[发明专利]一种结合深度网络的动态k最近邻地图匹配方法

摘要

一种结合深度网络的动态k最近邻地图匹配方法，包括：步骤一、采集GPS数据，对GPS数据采集过程中出现的噪声进行数据清洗；步骤二、地图匹配获取实验数据中的距离误差和方向误差；步骤三、对多层感知机的输入数据进行归一化，将归一化的经纬度作为多层感知机模型的输入，训练多层感知机模型获取动态k值；步骤四、每个测试数据根据训练得到的k值与欧几里得距离进行结合，使用k最近邻域算法获得测试数据的预测距离误差和预测方向误差，继而得到相应测试点的投影点；步骤五、根据测试数据的经度、纬度以及预测距离误差和预测方向误差得出测试数据的投影点。本发明能够改善k最近邻算法存在的全局单一k值情况，获取到最佳误差值。

主权项

1.一种结合深度网络的动态K最近邻地图匹配方法，其特征在于，包括以下步骤：步骤一、采集GPS数据，对GPS数据采集过程中出现的噪声进行数据清洗；步骤二、数据准备；2.1、对清洗后的GPS数据进行地图匹配；2.2、求取GPS数据中原始点与匹配点之间的距离、方向差，作为距离误差和方向误差；步骤三、训练多层感知机模型进行动态k值获取；3.1、将清洗之后GPS数据中的经度、纬度进行归一化处理；3.2、通过选取参数搭建多层感知机模型；3.3、将归一化后的经度、纬度数据作为多层感知机模型的输入，将距离误差与不同K值条件下的最近邻域算法得到的误差进行比较，得到误差最小的k值，作为每个GPS点的标签，将误差最小的k值作为多层感知机模型的输出；3.4、通过训练数据将多层感知机模型训练稳定后，为每一个测试数据预测一个相应的k值，进而形成动态k值校正方法；步骤四、测试数据根据多层感知机模型训练得到的相应k值与欧几里得距离进行结合，使用k最近邻域算法获得测试点的距离误差和方向误差；步骤五、根据测试数据的经度、纬度以及预测距离误差和预测方向误差得出测试数据的投影点，该点即为通过结合深度网络的动态K最近邻方法进行校正之后的结果。