發(fā)布時間：2021-10-21 02:26

　　GPS（Global Positioning System）等定位設備產生的軌跡數(shù)據(jù)具有易采集、成本低等優(yōu)點,已經廣泛應用于眾多領域。這些軌跡數(shù)據(jù)可以用于路網更新、車流量預測等眾多場景。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)會造成較大偏差,因此需要使用匹配算法進行糾正,與此同時,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,因此針對不同采樣率的軌跡需要特定的匹配算法進行高效精準地匹配,針對上述問題,本文進行如下研究:（1）針對現(xiàn)有基于軌跡點地圖匹配方法存在重復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,從而避免了軌跡點的重復匹配,同時減少了噪聲數(shù)據(jù)對匹配精度的影響,最終通過實驗對比,本文提出的SHMM算法在匹配精確率、召回率和匹配時間上分別提高了2%、1%、5ms。（2）針對傳統(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】：西北大學陜西省 211工程院校

【文章頁數(shù)】：76 頁

【學位級別】：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，此時無法通過道路限速及航向進行道路的匹配，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，首先將軌跡進行分段然后使用軌跡及路徑相似性度量方法進行軌跡的分段批量處理，解決了傳統(tǒng)的基于單個GPS點軌跡匹配算法效率低的問題。針對低采樣率軌跡，通過聚類方法將行駛在相同道路上車輛產生的軌跡聚集在一起，對低采樣率軌跡進行批量匹配，此方法可以通過軌跡之間的相互增強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)狀為了實時記錄車輛的位置，GPS定位器會以較高頻率接收衛(wèi)星發(fā)送的定位數(shù)據(jù)，即前后接收定位數(shù)據(jù)的時間差小于30秒，因此產生的軌跡數(shù)據(jù)是由大量軌跡點組成的帶有空間特征的時序數(shù)據(jù)集合。針對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)挖掘領域的關注，目前已有不少針對該問題的方法。這些算法可以分類為：基于幾何拓撲結構的地圖匹配，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

西北大學碩士學位論文101.3.2技術路線本文對大量參考文獻進行總結，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GPS軌跡中的軌跡點依次進行匹配，此類方法存在重復匹配的問題，因此匹配效率較低，同時現(xiàn)有算法容易受噪聲數(shù)據(jù)的影響。因此針對現(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低采樣率軌跡進行聚類。在該聚類算法的基礎上，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一組軌跡進行匹配。本文研究的具體技術路線如圖3所示：圖3研究技術路線框架圖1.4章節(jié)安排本文共包括五章內容，其結構如下:第一章本章節(jié)首先討論本文所做研究的背景及意義，通過分析國內外研究現(xiàn)狀，發(fā)現(xiàn)現(xiàn)有針對高采樣率和低采樣率軌跡匹配算法的不足，分別針對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，針對低采樣率軌跡提出一種基于相似路徑


本文編號：3448061