[发明专利]运动轨迹与道路的匹配方法及装置

说明书

本发明提供了一种运动轨迹与道路的匹配方法及装置，该方法包括：对第一运动轨迹以及所述道路进行编码，以生成所述第一运动轨迹的编码序列以及所述道路的编码序列；根据所述第一运动轨迹的编码序列的精度、所述道路的编码序列的精度对所述第一运动轨迹的编码序列以及所述道路的编码序列进行分级，以生成分级结果；基于所述分级结果，计算所述第一运动轨迹与所述道路的相似度；根据所述相似度将所述第一运动轨迹与所述道路进行匹配，所述道路包括第二运动轨迹。本发明能够提供一种具有对轨迹定位精度及路网结构数据要求低，高效且快速的运动轨迹与道路的匹配方法。

技术领域

本发明涉及交通信息处理技术领域、具体涉及交通大数据分析技术领域，特别是涉及一种运动轨迹与道路的匹配方法及装置。

背景技术

近年来，随着移动设备的不断完善与发展，移动端每天收集、记录的用户定位数据种类越来越多，数量也越来越大，如GPS位置信息、运营商手机定位信息、检测设备位置信息等。这些交通定位信息包含了大量的用户出行行为的信息，这些海量用户的轨迹数据信息与道路路网的匹配、用户轨迹之间的相似度计算对进一步分析城市群体出行规律、规划和建设城市交通有着重要意义。

由于不同设备定位信息的采集精度不同，轨迹数据往往无法直接准确的投射到路网结构中，一般需应用算法对轨迹的位置数据进行处理，实现轨迹与道路的匹配。已有的道路匹配算法可以分为三大类，包括几何匹配法、路网拓扑结构匹配法和基于概率统计的匹配法。几何匹配法计算轨迹点到转化为线段的道路的距离；路网拓扑结构匹配法结合历史匹配道路的结果与路网的拓扑关系确定后续轨迹匹配的候选道路；基于概率统计的匹配法建立道路与轨迹的概率学模型。传统的这三类轨迹与道路匹配方法要求轨迹数据精度高，且与路网数据偏差足够小，几何匹配法计算量巨大，匹配速度慢，难以满足日后海量实时数据与路网匹配的需求，基于道路拓扑结构及概率统计的匹配法需要更多、更复杂的路网信息。

轨迹可以被视作一种特殊的路网段数据，轨迹间相似度计算，即轨迹与轨迹的匹配得到广泛的应用，现有的轨迹相似度计算方法包括欧氏距离计算(EuclideanDistance)、动态时间弯曲距离(Dynamic Time Warping,DTW)、最长公共子序列(LongestCommon Subsequence,LCS)等。欧式距离法是最早被应用于基于时间序列的轨迹相似性查询的距离度量函数，可被用于计算两条长度相等的轨迹的相似性。欧式距离法的优势是计算复杂度较低，对于两条长度为n的轨迹，欧式距离法按轨迹点的时间顺序一一进行匹配，计算复杂度为O(n)。但是，欧式距离法只可用于求解长度相等的轨迹间的相似度、受噪声点影响大，且不能处理有时间偏移的轨迹序列，在实际应用中有很大的局限性。动态时间弯曲距离法基于时间序列，将轨迹进行延伸和缩短，计算两条轨迹之间的相似度。其不需要待匹配的轨迹序列等长，能够通过一对多点的匹配方式处理轨迹的局部时间偏移，但是，动态时间弯曲距离法计算量较大，需要依次计算一条待匹配轨迹与另一条轨迹中所有轨迹点的距离，对于长度为m和n的两条轨迹，计算复杂度为O(mn)，其次，动态时间弯曲距离法不满足三角不等式。最长公共子序列算法通过预设距离阈值，判定两个轨迹点是否相似，进行轨迹的匹配。最长公共子序列算法能够避免噪声点的影响和轨迹的局部时间偏移问题，但是，传统的最长公共子序列算法进行轨迹匹配，与动态时间弯曲距离法一样，需要计算大量点与点的距离，对于长度为m和n的两条待匹配的轨迹，计算复杂度为O(mn)，且预设的距离阈值对相似度计算结果影响较大，而一旦调整距离阈值，则需要重新处理所有数据，造成传统的最长公共子序列算法匹配效率较低，难以在大数据的背景下得到大范围的应用。

发明内容

针对现有技术中的问题，本发明提供了一种具有对轨迹定位精度及路网结构数据要求低，高效且快速的运动轨迹与道路的匹配方法。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种运动轨迹与道路的匹配方法，包括：

对第一运动轨迹以及所述道路进行编码，以生成所述第一运动轨迹的编码序列以及所述道路的编码序列；