GPS（Global Positioning System）等定位設(shè)備產(chǎn)生的軌跡數(shù)據(jù)具有易采集、成本低等優(yōu)點(diǎn),已經(jīng)廣泛應(yīng)用于眾多領(lǐng)域。這些軌跡數(shù)據(jù)可以用于路網(wǎng)更新、車流量預(yù)測(cè)等眾多場(chǎng)景。但是由于軌跡數(shù)據(jù)中噪聲數(shù)據(jù)的存在,如果直接使用原始軌跡數(shù)據(jù)會(huì)造成較大偏差,因此需要使用匹配算法進(jìn)行糾正,與此同時(shí),軌跡數(shù)據(jù)具有不同的采樣率,存在冗余或缺失數(shù)據(jù)問題,因此針對(duì)不同采樣率的軌跡需要特定的匹配算法進(jìn)行高效精準(zhǔn)地匹配,針對(duì)上述問題,本文進(jìn)行如下研究:（1）針對(duì)現(xiàn)有基于軌跡點(diǎn)地圖匹配方法存在重復(fù)匹配和噪聲敏感的問題,提出一種基于軌跡分段的隱馬爾可夫模型（Segment-based Hidden Markov Model,SHMM）,用于高采樣率軌跡的地圖匹配,該匹配算法將原始的軌跡分為子軌跡段,從而避免了軌跡點(diǎn)的重復(fù)匹配,同時(shí)減少了噪聲數(shù)據(jù)對(duì)匹配精度的影響,最終通過實(shí)驗(yàn)對(duì)比,本文提出的SHMM算法在匹配精確率、召回率和匹配時(shí)間上分別提高了2%、1%、5ms。（2）針對(duì)傳統(tǒng)的基于幾何距離度量的軌跡聚類算法存在的不適用于低采樣率軌跡聚類的問題,提出一種基于相似路徑的低采樣率軌跡聚類算法,該算法基于最長... 

【文章來源】：西北大學(xué)陜西省 211工程院校

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

高采樣率軌跡示意圖

第一章緒論3同的路徑，此時(shí)無法通過道路限速及航向進(jìn)行道路的匹配，因此需要更多的特征降低低采樣率軌跡的不確定性。圖2低采樣率軌跡示意圖本文針對(duì)高采樣率和低采樣率軌跡的地圖匹配問題，分別提出一種基于軌跡分段的高采樣率軌跡地圖匹配算法和基于相似路徑聚類的低采樣率軌跡地圖匹配算法。其中所提出的高采樣率軌跡匹配方法，首先將軌跡進(jìn)行分段然后使用軌跡及路徑相似性度量方法進(jìn)行軌跡的分段批量處理，解決了傳統(tǒng)的基于單個(gè)GPS點(diǎn)軌跡匹配算法效率低的問題。針對(duì)低采樣率軌跡，通過聚類方法將行駛在相同道路上車輛產(chǎn)生的軌跡聚集在一起，對(duì)低采樣率軌跡進(jìn)行批量匹配，此方法可以通過軌跡之間的相互增強(qiáng)來降低低采樣率軌跡的路徑不確定性。1.2研究現(xiàn)狀1.2.1高采樣率軌跡匹配方法研究現(xiàn)狀為了實(shí)時(shí)記錄車輛的位置，GPS定位器會(huì)以較高頻率接收衛(wèi)星發(fā)送的定位數(shù)據(jù)，即前后接收定位數(shù)據(jù)的時(shí)間差小于30秒，因此產(chǎn)生的軌跡數(shù)據(jù)是由大量軌跡點(diǎn)組成的帶有空間特征的時(shí)序數(shù)據(jù)集合。針對(duì)高采樣率的離線軌跡的地圖匹配問題，一直受到軌跡數(shù)據(jù)挖掘領(lǐng)域的關(guān)注，目前已有不少針對(duì)該問題的方法。這些算法可以分類為：基于幾何拓?fù)浣Y(jié)構(gòu)的地圖匹配，增量式的局部地圖匹配[5-7]，基于概率模型的全局地圖匹配[8-11]。針對(duì)高采樣率軌跡的地圖匹配問題，最開始研究者們通過軌跡和道路之間的幾何

西北大學(xué)碩士學(xué)位論文101.3.2技術(shù)路線本文對(duì)大量參考文獻(xiàn)進(jìn)行總結(jié)，發(fā)現(xiàn)現(xiàn)有的高采樣率軌跡地圖匹配算法中多數(shù)算法都是對(duì)GPS軌跡中的軌跡點(diǎn)依次進(jìn)行匹配，此類方法存在重復(fù)匹配的問題，因此匹配效率較低，同時(shí)現(xiàn)有算法容易受噪聲數(shù)據(jù)的影響。因此針對(duì)現(xiàn)有算法的不足，本文提出了一種基于軌跡分段的隱馬爾可夫模型地圖匹配算法。針對(duì)低采樣率軌跡，本文先提出一種基于相似路徑的低采樣率軌跡聚類算法，該算法避免計(jì)算低采樣率軌跡之間的幾何距離，而是通過候選路徑之間的相似性對(duì)低采樣率軌跡進(jìn)行聚類。在該聚類算法的基礎(chǔ)上，又提出一種基于相似路徑聚類的低采樣率軌跡地圖匹配算法，該匹配算法通過聚類高效的對(duì)一組軌跡進(jìn)行匹配。本文研究的具體技術(shù)路線如圖3所示：圖3研究技術(shù)路線框架圖1.4章節(jié)安排本文共包括五章內(nèi)容，其結(jié)構(gòu)如下:第一章本章節(jié)首先討論本文所做研究的背景及意義，通過分析國內(nèi)外研究現(xiàn)狀，發(fā)現(xiàn)現(xiàn)有針對(duì)高采樣率和低采樣率軌跡匹配算法的不足，分別針對(duì)高采樣率軌跡匹配提出一種基于軌跡分段的隱馬爾可夫模型，針對(duì)低采樣率軌跡提出一種基于相似路徑


本文編號(hào)：3448061