一种基于增强型隐马尔可夫模型的地图匹配方法组成比例

本发明专利技术提供一种基于增强型隐马尔可夫模型的地图匹配方法，以解决现有的地图匹配方法存在无法保证匹配结果的准确性及有效降低运行时间的技术问题。通过引入交通规则，能够有效地降低浮动车轨迹点在逆行路段上的误匹配率；提高轨迹点在复杂路段上的匹配准确度；缩短轨迹点的匹配时间，有效降低匹配过程的总体运行时间；实现匹配误差的自行校正；可为后期的基于浮动车数据的应用提供准确的轨迹点纠偏数据。

【技术实现步骤摘要】
一种基于增强型隐马尔可夫模型的地图匹配方法
本专利技术属于地图匹配
，尤其涉及一种基于增强型隐马尔可夫模型的地图匹配方法。
技术介绍
车辆位置在辅助驾驶、路线导航、车辆监控及调度、交通管理等方面是一个关键的地理要素。为了实时获取位置数据及辅助信息，浮动车技术被广泛应用，基于浮动车技术收集到的车辆信息被称为浮动车数据(FCD，FloatingCarData)。根据FCD，车辆位置可以被标记至数字地图上。然而，FCD是一个粗数据，由于卫星定位存在测量误差以及FCD存在采样误差，致使FCD的精度具有很大不确定性。另外，数字地图本身也存在一定的误差。这使得浮动车位置并不能准确地显示在数字地图的相应道路上。为了解上述技术问题，相关科研技术人员从数据处理层面提出并设计了地图匹配方法。在现有的地图匹配方法中，基于隐马尔科夫模型构建了许多应用较广的地图匹配方法，如Lou模型、Newson模型、Goh模型以及Jagadeesh模型等。然而这些方法存在显著不足：首先，这些方法没有关注交通规则问题，这会导致匹配后的轨迹点出现在逆行路段上；其次，这些方法在估算下一时刻状态时，仅依靠当前状态，而不能利用本文档来自技高网...

【技术保护点】
1.一种基于增强型隐马尔可夫模型的地图匹配方法，其特征在于，包括：以第二个观测点为中心，以动态候选半径为缓冲区距创建点缓冲区，并且自第二个观测点开始，落入所述点缓冲区内部的路段构成候选要素集合；判断所述候选要素集合是否有效；若是所述候选要素集合有效，则分别计算当前观测点相对候选要素的观测概率和置信要素到候选要素的转移概率。

【技术特征摘要】
1.一种基于增强型隐马尔可夫模型的地图匹配方法，其特征在于，包括：以第二个观测点为中心，以动态候选半径为缓冲区距创建点缓冲区，并且自第二个观测点开始，落入所述点缓冲区内部的路段构成候选要素集合；判断所述候选要素集合是否有效；若是所述候选要素集合有效，则分别计算当前观测点相对候选要素的观测概率和置信要素到候选要素的转移概率。2.根据权利要求1所述的一种基于增强型隐马尔可夫模型的地图匹配方法，其特征在于，该方法之前还包括：将轨迹数据按采集时间顺序进行升序排序，修补位置及航向角属性缺失数据并去除无效的轨迹数据，以获取观测点；所述轨迹数据包括：浮动车数据及位置数据。3.根据权利要求2所述的一种基于增强型隐马尔可夫模型的地图匹配方法，其特征在于，所述修补位置及航向角属性缺失数据的过程为当采样间隔小于30s时，按照线性插值法修补位置及航向角属性缺失数据；所述无效的轨迹数据是指超过30s的属性缺失数据。4.根据权利要求2所述的一种基于增强型隐马尔可夫模型的地图匹配方法，其特征在于，还包括：依据观测概率计算第一个观测点的最佳匹配路段，并根据观测概率最大者返回置信列表；所述观测概率包括：距离约束概率、航向约束概率及交通规则约束概率，且所述观测概率为所述距离约束概率、航向约束概率及交通规则约束概率的概率积；所述置信列表包括...

【专利技术属性】
技术研发人员：车明亮，王晓文，曹鑫亮，
申请(专利权)人：南通大学，
类型：发明
国别省市：江苏,32