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)