車載GPS地圖匹配算法研究背景意義及現(xiàn)狀

1、車載GPS地圖匹配算法研究背景意義及現(xiàn)狀1研究背景及意義12 國內(nèi)外研究現(xiàn)狀分析23常見地圖匹配算法分析3 1研究背景及意義當今社會，機動車數(shù)量迅猛增長，從而導致交通流量過快增長與有限的道路設(shè)施之間的矛盾激增，交通堵塞嚴重。如何的減少擁堵，有效地進行交通疏導，合理的利用有限的交通設(shè)施是當前亟待解決的難題，發(fā)展智能交通（ITS）是解決這些問題的有效方法。隨著GPS(Global Positioning System)衛(wèi)星定位技術(shù)和通信技術(shù)的日趨成熟，基于GPS的自動定位在智能交通系統(tǒng)中顯示出其巨大的技術(shù)、經(jīng)濟和社會效益，基于GPS的自動定位關(guān)鍵技術(shù)是地圖匹配技術(shù)。地圖匹配(Map matchin

2、g,簡稱MM)是一種基于軟件技術(shù)的定位修正方法。地圖匹配基于兩個前提：首先，車輛總是行駛在道路上；其次，電子地圖道路數(shù)據(jù)精度應(yīng)高于浮動車車載導航系統(tǒng)的位置估計精度。當上述條件滿足時，將定位信息與道路信息進行比較，通過一定的匹配過程，確定出車輛最可能的行駛路段及車輛在此路段中最可能的位置。地圖匹配算法的實現(xiàn)與電子地圖有著密切的關(guān)系，電子地圖必須具有正確的路網(wǎng)拓撲結(jié)構(gòu)和足夠高的精度才能完成地圖匹配。地圖匹配技術(shù)在ITS中的應(yīng)用可以總結(jié)為以下三個方面： 用于地圖顯示。地圖匹配在ITS中最基本的應(yīng)用是實現(xiàn)被跟蹤車輛在電子地圖上的顯示。由于各種定位技術(shù)存在不同程度的定位誤差，造成了車輛的定位點通常沒有落

3、在道路上。而ITS的大部分信息都要通過電子地圖來顯示，因此，必須通過地圖匹配算法將車輛匹配到其正在行駛的道路上。 用于提高定位精度。由于高樓和高架橋阻擋接收機的信號等因素的影響，GPS有時無法提供足夠的定位精度。航位推算可以實現(xiàn)車輛的自主導航，但需要車輛初始位置的輸入，而且慣性期間的漂移誤差和標定誤差將使累積誤差隨時間而增大。此時可以利用地圖匹配算法來改善定位精度，高精度的電子地圖可用于修正定位估計的誤差。 用于終端用戶路徑引導等應(yīng)用。路徑引導是幫助駕駛員沿預(yù)定的路線行駛從而順利達到目的地的過程。為此，必須由地圖匹配模塊為路徑引導模塊提供當前車輛的準確位置，路徑引導模塊與地圖信息相結(jié)合產(chǎn)生適當

4、的實時駕駛指令，引導車輛到達目的地。由于地圖匹配算法的研究具有很強的實用價值，在ITS中具有重要作用，因此，研究低成本，高效率和高精度的地圖匹配算法具有重要的理論和實際意義。 2 國內(nèi)外研究現(xiàn)狀分析 基于卡爾曼濾波的地圖匹配算法韓國Seoul Nat 大學的Wuk Kim、Gyu-In Jee 和JangGyu Lee (2000) 為解決白噪聲和偏移誤差干擾的而造成定位的低精度和在道路交叉口處道路的選擇模糊問題，提出了一種新算法，該算法以重大偏倚作為主要的誤差，校正車輛的位置，此算法可以認為是由一種基于重大偏倚誤差的模型和卡爾曼濾波器組成，該算法已經(jīng)在GPS導航系統(tǒng)中得到了實際的應(yīng)用。意大利

5、的Tiano,A.、Zirilli,A.和Pizzocchero,F. 在2001年研究了一種可用于整合導航系統(tǒng)的新算法，來對各種海上、地上的交通工具例如船舶與汽車進行精確地位置估算。該算法結(jié)合了神經(jīng)模糊卡爾曼濾波與地圖匹配算法，目的是改進GPS與傳感器（例如陀螺儀）結(jié)合的實時地圖匹配系統(tǒng)。通過實驗結(jié)果，可以看出該系統(tǒng)在通常交通狀況下，車輛的位置定位準確度較高。美國學者 Hao Xu, Chin-woo Tan, Yuanlu Bao 在2008年研究一種基于卡爾曼濾波和GPS誤差校正的地圖匹配改進算法。其通過對對GPS誤差分析的可知，GPS在兩個垂直方向上的分量被加進數(shù)據(jù)空間作為數(shù)據(jù)變量，構(gòu)

6、成新的卡爾曼濾波器模型。同時，根據(jù)浮動車轉(zhuǎn)彎后的信息和行駛軌跡可以得到沿道路方向上的GPS誤差。改進的卡爾曼濾波算法和搜索行駛軌跡GPS誤差的算法相結(jié)合，得到了一個新的改進的算法。該算法處理誤差十分的有效，該誤差包括沿道路方向和垂直于道路方向的偏移誤差和白噪聲誤差。通過實驗研究可知，該算法模型是非常有效。結(jié)果顯示，該算法有助于提高浮動車導航系統(tǒng)的精度。 航位推算地圖匹配算法法國的Renault,s 和Meizel,D. (2006) 提出了一種在復雜城市環(huán)境中解決車輛定位問題的地圖匹配算法。此算法利用GPS數(shù)據(jù)和航位推算系統(tǒng)，并結(jié)合了改進的卡爾曼濾波器使用精確地GIS電子地圖，采用點集合搜索和

7、橢圓算法，在一定程度上提高了匹配精度和匹配效率。 權(quán)重地圖匹配算法美國芝加哥的Huabei Yin 和Wolfson,O.在2004年提出了一種基于權(quán)重的地圖匹配算法，該算法通過把一個移動對象在3D時空中的運動軌跡即一個(x,y,t) 坐標時間序列匹配到精確地GIS電子地圖的道路上，并通過實驗驗證，根據(jù)GPS取樣的時間間隔，平均能達到94%的正確率。湖南大學的胡林、古正氣等(2008年)研究了基于權(quán)值D-S證據(jù)理論的地圖匹配算法。該算法對傳統(tǒng)的D-S證據(jù)理論進行了改進，解決了證據(jù)的可信度問題。該算法首先根據(jù)證據(jù)的局部決策算出局部決策值，構(gòu)造整個系統(tǒng)的支持矩陣，并求出支持矩陣的特征向量，并以此作

8、為各個證據(jù)的可信度，然后把可信度作為各個證據(jù)的權(quán)值，以此修正D-S證據(jù)的融合算法，使新的組合理論規(guī)則能夠有效的處理證據(jù)中的沖突信息；然后結(jié)合當前城市道路網(wǎng)日益復雜的實際特點，把基于權(quán)值的D-S證據(jù)理論應(yīng)用于地圖匹配中。公安部交通管理科學研究所的張雷元、徐棱、劉小明（2009年）提出的改進的要素加權(quán)算法。其原理是綜合地圖匹配中的道路幾何信息、GPS歷史信息、GPS導航方向信息以及道路拓撲信息，計算候選路段的匹配權(quán)重，然后通過綜合比較權(quán)重，采用圈中最高的路作為匹配路段。 幾何的地圖匹配算法北京理工大學的周培德、付夢印（2004年）提出了基于計算幾何的地圖匹配方法，就是采用不斷計算GPS信號點是否構(gòu)

9、成凸殼，并判斷道路是否穿越該凸殼來確定定位信號點的匹配道路。 基于云模型的地圖匹配算法山東理工大學唐進軍、曹凱（2007年）提出基于云模型不確定性推理的地圖匹配算法。該算法的關(guān)鍵是提出一種能夠?qū)崿F(xiàn)定性概念與定量數(shù)值之間不確定性轉(zhuǎn)換的云模型。通過建立云規(guī)則，和進行基于云模型的不確定性推理，并結(jié)合高程輔助方法來構(gòu)筑地圖匹配模型。 基于路網(wǎng)拓撲結(jié)構(gòu)的地圖匹配算法重慶大學孫棣華等（2008年）針對MapInfo數(shù)據(jù)格式電子地圖不具備拓撲結(jié)構(gòu)，且現(xiàn)有拓撲結(jié)構(gòu)構(gòu)建算法精度低、效率差等不足，提出在路網(wǎng)拓撲結(jié)構(gòu)構(gòu)建前，應(yīng)用緩沖區(qū)分析技術(shù)和計算區(qū)域質(zhì)點等預(yù)處理方法，對原始路網(wǎng)不規(guī)則的關(guān)系進行分類和道路信息補充，

10、以此為基礎(chǔ)創(chuàng)建道路段和節(jié)點圖層，建立路網(wǎng)拓撲關(guān)系。實驗結(jié)果表明，該算法構(gòu)建精度和效率明顯提高。3常見地圖匹配算法分析地圖匹配算法包括路段選擇算法和具體位置識別算法，現(xiàn)有的路段選擇的地圖匹配方法主要分為兩大類：以降噪技術(shù)為主的地圖匹配算法和以選路為基礎(chǔ)的地圖匹配算法。以降噪為基礎(chǔ)的地圖匹配算法主要思想是通過軟件技術(shù)，利用恰當?shù)臄?shù)學手段如卡爾曼濾波等降低GPS信號的噪聲，以提高匹配精度。但是現(xiàn)有降噪技術(shù)為指導思想的地圖匹配算法并不是特別的適合于工程應(yīng)用中。以選路為基礎(chǔ)的地圖匹配算法也可以分為兩類：只運用路網(wǎng)幾何信息的算法和將路網(wǎng)幾何信息與路網(wǎng)拓撲性質(zhì)相結(jié)合的算法。只運用路網(wǎng)幾何信息的地圖匹配算法主

11、要有：點到點、點到線、線到線的匹配算法。此類算法，實現(xiàn)比較簡單，計算量小，前期的處理工作量少，易于實現(xiàn)，缺點是在匹配時只利用了路網(wǎng)的幾何信息，沒有利用路網(wǎng)的拓撲結(jié)構(gòu)信息，使其受定位誤差及地圖精度影響較大，穩(wěn)定性不佳，容易產(chǎn)生振蕩，極易發(fā)生匹配錯誤。 將路網(wǎng)幾何信息和路網(wǎng)拓撲結(jié)構(gòu)信息相結(jié)合的地圖匹配算法是現(xiàn)在的主流研究方向，可細分為以下幾類： 改進的算法有改進的點到線、線到線的匹配算法。此類算法充分利用了拓撲信息即路網(wǎng)的連通性，增加了起點和終點的信息。如果前一時刻的匹配可信，那么就應(yīng)用拓撲信息匹配后續(xù)定位點。但是，一個錯誤的匹配會導致一系列的誤匹配。 傳統(tǒng)的地圖匹配方法有概率統(tǒng)計算法、相關(guān)性算法

12、和基于模糊邏輯的地圖匹配算法。傳統(tǒng)的地圖匹配算法在曲線和折線路段時，效果最好，但權(quán)重的不好選取。 基于模式識別的匹配方法，包括基于神經(jīng)網(wǎng)絡(luò)和數(shù)據(jù)融合的方法(D-S數(shù)據(jù)論證) 。 基于代價函數(shù)的地圖匹配算法以上二類算法，精度高，對于特地區(qū)域的地圖匹配效果明顯，但由于計算量大，實現(xiàn)非常復雜，同時實時性很差。 目前將車輛匹配到路段上具體位置的匹配算法主要以下三種： 垂直投影法：將定位點垂直投影到當前行駛的路段上，投影點即為匹配點。這種方法邏輯簡單、速度快、實時性好、所需內(nèi)存空間少，通過投影使車輛定位數(shù)據(jù)僅殘留定位誤差在車輛前進路線上的徑向分量，從而極大地改善系統(tǒng)的定位精度；但在道路密集、道路形狀復雜和交叉路口等情況下，匹配準確率較低。