隨著國(guó)民生活水平的日益提高,汽車消費(fèi)也逐漸呈現(xiàn)快速增長(zhǎng)趨勢(shì),如何在城市環(huán)境下對(duì)于汽車進(jìn)行綜合管理、建設(shè)城市智能交通系統(tǒng)是亟需解決的課題。地圖匹配技術(shù)（Map Matching）作為智能交通系統(tǒng)的核心技術(shù),能夠有效降低定位誤差,通過(guò)確定車輛的最佳道路匹配位置來(lái)獲取直觀的地圖匹配結(jié)果,從而為智能交通系統(tǒng)提供服務(wù)。針對(duì)傳統(tǒng)地圖匹配算法無(wú)法在車輛定位準(zhǔn)確率和服務(wù)計(jì)算效率上達(dá)到平衡的問(wèn)題,提出了一種改進(jìn)地圖匹配算法ICMM（Improved C-Measure Map Matching）。一方面,在傳統(tǒng)C-Measure度量方式基礎(chǔ)上設(shè)計(jì)了多種因素及權(quán)重機(jī)制,包括位置點(diǎn)與線路的距離、歷史軌跡與線路的平均距離、位置點(diǎn)行進(jìn)方向與候選道路的方向偏差、連續(xù)位置點(diǎn)走向與候選線路片段方向偏差等四種因素以及相關(guān)權(quán)重系數(shù)設(shè)計(jì)。實(shí)驗(yàn)結(jié)果證實(shí)該方法可以有效地提升地圖匹配算法的定位準(zhǔn)確率,同時(shí)也保證了算法復(fù)雜度不會(huì)明顯提升。另一方面,在算法實(shí)現(xiàn)過(guò)程中,采用了新的候選線路片段選擇機(jī)制來(lái)減少候選線路范圍,并采用水平適應(yīng)性模糊邏輯網(wǎng)絡(luò)（Horizontal Adaptive Fuzzy Network,HAFN）實(shí)現(xiàn)參數(shù)動(dòng)... 

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 地圖匹配算法分析
        1.2.2 并行地圖匹配算法分析
    1.3 研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 關(guān)鍵技術(shù)介紹
    2.1 地圖匹配問(wèn)題
    2.2 基于模糊邏輯技術(shù)的地圖匹配算法
        2.2.1 模糊邏輯技術(shù)
        2.2.2 基于模糊邏輯技術(shù)的地圖匹配算法分析
    2.3 希爾伯特空間填充曲線
    2.4 并行開(kāi)發(fā)技術(shù)
        2.4.1 并行技術(shù)分析
        2.4.2 Spark平臺(tái)
        2.4.3 Kudu數(shù)據(jù)存儲(chǔ)技術(shù)
    2.5 本章小結(jié)
第3章 改進(jìn)地圖匹配算法
    3.1 傳統(tǒng)基于C-Measure度量的地圖匹配算法
    3.2 改進(jìn)地圖匹配算法
        3.2.1 改進(jìn)C-Measure度量方式
        3.2.2 候選線路片段選擇
        3.2.3 改進(jìn)地圖匹配算法的整體流程
    3.3 基于HAFN的算法參數(shù)選擇
    3.4 仿真實(shí)驗(yàn)
        3.4.1 實(shí)驗(yàn)環(huán)境配置
        3.4.2 實(shí)驗(yàn)結(jié)果可視化
        3.4.3 準(zhǔn)確率對(duì)比結(jié)果與分析
    3.5 本章小結(jié)
第4章 改進(jìn)地圖匹配算法的Spark實(shí)現(xiàn)
    4.1 整體運(yùn)行框架
    4.2 基于希爾伯特空間填充曲線的分區(qū)策略
    4.3 改進(jìn)地圖匹配算法的并行化處理流程
    4.4 實(shí)驗(yàn)總結(jié)
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]一種基于HMM模型改進(jìn)的地圖匹配算法[J]. 劉旻,李梅,徐曉宇,毛善君.  北京大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[2]基于海量公交軌跡數(shù)據(jù)挖掘的地圖匹配算法[J]. 陳輝,蔣圭峰,姜桂圓,武繼剛.  計(jì)算機(jī)應(yīng)用. 2018(07)
[3]基于曲線擬合與拓?fù)浣Y(jié)構(gòu)的地圖匹配算法[J]. 滕志軍,曲兆強(qiáng),侯學(xué)艷,賈韜正,趙才博,夏濱.  計(jì)算機(jī)工程. 2018(08)
[4]考慮時(shí)空特性的動(dòng)態(tài)權(quán)重實(shí)時(shí)地圖匹配算法[J]. 鄭林江,劉旭,易兵.  計(jì)算機(jī)應(yīng)用. 2017(08)
[5]基于隱馬爾可夫模型和遺傳算法的地圖匹配算法[J]. 吳剛,邱煜晶,王國(guó)仁.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[6]基于道路信息的智能地圖匹配算法[J]. 李磊磊,陳家斌,楊黎明,尹靜源,胡鳴凱,高宏斌.  中國(guó)慣性技術(shù)學(xué)報(bào). 2016(02)
[7]一種基于Hadoop的分布式地圖匹配算法[J]. 郭淑琴,薛益趙,徐步匯.  浙江工業(yè)大學(xué)學(xué)報(bào). 2015(03)
[8]地圖匹配算法綜述[J]. 劉興權(quán),金美含.  科技信息. 2014(04)
[9]一種基于約束的最短路徑低頻浮動(dòng)車數(shù)據(jù)地圖匹配算法[J]. 李清泉,胡波,樂(lè)陽(yáng).  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2013(07)
[10]基于拓?fù)渑袛嗟暮Ａ縂PS數(shù)據(jù)延時(shí)地圖匹配算法[J]. 王志建,王力,汪健.  西南交通大學(xué)學(xué)報(bào). 2012(05)

碩士論文
[1]基于權(quán)重的長(zhǎng)時(shí)間間隔地圖匹配算法研究[D]. 張賀.吉林大學(xué) 2018
[2]基于Spark的出租車軌跡組織方法研究[D]. 賈昀騰.南京師范大學(xué) 2017
[3]基于Hadoop的道路匹配算法研究[D]. 范魯濤.南京郵電大學(xué) 2016
[4]基于電子地圖輔助的車載組合導(dǎo)航系統(tǒng)研究與實(shí)現(xiàn)[D]. 肖密.中南大學(xué) 2014
[5]車輛導(dǎo)航系統(tǒng)中地圖匹配的研究[D]. 李沛.北京交通大學(xué) 2008



本文編號(hào)：3683007