基于车路协同的车辆定位算法研究

为解决道路交叉口车辆由于定位信号缺失或者延迟引起的车辆定位偏差较大的问题,提出了基于车路协同的协同地图匹配算法（cooperative map-matching,CMM）. 首先利用扩展Kalman滤波（extended Kalman filter,EKF）融合GPS与车载航位推算系统（vehicular dead reckoning,DR）信息作为协同地图匹配的预先定位;然后基于短程通讯技术实现车辆信息的交换与共享,在电子地图的基础上,利用道路约束实现车辆进一步定位. 为了验证算法的有效性,搭建了模拟真实场景的仿真环境进行实验. 研究结果表明:采用EKF融合GPS/DR数据的交叉口车辆定位平均偏差为9.09 m,相比GPS 的14.31 m,定位偏差减小30.87%;采用CMM算法的交叉口车辆,当参与CMM车辆数为7时,平均位置偏差为4.5 m,参与CMM车辆数为10辆时,平均位置偏差为2.75 m,相比EKF定位偏差减小69.74%.      

基于拓扑判断的海量GPS数据延时地图匹配算法

由于浮动车数据采集中存在GPS数据周期过长、拓扑关联性较差、数据量大的特点,传统的车载端地图匹配算法难以直接应用,针对车辆无法初次匹配的情况,设计了一种可根据路网拓扑关联性进行判断的延时地图匹配算法.实际数据验证表明,该算法在保证数据完整性和有效性的基础上,可以实时、准确地进行地图匹配,尤其是车辆位于复杂交叉口及高架桥附近区域时车辆真实行驶道路的确定.      

基于车速推算的改进地图匹配算法研究

车载GPS/DR组合导航监控系统中,GPS/DR数据不可避免受到各种误差源的影响而产生较大的误差,为了降低各种误差源对车辆导航的影响,有机结合能改善GPS/DR数据误差对导航影响的地图匹配算法,从而构成了GPS/DR/MM智能导航系统.文中通过分析地图匹配算法的关键技术和影响地图匹配算法可靠性等因素,提出一种基于车速递推的地图匹配算法,该算法利用基本可信数据--车速,从而很大程度地提高了地图匹配算法的可靠性.通过跑车实际数据测试表明,该算法是行之有效的.     

基于移动通信网络下的TDOA手机定位技术在交通信息采集中的应用

着重于利用手机定位技术进行交通信息的采集研究,构建由TDOA手机定位、地图匹配和交通信息采集组成的技术框架。TDOA定位技术由于定位精度较高且相对容易实现,日渐受到研究人员的关注。文章给出了TDOA技术的模型算法,分析了地图匹配过程,进而研究各方面交通信息的采集方法。研究结果表明:手机定位技术覆盖范围广、定位精度高,能以较低的经济代价获取大量信息,通过有效地计算可将这些信息转化为实用的交通信息。     

基于区域划分的GPS/DR组合导航定位研究

建立广域车辆定位导航系统的服务区区域划分，在此基础上实现了GPS定位模式切换、建立分层地图数据库和实现通过路网数据对GPS及推算定位的结果进行匹配的快速匹配算法。对车载导航系统的中心模块进行了相应的改进，实现了基于区域 发和地图分级思想的车辆定位导航系统基础模型，并结合成都中心区和广州市的试验结果进行了分析。分析表明，区域划分思想用于车辆定位导航系统，可以提高系统的总体性能。基于该思想实现的车辆空平导航系统模型不仅能在局域，而且能在广域范围内提供满意的定位导航服务。     

基于大规模有限GPS数据的地图匹配算法

随着GPS定位技术应用的日益推广,GPA技术被大量应用于公交车辆及出租车辆的定位与预测,如采用通常的一秒一个数据定位的方法,公共交通调度中心的数据量和处理负荷将变得非常巨大,而且租用电信无线网络的费用也很高。如何使用尽可能少的数据得到比较好的定位信息和节约计算资源就成为我们面对的一个重要课题,针对杭州交通调度中心的出租车和公交车的大间隔定位信息,本文作者提出了一种综合地图匹配算法,并应用于实际,取得了很好的效果。     

车辆定位的地图匹配算法研究

车载导航定位系统是智能交通系统的重要组成部分,其中地图匹配又是提高车辆定位精度的重要技术.从数字地图本身的属性特征出发,利用数字地图的地面高程模型对现有的地图匹配算法进行改进,并通过实验数据对改进后的算法加以验证,其结果表明改进后的算法能够获得较高的定位精度和更可靠的匹配性能.     

基于改进AOE网络的低频浮动车数据地图匹配算法

由于低频浮动车数据时间间隔较长,现有地图匹配方法难以满足低频浮动车数据地图匹配的要求.综合考虑浮动车数据轨迹点之间的整体特性,在局部和全局地图匹配算法的基础上,提出了一种基于改进AOE网络的低频浮动车数据地图匹配方法.首先,采用相交分析判断GPS点缓冲区和候选路段的关系,以获取候选路段和候选匹配点;其次,基于四叉树空间索引和Dijkstra算法,获取候选匹配点之间的最短路径;第三,设计了一种改进AOE网络,提出了基于改进AOE网络的最短可达路径算法,以获取最终的地图匹配点;最后,对改进AOE网络的地图匹配算法进行评价,并通过实验分析了算法的时间效率和正确率.实验结果表明:基于改进AOE网络的地图匹配算法正确率为95.3%,程序执行总时间为96.8 s. 其正确率分别比点到线的局部地图匹配方法和基于弱Frchet距离的全局地图匹配方法的正确率高13.6%和2.8%.      

实时分布式地图匹配系统的设计与实现

在智能交通系统的基础上,设计实现了基于实时浮动车数据的分布式地图匹配系统.分布式架构的应用旨在提高系统数据接收和处理的实时性.同时提出了一种基于道路网格和最短路径的快速地图匹配算法,通过网格划分确定候选路段,根据二次网格划分、GPS角度和数量对候选路段权重进行修正,并利用最短路径算法寻求最符合路径,在保证处理效率的同时匹配的精度也有所提升.仿真实验选用三台匹配处理节点,经验证,完成大连市1000辆出租车约130万个GPS点的地图匹配用时为1分37秒,算法的平均正确匹配率为93.3％.实验结果满足实际智能交通系统的基本要求.     

车辆定位的地图匹配算法研究

车载导航定位系统是智能交通系统的重要组成部分,其中地图匹配又是提高车辆定位精度的重要技术。从数字地图本身的属性特征出发,利用数字地图的地面高程模型对现有的地图匹配算法进行改进,并通过实验数据对改进后的算法加以验证,其结果表明改进后的算法能够获得较高的定位精度和更可靠的匹配性能。     

大样本量地图匹配方法研究

为保证GPS浮动车交通信息采集与预测的精度,采用直接投影算法,即点到线地图匹配算法来进行大样本量的GPS浮动车数据的地图匹配.文章以唐山市为例,在MapInfo图层中绘制唐山电子路网图以及路网中的GPS点,利用MapX控件将图层插入到VB可视化语言环境下进行编程、运行,通过道路搜索、估算投影点坐标、判断投影点是否在选定道路上,最后利用VB中的循环语句来将唐山市电子地图中的大样本量GPS点完全匹配到电子线路中,实现点到线的完全匹配.     

���ڴ��ģ���������ݵĵ�ͼƥ���㷨

地图匹配问题是浮动车技术中必须解决的关键问题。由于浮动车数据自身的特点，传统的导航地图匹配算法难以直接适用于大规模的浮动车数据匹配。本文在分析基于浮动车数据的地图匹配与传统的导航地图匹配的异同点的基础上，提出了浮动车地图匹配模型族的解决方案和相应的道路网格拓扑结构，设计了包括道路初次匹配模型、平行方向道路识别模型、节点匹配模型、延时匹配模型在内的浮动车数据地图匹配算法体系，并对算法进行了评估和验证。本文提出的浮动车数据地图匹配算法模型已经在广州市ITS示范工程中得到了实际应用，应用结果表明该算法具有准确、高效和实用的特点。     

基于EMD算法的切换系列区分及时空转换参数选取仿真

鉴于由于个人隐私而导致的数据获取困难问题,依托基于无线通信网络与交通集成仿真的手机切换数据平台采集手机数据,用EMD算法将不同道路切换序列的差异程度进行量化区分,根据时空转换参数ρ的不同取值得到相邻道路、不同道路之间手机切换序列对的EMD。结果表明：将EMD算法应用于不同道路序列的区分是可行的,ρ的选值不影响该算法应用的效果。     

基于手机传感器的车辆轨迹实时在线压缩方法

随着具有定位功能的各类便携式移动设备的普及,产生了大量的移动目标时空轨迹数据,庞大的数据规模对轨迹数据管理和分析带来了严峻的挑战.?车辆时空轨迹数据压缩算法,通过监测分析车辆在不同运动行为模式下智能手机内置线性加速度传感器和方向传感器的数据变化规律,识别车辆的转向行为和变速行为,并根据识别结果请求GPS传感器定位,记录...     

基于手机信令数据的游客识别与出行轨迹匹配方法

为统计旅游交通的客运量，分析公路交通运输需求，优化运输组织，合理构建“快进慢游”综合交通旅游网络，研究提出基于手机信令数据的游客识别与出行轨迹匹配方法。通过划定景区边界，设置停留时间阈值，识别手机用户的游客身份；同时，借助地图工具批量计算信令发生位置间的出行路线与行程时间，匹配实际公路网。实例分析结果表明，手机信令数据能呈现手机用户的出行轨迹，且信令数据的位置轨迹与公路线位走向结合密切。在人们越来越依赖地图导航软件规划出行路径的背景下，利用该方法能更准确地识别景区游客并估计游客往来景区的出行路径。     

基于手机传感器数据的交通出行调查实证评估

应用手机传感器与调查问卷, 同步采集了校园内高校学生2周的真实出行轨迹; 考虑了真实出行环境下的手机传感器数据特征, 结合高斯滤波预处理数据, 根据轨迹点的时空聚类特性, 用时空聚类算法识别了出行端点和出行时间, 结合轨迹点速度、加速度特征, 利用支持向量机识别了出行方式; 将手机传感器数据与调查问卷、查核线数据对比, 分析了手机传感器数据出行特征识别的准确程度, 验证了出行特征的提取效果。分析结果表明: 手机传感器与问卷调查识别出行链的成功匹配比例为81.66%, 说明手机传感器数据可有效记录出行轨迹; 时空聚类算法参数中核心点空间半径为26.92 m, 最小样本点为129, 时间约束为129 s时, 出行端点识别准确率为93.02%, 出行时间识别准确率为90.84%, 说明手机传感器识别出行端点和出行时间的效果较好; 当支持向量机设置类型为经典支持向量机, 核函数为径向基函数, 惩罚系数为0.797, 核参数为2.260时, 出行方式识别准确率为89.86%, 即利用手机传感器能够有效识别出行方式。可见, 手机传感器数据识别结果合理, 能为手机传感器数据应用于实际出行调查做支撑。      

基于卫星导航的列车轨道占用加权识别方法研究

全球卫星导航系统在列车位置服务中的研究越来越广泛，基于卫星导航的列车定位方法可结合轨道电子地图将卫星定位结果转换为一维轨道里程值，其中列车轨道占用状态的正确识别是列车卫星定位的基础.本文提出一种基于地图匹配的适用于道岔区段内列车轨道占用加权识别方法，首先构建列车卫星定位的置信区域，然后计算置信区域内的线路数据与原始卫星定位结果的距离偏差和方向偏差等，对列车的轨道占用状态进行识别，并综合考虑铁路线路的拓扑结构，以及列车运行状态以提高运算效率.结合现场数据并与垂直投影法和交互多模型法对比可知，本文方法在保证轨道占用识别正确率的基础上，提高了计算效率.     

基于卫星导航的列车轨道占用加权识别方法研究

全球卫星导航系统在列车位置服务中的研究越来越广泛，基于卫星导航的列车定位方法可结合轨道电子地图将卫星定位结果转换为一维轨道里程值，其中列车轨道占用状态的正确识别是列车卫星定位的基础.本文提出一种基于地图匹配的适用于道岔区段内列车轨道占用加权识别方法，首先构建列车卫星定位的置信区域，然后计算置信区域内的线路数据与原始卫星定位结果的距离偏差和方向偏差等，对列车的轨道占用状态进行识别，并综合考虑铁路线路的拓扑结构，以及列车运行状态以提高运算效率.结合现场数据并与垂直投影法和交互多模型法对比可知，本文方法在保证轨道占用识别正确率的基础上，提高了计算效率.