多层次约束的矢量地图匹配导航算法

针对航空用线状目标的矢量地图匹配问题,提出了一种多层次约束的矢量地图匹配导航算法（MLC-VMMA）.该算法利用差角作为线状目标的匹配特征量,依次根据距离、顺序和误差等多层次约束条件来减小可行解空间的大小,完成在具有旋转、平移、缩放变换下的矢量地图匹配.仿真结果表明,MLC-VMMA适用于小尺度缩放变换下的矢量地图匹配,具有较高的可靠性与导航精度.     

地图匹配算法综述

地图匹配是一种移动轨迹数据的误差修正技术,是将移动轨迹数据纠正到道路网络中,地图匹配技术现已广泛应用于GPS导航、交通流分析等领域。现有的地图匹配算法分为确定性地图匹配和不确定性地图匹配两大类。其分别具有各自的优势和适用范围。本文对地图匹配算法进行了综述性的介绍,对地图匹配的定义及现有算法加以系统阐述,并指明了现有算法的优势与缺陷。     

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.     

基于拓扑结构/自适应模糊决策的地图匹配算法

给出了基于节点信息的路网空间拓扑结构的具体描述形式．引入相关性概念，提出了一种基于道路几何信息的自适应模糊决策地图匹配算法．通过待配路段两两之间隶属度值的比较与模糊排序以及测度因子参数的适应性调整，使算法在道路几何分布复杂，且较为密集的区域，仍具有较强的适应能力．根据模糊决策后各路段隶属度值的分布情况，提出了将拓扑结构匹配算法划分为决策、校验、弃用等3个应用时段的拓扑结构／自适应模糊决策组合匹配算法的整体设计思路．对实际跑车数据的仿真处理结果表明，该算法较好地解决了地图匹配算法中相互矛盾的算法的计算效率与算法的可靠性之间的协调问题．     

一种基于理想隐性马尔科夫模型的地图匹配算法

描述了一种基于理想马尔科夫模型(Hidden Markov Model,HMM)的地图匹配算法IHMM,然后提出了一种新的状态转移概率计算方式,使得这一隐形马尔科夫模型严格符合Viterbi算法的要求,最后在真实数据集上对该算法进行测试.结果显示:尽管该算法的实现较为简单,但在GPS轨迹点含有噪声及道路网络稀疏的条件下依然拥有较好的性能.     

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。     

一种改进的嵌入式导航地图匹配算法

为提高在嵌入式环境中对地图数据的检索速度,提出了一种动态分块算法.该算法根据导航电子地图中的地理特征数量对地图进行动态分块,通过增加地图分块后数据的存储空间,减少检索数据的时间,从而提高算法实时性.在地图分块后,实现一种融合地图拓扑和D-S证据推理方法的地图匹配算法,以提高系统的准确性和稳定性.仿真结果表明,地图动态分块算法能够提高系统实时性,地图匹配算法能够快速、准确地匹配正确道路.     

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。     

地图匹配的新算法

提出地图匹配的两种新算法.一种算法是不断判断相邻测量点连线与道路l是否相交,另一种算法是先求部分测量点的凸壳CH,然后判断道路l与CH是否相交或CH是否包含l.这两种算法与传统方法完全不同,是采用计算几何中的方法设计的(非数值计算),具有算法简单、不需要数据融合、极少需要行车方向等优点.     

车辆导航中地图匹配算法的研究

地图匹配是借助GIS电子地图数据库中的高精度道路信息作为分类模板来进行模式识别,根据识别结果计算和显示车辆行驶的正确位置并校正GPS接收数据的定位误差。本文通过比较分析现有的地图匹配算法,从效率、精度、程序设计三方面进行考虑,提出一种新型快速的地图匹配算法。在不降低计算准确性的基础上大大减少了运算复杂度,提高了时间效率,更能够适应实时车辆导航系统的需求。     

基于隐马尔可夫模型和遗传算法的地图匹配算法

综合采用隐马尔可夫模型(HMM)和遗传算法,提出了一种新的地图匹配算法.首先初始化HMM概率矩阵,然后使用前向后向算法进行参数学习,用Viterbi算法预测一组路段序列,最后将路段序列作为种群,通过遗传算法得到最优的路段序列.采用北京市2012年出租车GPS定位数据分别对传统的基于隐马尔可夫模型的算法和新算法进行测试,实验结果表明,传统的基于隐马尔可夫模型的算法的匹配精确度低于90%,新算法的匹配精确度高达90%以上.     

基于拓扑关系的地图数字合并方法研究

提出了一种基于拓扑关系的地图数字合并方法,并阐述了几何数据与属性数据融合的空间数据融合流程.采用改进的实体匹配算法实现了不同矢量空间数据的地图数字合并,并以实例验证了融合模型和算法的有效性.     

基于区域的立体匹配算法研究

提出了基于区域的立体匹配算法,实现从彩色立体图像对中提取深度信息.其中利用平滑函数求取全局错误能量最小化获得的视差图更为可靠,但是计算时间也较长;而采用线性生长算法获得的视差图则计算时间短,但可靠性差.结果是利用滤波去掉了不可靠的视差估计,可以提高视差图的可靠度,还对算法生成的结果进行了比较.     

基于模糊逻辑的综合地图匹配算法

车辆导航系统大都采用航位推算和GPS来估计车辆的位置,由于受GPS噪声的影响,实际测量的位置往往带有偏差。应用数字化道路图的地图匹配算法可以解决这一问题。提出基于模糊逻辑理论的综合地图匹配算法,充分考虑了道路几何特性以及GPS测量数据的偏差特性,实验证明该算法是有效和可用的。     

基于D-S证据推理的车辆导航系统地图匹配算法

研究地图匹配算法中的匹配道路的选择问题,提出基于D-S证据推理理论的地图匹配算法.根据D-S证据推理的基本原理,结合车辆行驶情况,给出当前时刻车辆位置信息和方向信息的基本概率分布函数的设计方法.按照D-S合成公式,对位置和方向信息进行融合,并根据融合结果选择匹配道路.在设计方法中,引入位置信息和方向信息的可靠性参数.仿真结果表明,该方法是行之有效的,通过适当地调整可靠性参数的值,就能识别出车辆所在的道路.     

基于Android移动终端的车辆导航地图匹配算法研究

基于Android移动终端设计了一种基于路网拓扑结构的地图匹配算法,将地图匹配分成定位数据预处理、确定车辆所在路段、确定车辆匹配位置和出错检测等4个相对独立的过程．算法在过滤掉异常定位数据后采用航位推算进行补偿,使用考虑距离和方向两种要素的加权评估模型确定匹配路段,在确定匹配位置时对常用的垂直投影进行改进,得到一种优化方法．结果表明,该算法具有较高的路段识别正确率,优化方法相对于垂直投影法在位置精度上有所提高,地图匹配效果好．     

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。