[发明专利]一种利用历史GPS数据进行地图匹配的方法

说明书

技术领域

本发明涉及一种地图匹配方法，涉及一种利用历史GPS数据进行地图匹配的方法。

背景技术

在车辆导航系统中，显示在电子地图上的车辆移动轨迹反映了通过GPS测量设备实时测量的结果。然而，导航效果会受到很多因素的影响，比如设备误差，信号强度，地理环境，天气等。由于GPS数据不可避免地包含了很多不确定信息，显示在地图上的车辆轨迹可能与真实轨迹不一致，因此，在进一步挖掘和分析地理信息之前，检测这些误差是很有必要的。

地图匹配就是利用软件方法来识别和纠正GPS采样点到对应空间路网位置的过程。在过去20年里，地图匹配算法被深入研究，但是仍有提高空间。首先，以往的算法并未充分利用已有信息，例如车辆方向，地图拓扑信息，历史GPS轨迹；其次，以往算法适应性较差，有时来自地图的小偏差有可能会对匹配结果产生很大的影响，例如矢量电子地图的坐标偏移。最后，一些算法的匹配过程很复杂，不太适合实时处理。

本质上，地图匹配相当于模式识别过程。通过大量历史GPS轨迹数据的学习能够总结出模式，当产生新的GPS点时能够简洁地进行匹配。考虑到数量众多的路段(标签)和历史轨迹(训练集)，我们采用极限学习机(ELM)算法来获取较高的匹配精度和较快的匹配速度。ELM是基于单隐层前馈神经网络(single hidden layer feedforward neural network，SLFNs)[1]算法，相比传统的神经网络算法和支持向量机(support vector machine，SVM)，ELM有更快的学习速度。在实验中，利用我们的ELM参数选择算法进行优化，基于ELM的地图匹配方法显示出明显的优势。

发明内容

本发明的目的在于克服上述技术存在的缺陷，提供一种利用历史GPS数据进行地图匹配的方法。

其具体技术方案为：

一种利用历史GPS数据进行地图匹配的方法，包括以下步骤：

第一步：将历史GPS点记录按车辆ID、记录时间、坐标区域组织成轨迹形式，并将轨迹转换成KML文件(能够直观显示在电子地图上即可)；

第二步：将对应区域的路网数据(一般为GDB格式)裁剪出来并转换成KML格式文件(与第一步的格式一致)；

第三步：将第一步和第二步得到的KML文件叠加在一起，利用我们提出的标记方法为轨迹中的每一个GPS点标记其所在路段ID，此部分标记数据记为数据集A(利用历史GPS数据得到的带标签数据)；

第四步：路网数据本身带有很多道路的关键点信息，这些关键点包含坐标信息和路段ID，只需为其补充方向角信息即可作为我们的训练数据，具体步骤如下：

步骤1：将GDB格式的路网数据转换成JSON格式(文本格式即可，方便处理)；

步骤2：提取出每一路段内的关键点坐标、路段ID和单双道标记；

步骤3：利用前后关键点的坐标信息计算航向，即方向角。

完成上述步骤以后，所得标记数据记为数据集B(利用路网得到的带标签数据)；

第五步：将第三步得到的数据集A和第四步得到的数据集B合并作为ELM算法的训练数据集，选定部分与数据集A不相交的历史数据集作为测试数据(不带标签)，用我们的寻参算法寻找ELM参数，直至预测精度最高。此时对应的ELM模型即为该区域内的地图匹配模型。

优选地，所述标记方法具体为：

第一步：根据当前标注点邻近点的位置分布粗略地判断当前点的位置，确定轨迹的移动趋势；

第二步：确定标记点的候选路段。在以标记点为圆心，误差距离(与GPS采样芯片有关，本文为50米)为半径的圆形区域内覆盖的路段为该标记点的候选路段。

第三步：根据标记点的方向角属性选择候选路段。假设路段i与正北方向夹角为α，当标记点的方向角与α的差值的绝对值小于15度时，则标记点所在路段ID记为i。

为路网中的关键点补充方向角属性：

第一步：将GDB格式的路网数据转换成JSON格式(文本格式即可，方便处理)；

第二步：提取出每一路段内的关键点坐标、路段ID和单双道标记；

第三步：利用前后关键点的坐标信息计算航向，即方向角。记当前的经纬度为CurLongi、CurLatti，单位为度；下一点的经纬度为tgtLongi、tgtLatti，单位为度。由平面几何的知识，计算反正切atan((tgtLongi-CurLongi)/(tgtLatti-CurLatti))，再经过象限处理，就可得到目标航向，即当前点的方向角。

ELM寻找参数算法：