[发明专利]一种增强手机基站定位精度的方法

说明书

技术领域

本发明属于地图匹配修正技术领域，涉及一种利用隐马尔可夫地图匹配算法增强手机基站定位精度的方法。

地图匹配是目前广泛应用于导航系统定位的一种修正方法，是一种以计算机软件技术为基础，通过特定的模型和算法，对导航、定位中的误差进行修正的技术。就是将车辆获取的带有误差的车辆轨迹信息，运用一定方法和算法匹配到数字交通地图上的正确位置。通过使用地图匹配算法，可以较好的弥补定位点存在的精度误差，因此地图匹配技术也是提升导航、定位系统性能的一项重要技术。这种匹配技术前提是假定车辆必须行驶在路上，使用模式识别理论综合分析定位点形成的轨迹和电子地图中的道路网信息，将测得的车辆位置信息和数字交通地图中的相关数据进行对比，并使用算法对定位点进行匹配，最终得出车辆所在路段，并相应找出车辆在该路段上的具体位置，然后将车辆定位点由该道路段之外的位置投影到该道路段上，从而校正了定位点的误差。

背景技术

当前常用的地图匹配算法有点到点、点到曲线(最短距离法)、曲线到曲线、基于模糊逻辑、模式识别、误差代价函数等。在实际运用中，无论采用哪一种大都是通过比较定位轨迹与侯选道路数据形状的相似性、定位轨迹与候选道路方向的相似性、定位轨迹到侯选道路距离的远近，以及利用路网的拓扑性质来确定车辆行驶道路。

点到点和点到曲线的算法实现比较简单，不需利用路网的连通性和历史轨迹，具有实时性的优点，但此方法对定位精度要求较高，并且路段间距离较近时无法完成相关匹配。曲线到曲线的算法则利用了道路网的连通性和历史轨迹，匹配率较高。但这种方法需要知道车辆行驶起始节点，并且要求定位轨迹与道路具有相当的相似性才能实现算法。误差代价函数算法综合利用了各种定位信息和路网信息，匹配准确率高，适合于复杂的道路网络，但比较复杂。

通过对手机定位误差的实验分析可知，手机定位点随机分布在路段周围， 手机定位误差较GPS大，且定位采样频率较低，因此定位轨迹的形状同真实行驶路线的相似性不明显，而现有算法大都是通过比较定位轨迹与侯选道路数据形状、方向的相似性，定位轨迹到侯选道路距离的远近，以及利用路网的拓扑性质来确定车辆行驶道路。若仅用形状相似性规则判断行驶路段，极易导致误匹配错误。

此外，现有算法大都以定位信息精度和定位采样频率较高的GPS定位数据为基础，由于手机定位的定位信息精度和采样频率较低，这些算法均不能直接用于以手机基站定位数据为定位信息的匹配算法。

发明内容

隐马尔可夫模型能够有效地平滑整合定位误差数据和路径约束。利用隐马尔可夫地图匹配算法来提高手机基站定位的精度。定位点匹配到候选匹配道路上的概率称作初始匹配概率，候选匹配道路发生转换的概率称作道路转移概率，使用动态编程来快速找到初始匹配概率和道路转移概率乘积最大的路径。考虑到车辆在实际行驶过程中不可能频繁地转换道路，计算定位点道路转移概率时引入了约束限制进行改进，从而提高了性能。

本发明用模拟数据检验时表明，即使采样周期长达30秒，误差也仅为0.11％，在较长的采样周期中，该方法对测量值噪声误差的鲁棒性高达50米的标准偏差。在隐马尔可夫地图匹配算法中，路段之间的转换是通过路网的连通来管理。如图1所示，HMM离散状态是N_r个道路段，用r_i表示，其中i＝1…N_r，不同道路段之间的转换发生在道路相接的交叉路口。z_t表示某一时刻测量的坐标值，t＝1时，临近z₁的三条道路用三个黑点在第一列中表示。t＝2时，分别从这3条路上最近的点指向靠近z₂的两条道路。t＝3时做同样的工作。每个t时刻选取的道路段组成一个道路网格，目标是在道路网格中找到最可能的路径。

本发明的方法利用隐马尔可夫地图匹配算法来提高手机基站定位的精度，将定位点匹配到候选匹配道路上的概率称作初始匹配概率，将候选匹配道路发生转换的概率称作道路转移概率，使用动态编程来快速找到初始匹配概率和道 路转移概率乘积最大的路径。考虑到车辆在实际行驶过程中不可能频繁地转换道路，在计算定位点道路转移概率时引入了约束限制进行改进，从而提高性能。

附图说明

图1是z_t候选匹配道路段r_i及道路段间转换示意图。

图2是测量值z_t在候选匹配道路段r_i上的候选匹配点示意图。

图3是本发明的示例图。

图4是Δs修正示例图。

具体步骤