率浮动车数据的地图匹配方法,包括以下步骤:
[0008] 步骤一:构建有向道路网络G(V,E),其中V为道路的交叉路口,E为两个相 邻交叉路口中间的路段,每一路段e的属性包括路段的起始经炜度点e.Longitudel、e.Latitudel,结束经炜度点e.Longitude2、e.Latitude2 和路段的类型e.Type;
[0009]步骤二:对于一个t时刻的GPS观测点g(t),选取以g(t)为圆心在半径r范围内 的所有路段,通过投影得到相应的候选投影点:如果观测点g(t)在路段e的范围内存在垂 点,则选取该垂点作为观测点g(t)在该路段上的候选投影点Xl (t),并且选取垂线的长度为 该观测点与该路段的距离;否则,选取该路段离轨迹点较近的起点或者终点为观测点g(t) 在该路段上的候选投影点Xl(t),选取观测点与该路段起点或者终点的连线长度为该观测 点与该路段的距离,根据路段投影过程,获取GPS观测点g(t)的候选投影点集合X(t)= (Xl(t)),i=i,2,…,r,其中r为候选投影点的个数;
[0010] 步骤三:每隔At时间,同一辆浮动车会发送到信息处理中心一个观测点g,然后, 把g(t)投影到路网上r个不同的候选投影点,获取候选投影点集合,即x⑴=(Xl(t)),i =1,2,…,r;t时刻处于候选投影点xi(t)GX⑴处的车辆,经过At时间,转移到候选 投影点Xl, (t+1)Gx(t+l)处,把所经过的最短路径作为候选路径,标记观测点g(t)和下 一个观测点g(t+i)之间的候选路径集合为p(t) = (p^aDj^a)表示观测点g(t)的 一个候选投影点Xnia)到观测点g(t)的一个候选投影点Xna+i)的一条候选路径,r表示 候选路径的个数;
[0011] 步骤四:对于同一辆浮动车的GPS观测点序列g(l:T) =g(l) -g(2)-… -g(T),获得每一个GPS观测点的候选投影点集合以及每两个相邻观测点的候选路径集 合;然后,把候选投影点的观测概率《 (g(t) |Xl(t))和相邻候选投影点之间的传递概率 n(P^a))结合起来,基于条件随机场模型,应用前后向递归算法,计算滑动窗口中部分 GPS轨迹数据中GPS观测点g(t)的候选投影点Xl (t)的概率权重值qi (t),选取概率权重值 最大的候选投影点为GPS观测点的最佳匹配点。
[0012] 进一步,所述步骤二中,一个GPS观测点g(t)包括车牌编号、经度、炜度和时间。
[0013] 再进一步,所述步骤四中,获得一GPS观测点的候选投影点集合,对每个候选投 影点,采用高斯分布N(y,S2),定义其观测概率《(g(t)|Xl(t)),t时刻处于候选投影点 Xl(t)处的车辆产生观测点g(t)的观测概率,即:
[0014]
[0015] 其中d(g(t),Xl(t))为观测点和投影点之间的欧氏距离,然后,把每一候选投影点 的观测概率组成一个行向量,即<
[0016] 结合道路网络的拓扑结构,对于相邻的两个候选投影点,定义其传递概率Pniin(t), 即:
[0017]
[0018] 其中d(g(t),g(t+l))为两个观测点之间的欧式距离,l(Pni,n(t))为两个候选投影 点Xni(t)与\(1+1)之间的最短路径Pl^n(t)长度,然后,把每两个相邻的候选点之间传递概 率组成一个矩阵,记为:
[0019]
[0020] 其中,aJt)表示观测点g(t)的所有候选投影点到观测点g(t+l)的候选投影点 Xl(t+1)的传递概率列向量,Mt)表示观测点g(t)的候选投影Xl(t)至麵测点g(t+l)的 所有候选投影点的传递概率行向量。
[0021] 更进一步,所述步骤四中,所述条件随机场是一个无向图模型或马尔可夫随机场, 采用条件随机场模型来处理浮动车GPS观测点序列的地图匹配问题,通过观测点、候选投 影点以及传递概率矩阵,进行地图匹配。
[0022] 所述步骤四中,qi(t)为t时刻的观测点g(t)的候选投影点Xl(t)相对于其他的 候选投影点Xl, (t)的概率权重,即已知观测点序列g(l:T' )=g(l)-…一g(T' ),t时 刻车辆处于状态Xl(t)的概率,标记Normalize(C(t))表示对候选投影点观测概率向量进 行归一化计算,计算qi(t)的前后向递归过程如下:
[0023] Ql(t) =Jr(Xl(t) |g(l:T, )) = 3i(Xl(t) |g(l:t)) 3i(Xl(t) |g(t:T,))
[0024] 其中计算/"; (/) = (/) | 的过程如下,是一个前向递归过程:
[0030] 在t时刻,选取qi⑴值最大的候选投影点作为最佳匹配投影点。
[0031] 所述步骤四中,滑动窗口机制为:给定一个正数k> 0,对于一GPS观测点序列,把 其中的观测点一个接一个的放到滑动窗口链表里,如果t=k,计算滑动窗口链表中第一个 至第(k/2+l)个GPS观测点的每个候选投影点的$,选择观测点对应的W值最大的候选投 影点作为此观测点的最佳匹配投影点,如果t>k,计算滑动窗口链表中第(k/2+l)个GPS 观测点的每个候选投影点的乂,选择值最大的候选投影点作为此观测点的最佳匹配投影 点,弹出滑动窗口链表的第一个观测点,持续把观测点插入到滑动窗口链表,重复上述计算 过程。
[0032] 所述步骤三中,所述最短路径通过Dijkstra算法或Floyd算法获得。
[0033] 本发明的技术构思为:针对相邻GPS观测点之间时间差为At彡lmin情况,为了 提高低采样频率浮动车数据地图匹配的正确率,本发明结合路网拓扑信息及局部GPS观测 点之间的关联信息,基于条件随机场模型,应用前后向递归算法,提出一种正确率较高的地 图匹配方法。
[0034] 首先计算GPS观测点可能匹配的候选投影点集合以及集合中每一个候选投影点 的观测概率,然后计算相邻GPS观测点的候选路径集合以及每两个相邻候选投影点之间的 传递概率。根据这些候选投影点和候选路径,基于条件随机场模型,应用前后向递归算法, 选择观测点的最佳匹配投影点。
[0035] 本发明的有益效果为:在低采样频率的情况下,既考虑道路网络的拓扑结构,也考 虑GPS观测点之间的关联信息,以较低计算复杂度,提高了地图匹配的精度。
【附图说明】
[0036] 图1是选取候选节点示意图。
[0037] 图2是条件随机场示意图。
【具体实施方式】
[0038] 下面结合附图对本发明做进一步说明。
[0039] 参照图1和图2,一种基于条件随机场和低采样频率浮动车数据的地图匹配方法, 包括以下步骤:
[0040] 步骤一:构建有向道路网络G(V,E),其中V为道路的交叉路口,E为两个相 邻交叉路口中间的路段,每一路段e的属性包括路段的起始经炜度点e.Longitudel、 e.Latitudel,结束经炜度点e.Longitude2、e.Latitude2 和路段的类型e.Type;
[0041] 步骤二:参考图1,对于一个t时刻的GPS观测点g(t),选取以g(t)为圆心在半径 r范围内的所有路段,通过投影得到相应的候选投影点:如果观测点g(t)在路段e的范围 内存在垂点,则选取该垂点作为观测点g(t)在该路段上的候选投影点Xl (t),并且选取垂线 的长度为该观测点与该路段的距离;否则,选取该路段离轨迹点较近的起点或者终点为观 测点g(t)在该路段上的候选投影点Xl(t),选取观测点与该路段起点或者终点的连线长度 为该观测点与该路段的距离,根据路段投影过程,获取GPS观测点g(t)的候选投影点集合 x⑴=(xjt)),i= 1,2,…,r,其中r为候选投影点的个数;
[0042] 步骤三:每隔At时间,同一辆浮动车会发送到信息处理中心一个观测点g。然后, 把g(t)投影到路网上r个不同的候选投影点,获取候选投影点集合,即x⑴=(Xl(t)),i =1,2,…,r,t时刻处于候选投影点Xi(t)GX⑴处的车辆,经过At时间,转移到候 选投影点& (t+1)Gx(t+l)处,把所经过的最短路径作为候选路径,可以通过Dijkstra 算法或Floyd算法获得,标记观测点g(t)和下一个观测点g(t+l)之间的候选路径集合为 F(t) = (pm,n(t)),pm,n(t)表示观测点g(t)的一个候选投影点xm(t)到观测点g(t)的一 个候选投影点xn(t+l)