一種多證據(jù)融合地圖匹配算法
【專利摘要】本發(fā)明提供了一種多證據(jù)融合地圖匹配算法，包括以下步驟：第一步、確定誤差區(qū)域；第二步、進(jìn)行D?S證據(jù)一次融合；獲取可達(dá)性信息證據(jù)；第三步、進(jìn)行D?S證據(jù)二次融合；第四步、根據(jù)第三步中的D?S證據(jù)二次融合結(jié)果選擇最佳匹配道路。本發(fā)明將誤差區(qū)域定義為矩陣區(qū)域，使候選路段的選擇簡(jiǎn)單化，提高地圖匹配的實(shí)時(shí)性以及保證了匹配的可靠性；針對(duì)平行路段、交叉路口和立交橋等分口較多的路段進(jìn)行仿真分析，提高特殊路段的匹配精度；本發(fā)明考察可達(dá)性信息證據(jù)，減少比較因素，減少計(jì)算復(fù)雜度，提高匹配效率；進(jìn)行D?S一次證據(jù)融合和二次證據(jù)融合，得出最為精確的結(jié)果，進(jìn)一步確保了匹配結(jié)果的準(zhǔn)確性和穩(wěn)定性。
【專利說(shuō)明】
一種多證據(jù)融合地圖匹配算法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及地圖匹配技術(shù)領(lǐng)域，具體涉及一種多證據(jù)融合地圖匹配算法。
【背景技術(shù)】
[0002] GPS衛(wèi)星定位系統(tǒng)在全球范圍內(nèi)得到了廣泛的應(yīng)用，但是，GPS衛(wèi)星定位和電子地 圖的組合使用存在以下兩種誤差：（1)由于受到城市高樓大廈、立交橋、山谷、隧道等對(duì)GPS 接收機(jī)信號(hào)產(chǎn)生的影響，GPS的定位誤差會(huì)不同程度的增加；（2)在制作電子地圖的過(guò)程中 由于需要對(duì)電子地圖進(jìn)行配準(zhǔn)和矢量化，因而也會(huì)產(chǎn)生誤差。由于這兩者誤差的存在會(huì)使 得車輛真實(shí)位置與對(duì)應(yīng)的電子地圖出現(xiàn)不匹配的情況。
[0003] 地圖匹配算法在校正電子地圖顯示車輛的準(zhǔn)確位置中起到至關(guān)重要的作用，現(xiàn)有 技術(shù)中有以下四種匹配算法：
[0004] 第一種:按權(quán)重進(jìn)行擬合多個(gè)匹配因子的算法，該算法綜合利用地圖的拓?fù)湫畔ⅲ?對(duì)多個(gè)匹配因子進(jìn)行按權(quán)重進(jìn)行性擬合，以計(jì)算得出的匹配因子作為選擇道路的基準(zhǔn)，匹 配度最高的路段就是匹配的結(jié)果。這種算法的優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，并且準(zhǔn)確度較高但是在復(fù) 雜路口附近可能出現(xiàn)匹配錯(cuò)誤。
[0005] 第二種:基于GPS軌跡數(shù)據(jù)的地圖匹配算法（即線到線匹配的算法），該算法的實(shí)際 就是將GPS接收機(jī)每隔一段時(shí)間將此時(shí)間段接收到的GPS定位點(diǎn)連成線段，把這條線段與地 圖上路段的相似距離較近的路段進(jìn)行匹配。建立匹配路段緩沖池保存多個(gè)匹配結(jié)果的思想 值得借鑒。但是該算法也存在一些缺點(diǎn)：對(duì)異常點(diǎn)比較敏感；只利用了地圖的幾何信息，沒(méi) 有考慮其它有用的信息；由于需要采集一定數(shù)量的點(diǎn)才能連成線段，所以實(shí)時(shí)性差。
[0006] 第三種:基于道路網(wǎng)絡(luò)拓?fù)潢P(guān)系的地圖匹配算法，這種算法是利用道路層的網(wǎng)絡(luò) 拓?fù)潢P(guān)系來(lái)確定當(dāng)前車輛定位數(shù)據(jù)的待匹配路段范圍，再使用歷史軌跡地圖數(shù)據(jù)庫(kù)的道路 信息進(jìn)行模式識(shí)別來(lái)確定當(dāng)前道路。該算法將GPS定位點(diǎn)到候選路段的距離作為主要的匹 配標(biāo)準(zhǔn)，但沒(méi)有考慮方向因素，這是它的不足之處。
[0007] 第四種:基于浮動(dòng)車數(shù)據(jù)的地圖匹配算法（即基于D-S證據(jù)理論的匹配算法），給出 車輛行駛位置和方向信息的基本概率分配函數(shù)的設(shè)計(jì)方法，通過(guò)D-S合成公式對(duì)二者進(jìn)行 融合，得出融合結(jié)果選擇匹配道路。相比其他算法，此方法由于增加了邏輯復(fù)雜度而具有較 高的匹配精度，但仍無(wú)法滿足復(fù)雜密集的道路網(wǎng)中導(dǎo)航的需求。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明目的在于提供一種多證據(jù)理論地圖匹配算法，選取計(jì)算方便且為現(xiàn)有橢圓 區(qū)域的最小包圍矩形的矩形區(qū)域作為誤差區(qū)域，結(jié)合對(duì)車輛的可達(dá)性證據(jù)加以考察，并根 據(jù)不同道路拓?fù)浣Y(jié)構(gòu)使用最優(yōu)的可靠性參數(shù)值，綜合考慮道路網(wǎng)的復(fù)雜性和車輛行駛特性 進(jìn)行地圖匹配，糾正GPS接收數(shù)據(jù)的定位誤差，以提高車輛的GPS導(dǎo)航精度。具體技術(shù)方案如 下：
[0009] -種多證據(jù)融合地圖匹配算法，包括以下步驟：
[0010]第一步、確定誤差區(qū)域，具體是:所述誤差區(qū)域?yàn)榫匦螀^(qū)域，該矩形區(qū)域?yàn)楝F(xiàn)有橢 圓區(qū)域的最小包圍矩形，其長(zhǎng)和寬的計(jì)算式為表達(dá)式5)和表達(dá)式6)計(jì)算出：
[0013] 其中，XmR表矩形區(qū)域的長(zhǎng)度，YmR表矩形區(qū)域的寬度，a代表橢圓區(qū)域的半長(zhǎng)軸的 長(zhǎng)度，b代表橢圓區(qū)域的半短軸的長(zhǎng)度，巾代表為橢圓半長(zhǎng)軸的取向和正北方向之間的夾 角；
[0014] 第二步、根據(jù)位置和方向信息證據(jù)進(jìn)行D-S證據(jù)一次融合，具體是：用車輛定位點(diǎn)p 的位置信息和行駛方向信息作為D-S證據(jù)理論中的兩個(gè)證據(jù)，得到道路六:是匹配道路的類 概率函數(shù)如表達(dá)式11):
[0016]其中：識(shí)別框?描述所有候選道路的集合：? = {^，^，-_411}，設(shè)1為道路的編號(hào)， i = l，2,…，n，Ai表示車輛在第i號(hào)道路上行駛;Bel(Ai)為信任函數(shù)，Bel(Ai)=m(Ai);Pl(Ai) 為似然函數(shù)，Pl(Ai)=m(Ai)+m( @ );
[0017]獲取可達(dá)性信息證據(jù)，具體是:先將從GPS等定位設(shè)備獲取到的車輛定位點(diǎn)分別投 影到候選道路上，視做假如車輛行駛在該道路上的位置點(diǎn)，稱此投影點(diǎn)為該候選路段的虛 擬匹配點(diǎn);再獲取匹配過(guò)程中車輛從上一匹配點(diǎn)到虛擬匹配點(diǎn)的連通性、行駛距離、行駛時(shí) 間信息，即得可達(dá)信息;通過(guò)可達(dá)信息獲得可達(dá)性信息證據(jù)；
[0018]第三步、根據(jù)第二步中的D-S證據(jù)一次融合結(jié)果和可達(dá)性信息證據(jù)進(jìn)行D-S證據(jù)二 次融合，具體是:運(yùn)用分布式證據(jù)融合模型，將第二步中的D-S證據(jù)一次融合結(jié)果和可達(dá)性 信息證據(jù)再次運(yùn)用D-S合成公式得到新的m函數(shù)m'（仏)詳見表達(dá)式13):
[0020] 第四步、根據(jù)第三步中的D-S證據(jù)二次融合結(jié)果選擇最佳匹配道路，具體是:取max {m'（A〇，m'（A2)，…，m' (An)}所對(duì)應(yīng)的道路即為車輛當(dāng)前行駛的道路。
[0021] 以上技術(shù)方案中優(yōu)選的，所述第一步中現(xiàn)有橢圓區(qū)域?yàn)楦鶕?jù)概率準(zhǔn)則定義的誤差 橢圓，具體如下:設(shè)定位系統(tǒng)的方差和協(xié)方差矩陣模型化為表達(dá)式1): iri ^.v ^.vr _ L = a a2 、 L〇v, r」 1)；
[0023] 其中和<是方差，〇xy和〇yx是協(xié)方差，〇x和〇y是GPS定位系統(tǒng)正向與北向測(cè)量誤 差的標(biāo)準(zhǔn)差，均可直接從接收機(jī)輸出的數(shù)據(jù)中直接讀出；
[0024] 誤差橢圓如表達(dá)式2)、表達(dá)式3)以及表達(dá)式4):
[0028]其中：a是橢圓半長(zhǎng)軸，b是橢圓半短軸，cf是單位權(quán)值的后驗(yàn)方差，為橢圓半長(zhǎng)軸 的取向和正北方向之間的夾角，GPS的定位點(diǎn)即為橢圓中心，也是當(dāng)前的車輛定位位置。 [0029]以上技術(shù)方案中優(yōu)選的，所述第二步中D-S證據(jù)一次融合具體是：
[0030] 根據(jù)D-S證據(jù)理論，識(shí)別框?描述所有候選道路的集合：? = {^，知，一4"}，設(shè)1 = 1，2，…，n，M表示車輛在第i號(hào)道路上行駛；
[0031]設(shè)j = l，2,…，n表示第j號(hào)證據(jù)，用車輛定位點(diǎn)p的位置信息和行駛方向信息作為 D-S證據(jù)理論中的兩個(gè)證據(jù)，設(shè)證據(jù)函數(shù)為C^，當(dāng)j = l時(shí)，Cu為位置信息證據(jù)函數(shù)，詳見表 達(dá)式7):
7);
[0033]其中：cU表示定位點(diǎn)p到第i號(hào)道路的投影距離，投影距離越小，位置信息證據(jù)越可 f目；
[0034]當(dāng)j = 2時(shí)，C2, i為位置信息證據(jù)函數(shù)，詳見表達(dá)式4):
8)；
[0036]其中：&1表示正北方向順時(shí)針旋轉(zhuǎn)與第i號(hào)道路的夾角；a表示正北方向順時(shí)針旋 轉(zhuǎn)與車輛在P點(diǎn)的行駛方向的夾角表示車輛行駛角度的變化值，車輛行駛角度與道路角 度差值越小，方向信息證據(jù)越可信；
[0037] 基本概率分配函數(shù)構(gòu)造如表達(dá)式9):
[0041]其中:1^(仏)表示證據(jù)j對(duì)命題"道路仏是匹配道路"的精確信任程度，即mUO是位 置信息證據(jù)的基本概率分配函數(shù)，1112(仏)是方向信息證據(jù)的基本概率分配函數(shù);? )表示 當(dāng)前時(shí)刻由于證據(jù)的不可靠和不準(zhǔn)確而不能確定車輛在哪條道路上;4表示證據(jù)j的可靠 性參數(shù)，即lu為位置信息證據(jù)的可靠性參數(shù)，k 2為方向信息證據(jù)的可靠性參數(shù)；
[0042]得出信任函數(shù)BelUdimUO,信任函數(shù)表示該證據(jù)下有理由相信A:為候匹配道 路的程度;似然函數(shù)PKAOimUO+nK?)，似然函數(shù)表示不反對(duì)仏為匹配道路的程度；
[0043]根據(jù)D-S合成公式，將得到的位置信息和方向信息在識(shí)別框?上的基本概率分配 函數(shù)mjPm2融合為一個(gè)m函數(shù)，表示命題"道路六:是匹配道路"的精確信任程度，詳見表達(dá)式 10)：
[0045]得出命題"道路^是匹配道路"的類概率函數(shù)詳見表達(dá)式11):
[0047]以上技術(shù)方案中優(yōu)選的，平行路段時(shí)取1^1 = 0.9，1? = 0.8;交叉路口路段取1^1 = 0.8，1? = 0.9;兩個(gè)及以上分口的立交橋路段應(yīng)取1^1 = 0.8，1? = 0.9。
[0048]以上技術(shù)方案中優(yōu)選的，所述第二步中獲取可達(dá)性信息證據(jù)中行駛距離是通過(guò) Dijkstra算法計(jì)算上一匹配點(diǎn)到虛擬匹配點(diǎn)的最短路徑長(zhǎng)度，具體算法是：
[0049] 令D(v)為源結(jié)點(diǎn)到某個(gè)結(jié)點(diǎn)v的距離，則D(v)是從源節(jié)點(diǎn)沿某一路徑到結(jié)點(diǎn)v的所有 鏈路的長(zhǎng)度之和；
[0050] 再令l(i，j)為結(jié)點(diǎn)i至結(jié)點(diǎn)j之間的距離；
[0051 ] 包括以下步驟：
[0052]步驟a、令N表示網(wǎng)絡(luò)結(jié)點(diǎn)的集合，先令N ={ 1 }，對(duì)所有不在N中的結(jié)點(diǎn)v，寫出D w的 L、若結(jié)點(diǎn)v與結(jié)點(diǎn)1相連 表達(dá)式、=彳(Uv) ^(v) 若結(jié)點(diǎn)V與結(jié)點(diǎn)1不相連;
[0053]步驟b、尋找一個(gè)不在N中的結(jié)點(diǎn)w，其DW值為最小;把w加入到N中；然后對(duì)所有不 在N中的結(jié)點(diǎn)V，用[0卜)，0? + 1(?^)]中的較小的值去更新原有的0卜)值，即0卜)-1^11[0卜） D(w)+l(w,v)]；
[0054]步驟c、重復(fù)步驟b，直到所有的網(wǎng)絡(luò)結(jié)點(diǎn)都在N中為止，最后D(v)即是行駛距離。 [0055]以上技術(shù)方案中優(yōu)選的，所述第三步中進(jìn)行二次融合時(shí)，當(dāng)j = 3時(shí)，mXAO是可達(dá) 性信息證據(jù)的基本概率分配函數(shù)，可達(dá)性信息證據(jù)函數(shù)詳見表達(dá)式12):
[0057] 其中：Di表示車輛從上匹配點(diǎn)到第i號(hào)道路的虛擬匹配點(diǎn)的行駛距離；t表示定位 設(shè)備的定位周期;V表示車輛的瞬時(shí)速度;Vl表示車輛行駛到第i號(hào)道路虛擬速度與實(shí)際速 度的差值。
[0058]本發(fā)明的技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下有益效果：
[0059] 將誤差區(qū)域定義為矩陣區(qū)域，具體是誤差橢圓區(qū)域的最小包圍矩形，誤差矩形計(jì) 算方法簡(jiǎn)單，使候選路段的選擇簡(jiǎn)單化，對(duì)車輛軌跡范圍的快速劃定能提高地圖匹配的實(shí) 時(shí)性，同時(shí)它包含誤差橢圓，匹配的可靠性也得到了保障。
[0060] 遵循可靠性參數(shù)選擇中適用性和針對(duì)性原則，根據(jù)實(shí)際道路拓?fù)浣Y(jié)構(gòu)的特點(diǎn)，選 取相應(yīng)的可靠性參數(shù)值，以此思路，針對(duì)平行路段、交叉路口和立交橋等分口較多的路段進(jìn) 行仿真分析，考察位置信息和方向信息證據(jù)的可靠性程度，得出可靠性參數(shù)的最優(yōu)取值，提 高特殊路段的匹配精度。
[0061] 可達(dá)性信息是指匹配過(guò)程中車輛從上一匹配點(diǎn)到虛擬匹配點(diǎn)的連通性、行駛距 離、行駛時(shí)間等信息。本發(fā)明考察可達(dá)性信息證據(jù)，通過(guò)計(jì)算行駛至各候選道路虛擬匹配點(diǎn) 需要的速度，即虛擬速度，與從定位設(shè)備獲取的車輛實(shí)際行駛速度信息比較，以考察虛擬匹 配點(diǎn)的可達(dá)性信息證據(jù)，這樣將行駛距離和行駛時(shí)間兩個(gè)因素合并成速度一個(gè)因素，減少 比較因素，同時(shí)利用定位設(shè)備的現(xiàn)成的速度數(shù)據(jù)，減少計(jì)算復(fù)雜度，提高匹配效率。
[0062]證據(jù)融合采用分布式證據(jù)融合模型，先把位置證據(jù)與方向證據(jù)融合的結(jié)果作為新 的證據(jù)與可達(dá)性證據(jù)進(jìn)行二次融合，以此類推直至融合所有證據(jù);這種模型適用于事先對(duì) 各證據(jù)的可信程度有所傾向的情況，可以弱化人為證據(jù)的可信程度，增強(qiáng)客觀證據(jù)的可信 程度，并且當(dāng)證據(jù)量較少時(shí)計(jì)算過(guò)程更為簡(jiǎn)便;改進(jìn)算法使用研究得出的可靠性參數(shù)將第 一次證據(jù)融合結(jié)果精度提高，再與車輛的可達(dá)性信息證據(jù)進(jìn)行D-S證據(jù)的二次融合，這樣位 置、方向和連通性3個(gè)基本概率分配函數(shù)供D-S證據(jù)融合以得出最為精確的結(jié)果，進(jìn)一步確 保了匹配結(jié)果的準(zhǔn)確性和穩(wěn)定性。
[0063] 除了上面所描述的目的、特征和優(yōu)點(diǎn)之外，本發(fā)明還有其它的目的、特征和優(yōu)點(diǎn)。 下面將參照?qǐng)D，對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。
【附圖說(shuō)明】
[0064] 構(gòu)成本申請(qǐng)的一部分的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí) 施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：
[0065] 圖1是本發(fā)明優(yōu)選實(shí)施例1的多證據(jù)融合地圖匹配算法的流程圖；
[0066]圖2為誤差橢圓的定義示意圖；
[0067] 圖3是本發(fā)明外切誤差橢圓的矩形區(qū)域示意圖；
[0068] 圖4是本發(fā)明城市路網(wǎng)平行路段的可靠性參數(shù)分析圖；
[0069] 圖5是本發(fā)明城市路網(wǎng)交叉路口路段的可靠性參數(shù)分析圖；
[0070] 圖6是本發(fā)明城市路網(wǎng)立交橋路段的可靠性參數(shù)分析圖；
[0071 ]圖7是本發(fā)明D-S證據(jù)的融合過(guò)程示意圖；
[0072]圖8是實(shí)施例1進(jìn)行地圖匹配的效果圖。
【具體實(shí)施方式】
[0073]以下結(jié)合附圖對(duì)本發(fā)明的實(shí)施例進(jìn)行詳細(xì)說(shuō)明，但是本發(fā)明可以根據(jù)權(quán)利要求限 定和覆蓋的多種不同方式實(shí)施。
[0074] 實(shí)施例1:
[0075]參見圖1，一種多證據(jù)融合地圖匹配算法，應(yīng)用于在線采礦智能調(diào)度系統(tǒng)，具體過(guò) 程如圖1，詳情如下：
[0076]第一步:確定誤差區(qū)域，以便從地圖數(shù)據(jù)中提取候選匹配道路的信息;誤差區(qū)域是 指包含車輛真實(shí)位置的區(qū)域，在誤差區(qū)域內(nèi)的道路稱之為候選路段，以減少進(jìn)行識(shí)別的道 路的數(shù)量，提高識(shí)別速度;較為常用的確定誤差區(qū)域方法的是根據(jù)概率準(zhǔn)則定義誤差橢圓， 即該誤差橢圓如圖2所示；
[0077]設(shè)定位系統(tǒng)的方差和協(xié)方差矩陣模型化為表達(dá)式1):
[0078] Z = ^ a2 L ''J l)
[0079] 式1)中，o;2和€是方差，〇xy和〇yx是協(xié)方差，〇 x和〇y是GPS定位系統(tǒng)正向與北向測(cè)量 誤差的標(biāo)準(zhǔn)差;并且這幾個(gè)參數(shù)可以直接從接收機(jī)輸出的數(shù)據(jù)中直接讀出，從而可以這樣 定義定位誤差橢圓詳見表達(dá)式2)、表達(dá)式3)以及表達(dá)式4):
[0083] 式中，a是橢圓半長(zhǎng)軸，b是橢圓半短軸，沒(méi)是單位權(quán)值的后驗(yàn)方差，式4)中0為橢圓 半長(zhǎng)軸的取向和正北方向之間的夾角，GPS的定位點(diǎn)即為橢圓中心，也是當(dāng)前的車輛定位位 置。
[0084] 由于判斷路段是否落在橢圓區(qū)域內(nèi)，需要執(zhí)行大量的開方和乘積運(yùn)算，對(duì)于選取 候選路段很不方便。為了克服這個(gè)缺點(diǎn)，可以將誤差區(qū)域定義為矩形區(qū)域，該矩形為橢圓區(qū) 域的最小包圍矩形，如圖3所示；
[0085] 長(zhǎng)和寬可以通過(guò)表達(dá)式5)和表達(dá)式6)求出：
[0088]誤差矩形計(jì)算方法簡(jiǎn)單，使候選路段的選擇簡(jiǎn)單化，對(duì)車輛軌跡范圍的快速劃定 能提高地圖匹配的實(shí)時(shí)性，同時(shí)它包含誤差橢圓，匹配的可靠性也得到了保障，在求出矩形 誤差區(qū)域后，誤差矩形內(nèi)所有的路段即成為候選路段，就可以進(jìn)行最佳匹配路段的確定。 [0089]第二步:根據(jù)位置和方向信息證據(jù)進(jìn)行D-S證據(jù)一次融合，具體是:根據(jù)D-S證據(jù)理 論，識(shí)別框?描述所有候選道路的集合：? = {Ai，A2，…，An}，設(shè)i = 1，2，…，n，Ai表示車輛在 第i號(hào)道路上行駛;設(shè)j = l，2,…，n表示第j號(hào)證據(jù)，用車輛GPS定位點(diǎn)p的位置信息和行駛方 向信息作為D-S證據(jù)理論中的兩個(gè)證據(jù)，設(shè)證據(jù)函數(shù)為Cj,:; 7);
[0090]當(dāng)j = 1時(shí)，&, i為位置信息證據(jù)函數(shù)，令
[0092]式7)中，cU表示定位點(diǎn)p到第i號(hào)道路的投影距離，投影距離越小，位置信息證據(jù)越 可信；
[0093]當(dāng) j = 2時(shí)，令
8):
[0095]式8)中，a1表示正北方向順時(shí)針旋轉(zhuǎn)與第i號(hào)道路的夾角;a表示正北方向順時(shí)針 旋轉(zhuǎn)與車輛在P點(diǎn)的行駛方向的夾角;隊(duì)表示車輛行駛角度的變化值，車輛行駛角度與道路 角度差值越小，方向信息證據(jù)越可信;考慮到在實(shí)際系統(tǒng)中的易實(shí)現(xiàn)性，基本概率分配函數(shù) 構(gòu)造如表達(dá)式9):
9)；
[0099]式9)中，mXAD表示證據(jù)j對(duì)命題"道路仏是匹配道路"的精確信任程度，即血(仏)是 位置信息證據(jù)的基本概率分配函數(shù)，1112(仏)是方向信息證據(jù)的基本概率分配函數(shù);? )表 示當(dāng)前時(shí)刻由于證據(jù)的不可靠和不準(zhǔn)確而不能確定車輛在哪條道路上；4表示證據(jù)j的可 靠性參數(shù)，即lu為位置信息證據(jù)的可靠性參數(shù)，k 2為方向信息證據(jù)的可靠性參數(shù)。
[0100] 再得出信任函數(shù)Bel(Ai)=m(Ai)和似然函數(shù)Pl(Ai)=m(Ai)+m(?)，其中，信任函 數(shù)表示該證據(jù)下有理由相信M為候匹配道路的程度，似然函數(shù)表示不反對(duì)六:為匹配道路的 程度;根據(jù)D-S合成公式，將得到的位置信息和方向信息在識(shí)別框?上的基本概率分配函數(shù) mjPm2融合為一個(gè)m函數(shù)，表示命題"道路仏是匹配道路"的精確信任程度；
[0102]根據(jù)以上條件，可以得出命題"道路^是匹配道路"的類概率函數(shù)如表達(dá)式11):
[0104] 對(duì)于不同的道路Ai，式中的m(?)/n值是不變的，考察f(Ai)的值就相當(dāng)于考察m (A〇的值，即maxImUi)，m(A2)，…，m(An)}，得對(duì)應(yīng)的道路即可判定為車輛當(dāng)前行駛的道路。
[0105] 針對(duì)車輛在行駛的過(guò)程中會(huì)遇到的平行路段和特殊路段（如交叉路口、立交橋 等），則是遵循可靠性參數(shù)選擇中適用性和針對(duì)性原則，根據(jù)實(shí)際道路拓?fù)浣Y(jié)構(gòu)的特點(diǎn)，選 取相應(yīng)的可靠性參數(shù)值。由式9)可知，證據(jù)的可靠性參數(shù)值越大，表示其證據(jù)參考的價(jià)值越 可靠。首先定義算法的可靠性參數(shù)默認(rèn)值為0.8;取值時(shí)考慮車輛定位點(diǎn)所處路網(wǎng)，當(dāng)某種 道路環(huán)境下位置或方向信息證據(jù)更為可靠時(shí)參數(shù)值取〇. 9;分為"位置信息證據(jù)較可靠" = 0.9，k2 = 0.8)、"方向信息證據(jù)較可靠"（1^1 = 0.8，1? = 0.9)和默認(rèn)取值(1^1 = 0.8，1? = 0.8) 3種情況；以此思路，針對(duì)平行路段、交叉路口和立交橋等分口較多的路段進(jìn)行仿真分析，考 察位置信息和方向信息證據(jù)的可靠性程度，得出可靠性參數(shù)的最優(yōu)取值。
[0106] 平行路段是指兩條或以上路段平行的道路，車輛的定位數(shù)據(jù)有可能連續(xù)落在n條 道路之間;此時(shí)n條道路的方向角是相等的，方向信息證據(jù)的可靠性相對(duì)較弱，應(yīng)當(dāng)選取"位 置信息證據(jù)較可靠"的取值方案;模擬實(shí)際環(huán)境中平行路段的情況，進(jìn)行仿真試驗(yàn)，并對(duì)結(jié) 果分析，得出的結(jié)果對(duì)方案的驗(yàn)證完全統(tǒng)一;選取一仿真實(shí)例，如圖4所示，車輛的初始位置 為A，定位系統(tǒng)獲得的位置為B，而車輛的真實(shí)行駛位置為C，將仿真得出的結(jié)果繪制成mUO 與ki和k2大小關(guān)系的曲線圖；可以直觀地看出：當(dāng)ki>k2時(shí)，m(Ai)和m(A 2)的值相差最大，此時(shí) 匹配結(jié)果的誤差范圍最大，完成了平行路段時(shí)采用"位置信息證據(jù)較可靠"的取值方案的驗(yàn) 證，BP ki = 0 ? 9，k2 = 0 ? 8。
[0107] 當(dāng)車輛駛?cè)虢徊媛房跁r(shí)，定位點(diǎn)有可能在各條道路之間，由于道路之間的方向角 相差較大，因此相對(duì)位置證據(jù)而言，方向信息證據(jù)的可靠性較強(qiáng)，應(yīng)當(dāng)選取"方向信息證據(jù) 較可靠"的取值方案。通過(guò)編程模擬實(shí)際環(huán)境，考察城市不同類型的交叉路口，進(jìn)行仿真試 驗(yàn)，并對(duì)結(jié)果分析，得出的仿真結(jié)果對(duì)方案的驗(yàn)證完全統(tǒng)一。選取仿真過(guò)程中的一則代表性 實(shí)例，如圖5所示，車輛的初始位置為A，定位系統(tǒng)獲得的位置為B，而車輛的真實(shí)行駛位置為 C，將仿真得出的結(jié)果繪制成m(Ai)與k#Pk2大小關(guān)系的曲線圖；可以看出：當(dāng)kKk2時(shí)，mUd 和m(A2)的值相差最大，此時(shí)匹配結(jié)果的誤差范圍最大，錯(cuò)誤率最??；而當(dāng)ki^：k2時(shí)，支持正 確結(jié)果的證據(jù)函數(shù)值逐漸下降而支持錯(cuò)誤結(jié)果的證據(jù)逐漸上升，誤差范圍最小，仿真完成 了對(duì)交叉路口路段使用"方向信息證據(jù)較可靠"的取值方案的驗(yàn)證，即匕=0.8山=0.9。
[0108] 當(dāng)車輛駛?cè)肓⒔粯虻确挚谳^多的路段時(shí)，是地圖匹配中最為復(fù)雜的情況，此時(shí)GPS 定位點(diǎn)有可能在n條較為密集的道路間，可靠性參數(shù)細(xì)微的變化將直接影響匹配結(jié)果;此種 情況與交叉路口類似，因此相對(duì)位置證據(jù)而言，方向信息證據(jù)的可靠性較強(qiáng)，應(yīng)當(dāng)選取"方 向信息證據(jù)較可靠"的取值方案。通過(guò)編程模擬實(shí)際環(huán)境對(duì)立交橋復(fù)雜路口進(jìn)行匹配模擬， 仿真結(jié)果通過(guò)一則實(shí)例來(lái)說(shuō)明。如圖6所示，車輛的初始位置為A，定位系統(tǒng)獲得的位置為B， 而車輛的真實(shí)行駛位置為C，將仿真得出的結(jié)果繪制成!11(仏)與1^和1?大小關(guān)系的曲線圖。可 以看出：當(dāng)ki〈k2時(shí)，m(Ai)和m(A2)的值相差最大，此時(shí)匹配結(jié)果的誤差范圍最大，錯(cuò)誤率最 小;隨著h的增大和1?的減小，支持正確結(jié)果的證據(jù)逐漸下降而支持錯(cuò)誤結(jié)果的證據(jù)逐漸上 升，最終出現(xiàn)錯(cuò)誤的匹配結(jié)果，論證了立交橋等分口較多的路段應(yīng)采用"方向信息證據(jù)較可 靠"的取值方案，即ki = 0.8，k2 = 0.9。
[0109]獲取可達(dá)性信息證據(jù)，具體是:可達(dá)性信息證據(jù)的考察將從GPS等定位設(shè)備獲取到 的車輛定位點(diǎn)分別投影到候選道路上，視做假如車輛行駛在該道路上的位置點(diǎn)，稱此投影 點(diǎn)為該候選路段的虛擬匹配點(diǎn)；可達(dá)性信息是指匹配過(guò)程中車輛從上一匹配點(diǎn)到虛擬匹配 點(diǎn)的連通性、行駛距離、行駛時(shí)間（定位設(shè)備的上一次定位與本次定位的時(shí)間間隔t)等信 息，其中：行駛距離則是通過(guò)Dijkstra算法計(jì)算上一匹配點(diǎn)到虛擬匹配點(diǎn)的最短路徑長(zhǎng)度， 原理如下：
[0110] 令為D(v)源結(jié)點(diǎn)(記為結(jié)點(diǎn)1)到某個(gè)結(jié)點(diǎn)v的距離，它就是從結(jié)點(diǎn)1沿某一路徑到結(jié) 點(diǎn)v的所有鏈路的長(zhǎng)度之和;再令l(i，j)為結(jié)點(diǎn)i至結(jié)點(diǎn)j之間的距離;整個(gè)算法包括以下步 驟：
[0111] 步驟a、令N表示網(wǎng)絡(luò)結(jié)點(diǎn)的集合，先令N ={ 1 }，對(duì)所有不在N中的結(jié)點(diǎn)v有表達(dá)式 )若結(jié)點(diǎn)V與結(jié)點(diǎn)1相連 ^(v) ~ V00若結(jié)點(diǎn)V與結(jié)點(diǎn)1不相連；
[0112] 步驟b、尋找一個(gè)不在N中的結(jié)點(diǎn)w，其DW值為最小;把w加入到N中；然后對(duì)所有不 在N中的結(jié)點(diǎn)V，用[0^，隊(duì))+1(?^)]中的較小的值去更新原有的1)^值，即得表達(dá)式1^)- Min[D(v)D(w)+l(w,v)]；
[0113] 步驟c、重復(fù)步驟b，直到所有的網(wǎng)絡(luò)結(jié)點(diǎn)都在N中為止;最后D(v)即是行駛距離；
[0114] 改進(jìn)算法考察可達(dá)性信息證據(jù)，通過(guò)計(jì)算行駛至各候選道路虛擬匹配點(diǎn)需要的速 度，即虛擬速度，與從定位設(shè)備獲取的車輛實(shí)際行駛速度信息比較，以考察虛擬匹配點(diǎn)的可 達(dá)性信息證據(jù)；
[0115]第三步、根據(jù)第二步中的D-S證據(jù)一次融合結(jié)果和可達(dá)性信息證據(jù)進(jìn)行D-S證據(jù)二 次融合，具體是:在傳統(tǒng)D-S證據(jù)理論的地圖匹配算法的基礎(chǔ)上，對(duì)于式9)，當(dāng)j = 3時(shí)，mXAO 是可達(dá)性信息證據(jù)的基本概率分配函數(shù)，令可達(dá)性信息證據(jù)函數(shù)為表達(dá)式12):
12)；
[0117] 式12)中，Di表示車輛從上匹配點(diǎn)到第i號(hào)道路的虛擬匹配點(diǎn)的行駛距離;t表示定 位設(shè)備的定位周期;v表示車輛的瞬時(shí)速度 ;Vl表示車輛行駛到第i號(hào)道路虛擬速度與實(shí)際 速度的差值；由于城市路網(wǎng)中的車輛行駛有一定規(guī)律性，且在交通規(guī)則的約束下行駛速度 近似均勻，瞬時(shí)剎車的可能性較低，因此本算法中車輛虛擬行駛速度按照勻速計(jì)算;在此前 提下，此式考察車輛在位置點(diǎn)P到第i號(hào)道路的虛擬匹配點(diǎn)的可達(dá)性信息的證據(jù)強(qiáng)度，車輛 虛擬行駛到第i號(hào)道路所需的速度與實(shí)際行駛速度的差值越小，證據(jù)越可信。這樣，就得到 了位置、方向和連通性3個(gè)基本概率分配函數(shù)供D-S證據(jù)融合以得出最為精確的結(jié)果。
[0118]分布式證據(jù)融合模型采用遞歸式D-S證據(jù)融合的方式，證據(jù)1與證據(jù)2融合的結(jié)果 作為新的證據(jù)與證據(jù)3進(jìn)行二次融合，以此類推直至融合所有證據(jù);這種模型適用于事先對(duì) 各證據(jù)的可信程度有所傾向的情況，可以弱化人為證據(jù)的可信程度，增強(qiáng)客觀證據(jù)的可信 程度，并且當(dāng)證據(jù)量較少時(shí)計(jì)算過(guò)程更為簡(jiǎn)便。由于地圖匹配算法實(shí)際運(yùn)用中，實(shí)際彎曲的 道路在電子地圖中要用一系列直線段來(lái)逼近，并且每個(gè)司機(jī)的駕車習(xí)慣導(dǎo)致經(jīng)過(guò)相同拐角 的車行軌跡不同，所以方向信息證據(jù)受到人為證據(jù)的影響；而從定位設(shè)備中獲取的可達(dá)性 信息證據(jù)和位置信息證據(jù)較為客觀，因此，改進(jìn)算法中采用分布式證據(jù)融合模型，如圖7所 不。
[0119]運(yùn)用分布式證據(jù)融合模型，將表達(dá)式10)中位置信息和方向信息融合得到的mUO 函數(shù)作為一個(gè)新的基本概率分配函數(shù)，再次運(yùn)用D-S合成公式，與可達(dá)性信息證據(jù)的基本概 率函數(shù)m3(Ai)融合為一個(gè)新的m函數(shù)m' (Ai)如表達(dá)式13):
[0121]第四步:根據(jù)第三步中的D-S證據(jù)二次融合結(jié)果選擇最佳匹配道路，具體是:取max {m'（A〇，m'（A2)，…，m' (An)}所對(duì)應(yīng)的道路即為車輛當(dāng)前行駛的道路。
[0122] 采用本實(shí)施例的方法進(jìn)行地圖匹配的效果詳見圖8。
[0123] 本發(fā)明的算法使用可靠性參數(shù)將第一次證據(jù)融合結(jié)果精度提高，再與車輛的可達(dá) 性信息證據(jù)進(jìn)行D-S證據(jù)的二次融合，與現(xiàn)有方法(基于浮動(dòng)車數(shù)據(jù)的地圖匹配算法和基于 GPS軌跡數(shù)據(jù)的地圖匹配算法)相比較的結(jié)果詳見表1，從表1可知：本發(fā)明方法進(jìn)一步確保 了匹配結(jié)果的準(zhǔn)確性和穩(wěn)定性(從匹配率體現(xiàn)出）。
[0124] 表1現(xiàn)有算法與本發(fā)明方法的比較表
[0126]以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，對(duì)于本領(lǐng)域的技 術(shù)人員來(lái)說(shuō)，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修 改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種多證據(jù)融合地圖匹配算法，其特征在于，包括以下步驟： 第一步、確定誤差區(qū)域，具體是:所述誤差區(qū)域?yàn)榫匦螀^(qū)域，該矩形區(qū)域?yàn)楝F(xiàn)有橢圓區(qū) 域的最小包圍矩形，其長(zhǎng)和寬的計(jì)算式為表達(dá)式5)和表達(dá)式6)計(jì)算出：其中，表矩形區(qū)域的長(zhǎng)度，表矩形區(qū)域的寬度，a代表橢圓區(qū)域的半長(zhǎng)軸的長(zhǎng) 度，b代表橢圓區(qū)域的半短軸的長(zhǎng)度，Φ代表為橢圓半長(zhǎng)軸的取向和正北方向之間的夾角； 第二步、根據(jù)位置和方向信息證據(jù)進(jìn)行D-S證據(jù)一次融合，具體是：用車輛定位點(diǎn)p的位 置信息和行駛方向信息作為D-S證據(jù)理論中的兩個(gè)證據(jù)，得到道路Ai是匹配道路的類概率 函數(shù)如表達(dá)式11):其中：識(shí)別框Θ描述所有候選道路的集合：?=仏，如，…，An}，設(shè)i為道路的編號(hào)，i = 1，2,…，n，Ai表示車輛在第i號(hào)道路上行駛;Bel(Ai)為信任函數(shù)，BeKAihmUihPKAi)為 似然函數(shù)，Pl(Ai)=m(Ai)+m( Θ ); 獲取可達(dá)性信息證據(jù)，具體是:先將從GPS等定位設(shè)備獲取到的車輛定位點(diǎn)分別投影到 候選道路上，視做假如車輛行駛在該道路上的位置點(diǎn)，稱此投影點(diǎn)為該候選路段的虛擬匹 配點(diǎn);再獲取匹配過(guò)程中車輛從上一匹配點(diǎn)到虛擬匹配點(diǎn)的連通性、行駛距離、行駛時(shí)間信 息，即得可達(dá)信息;通過(guò)可達(dá)信息獲得可達(dá)性信息證據(jù)； 第三步、根據(jù)第二步中的D-S證據(jù)一次融合結(jié)果和可達(dá)性信息證據(jù)進(jìn)行D-S證據(jù)二次融 合，具體是:運(yùn)用分布式證據(jù)融合模型，將第二步中的D-S證據(jù)一次融合結(jié)果和可達(dá)性信息 證據(jù)再次運(yùn)用D-S合成公式得到新的m函數(shù)m'（仏)詳見表達(dá)式13):第四步、根據(jù)第三步中的D-S證據(jù)二次融合結(jié)果選擇最佳匹配道路，具體是：取maxim' (AO，m'（A2)，…，m'(An)}所對(duì)應(yīng)的道路即為車輛當(dāng)前行駛的道路。2. 根據(jù)權(quán)利要求1所述的多證據(jù)融合地圖匹配算法，其特征在于，所述第一步中現(xiàn)有橢 圓區(qū)域?yàn)楦鶕?jù)概率準(zhǔn)則定義的誤差橢圓，具體如下：設(shè)定位系統(tǒng)的方差和協(xié)方差矩陣模型 化為表達(dá)式1):其中：σ「和σ,:是方差，oxy和oyx是協(xié)方差，σχ和oy是GPS定位系統(tǒng)正向與北向測(cè)量誤差的 標(biāo)準(zhǔn)差，均可直接從接收機(jī)輸出的數(shù)據(jù)中直接讀出； 誤差橢圓的參數(shù)表達(dá)式如表達(dá)式2 )、表達(dá)式3)以及表達(dá)式4): 其中：a是橢圓半長(zhǎng)軸，b是橢圓半短軸，茂是單位權(quán)值的后驗(yàn)方差，為橢圓半長(zhǎng)軸的取 向和正北方向之間的夾角，GPS的定位點(diǎn)即為橢圓中心，也是當(dāng)前的車輛定位位置。3.根據(jù)權(quán)利要求1所述的多證據(jù)融合地圖匹配算法，其特征在于，所述第二步中D-S證 據(jù)一次融合具體是： 根據(jù)D-S證據(jù)理論，識(shí)別框Θ描述所有候選道路的集合：Θ =⑷，A2，…，An}，設(shè)i = 1， 2，…，η，Μ表示車輛在第i號(hào)道路上行駛； 設(shè)j = 1，2，…，η表示第j號(hào)證據(jù)，用車輛定位點(diǎn)p的位置信息和行駛方向信息作為D-S證 據(jù)理論中的兩個(gè)證據(jù)，設(shè)證據(jù)函數(shù)為η當(dāng)j = l時(shí)，Cu為位置信息證據(jù)函數(shù)，詳見表達(dá)式 7)：其中:cU表示定位點(diǎn)p到第i號(hào)道路的投影距離，投影距離越小，位置信息證據(jù)越可信； 當(dāng)j = 2時(shí)，C2, i為位置信息證據(jù)函數(shù)，詳見表達(dá)式4):其中:&1表示正北方向順時(shí)針旋轉(zhuǎn)與第i號(hào)道路的夾角;a表示正北方向順時(shí)針旋轉(zhuǎn)與車 輛在P點(diǎn)的行駛方向的夾角表示車輛行駛角度的變化值，車輛行駛角度與道路角度差值 越小，方向信息證據(jù)越可信； 基本概率分配函數(shù)構(gòu)造如表達(dá)式9):其中mXAO表示證據(jù)j對(duì)命題"道路Μ是匹配道路"的精確信任程度，即mUO是位置信 息證據(jù)的基本概率分配函數(shù)，imUO是方向信息證據(jù)的基本概率分配函數(shù);ny( Θ )表示當(dāng)前 時(shí)刻由于證據(jù)的不可靠和不準(zhǔn)確而不能確定車輛在哪條道路上;4表示證據(jù)j的可靠性參 數(shù)，即lu為位置信息證據(jù)的可靠性參數(shù)，k 2為方向信息證據(jù)的可靠性參數(shù)； 得出信任函數(shù)BelUO =!!!(&)，信任函數(shù)表示該證據(jù)下有理由相信AiS候匹配道路的 程度;似然函數(shù)ΡΚΑΟιπΚΑΟ+πΚΘ)，似然函數(shù)表示不反對(duì)仏為匹配道路的程度； 根據(jù)D-S合成公式，將得到的位置信息和方向信息在識(shí)別框Θ上的基本概率分配函數(shù)血 和1112融合為一個(gè)m函數(shù)，表示命題"道路心是匹配道路"的精確信任程度，詳見表達(dá)式10):得出命題"道路仏是匹配道路"的類概率函數(shù)詳見表達(dá)式11):4. 根據(jù)權(quán)利要求3所述的多證據(jù)融合地圖匹配算法，其特征在于，平行路段時(shí)取1^ = 0.9，1? = 0.8;交叉路口路段取1^1 = 0.8，1? = 0.9;兩個(gè)及以上分口的立交橋路段應(yīng)取1^1 = 0 · 8，k2 = 0 · 9 〇5. 根據(jù)權(quán)利要求1所述的多證據(jù)融合地圖匹配算法，其特征在于，所述第二步中獲取可 達(dá)性信息證據(jù)中行駛距離是通過(guò)Dijkstra算法計(jì)算上一匹配點(diǎn)到虛擬匹配點(diǎn)的最短路徑 長(zhǎng)度，具體算法是： 令D(v)為源結(jié)點(diǎn)到某個(gè)結(jié)點(diǎn)v的距離，則D(v)是從源節(jié)點(diǎn)沿某一路徑到結(jié)點(diǎn)v的所有鏈路 的長(zhǎng)度之和； 再令1 (i，j)為結(jié)點(diǎn)i至結(jié)點(diǎn)j之間的距離； 包括以下步驟： 步驟a、令N表示網(wǎng)絡(luò)結(jié)點(diǎn)的集合，先令N= {1}，對(duì)所有不在N中的結(jié)點(diǎn)v，寫出D(v)的表達(dá)步驟b、尋找一個(gè)不在N中的結(jié)點(diǎn)w，其DW值為最小;把w加入到N中；然后對(duì)所有不在N中 的結(jié)點(diǎn)？，用[0(^，0?+1(?^)]中的較小的值去更新原有的0(^值，8卩0(^-1^11[0&)0^+1 (w,v)]； 步驟C、重復(fù)步驟b，直到所有的網(wǎng)絡(luò)結(jié)點(diǎn)都在N中為止，最后D(v)即是行駛距離。6. 根據(jù)權(quán)利要求1所述的多證據(jù)融合地圖匹配算法，其特征在于，所述第三步中進(jìn)行二 次融合時(shí)，當(dāng)j = 3時(shí)，!113(仏)是可達(dá)性信息證據(jù)的基本概率分配函數(shù)，可達(dá)性信息證據(jù)函數(shù) 詳見表達(dá)式12):其中:Di表示車輛從上匹配點(diǎn)到第i號(hào)道路的虛擬匹配點(diǎn)的行駛距離;t表示定位設(shè)備的 定位周期；v表示車輛的瞬時(shí)速度;Vl表示車輛行駛到第i號(hào)道路虛擬速度與實(shí)際速度的差 值。
【文檔編號(hào)】G01C21/30GK105928529SQ201610239902
【公開日】2016年9月7日
【申請(qǐng)日】2016年4月18日
【發(fā)明人】鄧軍, 郭琴, 粟闖
【申請(qǐng)人】中國(guó)有色金屬長(zhǎng)沙勘察設(shè)計(jì)研究院有限公司