[发明专利]一种基于隐马尔可夫模型的浮动车地图匹配方法

说明书

技术领域

本发明公开了一种基于隐马尔可夫模型的浮动车地图匹配方法，属于数据处理的技术领域。

背景技术

浮动车系统是伴随着智能交通系统新技术应用而发展起来的新型交通信息采集技术。浮动车利用GPS装置将车辆信息如时间、速度和位置等信息实时传送到信息处理中心。信息中心通过对浮动车传回信息的分析为相关部门提供道路交通状况，而且可作为拥堵缓解、城市道路规划等各项工作定量数据分析的基础。

由于GPS采样误差的影响，浮动车传回的位置信息通常会偏离行驶轨迹，因此，浮动车数据在进行分析应用前需要进行地图匹配，即将浮动车轨迹数据正确的匹配到其行驶的路网上。传统的几何分析方法实现简单、效率高，但面对复杂路网时，无法保障匹配精度以及匹配路段的连续性。

现有基于隐马尔可夫模型的地图匹配算法根据马尔可夫链的特性将浮动车地图匹配问题转换为而马尔可夫序列解码问题，获得了较为满意的匹配准确度。但是使用隐马尔可夫模型进行浮动车地图匹配时，首先观测点的候选匹配点选择算法不当容易造成算法时间复杂度急剧上升，其次模型中在建模观测点观测概率时分布模型以参数的选择不当会造成错误的匹配，最后，建模前后候选匹配点转移概率时，匹配特征不足或者特征选择错误都会显著影响模型对于匹配上下文的描述能力从而导致匹配准确度的显著下降。综上，利用隐马尔可夫模型进行浮动车地图匹配时，候选点选择算法、观测点观测概率建模以及前后候选点转移概率建模中三个环节中任一环节不精确都无法保证匹配的准确度。

发明内容

本发明主要解决的技术问题是提供一种基于隐马尔可夫模型的浮动车地图匹配方法，能够改进模型中的候选点选择算法，减小了匹配的时间复杂度，同时改进了观测概率模型以及采用了更加合理的匹配特征，改进了转移概率模型，保证了匹配的准确度，同时减小了匹配的时间复杂度。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种基于隐马尔可夫模型的浮动车地图匹配方法，主要包括如下步骤：

一、输入待匹配的浮动车轨迹数据；

二、对每一个观测点以预定的误差半径选定其候选匹配点集；

三、对每一个观测点，利用观测点与其候选点间距离符合高斯分布的特征建模观测概率；

四、利用前后观测点与对应的前后候选点的距离相似度特征以及平均速度相似度特征计算前后观测点对应的前后候选匹配点之间的转移概率；

五、根据所计算获得的观测概率以及转移概率确定给定的浮动车轨迹数据在电子地图上相匹配的正确的路段序列。

优选的，步骤二中对每一个观测点，以预定的GPS采样误差半径R将观测点附近的路段划入该圆内，划入的路段集为该观测点的候选匹配路段集，同时观测点与路段垂直相交的垂足为候选匹配点，由该规则可获得每个观测点的候选匹配点集。

优选的，一个观测点可对应多个候选匹配点集。

优选的，步骤三的具体方法为：计算观测点和其各个候选匹配点间的直线距离，根据所计算的直线距离，计算观测点和其任一候选匹配点的观测概率。

优选的，步骤四的具体方法为：

C1：获取前后观测点之间的地表距离以及它们所对应的前后候选点之间的地表距离，计算上述所获得的地表距离两者之间的距离差，根据该距离差，计算前后两个候选匹配点之间的转移概率，此转移概率为前后匹配点间转移概率的其中一项；

C2、计算前后观测点之间的平均速度以及它们所对应的前后候选点之间的平均速度，计算上述所获得的平均速度两者之间的平均速度之差，根据该平均速度之差，计算前后两个候选匹配点之间的转移概率，此转移概率为前后匹配点间转移概率的另一项；

C3、将步骤C1和C2获得的两个转移概率项作乘积运算，获得前后观测点对应的前后候选匹配点的最终转移概率。

本发明的有益效果是：本发明提供了一种基于隐马尔可夫模型的浮动车地图匹配方法，提供的候选点选取方法缩小了待匹配的匹配点数量，从而减小了匹配的时间复杂度；提供的观测概率计算方法以及基于距离相似度特征和平均速度相似度特征的转移概率计算方法，使得前后匹配点间的上下文信息描述更全面，建模更合理，从而提高了匹配的精确度，为后期的基于浮动车数据的应用提供了准确的交通流信息。

附图说明

图1是本发明一种基于隐马尔可夫模型的浮动车地图匹配方法一较佳实施

例中候选匹配点集选取图；

图2是本发明涉及的匹配算法流程图；

具体实施方式