CN103037507A - 一种基于Cell-ID定位技术的地图匹配方法 - Google Patents

Abstract

本发明涉及移动定位技术，具体涉及一种基于Cell-ID定位技术的地图匹配方法，该方法首先连续获得移动电话当前所连接基站的ID，形成基站连接序列数据，然后基于Cell-ID定位对基站连接序列数据进行平滑、清洗和插值等预处理，得到基站位置轨迹数据，最后采用一种新型的地图匹配算法将处理后的基站位置轨迹数据匹配到道路路段序列。该方法运行在移动电话上，无需任何额外硬件和功能模块(例如GPS、加速度传感器等模块)，可提供准确的地图匹配结果。

Description

一种基于Cell-ID定位技术的地图匹配方法

技术领域

本发明涉及移动定位技术，具体涉及一种基于Cell-ID定位技术的地图匹配方法。

背景技术

地图匹配为将移动对象的位置序列对应到道路路段序列的过程，是一种利用数字地图信息融合传感器定位数据以产生最佳位置估计的技术，是许多位置相关应用重要的预处理步骤，如导航、物流、智能交通等。目前最流行的地图匹配为基于GPS+MM(全球定位***+地图匹配算法)的解决方案，GPS+MM是在GPS和GIS基础上发展起来的新型技术，它接收GPS卫星定位信号，并结合数字地图提供的道路网络信息将移动对象当前定位位置或定位位置轨迹匹配到真实的道路路段序列上，这样不仅可以提高***的定位精度，同时还可以为***提供可视化、地理查询等GIS相关服务。

然而，GPS+MM通常用于车载定位和导航***，对于移动电话具有非常大的局限性，主要表现为：(1)GPS定位功耗过大，持续使用GPS模块将会快速消耗移动电话的电池容量；(2)GPS定位设备的普及率远远不及移动电话，许多移动终端尚不支持GPS定位；(3)移动电话上的GPS模块通常需要较长的定位准备时间，特别是冷启动的情况下；(4)GPS信号无法穿透建筑物，且移动电话上的GPS模块信号更差，导致GPS定位在室内甚至建筑物较密集的地方无法工作。

反之，Cell-ID定位技术即根据移动电话当前连接的蜂窝基站的位置来确定其位置，该定位技术具有功耗低、普及率高、无需定位准备时间、覆盖范围大等优势。然而，Cell-ID定位技术存在一系列问题：1)蜂窝基站通常覆盖范围很大，无法精确定位；2)蜂窝基站存在严重的振荡问题，造成移动电话位置无法对应到某个蜂窝基站；3)蜂窝基站覆盖范围存在重叠和信号阴影，以致无法获得连续的位置轨迹数据。Cell-ID定位技术的定位精确度很低，且存在严重的振荡问题(移动电话所连接的基站频繁地来回切换)，这些问题使得现有的地图匹配算法无法直接应用于Cell-ID定位得到的轨迹数据。

虽然目前许多基站定位技术通过考虑移动电话周围多个蜂窝基站，采用场强定位法或电波传播时间定位法来获得较为精确的移动终端位置，但通常第三方应用开发商无法获得这些信号特征值信息，大部分的移动电话操作***只支持获得其当前所连接的蜂窝基站的Cell-ID。因此，有必要研发基于Cell-ID定位的地图匹配技术。

发明内容

本发明为克服上述的不足之处，目的在于提供一种基于Cell-ID定位技术的地图匹配方法，准确地将定位不精确、连接振荡、覆盖交叠的Cell-ID定位获得的轨迹数据匹配到电子地图上的道路路段序列。本发明通过以下技术方案达到上述目的：

1、一种基于Cell-ID定位技术的地图匹配方法，包括Cell-ID定位的数据输入、基站连接序列数据预处理和基于基站位置轨迹数据的地图匹配三大过程，Cell-ID定位的数据输入过程包括以下步骤：

1)输入移动电话的基站连接序列数据；

2)输入存储了目标区域内所有蜂窝基站位置信息的基站位置数据库；

3)输入存储了目标区域内所有道路地理信息的电子地图。

基站连接序列数据预处理过程包括以下步骤：

1)对原始基站连接序列数据进行平滑处理：首先将原始基站连接序列数据转换为窗口序列数据，然后估计每个窗口中心点的位置，最后将窗口序列数据转换为基站位置轨迹数据；

2)采用数据过滤方法对基站位置轨迹数据进行清洗；

3)采用线性插值方法对基站位置轨迹数据进行插值处理，得到连续的基站位置轨迹数据。

基于基站位置轨迹数据的地图匹配过程包括以下步骤：

1)基于HMM建模，使地图匹配问题抽象为HMM模型的解码问题；

2)基于Viterbi算法对上述HMM模型进行解码，找到与基站位置轨迹对应的道路路段序列。

作为优选，Cell-ID定位的数据输入过程步骤1)所述的基站连接序列数据包括移动电话不同时间所连接蜂窝基站的Cell-ID和移动电话所连接的蜂窝基站切换的时间。

作为优选，Cell-ID定位的数据输入过程步骤3)所述的电子地图可以是商业的地图或开源的地图。

作为优选，基站连接序列数据预处理过程中步骤2)所述的对基站位置轨迹数据进行清洗的数据过滤方法采用基于角度的算法，当四个连续轨迹位置点形成的连续两个角度均小于指定阈值，则将第三个位置点过滤掉。

作为优选，基站连接序列数据预处理过程中步骤3)所述的采用线性插值的方式对基站位置轨迹数据进行插值处理的判断标准为保证每两个连续位置点之间的距离小于指定阈值。

本发明的有益效果在于：

1)无需任何额外功能模块，使用任何移动电话均即可实现准确的地图匹配。

2)摆脱了对GPS定位的依赖，可实现低功耗、高覆盖的地图匹配。

3)可适应基于不确定性极高，如定位精度低、连接振荡、覆盖交叠等情况的Cell-ID定位获得的轨迹数据。

附图说明

图1是基于Cell-ID定位技术的地图匹配方法***结构图；

图2是基站连接序列数据预处理过程流程图；

图3是基于基站位置轨迹数据的地图匹配过程流程图；

图4是地图匹配算法所用到的HMM模型图。

具体实施方式

下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此：

如图1所示，一种基于Cell-ID定位技术的地图匹配方法，包括Cell-ID定位的数据输入、基站连接序列数据预处理和基于基站位置轨迹数据的地图匹配三大过程，Cell-ID定位的数据输入包括如下三个方面的输入数据：

1、基站连接序列数据：由移动电话连续记录其当前所连接的蜂窝基站得到，CSeq＝<(C₀，t₀)，…，(C_n，t_n)>，其中C_k为移动电话当前所连接蜂窝基站的Cell-ID，t_k为移动电话所连接的蜂窝基站由C_k-1切换至C_k的时间。

2、基站位置数据库：即一个存储了目标区域内所有蜂窝基站位置信息的数据库，这些位置信息可从移动通信运营商处直接获得，也可借助某些免费或商用的驾驶攻击(War-driving)数据库(如SkyHook、PlaceLab等)。

3、电子地图：即一个存储了目标区域内所有道路地理信息的电子地图，可以是商业的地图或开源的地图(如OpenStreetMap等)。

基站连接序列数据预处理过程主要针对蜂窝基站连接的覆盖交叠、振荡和切换频率较低问题，对原始基站连接序列数据分别进行平滑、清洗和插值等预处理，其工作流程如图2所示：

1、对原始基站连接序列数据进行平滑处理：

由于蜂窝基站覆盖范围存在交叠，导致移动电话位置与蜂窝基站无法实现一一对应。针对此问题，对原始基站连接序列数据进行平滑处理：首先，采用窗口化方法将带有时间戳的相关蜂窝基站Cell-ID并入同一个窗口。其中，大小为λ_window的窗口包含了持续λ_window秒时间内移动电话所连接的所有蜂窝基站的Cell-ID。然后，基于基站位置数据库估计窗口中心点的位置，估计方法同时考虑基站位置和响应率，如式(1)所示。其中，n为窗口中不同蜂窝基站Cell-ID的数量，L_i和d_i分别为窗口中第i个蜂窝基站的位置和移动电话连接时间，L为估计的窗口中心点位置。

$L={\mathrm{\&Sigma;}}_{l=1}^n{L}_i\&times;\frac{d_l}{{\mathrm{\&lambda;}}_{\mathrm{window}}}---\left(1\right)$

数据平滑步骤为：首先，将原始基站连接序列数据转换为窗口序列数据；然后，估计每个窗口中心点的位置；最后，将窗口序列数据转换为基站位置轨迹数据。基站位置轨迹数据LSeq＝<(lng₀，lat₀，t₀)，…，(lng_n，lat_n，t_n)>，其中lng_k、lat_k为第k个窗口的中心点位置经纬值，t_k为进入第k个窗口的起始时间。

2、采用数据过滤方法对基站位置轨迹数据进行清洗：

由于蜂窝基站存在严重的振荡问题，即使处于同一位置移动电话也会在不同的蜂窝基站间来回切换。振荡问题会导致数据平滑生成的基站位置轨迹数据中存在大量表现为来回跳动的离群位置点。针对此问题，采用一种基于位置角度的数据过滤方法对基站位置轨迹数据进行清洗，方法如下：读入基站位置轨迹数据中连续的四个位置点A、B、C和D，该数据过滤方法计算位置角度值∠ABC和∠BCD，如果∠ABC和∠BCD同时小于指定阈值λ_angle，则将位置点C过滤掉。之所以认为位置点C为离群点，是因为移动电话用户通常不会在城市道路上频繁连续地急转弯，这很有可能是由基站振荡问题造成的。

3)采用线性插值方法对基站位置轨迹数据进行插值处理，得到连续的基站位置轨迹数据：

地图匹配算法的输出为连续的道路路段序列，然而，移动电话所连接的蜂窝基站切换频率通常较低，导致基站位置轨迹数据位置点间可能有较大距离的空隙。针对此问题，采用线性插值的方式对基站位置轨迹数据进行插值处理，保证每两个连续位置点之间的距离小于指定阈值λ_distance，以得到较为连续的基站位置轨迹数据。

假定在连续两个位置点之间移动电话用户以匀速直线运动，插值方法如下：给定原始基站位置轨迹数据中的连续两个位置点A(lng₁，lat₁，t₁)和B(lng₂，lat₂，t₂)，满足t₁＜t₂、dist(A，B)＜λ_distance。则***位置点C(lng’，lat’，t’)，计算方法如下：

${\ln g}^{\&prime;}={\ln g}_1+\frac{{\ln g}_2-{\ln g}_1}{\mathrm{dist}(A,B)}\&times;{\mathrm{\&lambda;}}_{\mathrm{dis}\tan \mathrm{ce}}---\left(2\right)$

${\mathrm{lat}}^{\&prime;}={\mathrm{lat}}_1+\frac{{\mathrm{lat}}_2-{\mathrm{lat}}_1}{\mathrm{dist}(A,B)}\&times;{\mathrm{\&lambda;}}_{\mathrm{dis}\tan \mathrm{ce}}---\left(3\right)$

$t^{\&prime;}=t_1+\frac{{\mathrm{\&lambda;}}_{\mathrm{dis}\tan \mathrm{ce}}}{\mathrm{speed}(A,B)}---\left(4\right)$

其中，dist(A，B)和speed(A，B)分别为A、B两个位置点间的距离和平均速度，λ_distance为插值后连续两个位置点的间距。

基站连接序列数据预处理可极大程度上降低蜂窝基站连接振荡、覆盖交叠、切换频率低等问题。然而，Cell-ID定位技术的定位精确度过低的问题还是会造成得到的基站位置轨迹数据与真实道路路段偏离较大距离。因此，难以将单独一个或少量位置点准确地匹配到道路路段。针对此问题，采用一种基于HMM模型的匹配方法将一段基站位置轨迹对应到可能性最高的道路路段序列。该方法同时考虑位置点与道路路段的距离及道路网络的拓扑结构，找到与基站位置轨迹数据总体上匹配最优的连续道路路段序列，其工作流程如图3所示。

1、基于HMM建模，使地图匹配问题抽象为HMM模型的解码问题：

HMM模型为一个同时具有隐状态集和观测状态集的Markov随机过程，每个隐状态具有一个对应到所有观测状态的概率分布(称为发射概率)，且隐状态之间的状态转移也由一个概率分布控制(称为转移概率)。对应到提出的地图匹配问题，如图4所示，隐状态(如图中的S₁，S₂和S₃)为道路路段，观测状态(如图中的O₁，O₂，O₃和O₄)为经过预处理后的基站位置轨迹数据中的位置点。从隐状态i到观测状态j的发射概率b_ij为位置点O_j在道路路段S_i上的概率，隐状态i到隐状态k的转移概率a_ik为移动电话用户从道路路段S_i移动到道路路段S_k的概率。HMM模型建立之后，地图匹配问题可抽象为HMM模型的解码问题，即根据观测状态序列——基站位置轨迹找到最有可能的潜在隐状态序列——道路路段序列。

HMM模型为一个五元组(S，V，π，A，B)，给定一条基站位置轨迹，提出的地图匹配算法为其单独创建一个HMM模型，模型每个元素设置方法如下：

(1)S＝{S_i}为隐状态集合。在算法实现过程中，S包含目标区域内所有道路路段。其中，目标区域为给定基站位置轨迹所形成的矩形区域。为高效查询目标区域内道路路段，对道路网络信息数据库建立空间索引，并在算法运行时查询得到与目标区域有交叠的所有道路路段。

(2)V＝{O_i}为观测状态集合。在算法实现过程中，V包含给定基站位置轨迹数据中的所有位置点。

(3)π为隐状态初始分布，π_i代表移动电话用户刚开始运动时处于道路路段S_i的概率。在算法实现过程中，将π_i设置如下(即将所有π_i设置为相同值，其中n为S集合的大小)：

${\mathrm{\&pi;}}_i=\frac{1}{n}---\left(5\right)$

(4)A＝{a_ij}为转移概率分布，其中a_ij代表移动电话用户从道路路段S_i(在时间t-1)移动到道路路段S_j(在时间t)的概率。a_ij设置方法如式(6)所示，该方法不允许移动电话用户从一个道路路段立即运动到不相邻的另一个道路路段，保证地图匹配算法的输出为一条连续的道路路段序列。

(5)B＝{b_j(k)}为隐状态S_j的发射概率分布，其中b_j(k)代表位置点O_k在道路路段S_j上的概率。b_j(k)设置方法如式(7)所示，该方法考虑位置点与道路路段的距离，并基于高斯分布设置发射概率值(即假定位置点与道路路段距离满足高斯分布，距离越大则位置点属于该路段的概率越小)。其中，dist(S_j，O_k)为位置点O_k与道路路段S_j的距离，该高斯分布均值为0，标准差σ的值依赖于Cell-ID定位技术的误差。

$b_J\left(k\right)=\frac{2}{\mathrm{\&sigma;}\sqrt{2\mathrm{\&pi;}}}{e}^{-\frac{\mathrm{dist}{(S_J,O_k)}^2}{{2\mathrm{\&sigma;}}^2}}---\left(7\right)$

2、基于Viterbi算法对上述HMM模型进行解码，找到与基站位置轨迹对应的道路路段序列：

HMM模型建立之后，基于Viterbi算法对模型进行解码，找到与观测状态序列——基站位置轨迹对应的最优隐状态序列——道路路段序列。给定创建好的HMM模型M和待匹配观测状态序列(基站位置轨迹)LS，Viterbi算法基于动态规划寻找与观测状态序列LS最优匹配的隐状态序列X＝{X₁，X₂，…，X_N}。基于Viterbi算法的地图匹配步骤如下：

(1)创建两个K×N的二维矩阵T₁和T₂(其中K为隐状态集S的大小，即目标区域内候选道路路段的数量，N为观测状态序列X的大小)，T₁[i，j]保存当前生成观测状态序列LS的最优匹配隐状态序列X的概率，T₂[i，j]保存当前最优匹配隐状态序列的序号。

(2)初始化矩阵T₁和T₂(其中T₁[j，1]＝M.π_j×M.b_j(l₁)，T₂[j，1]＝0)。

(3)按式(8)和(9)逐渐填满矩阵T₁和T₂的所有元素。

$T_1[j,i]=\underset{k}{\max }\left(T_1\right[k,i-1]\&times;a_{\mathrm{kJ}}\&times;b_J\left(l_l\right))---\left(8\right)$

$T_2[j,i]=\underset{k}{\arg \max }\left(T_1\right[k,i-1]\&times;a_{\mathrm{kJ}}\&times;b_J\left(l_l\right))---\left(9\right)$

(4)解码T₁和T₂以得到最优匹配隐状态序列X。

(5)对最优匹配隐状态序列X进行后处理，得到匹配结果。后处理方法为：引入一个确认阈值λ_conlirm，遍历X，当超过连续λ_conlirm个位置点匹配到同一路段，则确认移动电话用户移动到该道路路段，并将该道路路段加入最终匹配结果。之所以要对X进行后处理，是因为：a)X中会包含大量连续且属于同一道路路段的元素；

b)Cell-ID定位的高不确定性会导致匹配得到的道路路段偏离到真实移动路段的邻接路段。

最终得到的地图匹配结果为一个道路路段序列SSeq＝<(S₀，t₀)，…，(S_n，t_n)>，其中S_k为一个道路路段，t_k为进入该路段的时间。

以上的所述乃是本发明的具体实施例及所运用的技术原理，若依本发明的构想所作的改变，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，仍应属本发明的保护范围。

Claims (5)

1.一种基于Cell-ID定位技术的地图匹配方法，其特征在于包括Cell-ID定位的数据输入、基站连接序列数据预处理和基于基站位置轨迹数据的地图匹配三大过程，Cell-ID定位的数据输入过程包括以下步骤：

1)输入移动电话的基站连接序列数据；

2)输入存储了目标区域内所有蜂窝基站位置信息的基站位置数据库；

3)输入存储了目标区域内所有道路地理信息的电子地图；

基站连接序列数据预处理过程包括以下步骤：

1)对原始基站连接序列数据进行平滑处理：首先将原始基站连接序列数据转换为窗口序列数据，然后估计每个窗口中心点的位置，最后将窗口序列数据转换为基站位置轨迹数据；

2)采用数据过滤方法对基站位置轨迹数据进行清洗；

3)采用线性插值方法对基站位置轨迹数据进行插值处理，得到连续的基站位置轨迹数据；

基于基站位置轨迹数据的地图匹配过程包括以下步骤：

1)基于HMM建模，使地图匹配问题抽象为HMM模型的解码问题；

2)基于Viterbi算法对上述HMM模型进行解码，找到与基站位置轨迹对应的道路路段序列。

2.根据权利要求1所述的一种基于Cell-ID定位技术的地图匹配方法，其特征在于，Cell-ID定位的数据输入过程步骤1)所述的基站连接序列数据包括移动电话不同时间所连接蜂窝基站的Cell-ID和移动电话所连接的蜂窝基站切换的时间。

3.根据权利要求2所述的一种基于Cell-ID定位技术的地图匹配方法，其特征在于，Cell-ID定位的数据输入过程步骤3)所述的电子地图可以是商业的地图或开源的地图。

4.根据权利要求1所述的一种基于Cell-ID定位技术的地图匹配方法，其特征在于，基站连接序列数据预处理过程中步骤2)所述的对基站位置轨迹数据进行清洗的数据过滤方法采用基于角度的算法，当四个连续轨迹位置点形成的连续两个角度均小于指定阈值，则将第三个位置点过滤掉。

5.根据权利要求1、2、3、4或5任一权利要求所述的一种基于Cell-ID定位技术的地图匹配方法，其特征在于，基站连接序列数据预处理过程中步骤3)所述的采用线性插值的方式对基站位置轨迹数据进行插值处理的判断标准为保证每两个连续位置点之间的距离小于指定阈值。

Images