原文传递
低样本率下融合几何信息与拓扑关系的地图匹配算法研究
| 论文题名： | 低样本率下融合几何信息与拓扑关系的地图匹配算法研究 |
| 关键词： | 车载导航系统;地图匹配;低样本率;几何信息;拓扑结构 |
| 摘要： | 对于车载导航系统而言，定位的精度是评价其性能的重要指标。地图匹配方法是消除车载导航系统定位误差的主要方法之一，地图匹配主要是将GPS定位设备获取到的车辆当前位置信息与导航系统中所存储的城市电子地图相匹配，从而提高车辆定位的准确度。因为该方法成本低、易于实现，所以被广泛应用于车载导航系统中。 在实际应用中为了节约GPS设备的存储空间和节省电量，会导致设备的定位点采集频率降低，因此形成大量低采样率的车辆GPS轨迹数据。相比于高采样率的数据，低采样率数据的可用信息相对较少，从而会导致较大误差。虽然目前提出的针对低样本率场景的地图匹配算法能适应简单的城市道路，但面对复杂道路时仍然会出现较大误差。本文对道路的几何信息和拓扑结构进行了分析，并结合概率方法来保证复杂道路条件下的地图匹配具有较高的精度。本文主要工作如下： 提出一种针对低样本率场景的基于行车时间分析的地图匹配算法。通过对现有的适应低样本率场景算法的验证实验发现，当前后两采样点间存在车辆绕远路行驶的情况时，会产生匹配道路错误。针对该问题，算法对IVMM(Interactive Voting Map Matching)的空间分析函数进行了改进，并结合实际行车时间分析，在候选点概率计算过程中加入了实际行车时间与估计行车时间的相似度，成功的将采样点匹配到实际行驶道路上，同时相比于已有算法，其匹配结果的精确度提高了30.5％-44.9%。 提出一种考虑行车方位角及其所在道路场景的低样本率地图匹配算法。通过对现有低样本率算法匹配过程的分析，发现在匹配过程中对车辆采样信息利用不充分。因此，该算法在几何、拓扑分析以及行车时间分析的基础上，加入了对车辆行驶方向和附近道路方向的相似性分析，同时对不同的道路场景分配不同的权重比例，有效地减少了在道路交叉口的匹配误差。通过利用实际采集的数据进行实验，结果表明该算法相比MIV-Matching和本文提出的TIVMM(Time Interactive Voting Map Matching)在准确性方面分别提高了35.1%和6.6%。 本文基于Java编程语言与Google Earth实现算法和实验部分，利用真实采集的GPS轨迹数据和城市电子地图，分别从匹配误差距离、误差的标准差和方差三个方面对算法进行了比较，为复杂道路环境下地图匹配算法的实现和评估提供了一种简单、有效的方法。 |
| 作者： | 屠启超 |
| 专业： | 计算机技术 |
| 导师： | 王东;陈展 |
| 授予学位： | 硕士 |
| 授予学位单位： | 湖南大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
