行車軌跡是一種時間序列的地理空間位置采樣數(shù)據(jù),而傳統(tǒng)的軌跡—路網(wǎng)匹配方法主要以全局或局部尋優(yōu)的方式建立軌跡—路網(wǎng)匹配關(guān)系,影響了時空場景中數(shù)據(jù)的匹配計(jì)算過程的相對獨(dú)立性。針對這個問題,本文基于粒子濾波（Particle Filter,PF）原理建立行車軌跡與道路網(wǎng)絡(luò)之間的匹配關(guān)系。首先,沿軌跡中車輛運(yùn)動方向在道路網(wǎng)絡(luò)中搜索鄰近道路節(jié)點(diǎn),在與道路節(jié)點(diǎn)拓?fù)溧徑拥牡缆坊《紊铣跏蓟S機(jī)生成粒子,根據(jù)軌跡中車輛運(yùn)動模型將粒子沿所在道路弧段移動;然后,基于PF原理計(jì)算各時刻粒子運(yùn)動狀態(tài)及與行車軌跡采樣點(diǎn)之間的距離誤差,根據(jù)高斯概率密度函數(shù)計(jì)算粒子權(quán)重并利用隨機(jī)重采樣方法進(jìn)行粒子重采樣,迭代更新粒子運(yùn)動狀態(tài);最后,計(jì)算與搜索到的道路節(jié)點(diǎn)拓?fù)溧徑拥拿織l道路弧段中累計(jì)粒子權(quán)重,通過各道路弧段累計(jì)權(quán)重計(jì)算軌跡—路網(wǎng)匹配關(guān)系。以行車軌跡進(jìn)行實(shí)驗(yàn)表明,利用本文方法可以通過粒子時空變化反映采樣點(diǎn)的移動,行車軌跡—路網(wǎng)匹配結(jié)果的正確率大于85%,能夠?qū)崿F(xiàn)行車軌跡和路網(wǎng)的準(zhǔn)確匹配。 

【文章來源】：地球信息科學(xué)學(xué)報(bào). 2020,22(11)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1 粒子的生成

(4）以道路節(jié)點(diǎn)為匹配關(guān)系分界線，更新行車軌跡與路網(wǎng)的匹配關(guān)系，返回步驟（1）并根據(jù)新的道路節(jié)點(diǎn)及拓?fù)溧徑拥缆坊《渭献詣由呻S機(jī)粒子采樣，不斷迭代直至車輛完全停止運(yùn)動。行車軌跡—路網(wǎng)匹配算法的流程如圖2所示�；赑F原理的行車軌跡—路網(wǎng)匹配方法，假定輸入行車軌跡S，軌跡中車輛勻速運(yùn)動速度為v，運(yùn)動模型過程的噪聲標(biāo)準(zhǔn)差為?，同時，利用高斯概率密度函數(shù)作為粒子權(quán)重函數(shù)，其標(biāo)準(zhǔn)差σ表示高斯函數(shù)的帶寬，將粒子與軌跡采樣點(diǎn)之間的距離作為函數(shù)輸入，計(jì)算得到粒子權(quán)重w，此外，隨機(jī)粒子個數(shù)為o，道路網(wǎng)絡(luò)及道路節(jié)點(diǎn)和弧段Road(N,L)，行車軌跡采樣點(diǎn)與道路節(jié)點(diǎn)的搜索距離閾值為d。在這個過程中，在相鄰軌跡采樣點(diǎn)之間的軌跡中車輛運(yùn)動模型可以假設(shè)為一個勻速運(yùn)動的過程，因此，可通過計(jì)算當(dāng)前軌跡采樣點(diǎn)及其之前時刻軌跡采樣點(diǎn)之間的軌跡片段平均速度，將其作為PF方法中車輛運(yùn)動模型的速度輸入，對粒子運(yùn)動情況進(jìn)行模擬，此外，如果道路網(wǎng)絡(luò)中不同等級道路弧段的限速信息已知，可直接將其作為車輛運(yùn)動模型的速度輸入。運(yùn)動模型如式（5）所示。

在行車軌跡中采樣點(diǎn)濾波初始時刻，粒子在道路弧段中是隨機(jī)生成的，如圖4所示，假定一條道路弧段由9個頂點(diǎn)組成（綠色小圓點(diǎn)），從弧段起點(diǎn)到弧段終點(diǎn)，根據(jù)式（1）和式（2）計(jì)算各個頂點(diǎn)組成的子弧段在道路弧段中的累計(jì)長度比例，分別為0%、21%、31%、43%、55%、67%、76%、87%、100%（綠色字體），初始時刻在道路弧段中隨機(jī)生成5個粒子，在道路弧段中的長度比例分別為17%、38%、52%、80%、94%（紅色字體），則根據(jù)長度比例以式（3）在相應(yīng)的子弧段中計(jì)算粒子在道路弧段中的幾何位置（紅色大圓點(diǎn)）。由圖可見，粒子能夠利用隨機(jī)生成的長度比例，根據(jù)粒子坐標(biāo)計(jì)算公式，分別分布在道路弧段的不同子弧段中。圖4 基于道路弧段的粒子生成

【參考文獻(xiàn)】：
期刊論文
[1]出租車軌跡數(shù)據(jù)挖掘進(jìn)展[J]. 吳華意,黃蕊,游蘭,向隆剛.  測繪學(xué)報(bào). 2019(11)
[2]基于偏好的個性化路網(wǎng)匹配算法[J]. 高需,武延軍,郭黎敏,丁治明,陳軍成.  軟件學(xué)報(bào). 2018(11)
[3]路網(wǎng)匹配算法綜述[J]. 高文超,李國良,塔娜.  軟件學(xué)報(bào). 2018(02)
[4]路網(wǎng)更新的軌跡-地圖匹配方法[J]. 吳濤,向隆剛,龔健雅.  測繪學(xué)報(bào). 2017(04)
[5]一種改進(jìn)的快速浮動車地圖匹配方法[J]. 張健欽,李明軒,段穎超,杜明義.  測繪通報(bào). 2017(01)
[6]面向復(fù)雜城市道路網(wǎng)絡(luò)的GPS軌跡匹配算法[J]. 劉張,王心迪,閆小勇.  電子科技大學(xué)學(xué)報(bào). 2016(06)
[7]軌跡大數(shù)據(jù):數(shù)據(jù)處理關(guān)鍵技術(shù)研究綜述[J]. 高強(qiáng),張鳳荔,王瑞錦,周帆.  軟件學(xué)報(bào). 2017(04)
[8]一種路網(wǎng)拓?fù)浼s束下的增量型地圖匹配算法[J]. 朱遞,劉瑜.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(01)
[9]一種基于約束的最短路徑低頻浮動車數(shù)據(jù)地圖匹配算法[J]. 李清泉,胡波,樂陽.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2013(07)



本文編號：3214632