[发明专利]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

说明书

技术领域

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

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、偏移的经纬度以及时间戳等)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。

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。

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

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。

为了解决上述技术问题本发明提出如下技术方案：

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：

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纬度点e.Longitude1、e.Latitude1，结束经纬度点e.Longitude2、e.Latitude2和路段的类型e.Type；

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x_i(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x_i(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Χ(t)＝(x_i(t)),i＝1,2,…,I^t，其中I^t为候选投影点的个数；

步骤三：每隔Δt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I^t个不同的候选投影点，获取候选投影点集合，即Χ(t)＝(x_i(t)),i＝1,2,…,I^t；t时刻处于候选投影点x_i(t)∈Χ(t)处的车辆，经过Δt时间，转移到候选投影点x_i′(t+1)∈Χ(t+1)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+1)之间的候选路径集合为Ρ(t)＝(p_m,n(t))，p_m,n(t)表示观测点g(t)的一个候选投影点x_m(t)到观测点g(t)的一个候选投影点x_n(t+1)的一条候选路径，J^t表示候选路径的个数；