多源数据融合的地图匹配更新方法和系统与流程
本发明涉及地理信息技术领域，具体涉及多源数据融合的地图匹配更新方法和系统。
背景技术：
复杂离线地图精确匹配和更新任务最初源自实际应用需求，要求实现将gps导航地图中的道路与pgis中的道路进行匹配，并对gps导航地图中的独有的道路(pgis由于道路更新周期长等原因，无法及时绘制新建道路)更新到pgis平台的基础地图中，以支撑公安和消防应急救援的导航规划等。然而由于数据来源多样，导致数据具有测绘标准不统一、相对误差大、个别地图数据属性维度低等特点，使得离线地图的道路匹配难度较大；同时在地图更新时，将新道路更新到既有的地图中时保证其拓扑关系正确也是一个难题。因此需要设计一种高效的、准确率高的、对数据属性依赖较小的地图匹配更新算法以满足大规模的离线复杂地图的匹配和更新。
技术实现要素：
本发明所要解决的技术问题是现有技术中由于数据来源多样，导致数据具有测绘标准不统一、相对误差大、个别地图数据属性维度低等特点，使得离线地图的道路匹配难度较大，目的在于提供多源数据融合的地图匹配更新方法和系统，解决上述问题。
本发明通过下述技术方案实现：
多源数据融合的地图匹配更新方法，包括以下步骤：s1：对源地图的道路信息矢量化处理生成矢量化数据源；对基础地图处理生成多层次空间索引分区；s2：将所述矢量化数据源和所述多层次空间索引分区输入基于隐马尔科夫的路网匹配模型，使得所述矢量化数据源匹配到所述多层次空间索引分区中生成预更新基础地图数据；其中所述矢量化数据源为所述路网匹配模型的观察状态，所述多层次空间索引分区为所述路网匹配模型的隐含状态；s3：将预更新基础地图数据中缺失道路信息和拓扑关系信息进行检测和修复生成新基础地图完成更新。
本发明应用时，源地图一般为外部来源的数据地图，例如互联网gps导航地图，而基础地图为需要根据源地图进行更新的地图，例如公安地理信息系统(pgis)的道路底图。将源地图的道路信息矢量化处理可以便于后续数据输入，无论源地图的来源为何种，都可以将这种来源化为同样的数据格式，而基础地图处理生成的多层次空间索引分区中，一般每一条道路为最底层的空间，多条道路形成上一层空间，多个区域形成更上一层空间，以此类推直至形成多层次空间索引分区。在基础地图和源地图的匹配中，所述矢量化数据源中每条轨迹匹配所述多层次空间索引分区中道路的计算方法都是独立且相同的，所以可以采用并行计算的方式进行运算。
在本申请中通过模型进行道路匹配时是已知gps坐标点序列，即源地图的数据，计算其在道路网络中的真实经过路径的过程，即基础地图的数据。我们假设gps坐标点序列为观察状态，真实经过路径为隐含状态，基于隐马尔科夫(hmm)的路网匹配模型则是在给定一系列观察序列的前提下，寻找最有可能产生这个观察序列的隐含状态序列，也就是实际经过的道路。然后需要检查缺失道路信息和拓扑关系信息并完成更新。本发明通过上述步骤，实现了对多源数据的处理，并完成了将多源数据更新到离线地图，实现了高效的、准确率高的、对数据属性依赖较小的地图匹配更新。
进一步的，步骤s1包括以下子步骤：将所述源地图的每条道路提取成独立道路轨迹，并生成包含每条道路原始属性项的数据矩阵作为所述矢量化数据源；对所述基础地图建立基于r-tree的空间索引分区作为所述多层次空间索引分区；所述多层次空间索引分区中，叶节点为基础地图中的道路，任意一个父节点为该父节点所有子节点的集合直至根节点。
进一步的，步骤s2包括以下子步骤：将所述矢量化数据源和所述多层次空间索引分区输入基于隐马尔科夫的路网匹配模型后获取所述路网匹配模型的观察概率和转移概率；根据所述观察概率和所述转移概率寻找并匹配与所述矢量化数据源最大似然的所述多层次空间索引分区中的道路。
进一步的，所述路网匹配模型的观察概率采用下式获取：
式中，p(ot,i|ct,i)为所述观察概率，ot,i为所述矢量化数据源中的离散坐标点序列，ct,i为离散坐标点在候选路段上的投影点，dt,i为观察距离，u为距离均值，σz为距离标准差；
所述路网匹配模型的转移概率采用下式获取：
式中，p(dt,θt)为所述转移概率，dt为所述矢量化数据源中轨迹点之间距离与其在候选道路上的投影点间距离之差，根据dt近似符合指数分布的特征，拟合了β作为转移概率的系数，θt为所述矢量化数据源中相邻两个轨迹点构成的向量与其在候选路段上的投影点构成的向量之间的夹角。
进一步的，步骤s2还包括以下子步骤：
当所述矢量化数据源无法准确匹配于所述多层次空间索引分区中的道路时，在保证候选道路连通的情况下弹性扩大缓冲半径或跳过矢量化数据源中该轨迹点；
扩大缓冲半径或跳过的轨迹点的累计长度不超过轨迹总长度的5％。
进一步的，步骤s3包括以下子步骤：
将所述矢量化数据源中转移概率和/或观察概率为零的道路定义为缺失道路；
用所述多层次空间索引分区中的道路匹配所述矢量化数据源，并标记所述矢量化数据源中无法被所述多层次空间索引分区中的道路匹配到的轨迹作为缺失道路；
用所述矢量化数据源检测所述多层次空间索引分区中的道路，并标记所述矢量化数据源中无法匹配所述多层次空间索引分区中的道路的轨迹作为缺失道路；
进一步的，步骤s3还包括以下子步骤：
获取所述缺失道路在所述矢量化数据源中的关联道路，并根据下式获取所述缺失道路和所述关联道路的夹角：
θ＝min(arccos(v1,v2),π-arccos(v1,v2))
式中，v1为缺失道路在关联点最近两个顶点坐标组成的向量，v2为关联道路中离关联点最相邻的两个坐标点组成的向量，θ为所述缺失道路和所述关联道路的夹角；
根据缺失道路与关联道路的位置关系和θ的值将缺失道路分为已相交、延长相交和泛平行三种类型；
其中已相交为所述缺失道路与所述关联道路已有明确交点；
延长相交为所述缺失道路与所述关联道路无明确交点，但是所述关联道路与所述缺失道路的延长线上存在交点，且
泛平行为
进一步的，步骤s3还包括以下子步骤：
当所述缺失道路的类型为已相交时，在交点处将多余部分截断删除完成更新；
当所述缺失道路的类型为延长相交时，将所述缺失道路沿端点方向延长，并在交点处截断，删去多余部分完成更新；
当所述缺失道路的类型为泛平行时，获取所述缺失道路中首个拐角
多源数据融合的地图匹配更新系统，包括：
etl单元：用于对源地图的道路信息矢量化处理生成矢量化数据源；对基础地图处理生成多层次空间索引分区；
模型单元：用于将所述矢量化数据源和所述多层次空间索引分区输入基于隐马尔科夫的路网匹配模型，使得所述矢量化数据源匹配到所述多层次空间索引分区中生成预更新基础地图数据；其中所述矢量化数据源为所述路网匹配模型的观察状态，所述多层次空间索引分区为所述路网匹配模型的隐含状态；
检测修复单元：用于将预更新基础地图数据中缺失道路信息和拓扑关系信息进行检测和修复生成新基础地图完成更新。
进一步的，所述etl单元将所述源地图的每条道路提取成独立道路轨迹，并生成包含每条道路原始属性项的数据矩阵作为所述矢量化数据源；
所述etl单元对所述基础地图建立基于r-tree的空间索引分区作为所述多层次空间索引分区；所述多层次空间索引分区中，叶节点为基础地图中的道路，任意一个父节点为该父节点所有子节点的集合直至根节点。
所述模型单元将所述矢量化数据源和所述多层次空间索引分区输入基于隐马尔科夫的路网匹配模型后获取所述路网匹配模型的观察概率和转移概率；所述模型单元根据所述观察概率和所述转移概率寻找并匹配与所述矢量化数据源最大似然的所述多层次空间索引分区中的道路。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明多源数据融合的地图匹配更新方法和系统，实现了对多源数据的处理，并完成了将多源数据更新到离线地图，实现了高效的、准确率高的、对数据属性依赖较小的地图匹配更新；
2、本发明多源数据融合的地图匹配更新方法和系统，对传统的hmm模型的转移概率进行了改进，使其适用于低维地图数据，从而不依赖速度、方向、限速等高维数据；
3、本发明多源数据融合的地图匹配更新方法和系统，在匹配时，对gps轨迹异常点进行了容差处理，使其在较大位置偏差的情况下依然具有较好的鲁棒性。地图更新则是在地图匹配的基础上，定义源地图中无法成功匹配且满足一定条件的道路为缺失道路，本发明创造的基于拓扑和几何修正的道路更新方法，能够简单高效地为基础地图提供高质量道路更新功能；
4、地图匹配和更新中广泛采用了r-tree空间索引技术、向量化计算以及多任务并行计算等方法，在保证了匹配更新准确率的前提下，显著提升了运行效率。解决了多源地图融合更新的准确率低、运行速度慢的难题。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明系统结构示意图；
图2为本发明实施例示意图；
图3为本发明实施例示意图；
图4为本发明实施例示意图；
图5为本发明实施例示意图；
图6为本发明实施例示意图；
图7为本发明实施例示意图；
图8为本发明实施例示意图；
图9为本发明实施例示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例
如图1所示，本发明多源数据融合的地图匹配更新方法，包括以下步骤：s1：对源地图的道路信息矢量化处理生成矢量化数据源；对基础地图处理生成多层次空间索引分区；s2：将所述矢量化数据源和所述多层次空间索引分区输入基于隐马尔科夫的路网匹配模型，使得所述矢量化数据源匹配到所述多层次空间索引分区中生成预更新基础地图数据；其中所述矢量化数据源为所述路网匹配模型的观察状态，所述多层次空间索引分区为所述路网匹配模型的隐含状态；s3：将预更新基础地图数据中缺失道路信息和拓扑关系信息进行检测和修复生成新基础地图完成更新。
本实施例实施时，源地图一般为外部来源的数据地图，例如互联网gps导航地图，而基础地图为需要根据源地图进行更新的地图，例如公安地理信息系统(pgis)的道路底图。将源地图的道路信息矢量化处理可以便于后续数据输入，无论源地图的来源为何种，都可以将这种来源化为同样的数据格式，而基础地图处理生成的多层次空间索引分区中，一般每一条道路为最底层的空间，多条道路形成上一层空间，多个区域形成更上一层空间，以此类推直至形成多层次空间索引分区。在基础地图和源地图的处理中，由于二者完全独立，所以可以采用并行计算的方式进行运算。
在本申请中通过模型进行道路匹配时是已知gps坐标点序列，即源地图的数据，计算其在道路网络中的真实经过路径的过程，即基础地图的数据。我们假设gps坐标点序列为观察状态，真实经过路径为隐含状态，基于隐马尔科夫(hmm)的路网匹配模型则是在给定一系列观察序列的前提下，寻找最有可能产生这个观察序列的隐含状态序列，也就是实际经过的道路。然后需要检查缺失道路信息和拓扑关系信息并完成更新。本发明通过上述步骤，实现了对多源数据的处理，并完成了将多源数据更新到离线地图，实现了高效的、准确率高的、对数据属性依赖较小的地图匹配更新。
为了进一步的说明本实施例的工作过程，步骤s1包括以下子步骤：将所述源地图的每条道路提取成独立道路轨迹，并生成包含每条道路原始属性项的数据矩阵作为所述矢量化数据源；对所述基础地图建立基于r-tree的空间索引分区作为所述多层次空间索引分区；所述多层次空间索引分区中，叶节点为基础地图中的道路，任意一个父节点为该父节点所有子节点的集合直至根节点。
在本实施例中，将源地图的每条道路提取成独立道路轨迹，生成包含原始属性项的dataframe数据格式。对数据采用向量化计算方法，能够以极小的空间和时间成本上产生衍生变量(如道路坐标点轨迹序列、起始点、几何长度、道路等级等)，每一行表示一条道路的属性数据。通过预处理后，每条轨迹可以独立匹配，能够避免单条轨迹匹配错误影响到整个网络匹配准确率，同时独立轨迹的匹配能够利用多任务并行计算以提高匹配效率。
同时，本实施例中为基础地图建立了基于r-tree的空间索引分区，以提升道路匹配时的空间搜索效率。如图2所示，黑色实线的几何形状是道路，实线矩形r8～r20是给每条道路添加最小限定箱，虚线矩形r3～r7则是包含最近的几个区域的更高一层的限定区域，同理，再次迭代生成更高层次的限定区域如虚线矩形r1和r2，直到根节点。采用r-tree进行空间搜索时无需穷举整个地图，只需要按照遍历少数几个叶节点即可完成搜索，其时间复杂度为
为了进一步的说明本实施例的工作过程，步骤s2包括以下子步骤：将所述矢量化数据源和所述多层次空间索引分区输入基于隐马尔科夫的路网匹配模型后获取所述路网匹配模型的观察概率和转移概率；根据所述观察概率和所述转移概率寻找并匹配与所述矢量化数据源最大似然的所述多层次空间索引分区中的道路。
基于etl产生的dataframe格式源地图数据和进行r-tree空间索引的基础地图，我们建立了地图匹配并行计算框架。在源地图数据中每一条数据都是独立的一条道路，因此我们把地图匹配看成若干条独立的源地图道路在基础地图中进行道路匹配任务。基于此，利用计算机多核cpu进行并行计算，最终将所有匹配结果汇总即完成了匹配任务。在一台具有32核心cpu的计算机上进行实验发现多任务并行计算能够比单任务计算提升约30倍的效率。
为了进一步的说明本实施例的工作过程，所述路网匹配模型的观察概率采用下式获取：
式中，p(ot,i|ct,i)为所述观察概率，ot,i为所述矢量化数据源中的离散坐标点序列，ct,i为离散坐标点在候选路段上的投影点，dt,i为观察距离，u为距离均值，σz为距离标准差；
所述路网匹配模型的转移概率采用下式获取：
式中，p(dt,θt)为所述转移概率，dt为所述矢量化数据源中轨迹点之间距离与其在候选道路上的投影点间距离之差，根据dt近似符合指数分布的特征，拟合了β作为转移概率的系数，θt为所述矢量化数据源中相邻两个轨迹点构成的向量与其在候选路段上的投影点构成的向量之间的夹角。
本实施例实施时，将源地图中的道路的坐标点序列视作gps坐标序列，基础地图中的道路视作真实道路，则可以通过hmm解码完成道路的匹配，图3是基于hmm的道路匹配模型，图3中左图灰色实线为基础地图中的道路网络，空心圆点o1～o4为原地图中的某条道路的离散坐标点序列，灰色圆形区域后每个坐标点后候选区域，实心圆点为坐标点序列在基础地图中候选路段上的投影点，基于隐马尔科夫的匹配模型就是根据观察概率和转移概率寻找最大似然的真实道路，即左图中红色实线道路。图3中右图是采用维特比解码最优道路的示意图，其时间复杂度为o(n·d2)，其中n表示源地图一条道路的gps轨迹点个数，d表示每个坐标点的候选道路个数，相对于穷举的时间复杂度o(dn)，维特比算法更够显著提升道路匹配的运行效率。在本实施例中，u取0，σz根据经验以及数据统计分析得出为7。
为了进一步的说明本实施例的工作过程，步骤s2还包括以下子步骤：
当所述矢量化数据源无法准确匹配于所述多层次空间索引分区中的道路时，在保证候选道路连通的情况下弹性扩大缓冲半径或跳过矢量化数据源中该轨迹点；
扩大缓冲半径或跳过的轨迹点的累计长度不超过轨迹总长度的5％。
本实施例实施时，gps定位设备在车辆行驶中容易受到干扰到定位变差较大，特别是车辆在山区和隧道中定位误差有时甚至达到数百米之大。我们在道路匹配中设置了容差距离来避免个别异常值对匹配准确率的影响。我们规定在保证候选道路连通的情况下，若gps轨迹点无法搜索到获选路段，则可以弹性扩大缓冲半径或跳过该gps轨迹点，如图4所示，虚线内的gps点将被作为容差点。同时，我们规定扩大缓冲半径或跳过的轨迹点的累计长度不超过该轨迹总长度的5％。
为了进一步的说明本实施例的工作过程，步骤s3包括以下子步骤：
将所述矢量化数据源中转移概率和/或观察概率为零的道路定义为缺失道路；
用所述多层次空间索引分区中的道路匹配所述矢量化数据源，并标记所述矢量化数据源中无法被所述多层次空间索引分区中的道路匹配到的轨迹作为缺失道路；
用所述矢量化数据源检测所述多层次空间索引分区中的道路，并标记所述矢量化数据源中无法匹配所述多层次空间索引分区中的道路的轨迹作为缺失道路；
本实施例实施时，定义缺失道路为源地图中无法成功匹配的道路，有两种情况会导致匹配失败:观察概率为零，即道路坐标点无法在缓冲半径内好到候选路段，在实际匹配中，我们允许道路中5％的坐标点无法找到候选路段，以排除异常值对匹配的影响；转移概率为零,转移概率为零存在三种情况：(a)道路中相邻坐标点在候选路段上的投影点之间无法建立联通道路；(b)相邻坐标之间的欧氏距离与其在候选路段上的路径距离之差大于阈值；(c)道路中相邻坐标点之间的夹角与其候选路段的夹角大于阈值。
满足上述条件之一则为缺失道路，我们在实际检测中会采用交叉匹配来最终确定缺失道路，即先用基础地图中的道路去匹配源地图，标记源地图中无法被匹配到的道路，以筛选源地图中多条位置相近的平行道路在基础地图中只对应一条道路的情况；然后再用源地图中的道路去检测基础地图中的缺失道路，以此保证缺失道路的查全率。
为了进一步的说明本实施例的工作过程，步骤s3还包括以下子步骤：
获取所述缺失道路在所述矢量化数据源中的关联道路，并根据下式获取所述缺失道路和所述关联道路的夹角：
θ＝min(arccos(v1,v2),π-arccos(v1,v2))
式中，v1为缺失道路在关联点最近两个顶点坐标组成的向量，v2为关联道路中离关联点最相邻的两个坐标点组成的向量，θ为所述缺失道路和所述关联道路的夹角；
根据缺失道路与关联道路的位置关系和θ的值将缺失道路分为已相交、延长相交和泛平行三种类型；
其中已相交为所述缺失道路与所述关联道路已有明确交点；
延长相交为所述缺失道路与所述关联道路无明确交点，但是所述关联道路与所述缺失道路的延长线上存在交点，且
泛平行为
本实施例实施时，对基础地图更新时，不仅要依据缺失道路本身的坐标位置，同时还要考虑到其与其他道路的拓扑关系。对于某条缺失道路，我们需要获取其在源地图中相关联道路的拓扑关系，并在基础地图中连接到到对应的关联道路上。
我们通过缺失道路与关联道路的坐标点来计算其夹角，如图5所示，其中v1为缺失道路在关联点最近两个顶点坐标组成的向量，v2为关联道路中离关联点最相邻的两个坐标点组成的向量。我们定义缺失道路与关联道路的夹角为
θ＝min(arccos(v1,v2),π-arccos(v1,v2))
根据θ的值以及缺失道路与关联道路是否有交点，可以将缺失道路更新分为三种拓扑关系：已相交、延长相交、泛平行。如图6所示红色曲线表示源地图中的道路，蓝色曲线表示基础地图中的道路，图6中a(1)表示已相交，即缺失道路与关联道路已有明确交点pi；图6中b(1)表示延长相交，即缺失道路与关联道路无明确交点，但是在缺失道路的延长线上存在交点，同时我们规定
为了进一步的说明本实施例的工作过程，步骤s3还包括以下子步骤：
当所述缺失道路的类型为已相交时，在交点处将多余部分截断删除完成更新；
当所述缺失道路的类型为延长相交时，将所述缺失道路沿端点方向延长，并在交点处截断，删去多余部分完成更新；
当所述缺失道路的类型为泛平行时，获取所述缺失道路中首个拐角
本实施例实施时，道路更新本质上是将缺失的道路添加到基础地图中，但是在添加缺失道路的时候需要考虑其与关联道路的接边问题。根据缺失道路拓扑分类，我们分别制定了3种更新方法。
(1)已相交的更新方法。
如图6所示，缺失道路与关联道路已有交点，则只需要在交点处将多余部分截断删除即可。如图6中a(1)所示，将缺失道路在交点处截断成线段l1,l2，删除l1即可。截断操作使用shapely工具的split方法即可，更新却是道路后如a(2)所示。
(2)延长相交的更新方法。
缺失道路与关联道路虽无交点，但是夹角
(3)泛平行的更新方法
在地图中，道路一般表现形式为l＝linestring(c1,c2,c3,c4,…,ci,…cn)，其中pi＝(xi,yi)。缺失道路末端与关联道路泛平行时，无法在关联点附近找到交点，但是我们可以计算满足拐角
更新方法如图8(图中仅为更新示意图，实际道路中p3p5的长度远大于p3p4的长度，因此实更新效果不会有如图中的较大变形)所示：(a)计算缺失道路中首个拐角
更新后的效果如图9所示，该图为某县的基础地图整体和局部更新效果(图中蓝色为基础地图中的道路，红色为更新的缺失道路)，我们实现发现整体匹配更新准确率约为93％，运行时间约为13分钟。
如图1所示，多源数据融合的地图匹配更新系统，包括：
etl单元：用于对源地图的道路信息矢量化处理生成矢量化数据源；对基础地图处理生成多层次空间索引分区；
模型单元：用于将所述矢量化数据源和所述多层次空间索引分区输入基于隐马尔科夫的路网匹配模型，使得所述矢量化数据源匹配到所述多层次空间索引分区中生成预更新基础地图数据；其中所述矢量化数据源为所述路网匹配模型的观察状态，所述多层次空间索引分区为所述路网匹配模型的隐含状态；
检测修复单元：用于将预更新基础地图数据中缺失道路信息和拓扑关系信息进行检测和修复生成新基础地图完成更新。
为了进一步的说明本实施例的工作过程，所述etl单元将所述源地图的每条道路提取成独立道路轨迹，并生成包含每条道路原始属性项的数据矩阵作为所述矢量化数据源；
所述etl单元对所述基础地图建立基于r-tree的空间索引分区作为所述多层次空间索引分区；所述多层次空间索引分区中，叶节点为基础地图中的道路，任意一个父节点为该父节点所有子节点的集合直至根节点。
所述模型单元将所述矢量化数据源和所述多层次空间索引分区输入基于隐马尔科夫的路网匹配模型后获取所述路网匹配模型的观察概率和转移概率；所述模型单元根据所述观察概率和所述转移概率寻找并匹配与所述矢量化数据源最大似然的所述多层次空间索引分区中的道路。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！