CN106469505A - 一种浮动车轨迹纠偏方法和装置 - Google Patents

一种浮动车轨迹纠偏方法和装置 Download PDF

Info

Publication number
CN106469505A
CN106469505A CN201510516087.2A CN201510516087A CN106469505A CN 106469505 A CN106469505 A CN 106469505A CN 201510516087 A CN201510516087 A CN 201510516087A CN 106469505 A CN106469505 A CN 106469505A
Authority
CN
China
Prior art keywords
sampled point
section
point
error
difference
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510516087.2A
Other languages
English (en)
Other versions
CN106469505B (zh
Inventor
甄冲
石泽平
王生
汪利宝
周大良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Founder International Co Ltd
Founder International Beijing Co Ltd
Original Assignee
Founder International Co Ltd
Founder International Beijing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Founder International Co Ltd, Founder International Beijing Co Ltd filed Critical Founder International Co Ltd
Priority to CN201510516087.2A priority Critical patent/CN106469505B/zh
Publication of CN106469505A publication Critical patent/CN106469505A/zh
Application granted granted Critical
Publication of CN106469505B publication Critical patent/CN106469505B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及智能交通领域,公开了一种浮动车轨迹纠偏方法和装置,包括:获取浮动车的第N采样点信息,所述采样点信息包括采样点的位置信息、采样点的方位角信息和采样点的测量误差;根据所述测量误差确定误差范围;以所述第N采样点的测量位置为中心,确定位于所述误差范围内的路段为待匹配路段;根据所述第N采样点的测量位置到各待匹配路段的距离以及所述第N采样点的方位角与各待匹配路段的方位角之差,确定所述第N采样点的匹配路段;将所述第N采样点的测量位置在所述匹配路段上的投影作为所述浮动车的第N采样点的纠正位置。本发明解决现有技术中路段匹配不准确,误差较大的问题。

Description

一种浮动车轨迹纠偏方法和装置
技术领域
本发明涉及智能交通领域,尤其涉及一种浮动车轨迹纠偏方法和装置。
背景技术
浮动车技术,是近年来国际智能交通***中所采用的获取道路交通信息的先进技术手段之一。其基本原理是:根据装备车载全球定位***的浮动车在其行驶过程中定期记录的车辆位置、方向和速度信息,应用地图匹配、路径推测等相关的计算模型和算法进行处理,使浮动车位置数据和城市道路在时间和空间上关联起来,最终得到浮动车所经过道路的车辆行驶速度以及道路的行车旅行时间等交通拥堵信息。
浮动车车载定位***由于其自身定位误差的影响,产生的定位坐标与实际行驶坐标会出现很大的偏差,并且当车速较小和遇到城市高楼阻挡信号时,更极易产生信号丢失和定位漂移现象,由此便会对浮动车轨迹的获取产生巨大的影响。综合考虑到城市复杂的路网情况,要将浮动车采样点纠正到实际浮动车所在的路段上,对传统的纠偏算法是一个巨大的挑战。
现有的轨迹纠偏方法主要是根据GPS(全球定位***,Global PositioningSystem)采样点以一定的距离作为误差区域半径,将误差区域内的路段作为待匹配路段,并且仅以采样点到各路段的距离最小作为实际匹配路段参考,这种技术忽略了速度和方位角等因素的影响,容易产生匹配不准确等问题,特别是在复杂路网的情况下误差尤为明显。
发明内容
本发明实施例提供一种浮动车轨迹纠偏方法和装置,用以解决现有技术中路段匹配不准确,误差较大的问题。
本发明实施例提供的浮动车轨迹纠偏方法包括:
获取浮动车的第N采样点信息,所述采样点信息包括采样点的位置信息、采样点的方位角信息和采样点的测量误差;
根据所述测量误差确定误差范围;
以所述第N采样点的测量位置为中心,确定位于所述误差范围内的路段为待匹配路段;
根据所述第N采样点的测量位置到各待匹配路段的距离以及所述第N采样点的方位角与各待匹配路段的方位角之差,确定所述第N采样点的匹配路段;
将所述第N采样点的测量位置在所述匹配路段上的投影作为所述浮动车的第N采样点的纠正位置。
所述根据所述测量误差确定误差范围,包括:所述误差范围为误差椭圆;根据所述测量误差中的东向测量误差的标准差和北向测量误差的标准差,确定所述误差椭圆的长轴、短轴和所述误差长轴与正北方向的夹角。
所述根据所述第N采样点的测量位置到各待匹配路段的距离以及所述第N采样点的方位角与各待匹配路段的方位角之差,确定所述第N采样点的匹配路段,包括:
根据所述第N采样点的测量位置到各待匹配路段的距离,得到所述第N采样点对于各匹配路段的距离隶属度;
根据所述第N采样点的方位角与各待匹配路段的第一方位角之差得到所述第N采样点对于各匹配路段的第一方位角之差隶属度;
根据各匹配路段的距离隶属度及相应的第一方位角之差隶属度,组成模糊矩阵;
确定距离的权重值和第一方位角之差的权重值,将所述距离的权重值和所述第一方位角之差的权重值组成贡献率矩阵;
将所述贡献率矩阵与所述模糊矩阵进行合成运算,得出各待匹配路段的综合评价矩阵,其中,数值最小的元素所在的综合评价矩阵所对应的待匹配路段为所述第N采样点的匹配路段。
所述采样点信息还包括采样点的速度信息;
所述确定距离的权重值和第一方位角之差的权重值,还包括:至少根据所述第N采样点的速度,确定距离的权重值和第一方位角之差的权重值,其中,所述第N采样点的速度越大,所述第N采样点的测量位置到各待匹配路段的距离的权重值越小,所述第N采样点的方位角与各待匹配路段的第一方位角之差的权重值越大。
所述采样点信息还包括采样点的速度信息;
所述根据所述测量误差确定误差范围之前,还包括:判断所述第N采样点的速度是否大于第一阈值,若是,则根据所述测量误差确定误差范围;否则,获取第N+1采样点信息。
若所述第N采样点的匹配路段与第N+1采样点的匹配路段是同一条道路,则根据以下方式确定第N+2采样点的纠正位置:
计算所述第N+1采样点的纠正位置到所述第N+2采样点的方位角,得到第一方位角;计算所述第N+1采样点的匹配路段的方位角与所述第一方位角的差值,得到第二方位角之差;将所述第二方位角之差与第二阈值进行比较,若所述第二方位角之差小于所述第二阈值且所述第N+2采样点于所述第N+1采样点的匹配路段的投影在所述第N+1采样点的匹配路段上,则将所述第N+2采样点在所述第N+1采样点的匹配路段上的投影作为所述第N+2采样点的纠正位置。
若所述第N采样点的匹配路段与所述第N+1采样点的匹配路段不是同一路段,且所述第N采样点的匹配路段与所述第N+1采样点的匹配路段具有拓扑连通性,则将所述第N采样点与所述第N+1采样点之间的路段交点作为补偿点;将各采样点的纠正位置和所述补偿点依次相连,获得所述浮动车的实际轨迹。
一种浮动车轨迹纠偏装置,包括:信息获取模块、待匹配路段选取模块、匹配路段确定模块、位置纠正模块;
所述信息获取模块,用于获取浮动车的第N采样点信息,所述采样点信息包括采样点的位置信息、采样点的方位角信息和采样点的测量误差;
所述待匹配路段选取模块,用于根据所述测量误差确定误差范围;以所述第N采样点的测量位置为中心,确定位于所述误差范围内的路段为待匹配路段;
所述匹配路段确定模块,用于根据所述第N采样点的测量位置到各待匹配路段的距离以及所述第N采样点的方位角与各待匹配路段的方位角之差,确定所述第N采样点的匹配路段;
所述位置纠正模块,用于将所述第N采样点的测量位置在所述匹配路段上的投影作为所述浮动车的第N采样点的纠正位置。
所述误差范围为误差椭圆;所述待匹配路段选取模块,还用于根据所述测量误差中的东向测量误差的标准差和北向测量误差的标准差,确定所述误差椭圆的长轴、短轴和所述误差长轴与正北方向的夹角。
所述匹配路段确定模块,还用于:根据所述第N采样点的测量位置到各待匹配路段的距离,得到所述第N采样点对于各匹配路段的距离隶属度;根据所述第N采样点的方位角与各待匹配路段的第一方位角之差得到所述第N采样点对于各匹配路段的第一方位角之差隶属度;根据各匹配路段的距离隶属度及相应的第一方位角之差隶属度,组成模糊矩阵;确定距离的权重值和第一方位角之差的权重值,将所述距离的权重值和所述第一方位角之差的权重值组成贡献率矩阵;将所述贡献率矩阵与所述模糊矩阵进行合成运算,得出各待匹配路段的综合评价矩阵,其中,元素值最小的元素所在的综合评价矩阵所对应的待匹配路段为所述第N采样点的匹配路段。
所述采样点信息还包括采样点的速度信息;
所述匹配路段确定模块,还用于:至少根据所述第N采样点的速度,确定距离的权重值和第一方位角之差的权重值,其中,所述第N采样点的速度越大,所述第N采样点的测量位置到各待匹配路段的距离的权重值越小,所述第N采样点的方位角与各待匹配路段的第一方位角之差的权重值越大。
所述采样点信息还包括采样点的速度信息;
所述装置还包括判断模块,用于:判断所述第N采样点的速度是否大于第一阈值,若是,则根据所述测量误差确定误差范围;否则,获取第N+1采样点信息。
还包括跟踪测量模块,用于:若所述第N采样点的匹配路段与第N+1采样点的匹配路段是同一条道路,则根据以下方式确定第N+2采样点的纠正位置:计算所述第N+1采样点的纠正位置到所述第N+2采样点的方位角,得到第一方位角;计算所述第N+1采样点的匹配路段的方位角与所述第一方位角的差值,得到第二方位角之差;将所述第二方位角之差与第二阈值进行比较,若所述第二方位角之差小于所述第二阈值且所述第N+2采样点于所述第N+1采样点的匹配路段的投影在所述第N+1采样点的匹配路段上,则将所述第N+2采样点在所述第N+1采样点的匹配路段上的投影作为所述第N+2采样点的纠正位置。
还包括轨迹描画模块,用于:若所述第N采样点的匹配路段与所述第N+1采样点的匹配路段不是同一条路段,且所述第N采样点的匹配路段与所述第N+1采样点的匹配路段具有拓扑连通性,则将所述第N采样点与所述第N+1采样点之间的路段交点作为补偿点;将各采样点的纠正位置和所述补偿点依次相连,获得所述浮动车的实际轨迹。
本发明实施例中,根据浮动车采样点的信息确定误差范围,以误差范围内的路段为待匹配路段,然后根据浮动车采样点的位置到各待匹配路段之间的距离以及该采样点的方位角与各待匹配路段的方位角之间的差值为依据,综合两方面因素确定浮动车采样点的匹配路段,相较于现有技术仅仅将采样点到各路段的距离作为参考因素,本发明实施例在此基础上,又将浮动车采样点的方位角作为参考因素,增加了路段匹配的准确性,尤其在路网复杂的情况下,减小了浮动车轨迹纠偏的误差。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中浮动车轨迹纠偏方法的流程图;
图2为本发明实施例中浮动车轨迹纠偏方法确定匹配路段的示意图;
图3为本发明实施例中又一浮动车轨迹纠偏方法的流程图;
图4为本发明实施例中选取初始采样点的流程图;
图5为本发明实施例中跟踪匹配方法的流程图;
图6为本发明实施例中描绘浮动车实际轨迹时增加补偿点的示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
浮动车是可行驶的车辆,可通过浮动车内设置的车载设备如车载导航仪、智能手机或便携式自动导航仪(PND,Portable Navigation Devices)等设备,随着浮动车的移动采集到不同的实时交通信息。本发明实施例中,车载设备可以基于GPS,和/或基于基站定位***等数据采集技术,来采集该浮动车当前行驶的时间、位置(比如经纬度坐标等)、方向及速度等信息,且车载设备可以按照预置的采集周期采集浮动车的实时交通信息。但在浮动车车载***获取的原始采样点的数据中,易产生数据冗余、定位信号丢失、定位数据漂移等一系列问题,与实际的浮动车轨迹相比存在很大的偏差。
为了解决上述问题,本发明实施例提供了一种浮动车轨迹纠偏方法,该方法的流程如图1所示,方法可以包括如下步骤:
S101、获取浮动车的第N采样点信息,所述采样点信息包括采样点的位置信息、采样点的方位角信息和采样点的测量误差;
S102、根据所述测量误差确定误差范围;
S103、以所述第N采样点的测量位置为中心,确定位于所述误差范围内的路段为待匹配路段;
S104、根据所述第N采样点的测量位置到各待匹配路段的距离以及所述第N采样点的方位角与各待匹配路段的方位角之差,确定所述第N采样点的匹配路段;
S105、将所述第N采样点的测量位置在所述匹配路段上的投影作为所述浮动车的第N采样点的纠正位置。
其中,对方位角的概念进行定义:以正北方设为0°,顺时针转一圈后的角度为360°,因此,正北方为0°或360°,正东方为90°,正南方为180°,正西方为270°,其它方向相应的方位角以此类推。
本发明实施例中,将采样点到各路段的距离和浮动车采样点的方位角两方面都作为参考因素,进行浮动车匹配路段的选择。而现有技术仅仅按照采样点到匹配路段的距离最短进行匹配,容易出现匹配的偏差,因此,传统的方法需要借助后期对当前点进行修正。如图2所示,如果仅仅按照距离最短进行匹配,采样点的匹配路段为路段2,但若根据采样点的方位角与路段方位角的一致程度,则路段1为匹配路段。本发明实施例增加了浮动车采样点路段匹配的准确性,减小了轨迹纠偏的误差。
现有技术中是以一定距离作为误差区域半径,因此做出的误差区域为圆形。而浮动车采样点的位置是通过测量得到的,由于测量值总是带有随机误差,测量得到的点的位置通常不是浮动车所在的真实位置。由于测量误差的不同,测量得到的点将是分布于待定点真实位置周围的一组平面上的随机点,测量误差一般是服从正态分布的,因此,步骤S102可基于误差椭圆确定本发明实施例中浮动车采样点的误差范围。
具体来说,所述误差范围为误差椭圆;可根据所述测量误差中的东向测量误差的标准差和北向测量误差的标准差,确定所述误差椭圆的长轴、短轴和所述误差长轴与正北方向的夹角。
具体计算公式如下:
其中,a为误差椭圆的长半轴,b为误差椭圆的短半轴,φ是椭圆长半轴与正北方的夹角,误差椭圆的中心即是浮动车的采样点。δx是定位传感器测量误差中的东向测量误差的标准差,δy是定位传感器测量误差中的北向测量误差的标准差,是方差,δxy是协方差,GPS接收机通常会给出方差和协方差的参数输出,这些参数可以方便地从输出电文中得到。是单位权值的后验方差,也成为扩展因子,可以通过改变的值来调整误差椭圆的大小来获得不同的置信度,由经验可知时可获得99%的置信度,即本发明实施例中取值为3.03。
通过上述公式获得误差椭圆作为误差范围,相较于现有技术中的圆形,误差范围更加精确,由此,减小了后续进行路段匹配的计算量,增加了确定待匹配路段的准确度,进而增加了后续进行路段匹配的精确度。特殊地,若某采样点的误差椭圆中没有路段,则将该采样点作为噪声点,进行舍弃。
为了得到采样点的匹配路段,步骤S104可以通过模糊计算实现,具体方法为:
根据所述第N采样点的测量位置到各待匹配路段的距离,得到所述第N采样点对于各匹配路段的距离隶属度;
根据所述第N采样点的方位角与各待匹配路段的第一方位角之差得到所述第N采样点对于各匹配路段的第一方位角之差隶属度;
根据各匹配路段的距离隶属度及相应的第一方位角之差隶属度,组成模糊矩阵;
确定距离的权重值和第一方位角之差的权重值,将所述距离的权重值和所述第一方位角之差的权重值组成贡献率矩阵;
将所述贡献率矩阵与所述模糊矩阵进行合成运算,得出各待匹配路段的综合评价量,综合评价量最小的待匹配路段为所述第N采样点的匹配路段。
其中,距离和第一方位角之差的权重值可以通过以下方式得到:
至少根据所述第N采样点的速度,确定距离的权重值和第一方位角之差的权重值,其中,所述第N采样点的速度越大,所述第N采样点的测量位置到各待匹配路段的距离的权重值越小,所述第N采样点的方位角与各待匹配路段的第一方位角之差的权重值越大;其中第N采样点的速度信息在步骤S101中获得。
具体来说,是在各个路段上选取历史数据样本,根据历史数据计算出浮动车采样点到该路段的距离以及浮动车采样点的方位角和该路段的方位角之差的权重值,计算权重值的方法可以参照现有技术,如主成分分析法。现有技术中,各影响因素的权重值一旦确定,一般不会改变。但是在轨迹纠偏的过程中,浮动车采样点的速度的大小会影响到方位角信息的精确性,速度越大,采集到的方位角信息越精确,方位角对于确定匹配路段的参考意义就越大,因而增加了第一方位角之差的权重,进而也影响到距离的权重,因此,本发明实施例中,为了提高计算结果的精确度,是在采样计算得出权重值后,再根据浮动车采样点的速度结合待匹配路段的等级动态地修正权重值。
其中,路段的等级是根据城市中道路的限速等级来划分:如快速路限速60-80km/h,主干路为40-60km/h,次干路为30-40km/h,支路为0-30km/h,另外也可加上高速路段。
以下仅以主干路为例,说明如何动态地修正权重值:
通过计算,如得出某主干路的第一方位角之差权重值和距离之差权重值分别为0.64和0.36。然后将步骤S101中获取的浮动车采样点的瞬时速度信息与该主干路的限速范围进行比较,若浮动车的速度在40-60km/h之间,则计算得到权重值不变,仍为0.64和0.36;若浮动车的速度小于40km/h,如为30km/h,则将第一方位角之差的权重值修正为而距离的权重值修正为1-0.48=0.52;若浮动车的速度大于60km/h,如为80km/h,则将第一方位角之差的权重值修正为而距离的权重值修正为1-0.8=0.2。由此可以看出,浮动车采样点的速度越大,第一方位角之差的权重就越大,相应的距离的权重就越小。
得出各待匹配路段相应的距离和第一方位角之差的权重值之后,即可进行模糊计算,具体方式如下:
第一步:建立因素数学集合为M=(m1,m2,m3…mp)其中mi表示各个影响因素指标,本应用中p=2,即m1为第一方位角之差,m2为距离差。
第二步:分别计算采样点到各待匹配路段的距离和第一方位角之差的隶属度,并组成模糊矩阵R,如下:
其中,rij表示浮动车采样点从影响因素mi来看对第j待匹配路段的隶属度,即对浮动车采样点从距离或第一方位角之差方面判断,该采样点位于该待匹配路段的可能性大小,n表示共有n个待匹配路段。rij根据有多种方式进行计算,其中一种计算方法为:
其中,cij为第j待匹配路段的第i个影响因素的值,即c1j代表浮动车采样点的方位角与第j待匹配路段方位角的第一方位角之差,c2j代表浮动车采样点与第j待匹配路段的距离。
第三步:将之前得出的权重值组成贡献率矩阵,如下:
其中,aij是第i待匹配路段的影响因素mj的权重值,本发明实施例中p=2。
第四步:确定综合评价量B,可以由以下公式计算出评价结果:
其中,为第j待匹配路段为浮动车采样点的匹配路段的综合评价矩阵。
第五步:对B矩阵中的各元素进行排序,由于采样点到各待匹配路段的距离越小越好,第一方位角之差也是越小越好,故找出数值最小的元素bik所在的矩阵矩阵Bk对应的第k待匹配路段即为浮动车采样点的匹配路段。
较佳地,本发明实施例中,若确定了第N采样点的匹配路段,可以根据以下方式判断第N+1采样点的匹配路段
较佳地,若第N采样点通过步骤S101~S105确定了匹配路段,则第N+1采样点可以通过跟踪纠偏的方式确定纠正位置,跟踪纠偏的方式具体为:
计算所述第N+1采样点的纠正位置到所述第N+2采样点的方位角,得到第一方位角;计算所述第N+1采样点的匹配路段的方位角与所述第一方位角的差值,得到第二方位角之差;将所述第二方位角之差与第二阈值进行比较,若所述第二方位角之差小于所述第二阈值且所述第N+2采样点于所述第N+1采样点的匹配路段的投影在所述第N+1采样点的匹配路段上,则将所述第N+2采样点在所述第N+1采样点的匹配路段上的投影作为所述第N+2采样点的纠正位置。
具体来说,若第4采样点和第5采样点的匹配路段一样,均为L,则第6采样点可通过跟踪第5采样点进行纠偏。第一步,计算第5采样点的纠正位置到第6采样点,即从第5采样点在其匹配路段上的投影连线到第6采样点的测量位置,该线段的方位角即为第一方位角。第二步,计算第5采样点的匹配路段的方位角与第一方位角的差值,即为第二方位角之差。第三步,将第二方位角之差与第二阈值(本发明实施例中可以是30°)进行比较,若第二方位角之差小于第二阈值,则进行第四步。第四步,判断第6采样点相对第5采样点匹配路段上的投影是否在第5采样点的匹配路段上,若是,则该投影即为第6采样点的纠正位置;若否,比如投影在第5采样点匹配路段的延长线上,则通过步骤S101~105确定第6采样点的纠正位置。相应的,若第二方位角之差大于或等于第二阈值,也通过步骤S101~105确定第6采样点的纠正位置。
为了进一步提高轨迹纠偏的精确度,本发明实施例在步骤S101之前,还包括:判断所述第N采样点的速度是否大于第一阈值,若是,则根据所述测量误差确定误差范围;否则,获取第N+1采样点信息。具体来说,即舍弃速度小于第一阈值的初始采样点,本发明实施例中第一阈值可以取值为3m/s。因为有研究表明,当瞬时速度小于3m/s时,GPS定位在位置和方位角上产生误差较大,此时的方位角参考意义不大。因此,在浮动车初始启动时,为了保证正确性,也为了能为后续的跟踪纠偏有正确的前提,对于速度较小的点不进行计算纠偏,直接舍弃。而对于浮动车行驶的中途,可能由于堵车或十字路口的红灯等因素造成的采样点速度小于第一阈值甚至停止,则可以结合路网的拓扑联通性和前面的采样点进行跟踪纠偏。
进一步,若第N采样点的匹配路段与第N+1采样点的匹配路段不是同一条路段,且所述第N采样点的匹配路段与所述第N+1采样点的匹配路段具有拓扑连通性,则将第N采样点与第N+1采样点之间的路段交点作为补偿点,将各采样点的纠正位置和所述补偿点依次相连,获得所述浮动车的实际轨迹。比如,若第N采样点的匹配路段与第N+1采样点的匹配路段相交,即浮动车在两个采样点之间进行了转弯,则需查询地图,将转弯点即两条路段的交点作为补偿点,否则,绘制浮动车实际轨迹时会将两个采样点的纠正位置直接相连,这与真实路网不相符,产生了较大的误差。再比如,若第N采样点的匹配路段与第N+1采样点的匹配路段不直接相交,但两条路段在第N采集点和第N+1采样点之间通过其它至少一条路段相连,则需将第N采集点和第N+1采样点之间的路段交点作为补偿点。
为了更清楚地理解本发明,下面以具体实例对上述流程进行详细描述。该具体实例所描述的流程如图3所示,可以包括以下几个部分:Ⅰ、预处理;Ⅱ、独立匹配;Ⅲ、跟踪匹配;Ⅳ、连点成线。
首先进行预处理,可以包括以下几个步骤:
第一步、获取浮动车的采样点信息。具体地,可以按照预置的采集周期,如2秒,进行采集,该采样点信息可以包括采样点的位置信息、速度信息、方位角信息和测量误差。
第二步、对采样点信息进行去噪。为了使得采样点信息是有意义的或与实际误差较小,则需要对采样点信息进行噪音过滤处理,本发明实施例通过卡尔曼滤波算法进行去噪,将突变的噪声点去除。具体地,车载设备将满足以下任意一个或多个预置的噪音过滤条件的采样点信息删除,其中,预置的噪音过滤条件可以包括但不限于如下的条件:
采样点的位置信息所表示的地理位置超出预置地域范围;采样点的位置信息所表示的位置到该位置最近的实际道路之间的距离超过距离阈值(比如500m);采样点信息中浮动车的行驶速度大于速度阈值(比如超过汽车的常识速度即350km/h,即可将速度阈值设置为350km/h);采样点的速度信息为零,且该采样点的前一采样点或后一采样点的速度信息均为零,即连续多个采样点采集到的浮动车的行驶速度均为零等。
需要说明的是,在删除满足预置的噪音过滤条件的采样点信息时,是以一个采样点为准来删除,比如当某一个采样点的速度超过350km/h,可以删除该采样点的所有信息,包括采样点的位置信息、速度信息、方位角信息和测量误差等信息。
第三步、对采样点进行距离抽稀。具体地,本发明实施例通过道格拉斯算法对采样点进行距离抽稀,去掉采样点中特征相似的冗余点,以免数据量过大,增加工作量。
第四步、对采样点进行编号,按时间顺序,分别为D1、D2、D3……Dn
预处理之后对初始采样点进行独立匹配,具体过程如下:
第一步、选取初始采样点C1。具体来说,可分为以下几个步骤,如图4:
f1:n预置为0;f2:n加1;f3:判断采样点Dn的速度是否大于3m/s,若是,则执行f5;若否,则执行f4;f4:将Dn作为噪声点丢弃,然后执行f2;f5:将Dn作为初始采样点C1,然后执行第二步。
第二步:根据采样点C1的测量误差,确定误差椭圆。具体地,根据公式1、公式2和公式3计算出误差椭圆的长半轴、短半轴以及长半轴与正北方的夹角,所有穿过以C1为中心的误差椭圆的路段,皆为采样点C1的待匹配路段。
第三步、将C1的方位角与各待匹配路段的方位角之差作为第一方位角之差,根据C1点到各待匹配路段的距离和第一方位角之差,利用公式4和公式5,形成C1的模糊矩阵。
第四步、首先根据历史数据样本,计算出C1到各待匹配路段的距离以及第一方位角之差的权重值,然后根据待匹配路段的等级和C1的速度,动态修正C1到各待匹配路段的距离以及第一方位角之差的权重值,并将修正后的权重值组成贡献率矩阵。
第五步、根据贡献率矩阵和模糊矩阵,从待匹配路段中确定采样点C1的匹配路段。具体地,将贡献率矩阵和模糊矩阵进行合成运算,如公式8,计算得到的结果为各待匹配路段的综合评价矩阵。
第六步、选取数值最小元素所在的综合评价矩阵,该综合评价矩阵对应的待匹配路段即为采样点C1的匹配路段L1
第七步、将采样点C1投影到匹配路段L1上,投影点即为采样点C1的纠正位置。
完成对初始采样点的独立匹配之后,对C1之后相邻的两个点作为C2和C3按照独立匹配中的第二步至第六步,进行独立匹配,分别获得相应的匹配路段L2和L3。举个例子,采样点D1~D4的速度均小于3m/s,采样点D5的速度大于3m/s,则将D5作为初始采样点C1进行独立匹配,且将D6和D7分别作为C2和C3,也进行独立匹配。
作以下规定,若两条匹配路段为同一路,则用等号表示,如L1=L2;若不是同一路段,用不等号表示,如L2≠L3。对照路段L1、L2和L3,若L1=L2=L3,即前三个点的匹配路段为同一条路,则从采样点C3之后相邻的点作为E1,从E1开始进行跟踪匹配,即将上述例子中的D8作为E1进行跟踪匹配。若L1≠L2,则将D5作为噪声点舍去,将D6点作为初始采样点C1,D7、D8分别作为C2、C3,重新进行独立匹配。若L1=L2≠L3,则将D8作为C4,跟踪匹配得出C4的匹配路段L4,将L4和L1~L3进行对比,若L1=L2≠L3=L4,则将D9作为E1,进行跟踪匹配;而若L1=L2≠L3且L1=L2=L4,则将D7作为噪声点舍去,同样将D9作为E1,进行跟踪匹配。总的来说,即选取2~3个采样点进行独立匹配,分别确定对应的匹配路段,后续的采样点即可依据独立匹配确定的匹配路段进行跟踪匹配,由此,简化了轨迹纠偏的步骤,减少计算量。
在上面独立匹配的基础上,后续的点进行跟踪匹配。如采样点D5、D6和D7各自的匹配路段为L1、L2和L3,且L1=L2=L3,则采样点D8可根据C3进行跟踪匹配,如图5具体为:
g1:计算采样点D7的纠正位置到采样点D8的方位角,将该角度作为第一方位角。
g2:计算匹配路段L3的方位角与第一方位角的差值,得到第二方位角之差。
g3:将第二方位角之差与第二阈值如30°进行对比,若第二方位角之差小于30°,则执行步骤g4;若第二方位角之差大于或等于30°,则执行步骤g6
g4:判断采样点D8对匹配路段L3的投影是否在匹配路段L3上,若是,则执行步骤g5;否则,执行步骤g6
g5:将采样点D8在匹配路段L3上的投影作为采样点D8的纠正位置。
g6:对采样点D8进行独立匹配,执行独立匹配的第二步至第七步。
对于采样点D8点后面的采样点D9~Dn,参照步骤g1~g6,对D9~Dn进行跟踪匹配。
待确定所有采样点的匹配路段之后,需进行连点成线,即,将所有采样点的纠正位置连接起来,形成实际的浮动车行驶轨迹。其中,若相邻两个采样点的匹配路段不是同一条路,如图6,采样点H1的匹配路段为T1,采样点H2的匹配路段为T2,T1和T2不是同一条路。若此时将H1的纠正位置和H2的纠正位置相连,显然不符合浮动车的实际轨迹。因此,将H1和H2之间的路段交点作为补偿点,绘制浮动车纠偏后的轨迹时,需将采样点的纠正位置和补偿点依次相连,拟合出浮动车行驶的最佳实际轨迹。
基于相同的技术构思,本发明实施例还提供一种浮动车轨迹纠偏装置,如图6所示,包括:信息获取模块、待匹配路段选取模块、匹配路段确定模块、位置纠正模块;
所述信息获取模块,用于获取浮动车的第N采样点信息,所述采样点信息包括采样点的位置信息、采样点的方位角信息和采样点的测量误差;
所述待匹配路段选取模块,用于根据所述测量误差确定误差范围;以所述第N采样点的测量位置为中心,确定位于所述误差范围内的路段为待匹配路段;
所述匹配路段确定模块,用于根据所述第N采样点的测量位置到各待匹配路段的距离以及所述第N采样点的方位角与各待匹配路段的方位角之差,确定所述第N采样点的匹配路段;
所述位置纠正模块,用于将所述第N采样点的测量位置在所述匹配路段上的投影作为所述浮动车的第N采样点的纠正位置。
较佳地,所述误差范围为误差椭圆;所述待匹配路段选取模块,还用于根据所述测量误差中的东向测量误差的标准差和北向测量误差的标准差,确定所述误差椭圆的长轴、短轴和所述误差长轴与正北方向的夹角。
较佳地,所述匹配路段确定模块,还用于:根据所述第N采样点的测量位置到各待匹配路段的距离,得到所述第N采样点对于各匹配路段的距离隶属度;根据所述第N采样点的方位角与各待匹配路段的第一方位角之差得到所述第N采样点对于各匹配路段的第一方位角之差隶属度;根据各匹配路段的距离隶属度及相应的第一方位角之差隶属度,组成模糊矩阵;确定距离的权重值和第一方位角之差的权重值,将所述距离的权重值和所述第一方位角之差的权重值组成贡献率矩阵;将所述贡献率矩阵与所述模糊矩阵进行合成运算,得出各待匹配路段的综合评价量,综合评价量最小的待匹配路段为所述第N采样点的匹配路段。
较佳地,所述采样点信息还包括采样点的速度信息;所述匹配路段确定模块,还用于:至少根据所述第N采样点的速度,确定距离的权重值和第一方位角之差的权重值,其中,所述第N采样点的速度越大,所述第N采样点的测量位置到各待匹配路段的距离的权重值越小,所述第N采样点的方位角与各待匹配路段的第一方位角之差的权重值越大。
较佳地,所述采样点信息还包括采样点的速度信息;所述装置还包括判断模块,用于:判断所述第N采样点的速度是否大于第一阈值,若是,则根据所述测量误差确定误差范围;否则,获取第N+1采样点信息。
较佳地,所述装置还包括跟踪测量模块,用于:若所述第N采样点的匹配路段与第N+1采样点的匹配路段是同一条道路,则根据以下方式确定第N+2采样点的纠正位置:
计算所述第N+1采样点的纠正位置到所述第N+2采样点的方位角,得到第一方位角;计算所述第N+1采样点的匹配路段的方位角与所述第一方位角的差值,得到第二方位角之差;将所述第二方位角之差与第二阈值进行比较,若所述第二方位角之差小于所述第二阈值且所述第N+2采样点于所述第N+1采样点的匹配路段的投影在所述第N+1采样点的匹配路段上,则将所述第N+2采样点在所述第N+1采样点的匹配路段上的投影作为所述第N+2采样点的纠正位置。
较佳地,所述装置还包括还包括轨迹描画模块,用于:若所述第N采样点的匹配路段与所述第N+1采样点的匹配路段不是同一条路段,且所述第N采样点的匹配路段与所述第N+1采样点的匹配路段具有拓扑连通性,则将所述第N采样点与所述第N+1采样点之间的路段交点作为补偿点;将各采样点的纠正位置和所述补偿点依次相连,获得所述浮动车的实际轨迹。。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (14)

1.一种浮动车轨迹纠偏方法,其特征在于,包括:
获取浮动车的第N采样点信息,所述采样点信息包括采样点的位置信息、采样点的方位角信息和采样点的测量误差;
根据所述测量误差确定误差范围;
以所述第N采样点的测量位置为中心,确定位于所述误差范围内的路段为待匹配路段;
根据所述第N采样点的测量位置到各待匹配路段的距离以及所述第N采样点的方位角与各待匹配路段的方位角之差,确定所述第N采样点的匹配路段;
将所述第N采样点的测量位置在所述匹配路段上的投影作为所述浮动车的第N采样点的纠正位置。
2.如权利要求1所述的方法,其特征在于,所述根据所述测量误差确定误差范围,包括:
所述误差范围为误差椭圆;
根据所述测量误差中的东向测量误差的标准差和北向测量误差的标准差,确定所述误差椭圆的长轴、短轴和所述误差长轴与正北方向的夹角。
3.如权利要求1所述的方法,其特征在于,所述根据所述第N采样点的测量位置到各待匹配路段的距离以及所述第N采样点的方位角与各待匹配路段的方位角之差,确定所述第N采样点的匹配路段,包括:
根据所述第N采样点的测量位置到各待匹配路段的距离,得到所述第N采样点对于各匹配路段的距离隶属度;
根据所述第N采样点的方位角与各待匹配路段的第一方位角之差得到所述第N采样点对于各匹配路段的第一方位角之差隶属度;
根据各匹配路段的距离隶属度及相应的第一方位角之差隶属度,组成模糊矩阵;
确定距离的权重值和第一方位角之差的权重值,将所述距离的权重值和所述第一方位角之差的权重值组成贡献率矩阵;
将所述贡献率矩阵与所述模糊矩阵进行合成运算,得出各待匹配路段的综合评价矩阵,其中,数值最小的元素所在的综合评价矩阵所对应的待匹配路段为所述第N采样点的匹配路段。
4.如权利要求3所述的方法,其特征在于,所述采样点信息还包括采样点的速度信息;
所述确定距离的权重值和第一方位角之差的权重值,还包括:
至少根据所述第N采样点的速度,确定距离的权重值和第一方位角之差的权重值,其中,所述第N采样点的速度越大,所述第N采样点的测量位置到各待匹配路段的距离的权重值越小,所述第N采样点的方位角与各待匹配路段的第一方位角之差的权重值越大。
5.如权利要求1所述的方法,其特征在于,所述采样点信息还包括采样点的速度信息;
所述根据所述测量误差确定误差范围之前,还包括:
判断所述第N采样点的速度是否大于第一阈值,若是,则根据所述测量误差确定误差范围;
否则,获取第N+1采样点信息。
6.如权利要求1所述的方法,其特征在于,还包括:
若所述第N采样点的匹配路段与第N+1采样点的匹配路段是同一条道路,则根据以下方式确定第N+2采样点的纠正位置:
计算所述第N+1采样点的纠正位置到所述第N+2采样点的方位角,得到第一方位角;
计算所述第N+1采样点的匹配路段的方位角与所述第一方位角的差值,得到第二方位角之差;
将所述第二方位角之差与第二阈值进行比较,若所述第二方位角之差小于所述第二阈值且所述第N+2采样点于所述第N+1采样点的匹配路段的投影在所述第N+1采样点的匹配路段上,则将所述第N+2采样点在所述第N+1采样点的匹配路段上的投影作为所述第N+2采样点的纠正位置。
7.如权利要求1所述的方法,其特征在于,还包括:
若所述第N采样点的匹配路段与所述第N+1采样点的匹配路段不是同一路段,且所述第N采样点的匹配路段与所述第N+1采样点的匹配路段具有拓扑连通性,则将所述第N采样点与所述第N+1采样点之间的路段交点作为补偿点;
将各采样点的纠正位置和所述补偿点依次相连,获得所述浮动车的实际轨迹。
8.一种浮动车轨迹纠偏装置,其特征在于,包括:信息获取模块、待匹配路段选取模块、匹配路段确定模块、位置纠正模块;
所述信息获取模块,用于获取浮动车的第N采样点信息,所述采样点信息包括采样点的位置信息、采样点的方位角信息和采样点的测量误差;
所述待匹配路段选取模块,用于根据所述测量误差确定误差范围;以所述第N采样点的测量位置为中心,确定位于所述误差范围内的路段为待匹配路段;
所述匹配路段确定模块,用于根据所述第N采样点的测量位置到各待匹配路段的距离以及所述第N采样点的方位角与各待匹配路段的方位角之差,确定所述第N采样点的匹配路段;
所述位置纠正模块,用于将所述第N采样点的测量位置在所述匹配路段上的投影作为所述浮动车的第N采样点的纠正位置。
9.如权利要求8所述的装置,其特征在于,所述误差范围为误差椭圆;
所述待匹配路段选取模块,还用于根据所述测量误差中的东向测量误差的标准差和北向测量误差的标准差,确定所述误差椭圆的长轴、短轴和所述误差长轴与正北方向的夹角。
10.如权利要求8所述的装置,其特征在于,所述匹配路段确定模块,还用于:
根据所述第N采样点的测量位置到各待匹配路段的距离,得到所述第N采样点对于各匹配路段的距离隶属度;
根据所述第N采样点的方位角与各待匹配路段的第一方位角之差得到所述第N采样点对于各匹配路段的第一方位角之差隶属度;
根据各匹配路段的距离隶属度及相应的第一方位角之差隶属度,组成模糊矩阵;
确定距离的权重值和第一方位角之差的权重值,将所述距离的权重值和所述第一方位角之差的权重值组成贡献率矩阵;
将所述贡献率矩阵与所述模糊矩阵进行合成运算,得出各待匹配路段的综合评价矩阵,其中,元素值最小的元素所在的综合评价矩阵所对应的待匹配路段为所述第N采样点的匹配路段。
11.如权利要求10所述的装置,其特征在于,所述采样点信息还包括采样点的速度信息;
所述匹配路段确定模块,还用于:
至少根据所述第N采样点的速度,确定距离的权重值和第一方位角之差的权重值,其中,所述第N采样点的速度越大,所述第N采样点的测量位置到各待匹配路段的距离的权重值越小,所述第N采样点的方位角与各待匹配路段的第一方位角之差的权重值越大。
12.如权利要求8所述的装置,其特征在于,所述采样点信息还包括采样点的速度信息;
所述装置还包括判断模块,用于:
判断所述第N采样点的速度是否大于第一阈值,若是,则根据所述测量误差确定误差范围;
否则,获取第N+1采样点信息。
13.如权利要求8所述的装置,其特征在于,还包括跟踪测量模块,用于:
若所述第N采样点的匹配路段与第N+1采样点的匹配路段是同一条道路,则根据以下方式确定第N+2采样点的纠正位置:
计算所述第N+1采样点的纠正位置到所述第N+2采样点的方位角,得到第一方位角;
计算所述第N+1采样点的匹配路段的方位角与所述第一方位角的差值,得到第二方位角之差;
将所述第二方位角之差与第二阈值进行比较,若所述第二方位角之差小于所述第二阈值且所述第N+2采样点于所述第N+1采样点的匹配路段的投影在所述第N+1采样点的匹配路段上,则将所述第N+2采样点在所述第N+1采样点的匹配路段上的投影作为所述第N+2采样点的纠正位置。
14.如权利要求8所述的装置,其特征在于,还包括轨迹描画模块,用于:
若所述第N采样点的匹配路段与所述第N+1采样点的匹配路段不是同一条路段,且所述第N采样点的匹配路段与所述第N+1采样点的匹配路段具有拓扑连通性,则将所述第N采样点与所述第N+1采样点之间的路段交点作为补偿点;
将各采样点的纠正位置和所述补偿点依次相连,获得所述浮动车的实际轨迹。
CN201510516087.2A 2015-08-20 2015-08-20 一种浮动车轨迹纠偏方法和装置 Active CN106469505B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510516087.2A CN106469505B (zh) 2015-08-20 2015-08-20 一种浮动车轨迹纠偏方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510516087.2A CN106469505B (zh) 2015-08-20 2015-08-20 一种浮动车轨迹纠偏方法和装置

Publications (2)

Publication Number Publication Date
CN106469505A true CN106469505A (zh) 2017-03-01
CN106469505B CN106469505B (zh) 2021-05-18

Family

ID=58229111

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510516087.2A Active CN106469505B (zh) 2015-08-20 2015-08-20 一种浮动车轨迹纠偏方法和装置

Country Status (1)

Country Link
CN (1) CN106469505B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107817000A (zh) * 2017-10-25 2018-03-20 广州汽车集团股份有限公司 无人驾驶车辆的路径规划方法、装置及计算机设备
CN108253974A (zh) * 2017-12-29 2018-07-06 深圳市城市交通规划设计研究中心有限公司 浮动车定位数据自适应缓冲路径匹配***及其方法
WO2019001175A1 (zh) * 2017-06-27 2019-01-03 华为技术有限公司 一种定位纠偏方法及装置
CN109215338A (zh) * 2018-06-27 2019-01-15 杭州叙简科技股份有限公司 一种基于网格化的北斗gps车辆轨迹管理***及其方法
CN109284659A (zh) * 2017-07-22 2019-01-29 上海谷米实业有限公司 一种移动物体定位纠编及噪点过滤的方法
CN113335341A (zh) * 2021-05-31 2021-09-03 卡斯柯信号有限公司 基于gnss和电子地图拓扑结构的列车定位***及方法
CN113376668A (zh) * 2021-05-07 2021-09-10 杭州数知梦科技有限公司 一种浮动车轨迹纠偏方法
CN113777643A (zh) * 2021-07-30 2021-12-10 国网浙江杭州市余杭区供电有限公司 一种用于输电线路防外破的故障预警方法及装置
CN114724407A (zh) * 2022-03-25 2022-07-08 中电达通数据技术股份有限公司 一种道路拟合中基于多数据源的正确车道识别方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040122590A1 (en) * 2002-12-20 2004-06-24 Toshiyuki Ito Map evaluation system, collation device, and map evaluation device
CN101545788A (zh) * 2009-05-14 2009-09-30 四川长虹电器股份有限公司 车辆定位的实现方法
CN101922939A (zh) * 2009-06-11 2010-12-22 高德信息技术有限公司 一种导航过程中的地图匹配方法和装置
CN101986102A (zh) * 2010-10-14 2011-03-16 天津大学 一种城市地理信息***中电子地图匹配方法
CN102102992A (zh) * 2009-12-22 2011-06-22 山东省计算中心 基于多级网络划分的匹配道路初筛方法及地图匹配***
CN103235848A (zh) * 2013-04-15 2013-08-07 中国科学院软件研究所 一种基于简化路网模型的轻量级路网匹配方法
CN104575075A (zh) * 2015-01-14 2015-04-29 合肥革绿信息科技有限公司 一种基于北斗的城市路网车辆坐标校正方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040122590A1 (en) * 2002-12-20 2004-06-24 Toshiyuki Ito Map evaluation system, collation device, and map evaluation device
CN101545788A (zh) * 2009-05-14 2009-09-30 四川长虹电器股份有限公司 车辆定位的实现方法
CN101922939A (zh) * 2009-06-11 2010-12-22 高德信息技术有限公司 一种导航过程中的地图匹配方法和装置
CN102102992A (zh) * 2009-12-22 2011-06-22 山东省计算中心 基于多级网络划分的匹配道路初筛方法及地图匹配***
CN101986102A (zh) * 2010-10-14 2011-03-16 天津大学 一种城市地理信息***中电子地图匹配方法
CN103235848A (zh) * 2013-04-15 2013-08-07 中国科学院软件研究所 一种基于简化路网模型的轻量级路网匹配方法
CN104575075A (zh) * 2015-01-14 2015-04-29 合肥革绿信息科技有限公司 一种基于北斗的城市路网车辆坐标校正方法及装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019001175A1 (zh) * 2017-06-27 2019-01-03 华为技术有限公司 一种定位纠偏方法及装置
CN109284659A (zh) * 2017-07-22 2019-01-29 上海谷米实业有限公司 一种移动物体定位纠编及噪点过滤的方法
CN107817000A (zh) * 2017-10-25 2018-03-20 广州汽车集团股份有限公司 无人驾驶车辆的路径规划方法、装置及计算机设备
CN108253974A (zh) * 2017-12-29 2018-07-06 深圳市城市交通规划设计研究中心有限公司 浮动车定位数据自适应缓冲路径匹配***及其方法
CN108253974B (zh) * 2017-12-29 2019-09-10 深圳市城市交通规划设计研究中心有限公司 浮动车定位数据自适应缓冲路径匹配***及其方法
CN109215338A (zh) * 2018-06-27 2019-01-15 杭州叙简科技股份有限公司 一种基于网格化的北斗gps车辆轨迹管理***及其方法
CN109215338B (zh) * 2018-06-27 2020-05-29 杭州叙简科技股份有限公司 一种基于网格化的北斗gps车辆轨迹管理***及其方法
CN113376668A (zh) * 2021-05-07 2021-09-10 杭州数知梦科技有限公司 一种浮动车轨迹纠偏方法
CN113335341A (zh) * 2021-05-31 2021-09-03 卡斯柯信号有限公司 基于gnss和电子地图拓扑结构的列车定位***及方法
CN113777643A (zh) * 2021-07-30 2021-12-10 国网浙江杭州市余杭区供电有限公司 一种用于输电线路防外破的故障预警方法及装置
CN114724407A (zh) * 2022-03-25 2022-07-08 中电达通数据技术股份有限公司 一种道路拟合中基于多数据源的正确车道识别方法

Also Published As

Publication number Publication date
CN106469505B (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
CN106469505A (zh) 一种浮动车轨迹纠偏方法和装置
CN104819724B (zh) 一种基于gis的无人地面车辆自主行驶辅助***
CN101270997B (zh) 基于gps数据的浮动车动态实时交通信息处理方法
Hashemi et al. A critical review of real-time map-matching algorithms: Current issues and future directions
CN106969764B (zh) 一种道路匹配方法、装置及车载地图采集***
CN104700617B (zh) 基于低精度gps轨迹数据的高精度车道信息提取方法
CN110264721B (zh) 一种城市交叉口周边车辆轨迹预测方法
CN102183256B (zh) 行进车队的地图匹配方法
CN100561130C (zh) 一种导航定位数据的校正方法
CN105890592B (zh) 基于Online-WSVR算法的车辆位置信息预测方法
CN108961811A (zh) 停车场车辆定位方法、***、移动终端及存储介质
CN109085631B (zh) 基于卫星定位的岔区列车股道加权识别方法
CN106772516B (zh) 一种基于模糊理论的复合定位新方法
CN104900057B (zh) 一种城市快速路主辅道的浮动车地图匹配方法
Cathey et al. Transit vehicles as traffic probe sensors
CN101408434B (zh) 移动终端零位漂移双模定位和单模定位方法
CN105740505A (zh) 一种基于gps-rtk技术的道路空间线形恢复方法
CN104034337B (zh) 一种浮动车地理位置点的地图匹配方法及装置
CN104406590B (zh) 一种基于道路等级的最短路径规划方法
CN110285817A (zh) 基于自适应d-s证据理论的复杂路网地图匹配方法
CN113581260B (zh) 一种基于gnss的列车轨道占用判别方法
CN106289281A (zh) 一种基于三证据ds理论的双模式地图匹配方法
CN111208820B (zh) 人工智能大数据下粒子化无人车组、控制方法及介质
CN113742437A (zh) 地图更新方法、装置、电子设备和存储介质
Xi et al. Map matching algorithm and its application

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant