一种浮动车数据的地图匹配方法

1.一种浮动车数据的地图匹配方法，其特征在于：包括以下步骤，
步骤1，加载道路网络，构建路网拓扑结构；
步骤2，按时间顺序从某车辆的GPS轨迹中获取一个GPS点作为当前GPS点，构建误差区域，计算该GPS点的备选匹配路段集；
步骤3，如果当前GPS点为GPS轨迹中第1个GPS点，直接将该点的备选匹配路段集添加到备选路径集，再返回继续执行步骤2；否则，利用最短路径算法计算从上一个GPS点的备选路径到当前GPS点的备选路径集，然后最小化当前GPS点的备选路径集，最小化当前GPS点的备选路径集采用多标准动态规划技术实现；
利用最短路径算法计算从上一个GPS点的备选路径到当前GPS点的备选路径集，实现方式为，为最短路径计算设一个全局计数标识SPID，并为路网中的每条边akv设一个属性UID(akv)，所述的最短路径计算包括以下子步骤，
步骤3.1，输入到GPS点pi-1的备选路径集 GPS点pi-1的备选匹配
i
点集 GPS点p 的一个备选匹配点 当前路径分析过程的全局计数标识
SPID；修改路网拓扑结构，包括将备选匹配点 和 作为临时节点添加到路网中，同时创建相应的临时边；
步骤3.2，初始化，实现方式如下，
创建优先队列SE＝φ；对每一个备选路径 q的取值范围为1,2,…λ，λ为GPS点pi-1的备选匹配点总数；定义 表示到备选匹配点 具有最小加权指标值的备选i
路径，n的取值范围为1,2,…N，N为GPS点p 的备选路径集中备选路径总数，定义 为经i
过GPS点p 的备选匹配点 的第m条备选路径，m的取值范围为1,2,…M，M为经过备选匹配点 的备选路径总数；创建新路径 k的取值范围为1,2,…λ，并设置路径加权指标值 其中， 为GPS点pi和备选匹配点 之间的欧式距离，η为非负
的权值；更新优先队列
步骤3.3，路径选择，实现方式如下，
如果优先队列SE＝φ，转到步骤3.5；
否则，从优先队列SE中选择加权指标值 最小的路径 再从SE中删除选择的路径，设置 如果路径 的终点 则输出备选路径 对应的最小
加权指标值为 转到步骤3.5；否则继续进入步骤3.4；
步骤3.4，路径扩展，实现方式如下，
将路径 扩展到相连接的下一条边akv，akv是从节点nk到nv的路段，创建新路径并设置 其中dkv为边akv的长度；
如果到节点nv的最优备选路径 或者UID(akv)≠SPID，设置 加权指标
值 优先队列 以及UID(akv)＝SPID；
如果当前加权指标值 设置到节点nv的最优备选路径为 更新最小
加权指标值 将路径 添加到优先队列SE中；
转到步骤3.3；
步骤3.5，恢复路网，输出到备选匹配点 的备选路径 所述恢复路网包括删除步骤
3.1中添加的临时节点和临时边；
步骤4，返回步骤2按时间顺序从该车辆的GPS轨迹中获取下一个GPS点进行处理，直到GPS轨迹所有GPS点处理完成，从最后的备选路径集中选择最优匹配路径。

一种浮动车数据的地图匹配方法\n技术领域\n[0001] 本发明涉及交通数据处理技术领域，尤其是涉及一种用于大规模低采样频率浮动车数据的高效地图匹配方法。\n背景技术\n[0002] 随着移动定位技术和无线通信技术的发展，浮动车数据由于其低成本和高空间覆盖成为交通监控的主要数据源。浮动车是指通过车载GPS（全球定位系统）设备实现对道路上行驶车辆的瞬时速度、位置、行驶方向、时间戳等交通数据的采集。浮动车数据具有实时性、建设周期短、全天候、低成本、路网覆盖面广、信息丰富的特点，很好地弥补了现有交通数据采集方式的不足，在路段平均速度、行程时间信息采集的准确性和实时性上都优于传统的固定点检测方式，并且能采集到全面的城市道路网动态信息。研究浮动车数据采集系统的相关理论与方法，对促进城市交通信息化建设有良好的推动作用和巨大的现实意义。\n[0003] 相关文献有：Kong,Q.-J.,Zhao,Q.,Wei,C.and Liu,Y.,2012,Efficient Traffic State Estimation for Large-Scale Urban Road Networks.IEEE Transactions on Intelligent Transportation Systems,In press.DOI:10.1109/TITS.2012.2218237.[0004] 由于GPS的定位误差，以及道路网络的几何误差，车辆的GPS位置会偏离路网，因此在使用浮动车数据前需要对车辆轨迹进行地图匹配处理，即将车辆的GPS位置点纠正到实际行驶的道路上。传统的地图匹配方法用于单辆车的车载导航，采用高采样频率数据（如1秒的采用频率），同时也会利用速度、行驶方向等辅助信息，进行精确地图匹配计算。\n相关文献有：Quddus,M.A.,Ochieng,W.Y.and Noland,R.B.,2007,Current map-matching algorithms for transport applications:State-of-the art and future research directions.Transportation Research Part C-Emerging Technologies,15,pp.312-328.但是在浮动车数据采集系统中，往往同时采集数以万计的车辆GPS点，为了降低数据传输和存储管理成本，会降低数据采样频率（例如1分钟），同时只存储车辆的经纬度位置和时间点信息。传统针对车载导航的地图匹配方法不能满足浮动车系统大规模、低采样频率、小信息量GPS数据的地图匹配要求。\n发明内容\n[0005] 本发明提出了一种高效高精度的浮动车数据地图匹配方法，以解决大规模低采样频率的浮动车数据实时匹配问题。\n[0006] 本发明的技术方案为一种浮动车数据的地图匹配方法，包括以下步骤，[0007] 步骤1，加载道路网络，构建路网拓扑结构；\n[0008] 步骤2，按时间顺序从某车辆的GPS轨迹中获取一个GPS点作为当前GPS点，构建误差区域，计算该GPS点的备选匹配路段集；\n[0009] 步骤3，如果当前点为GPS轨迹中第1个GPS点，直接将该点的备选路段集添加到备选路径集，再返回继续执行步骤2；否则，利用最短路径算法计算从上一个GPS点的备选路径到当前点的备选路径集，然后最小化当前点的备选路径集；\n[0010] 步骤4，返回步骤2按时间顺序从该车辆的GPS轨迹中获取下一个GPS点进行处理，直到GPS轨迹所有GPS点处理完成，从最后的备选路径集中选择最优匹配路径。\n[0011] 而且，步骤3中，最小化当前点的备选路径集采用多标准动态规划技术实现。\n[0012] 而且，步骤3中，利用最短路径算法计算从上一个GPS点的备选路径到当前点的备选路径集，实现方式为，为最短路径计算设一个全局计数标识SPID，并为路网中的每条边akv设一个属性UID(akv)，计算包括以下子步骤，\n[0013] 步骤1，输入到点pi-1的备选路径集 点pi-1的备选匹配点集\ni\n点p 的一个备选匹配点 当前路径分析过程的全局计数标识SPID；修\n改路网拓扑结构，包括将备选匹配点 和 作为临时节点添加到路网中，同时创建相应的临时边；\n[0014] 步骤2，初始化，实现方式如下，\n[0015] 创建优先队列SE:=φ；对每一个备选路径 q的取值范围为1,2,…λ，i-1\nλ为GPS点p 的备选匹配点总数，创建新路径 k的取值范围为1,2,…λ，并设置路径加权指标值 更新优先队列\n[0016] 步骤3，路径选择，实现方式如下，\n[0017] 如果优先队列SE=φ，转到步骤5；\n[0018] 否则，从优先队列SE中选择加权指标值 最小的路径 再从SE中删除选择的路径，设置 如果路径 的终点 则输出备选路径 对应的\n最小加权指标值为 转到步骤5；否则继续进入步骤4；\n[0019] 步骤4，路径扩展，实现方式如下，\n[0020] 将路径 扩展到相连接的下一条边akv，akv是从节点nk到nv的路段，创建新路径并设置 其中dkv为边akv的长度；\n[0021] 如果到节点nv的最优备选路径 或者UID(akv)≠SPID，设置 加权指标值 优先队列 以及UID(akv):=SPID；\n[0022] 如果当前加权指标值 设置到节点nv的最优备选路径为 更新\n最小加权指标值 将路径 添加到优先队列SE中；\n[0023] 转到步骤3；\n[0024] 步骤5，恢复路网，输出到备选匹配点 的备选路径 所述恢复路网包括删除步骤1中添加的临时节点和临时边。\n[0025] 本发明针对现有地图匹配方法处理大规模、小信息量、低采样频率浮动车数据的不足，提出了利用多标准动态规划技术来进行地图匹配，在保证高的匹配精度的同时也加快了匹配速度，可以实现城市交通浮动车数据的实时自动匹配处理。\n附图说明\n[0026] 图1为本发明实施例的流程图；\n[0027] 图2为本发明实施例的生成匹配路径的示意图。\n具体实施方式\n[0028] 本发明处理对象是城市交通路网中大规模、低采样频率、小信息量的浮动车数据；\n可以实现大规模低频率浮动车数据的在线实时地图匹配和轨迹还原。本发明技术方案可采用计算机软件技术实现自动运行流程。\n[0029] 以下结合附图和实施例详细说明本发明技术方案。\n[0030] 如图1，本方法的输入数据为浮动车的GPS轨迹数据和路网数据，GPS轨迹数据i i\n是一系列按照时间顺序排序的GPS点组成，每个GPS点由经纬度坐标p 和时间点t 组成，实施例将不同车辆的轨迹利用车辆标识字段VehicleID进行区分，例如图中多条轨迹Vehicle1…Vehicleα，当需要对多条轨迹跟踪时可以采用同样方式并行处理，即分别执行i i\n步骤2～4。某车辆的轨迹中任一GPS点可由（VehicleID，p，t）表示。路网数据是由节点和边组成的图，另外还包括转向限制等信息。\n[0031] 本发明进行地图匹配过程如下：\n[0032] 步骤1：加载道路网络，构建路网拓扑结构。\n[0033] 实施例将路网数据预先加载到主内存中以加快地图匹配的速度，路网路段加载的同时对其建立2维的R树索引，用于快速高效地进行空间查询。同时构建路网拓扑结构，通常记录为路段与节点间的拓扑连接表。具体实施时，可以预先构建，匹配时将预先构建的路段与节点间的拓扑连接表也同时加载到主内存中，用于最短路径分析。\n[0034] 步骤2：按时间顺序从GPS轨迹中获取一个GPS点，构建误差区域区，计算该点的备选匹配路段集。\n[0035] 实施例逐车辆处理实时接收到的GPS轨迹数据，设车辆α的轨迹为Tra(α)，从轨i i\n迹Tra(α)中取一个GPS点(p,t)，以GPS的定位精误差为半径（例如40米），以该GPS点为圆心构建圆形的误差区域，再利用2维的R树索引进行空间查询得到位于该误差区域内的备选路段，该GPS点的备选路段集表示为 其中 表示从节点nq到nw的\n路段。然后计算该GPS点投影到各个备选路段上的投影点位置 得到该GPS点的备选匹配点集 n的取值范围为1,2,…N，N为该GPS点的备选匹配点总数，具体投影方法为现有技术，本发明不予赘述。同时计算GPS点pi和备选匹配点 之间的欧式距离\n1\n具体计算方法为现有技术，本发明不予赘述。如图2所示：某车辆的轨迹中，GPS点p 的备选匹配点集 GPS点p1和备选匹配点 之间的欧式距离为 GPS点p1和备选匹配点 之间的欧式距离为 GPS点p2的备选匹配点集 GPS点p2和备选匹配\n2 3\n点 之间的欧式距离为 GPS点p 和备选匹配点 之间的欧式距离为 GPS点p 的备\n3\n选匹配点集 GPS点p 和备选匹配点 之间的欧式距离为 由此可得最优匹配路径。\n[0036] 步骤3：如果当前点为第1个GPS点，直接将该点的备选路段集添加到备选路径集，再返回继续执行步骤2；否则，利用最短路径算法计算从上一个GPS点的备选路径到当前点的备选路径集，根据多标准动态规划技术最小化当前点的备选路径集。采用多标准动态规划技术，每个备选匹配点只保留一条最优备选路径，能保证备选路径最优性的同时最小化备选路径集，从而提高了匹配算法的性能和精度。本发明建议采用的标准主要有2个，一个是路径长度和路径偏移的加权指标值，另一个是路网中路段的拓扑连通性。\n[0037] 前一次执行步骤3时利用现有的多标准动态规划技术得到上一个GPS点pi-1的i-1\n备选路径集 当前执行步骤3时从上一个GPS点p 的备选路径集\n使用A*最短路径方法扩展到当前GPS点pi，得到pi点的备选路径集\n其中 表示到备选匹配点 具有最小加权指标值的备选路径，q的取\ni-1\n值范围为1,2,...λ，λ为GPS点p 的备选路径集中备选路径总数； 表示到备选匹配i\n点 具有最小加权指标值的备选路径，n的取值范围为1,2,…N，N为GPS点p 的备选路径集中备选路径总数。 的计算过程如下。\n[0038] 定义 为经过GPS点pi的备选匹配点 的第m条备选路径，m的取值范围为\n1,2,…M。其路径距离长度为 GPS点到路径 的路径偏移为 路径\n的加权指标值表示为 其中η为非负的权值，具体实施时可由本领域\n技术人员自行根据情况设定。设 为经过备选匹配点 的备选路径集，M为经过备选匹配点 的备选路径总数， 为到备选匹配点 具有最小加权指标值 的备选路径，*的取值范围为1,2,…M。可以证明， 是满足贝尔曼最优准则的最优匹配路径，即最优匹配路径的子路径也是局部最优的，因此经过备选匹配点 的备选匹配路径集i\n只需要保留一条匹配路径 从而到p 点的备选路径集\ni\n其路径条数为N，也是p 点的备选匹配点个数。再计算备选匹配路径 从 到 的平均速i 1,i\n度，利用路网最大行驶速度vmax限制条件，可以进一步减小到p 点的备选路径集R 中的路径条数N的大小。所以随着匹配过程的进行，备选匹配路径的条数不会呈现几何式增长，到每个GPS点的备选匹配路径的条数不会超过该点备选匹配点的个数，具有最小化的备选匹配路径集。\n[0039] 步骤4：返回步骤2按时间顺序从该车辆的GPS轨迹中获取下一个GPS点处理，直到GPS轨迹所有GPS点处理完成，从最后的备选路径集中选择最优匹配路径。\n[0040] 在步骤3中，需要反复使用A*最短路径方法计算相邻两个GPS点间（从点pi-1到i\n点p）的备选路径。由于浮动车数据具有海量GPS点，最短路径方法的性能对浮动车地图性能具有重要的影响。本发明在以下两个方面改进了传统A*最短路径方法，极大地提高了地图匹配的计算效率。\n[0041] 1）本发明提出一种节点标记动态初始化的机制。通过改进传统最短路径算法，采用一种节点标记动态初始化的机制，动态初始化路径计算过程中使用到的节点，避免整个路网标记初始化带来的计算负担，显著提高了最短路径计算效率。\n[0042] 传统A*最短路径方法每次进行最短路径分析时，都需要对整个道路网络的所有节点标记进行初始化。本发明提出一种在节点标记动态初始化的机制，只初始化路径计算过程中使用到的节点，避免整个路网标记初始化带来的计算负担。提出的动态初始化机制如下：为最短路径计算增加一个全局计数标识SPID，并为路网中的每条边akv增加一个属性UID(akv)，用于标识该边的最后一次路径计算序号。如果边的UID(akv)与当前路径分析过程的全局计数标识SPID不同，表明该节点标号是未经初始化的，应重新初始化，并设置UID(akv)值等于SPID；否则表明该节点标记已经初始化，不需要再初始化。\n[0043] 2）本发明提出一种机制计算从多个起点到单一终点间的最短路径。\n[0044] 传统A*最短路径方法计算从一个起止点对之间的最短路径。步骤3中需要计算i\n多备选GPS点到当前备选GPS点（p 点）之间的最短路径。如果采用传统A*方法则需要i\n反复计算每个备选点到当前备选点（p 点）之间的最短路径，再选择其中一条加权指标值最小的路径。本发明的方法改进了传统两点最短路径方法，使用的是多\n个出发点到一个目标点的路径分析方法，直接得到加权指标值最小的路径，其运算效率较常规两点路径分析方法有显著提高。\n[0045] 改进的最短路径方法详细步骤如下：\n[0046] 输入：到点pi-1的备选路径集 点pi-1的备选匹配点集\ni\n点p 的一个备选匹配点 当前路径分析过程的全局计数标识SPID。\n[0047] 输出：到备选匹配点 的备选路径\n[0048] 步骤1：修改路网拓扑结构。\n[0049] 将备选匹配点 和 作为临时节点添加到路网中，同时创建相应的临时边。\n[0050] 步骤2：初始化。\n[0051] 创建优先队列SE=φ。对每一个备选路径 q的取值范围为1,2,…λ，λ为GPS点pi-1的备选匹配点总数，创建新路径 k的取值范围为1,2,…λ，并设置路径加权指标值 更新优先队列\n[0052] 步骤3：路径选择。\n[0053] 如果优先队列SE=φ，转到步骤5；\n[0054] 否则从优先队列SE中选择加权指标值 最小的路径 再从SE中删除选择的路径，设置 如果路径 的终点 则输出备选路径 对应的最\n小加权指标值为 转到步骤5；否则继续进入步骤4。\n[0055] 步骤4：路径扩展。\n[0056] 顺序执行以下子步骤，\n[0057] 步骤4.1，将路径 扩展到相连接的下一条边akv，akv是从节点nk到nv的路段，创建新路径 并设置 其中dkv为边akv的长度。\n[0058] 步骤4.2，如果到节点nv的最优备选路径 或者UID(akv)≠SPID，设置加权指标值 优先队列 以及UID(akv)=SPID。\n[0059] 步骤4.3，如果当前加权指标值 设置到节点nv的最优备选路径为更新最小加权指标值 将路径 添加到优先队列SE中。\n[0060] 步骤4.4，转到步骤3.\n[0061] 步骤5：恢复路网。\n[0062] 删除步骤1中添加的临时节点和临时边，恢复路网拓扑结构。\n[0063] 本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。