车辆高精度定位数据与导航地图精确匹配及变道行为探测方法技术

本发明专利技术涉及一种车辆高精度定位数据与导航地图精确匹配及变道行为探测方法，基于车道边界线组织的车道级导航地图数据结构模型；首先对导航地图数据进行组织并导入定位轨迹数据，采用射线法对每个定位轨迹点与车道进行初步匹配；进一步地，发展基于Delaunay三角网的匹配方法对复杂道路区域匹配失败的定位轨迹点进行二次匹配探测；最后，依据每个定位轨迹点的匹配车道信息探测‘一次变道’、‘连续变道’、‘驾驶偏离’三种不同类型的车辆变道行为。本发明专利技术通过数据结构组织、匹配算法构建、变道行为分类及识别三个方面的创新，构建定位轨迹数据精确匹配与变道行为识别模型，对车辆行为监测、交通事故分析及理赔等应用有意义。

Accurate Matching of Vehicle High Precision Location Data with Navigation Map and Detection Method of Track Change Behavior

The invention relates to a method for precise matching of vehicle high-precision positioning data with navigation maps and detection of lane-changing behavior, which is based on the data structure model of lane-level navigation maps organized by lane boundary lines. Firstly, the data of navigation maps are organized and imported into the positioning trajectory data, and each positioning trajectory point is matched with Lane preliminarily by ray method; furthermore, Delauna-based positioning trajectory points Y triangular network matching method is used to detect the locating trajectory points which failed to match in complex road areas. Finally, three different types of vehicle lane-changing behaviors, i.e.'primary lane-changing','continuous lane-changing','driving departure', are detected based on the matching lane information of each locating trajectory point. Through the innovation of data structure organization, matching algorithm construction, classification and recognition of lane-changing behavior, the present invention builds a model for accurate matching and lane-changing behavior recognition of positioning trajectory data, which is meaningful for the application of vehicle behavior monitoring, traffic accident analysis and claims settlement.

【技术实现步骤摘要】
车辆高精度定位数据与导航地图精确匹配及变道行为探测方法
本专利技术属于地理信息领域，尤其涉及车辆高精度定位数据与导航地图间的精确匹配，以及在此基础上探测移动车辆的变道行为。
技术介绍
随着移动互联网及各种类型移动传感器载体(如车辆、手机等)的普及，描述各种移动对象(如行人、车辆、野生动物)的轨迹数据成为当前测绘地理大数据的重要组成部分。车辆行驶轨迹线通常由一系列按时间序列组织的位置坐标组成，描述移动车辆在一定时间范围内的运动轨迹。车辆轨迹数据不仅记录了车辆在地理空间中的几何移动位置，而且蕴含了速度、加速度、转向、变道等时空行为特征，是交通导航领域关注的重要数据对象。利用轨迹数据分析移动车辆的时空行为，首先需要解决定位轨迹数据与交通道路数据间的匹配问题。这是由于定位轨迹数据本身受定位系统软硬件设备条件、车辆行驶环境(如障碍物物遮挡)影响存在定位误差，同时道路数据采集建库本身也存在空间误差，从而导致定位轨迹点与道路对象发生偏离，影响轨迹数据时空分析的准确性。常规的定位轨迹数据匹配方法通常基于单线道路实体，表现为定位轨迹点与表达道路的单线目标间的匹配。随着无人驾驶等新型交通导航应用的不断发本文档来自技高网...

【技术保护点】
1.一种车辆高精度定位数据与导航地图精确匹配及变道行为探测方法，其特征在于，基于车道级导航地图数据组织模型，具体定义是道路实体组织为车道边界线集合L＝{l1，l2，...，lm}(m≥2)；对于每条车道边界线li(1≤i≤m)，采用9元组结构表示：{Id，Path，Layer，LLane_No，L_Name，L_Function，RLane_No，R_Name，R_Function}其中，Id表示为车道边界线在数据库系统的唯一编号；Path记录车道边界线的坐标点信息；Layer表示车道边界线的功能类型；LLane_No表示车道边界线左侧车道编号；L_Name表示车道边界线左侧车道名称；L_Fu...

【技术特征摘要】
1.一种车辆高精度定位数据与导航地图精确匹配及变道行为探测方法，其特征在于，基于车道级导航地图数据组织模型，具体定义是道路实体组织为车道边界线集合L＝{l1，l2，...，lm}(m≥2)；对于每条车道边界线li(1≤i≤m)，采用9元组结构表示：{Id，Path，Layer，LLane_No，L_Name，L_Function，RLane_No，R_Name，R_Function}其中，Id表示为车道边界线在数据库系统的唯一编号；Path记录车道边界线的坐标点信息；Layer表示车道边界线的功能类型；LLane_No表示车道边界线左侧车道编号；L_Name表示车道边界线左侧车道名称；L_Function表示车道边界线左侧车道的功能；RLane_No表示车道边界线右侧车道编号；R_Name表示车道边界线右侧车道名称；R_Function表示车道边界线右侧车道的功能；具体包括以下步骤：步骤1：建立车道级导航地图数据结构模型，导入车辆高精度定位轨迹数据；步骤2：采用垂线法通过相交分析搜索每个定位轨迹点所在的车道，建立两者间的匹配关系；步骤3：采用基于Delaunay三角网的方法对步骤2执行后匹配对应车道为空的轨迹点进行二次匹配探测；步骤4：依据每个轨迹点的匹配车道信息，实施变道行为探测。2.根据权利要求1所述的车辆高精度定位数据与导航地图精确匹配及变道行为探测方法，其特征在于：步骤2中，采用垂线法构建定位轨迹点与车道匹配关系，定义定位轨迹点为{p1，p2，...，pn}(n≥2)，集合{r1，r2，...，rn}用于记录轨迹点匹配的车道编号，车道边界线集合为{l1，l2，...，lm}(m≥2)；与pi(1≤i≤n)匹配的车道计算如下：步骤2.1：取pi的前一时刻轨迹点pi-1，两点连线得到直线段pi-1pi；步骤2.2：pi处分别向两侧作长度为Len0的射线rr和rl，射线与pi-1pi垂直；步骤2.3：探测与rl相交的车道边界线，若探测得到2条及以上数量的不同车道边界线，取其中到pi最短距离最小的车道边界线，记作lL；步骤2.4：利用步骤2.3同样方法计算与rr相交且到pi最短距离最小的车道边界线，记作lR；步骤2.5：提取左侧车道边界线lL记录的右侧车道编号(即lL.RLane_No)和右侧车道边界线lR记录的左侧车道编号lR.LLaneNo；步骤2.6：若lL.RLane_No＝lR.LLane_No，则将对应的车道作为与pi相匹配的车道，即ri＝lL.RLane_No；否则，pi的匹配车道信息标识为空，即ri＝Φ；步骤2.7：对下一个轨迹点pi+1重复上述步骤，直至完成对所有定位轨迹点的遍历。3.根据权利要求1所述的车辆高精度定位数据与导航地图精确匹配及变道行为探测方法，其特征在于：步骤3中，采用基于Delaunay三角网的方法对步骤2执行后匹配对应车道为空的轨迹点进行二次匹配探测，具体是依次遍历轨迹点集合，对于当前轨迹点pk(1≤k≤n...

【专利技术属性】
技术研发人员：杨敏，晏雄锋，艾廷华，郑建滨，郭迟，
申请(专利权)人：武汉大学，武汉六点整北斗科技有限公司，
类型：发明
国别省市：湖北,42