路径诱导系统中综合地图匹配算法的研究

地图匹配算法对于车辆路径诱导和实时轨迹回放具有重要的应用,为了提供连续、精确和可靠的车辆行驶路段位置,利用定位传感器输出车辆运行位置信息,结合高精度空间道路网络数据,提出新的综合地图匹配算法.该算法不受地理环境的约束,能有效地修正传感器的定位误差,提高车辆定位精度.实际道路测试证明,该算法比现有地图算法更高准确度和实时性,尤其是在十字路口有更好匹配效果.     

交通数据的地图匹配算法研究

城市智能交通引导系统为用户提供最准确的道路交通信息。在分析地图匹配问题产生原因的基础上,阐述了地图匹配算法解决车辆在地图上位置定位的基本思想和判断依据,设计了交通引导系统中便于实现的地图匹配算法,通过引入行驶方向和驾车轨迹,地图匹配算法改进后提高了车辆定位的准确性。系统实验证明,改进后的地图匹配算法能够很好的完成交通引导系统中车辆位置在地图显示中的定位匹配任务。     

面向车辆监控导航的地图匹配算法研究

在引入地图匹配问题的基础上,针对传感器给出的车辆位置信息的不确定性,提出了基于准投影和曲线拟合的实时地图匹配算法,以适应车辆监控导航实时性的要求。该算法以选取与车辆行进方向一致的道路为核心,利用孤立点轨迹提取和GPS坏点过滤,取消由电子地图数据不完整和坐标变换误差引起的限制,简化运算的复杂度,并能在电子数据不完整或局部路网数据错误的情况下正常运行,从而为车辆监控导航准确性研究提供了基础。实验表明,该算法能够适应实时监控导航系统的需求,而且具有良好的实时性和鲁棒性。     

基于多属性融合策略的车载导航地图匹配算法

目前直接投影算法常用于嵌入式车载系统,但其时效性以及精确性不能满足日益复杂的城市道路网络.针对传统算法检索复杂道路耗时多等问题,提出了基于多属性融合策略的车载导航地图匹配算法,提高了嵌入式车载地图匹配算法的时效性,算法采用等步长分块策略,建立分块网格索引减少筛选候选区域时间,从而提高算法的时效性;通过引入车辆行驶速度和历史匹配程度改进基于权重的直接投影算法,使用多属性融合策略确定匹配算法权重因子,提高地图匹配的准确性.结果表明:该地图匹配算法能够快速、准确地匹配出行驶路径,单点匹配时间降低至15 ms,复杂道路下,匹配准确率达到90%以上,能较好地适应于城市复杂道路网.     

车辆轨迹地图匹配异常成因辨识方法

车辆轨迹地图匹配异常指轨迹被匹配到不合理的地图路段,其主要成因可归纳为物理遮挡、地图路段缺失和复杂路网。针对这一现象,提出一种数据驱动的匹配异常轨迹段快速识别和成因归类方法。首先归纳不同成因导致的地图匹配异常数据特征,并构建表征指标;其次提出车辆轨迹分段方法,区分正常和异常的地图匹配轨迹段;进而建立基于随机森林的地图匹配异常轨迹段成因分类方法;最后通过上海市地图路网和出租车营运轨迹数据验证方法的有效性。验证表明,提出的方法准确率达93.5%,可有效辨识物理遮挡、社区路段缺失和复杂路网三种成因,同时具有较好的区域可迁移性。     

基于GIS与约束条件下的最优路径规划研究

根据无人地面车辆自主导航的需求,提出一种给定任务点的约束条件下的最优路径实现方法. 首先基于地理信息系统（GIS）平台构建为车辆行驶提供先验信息的GIS数据库,并设计研究基于计算几何的路段匹配算法,同时结合A*算法进行全局路径规划. 然后根据无人地面车辆的运动特性和对路口识别的需求提出了新的路口模型,同时为保证无人地面车辆行驶轨迹的平滑性和对路口识别的精确性,对路口轨迹和U-turn轨迹进行了算法设计. 最后提出了动态重规划的行驶策略. 实际跑车实验证明了该设计算法的有效性.      

非平行初始状态自动泊车轨迹生成方法

研究车身姿态非平行初始状态下的自动泊车系统轨迹生成方法。 结合车辆运动学模型和融合动力学约束条件,分析泊车过程车辆运动路径;利用图像信息匹配车身初始姿态,最后基于全局规划生成由三段圆弧构成的完整泊车轨迹。 与传统最小半径轨迹生成法进行对比表明非平行初始状态轨迹生成算法具有更强的鲁棒性。 实车试验结果表明,车辆初始姿态角在±15°范围内,6.0 m×2.3 m车位环境下,文中算法泊车成功率达到90%。      

一种适于车辆导航系统的快速地图匹配算法

在分析影响地图匹配算法实时性、鲁棒性及匹配精度因素的基础上,依据车辆运动的连续性,引入道路网络的分块思想,并利用车辆行驶的位置、方向信息及实际道路网络的拓扑特性,提出一种时间复杂度为O(c)的快速地图匹配算法.对实际跑车数据的仿真结果表明,该算法的匹配正确率不低于95%,单点匹配时间不超过0.01 ms.     

基于SuperMap GIS的车载导航系统的设计与实现

阐述了基于SuperMap GIS平台的车载导航定位系统的设计与实现过程,重点介绍了导航电子地图、实时定位显示、地图匹配、路径规划、车辆轨迹回放、信息查询等功能的实现。特别利用距离投影算法实现了电子地图的匹配,修正了车辆在电子地图中的位置。     

基于图搜索与数值优化方法的分层轨迹规划方法

针对结构化道路场景中多约束的轨迹规划问题,提出一种路径和速度协同搜索、解耦优化的分层轨迹规划方法. 上层初始轨迹规划器考虑动态障碍物风险场与时空信息,构造时空代价地图,通过三维A*算法搜索得到安全可行的初始轨迹,保证初始轨迹解的质量. 下层运动轨迹规划器将轨迹规划解耦为路径规划和速度规划,以最小曲率、最大速度以及舒适性等为目标,采用数值优化算法构建路径和速度样条优化模型,使其在避障过程中能够充分发挥车辆的动力性能,同时保证驾乘舒适性,并以局部时空隧道思想简化约束条件,提高求解效率. 通过试验验证本文提出的方法具有较好的行驶效率、舒适性以及实时性.     

ETC门架数据驱动的高速公路差异化收费双层规划方法

针对传统收费导致高速公路经济效益低、运行效率差等问题,结合ETC(electronic toll collection)门架数据分析高速公路运行特点,提出一种基于双层规划的高速公路差异化定价模型。首先,获取高速公路ETC门架数据,分析交通量特点,初步确定所要实施的差异化收费方案。其次,构建双层规划模型,上层最大化高速公路经济效益,下层分析出行者出行行为并完成基于Logit模型的交通量分配。最后,以长深高速河北段为例展开实证分析,使用模拟退火算法求解出一种分车型分路段的差异化收费方案。结果表明：ETC门架数据能够充分分析高速公路的运营状态和运行特征,为精细化的高速公路差异化收费的研究提供强大的数据支撑;使用优化后的分车型分路段差异化收费方案后,高速经济利润提升32.3%,货车交通量增长42.2%,客车共增长36.8%;路段整体交通量增长38.6%,并且平行道路饱和度降低,拥挤状况得到缓解。     

基于并行模式挖掘和路径匹配的用户位置预测

为了提高移动用户位置预测的精度,提出了基于并行模式挖掘和路径匹配的移动用户位置预测方法,对传统的FP-GROWTH算法作了并行化处理,优化了节点负载分配方法,在Spark平台下挖掘用户移动频繁模式.改进了基于索引的路径相似度算法,提出基于路径最短距离的相斥度算法,提高了对轨迹数据缺失的适用性.在真实的用户轨迹数据集上实验表明,提出的基于轨迹相斥度预测方法相比马尔可夫模型和卡尔曼滤波模型拥有更高的预测精度,预测精确度平均提升7%左右.     

出租车GPS数据轨迹化方法研究

为提高出租车行业理论研究与实际应用的GPS轨迹数据质量,针对原始的出租车GPS数据,提出一套考虑出租车行业特性的完整的GPS数据轨迹化方法。分析了哈尔滨市出租车GPS数据的采样率、误差及与路网的匹配情况;提出一种考虑车头朝向、临近距离、路段连通性及转弯限制四种权重的拓扑地图匹配算法;提出一种出租车出行轨迹识别方法,并在此条件下建立了出租车GPS轨迹的存储结构模型。结果表明,提出的地图匹配算法有较高的准确率,能够满足理论研究及实践应用的需要;而轨迹识别方法及存储模型在实际中成功应用,为哈尔滨市出租车智能管理调度平台提供数据支撑。     

一种基于HMM模型改进的地图匹配算法

针对轨迹数据在线地图匹配中难以同时保障算法的准确率和时间效率的问题, 提出一种基于隐马尔科夫模型(HMM)改进的在线地图匹配算法, 并提出综合距离因素和方向因素计算发射概率的方法。与其他全局或者局部算法的不同之处在于, 改进的在线地图匹配算法引入可靠点进行轨迹分割, 减少了转移概率的计算和匹配结果的输出延时。用西雅图市浮动车的轨迹数据进行算法的实验验证, 结果表明, 与传统的HMM地图匹配算法相比, 改进的算法在准确率和时间效率上更优, 能够满足在线地图匹配的需求。     

基于曲率分析的地图匹配算法研究

导航定位系统是车载系统的主要组成部分,其中地图匹配又是提高定位精度的重要技术。从数字地图本身的属性特征出发,研究了一种基于曲率分析的地图匹配算法。通过车载实验数据对算法加以验证,其结果表明改进后的算法能够获得较高的定位精度和更可靠的匹配性能。     

基于改进A*算法的一种智能车路径规划方法

轨迹规划是智能车安全行驶的关键技术。本文基于A*算法在复杂地图轨迹规划耗时长,拐点多等问题,提出了一种基于图论及几何方法的改进A*算法的避障与导航方法。该方法在传统A*算法的基础上结合图论进行路径规划,同时剔除路径中冗余节点,并采用Labview进行具体的仿真实验来验证轨迹规划算法的性能。结果表明：该算法在复杂环境中仍能有效找到距离短且平滑路径,提高了智能车的运行效率降低了能耗,可用于实际的智能车安全行驶管理中。     

基于模式识别神经网络的重力匹配算法

为了提高重力辅助惯性导航系统在重力异常明显区域内的定位精度和匹配率,用模式识别神经网络的方法进行了重力匹配.在匹配时刻,根据惯导指示位置确定在一定的网格点范围内搜索载体真实位置,以每个网格点为终点把惯导指示航迹放置到重力图上,由此提取一系列的参考重力图上数据,并把它和对应网格点的位置定义成一个模式类,把所有的模式类作为概率神经网络的样本训练一个模式识别神经网络,然后把重力仪测量数据使用该神经网络识别到某个模式类,对比模式类的定义可以确定此时的载体位置.计算仿真研究表明,该算法的重力匹配率优于通常的相关匹配算法,其组合导航系统的定位误差在1个重力图网格左右.     

基于滚动预瞄模型的纯跟踪算法

针对无人驾驶车辆采用纯跟踪算法对不同曲率路径跟踪时,出现道路适应能力弱和跟踪精度差的问题,提出一种基于代价的滚动预瞄模型(rolling preview model, RPM),以提高纯跟踪算法跟踪精度与鲁棒性。首先,根据车辆运动学与阿克曼转向几何,提出预瞄轨迹的确定方法以及预瞄轨迹与待跟踪路径间的几何约束;其次,设计道路弯曲度加权项并构建目标函数对预瞄轨迹进行优化,以获得预瞄距离的最优值;最后,在ROS/Gazebo仿真环境下设置不同初始状态与不同曲率的工况进行对比仿真实验,并在空旷环境中对8字形路径进行实车跟踪实验。实验结果表明,所提出的滚动预瞄模型能够根据预瞄轨迹与待跟踪路径的几何关系有效调节预瞄距离,相较于麻省理工(Massachusetts Institute of Technology, MIT)算法和Stanley算法,滚动预瞄模型在特殊初始状态、大曲率道路下有利于跟踪精度的提高。