[发明专利]一种基于隐马尔科夫路网匹配的超速判别方法

权利要求书

1.一种基于隐马尔科夫路网匹配的超速判别方法，包括从卫星获取定位数据的过程，其特征在于：在所述从卫星获取定位数据的过程中，包括以下步骤：

步骤一：利用隐马尔科夫路网匹配算法找出车辆最佳行驶路段；所述的步骤一中还包括下述步骤：

一个计算观测概率的步骤，先将定位点z_t在每一条临近的道路r_i上的可能性定义为观测概率p(z_t|r_i)，假设点z_t到各个道路的投影点为x_t,i，坐标点和候选投影点的大圆距离为||z_t,i-x_t,i||_greatcircle，定位点z_t+1到各个道路的投影点为x_t+1,j，投影点x_t,i到投影点x_t+1,j车辆行驶距离称为记为||x_t+1,j-x_t.i||_route，

假设定位误差为服从零均值的高斯分布，则观测概率为：

p(zt|ri)=12πσze-0.5(||zt,i-xt,i||greatcircleσz)2---(1)]]>

其中σ_z为定位点z_t的标准误差，

一个计算初始观测概率的步骤，利用初始观测概率π_i表示在路网匹配之前从附近的路段中找出车辆在这个路段的概率，用第一个定位数据点作为初始观测概率的起始点有π_i＝p(z₁|r_i)；

一个计算道路转移概率的步骤，利用道路转移概率表示在时刻t到时刻t+1之间车辆在匹配道路间的转移概率，表示为p(q_t+1＝r_j|q_t＝r_i)，其中q_t为t时刻汽车的行驶路段，从距离和速度两方面分别定义得出基于定位点距离的转移概率p_l(q_t+1＝r_j|q_t＝r_i)和基于定位点速度的转移概率p_v(q_t+1＝r_j|q_t＝r_i)：

pl(qt+1=rj|qt=ri)=αe-βdt---(2)]]>

p_v(q_t+1＝r_j|q_t＝r_i)＝V(r_i→r_j).F(r_i→r_j)(3)

其中，

其中d_t表示t时刻投影点到投影点的行驶距离，式中i^*,j^*分别表示第i个真实路段和第j个真实路段，β用于调节d_t对结果的影响大小，设定β＝median_t(||r_i-r_j||)/ln(2)，

F(ri→rj)=||zt-zt+1||EuclideanDistance||ri-rj||route]]>

V(ri→rj)=Σu=1k(eu′.v×v‾ij)Σu=1k(eu′.v)2×Σu=1k(v‾ij)2]]>

u表示t时刻定位点周围的路段个数，||z_t-z_t+1||_{EuclidenceDistance}表示地球表面弧线距离，e'_u.v表示路段的最大速度，表示平均速度，F(r_i→r_j)表示前后两个时间点之间的观测点和实际候选点的信息，当两者距离越近则转移概率越大，V(r_i→r_j)表示前后两个时间点的速率信息，当平均速率和最大速率的变化程度越相似则概率越大；

一个计算车辆最佳行驶路段的步骤，利用上述公式(1)、公式(2)和维特比算法计算得到车辆行驶的最佳路径，该路径对应一个状态序列，从而推断出车辆行驶的最佳路段，在维特比算法中计算t时刻状态为i的所有单个路径中的概率并从中找出最大值max(δ_t(i))，使用式(2)作为路径转移概率，并设相似率其中a、b分别表示t时刻车辆匹配到两条路径上的概率，当t时刻各个路径概率的相似率小于设定的阈值时使用公式(3)作为该时刻的路径转移概率，然后得到另外一组时刻的路径概率并从中选出最大概率，在t+1时刻重复上述步骤，在计算所有观测概率和转移概率之后，确定最后一时刻的最佳匹配道路，并以此反向推出第一时刻车辆到最后时刻车辆行驶的最佳匹配路径，最后输出车辆行驶的车辆最佳行驶路段；

步骤二：利用电子地图找出车辆行驶路段的详细信息，并从中找到路段行驶的最大速度；

步骤三：从卫星获取定位数据中获取车辆行驶速度，并将所述的车辆行驶速度与该路段的限速进行比较，对车辆行驶是否超速进行判别。