[发明专利]基于多维数据融合分析的低频GPS轨迹路网匹配方法

权利要求书

1.基于多维数据融合分析的低频GPS轨迹路网匹配方法，包括如下步骤：

(1)计算每个GPS轨迹点的候选点集；根据路网数据，计算GPS轨迹中的每一个轨迹点对应的候选点集，具体计算过程如下：

s11.按时间先后顺序提取GPS轨迹点p_i，其中1≤i≤n；GPS轨迹为：p₁→p₂→…→p_n，其中，p_i为第i个GPS轨迹点，n为GPS轨迹点总数；GPS轨迹点包含采样时间t_i，纬度坐标lat_i和经度坐度lon_i等信息，即p_i＝(t_i,lat_i,lon_i)；

s12.搜索轨迹点p_i的候选路段；以轨迹点p_i为圆心，r为半径，在路网中搜索在此范围内的所有路段作为候选路段集，记为其中，k_i为候选路段总数，半径r可根据路网实际情况设定；

s13.计算轨迹点p_i的候选点；依次计算轨迹点p_i到每一条候选路段r_i^j的最短距离以及该距离下点p_i在候选路段上的映射点其中1≤j≤k_i；如果轨迹点p_i在候选路段r_i^j范围内存在垂点，即垂直映射点，则选取该垂点为候选点，否则选取该路段最近的端点，即起点或终点，作为候选点；

s14.筛选轨迹点p_i的候选路段集和候选点集；依次比较最短距离和阈值L的大小，如果则删除对应的候选路段和候选点，如此循环比较所有候选路段直至结束；其中，阈值L的取值与周围绿化情况、建筑密集程度和建筑高度有关，可以根据实际情况设定；

s15.将筛选后的候选点重新编号；轨迹点p_i的候选点集重新编号为其中n_i表示轨迹点p_i的候选点总数；

s16.重复步骤s11至s15，直到完成所有GPS轨迹点的候选点集的计算；

(2)从空间维度分析GPS轨迹点的匹配情况；具体分析计算过程如下：

s21.在平面直角坐标系下，依次计算所有轨迹点到其候选点的欧氏距离，即轨迹点p_i到其候选点的欧氏距离其中，1≤i≤n，1≤j≤n_i；

s22.依次计算所有轨迹点映射为其候选点的概率，即轨迹点p_i映射为候选点的概率，其中，1≤i≤n，1≤j≤n_i；由于GPS轨迹点与移动对象实际位置的距离服从高斯分布，即正太分布，所以轨迹点p_i映射为候选点的概率为：

其中，μ为期望或均值，σ²为方差；

s23.依次计算所有两个相邻轨迹点之间的欧式距离，即轨迹点p_i-1到p_i的欧式距离其中2≤i≤n；

s24.依次计算所有两个相邻候选点之间的距离，即候选点和之间的距离其中，1≤u≤n_i-1，1≤v≤n_i，2≤i≤n，距离是指两个候选点之间的实际路网距离；如果两个候选点处于相同路段，则直接采用欧式距离来计算否则采用A*算法来计算；A*算法的代价估计函数F(x)，具体如下：

F(x)＝G(x)+H(x) (2)

其中，点x是介于起始点到目标点之间的邻近路口，G(x)表示从起始点至当前点x的最大实际代价，具体如下：

其中，表示候选点到当前点x的距离，t_wait表示车辆在路口的平均等待时间，v_avg表示当前流向平均速度，而t_wait×v_avg表示车辆在路口无阻碍通行时可以到达的真实距离；而H(x)为当前点x至目标点的最佳估计代价，采用曼哈顿距离来评估，具体如下：

其中，和是点的X轴和Y轴的坐标值，x_x和y_x是点x的X轴和Y轴的坐标值；A*算法在路网中搜索时，每次选择代价估计函数F(x)最小的邻近路口作为中间节点x，直至搜索到目标点

s25.依次计算所有两个相邻轨迹点分别映射为其候选点的概率，即轨迹点p_i-1和p_i分别映射为候选点和的概率其中2≤i≤n，具体如下：

如果时，令即概率的上限值为1；

s26.依次计算所有两个相邻候选点的空间匹配度，即车辆迁移路径的空间匹配度其中2≤i≤n，也即前一个轨迹点p_i-1映射匹配为候选点时，下一个轨迹点p_i映射匹配为候选点的概率，具体如下：

(3)从时间维度分析GPS轨迹点的匹配情况；具体分析计算过程如下：

s31.依次计算所有两个相邻轨迹点的时间差，即轨迹点p_i-1和p_i的时间差t_i-1→i，其中2≤i≤n，具体如下：

t_i-1→i＝t_i-t_i-1 (7)

s32.统计历史数据，依次计算所有两个相邻候选点的平均旅行时间，即车辆经过相邻候选点和的平均旅行时间其中2≤i≤n；如果路线中包含多个路段和路口，则需要考虑各个路段的道路等级和路口的平均延误时间，具体如下：

其中，l_j为第j条路段的道路等级，为第j条路段的平均旅行时间，为第j个路口的平均延误时间，k1为路线中包含的路段总数，k2为路线中包含的路口总数；

s33.依次计算所有两个相邻候选点的时间匹配度，即车辆迁移路径的时间匹配度其中2≤i≤n，具体如下：

其中，θ为时间维度影响因子，与道路的平均旅行时间与当前车辆的实际道路旅行时间t_i-1→i有关，具体如下：

(4)从环境维度分析GPS轨迹点的匹配情况；依次计算所有两个相邻候选点的环境匹配度，即车辆迁移路径的环境匹配度其中2≤i≤n，具体如下：

其中，为车辆迁移路径的环境匹配度，涉及车辆迁移路径上的所有路段，为第i条路段的实时平均车速，N表示车辆迁移路径包含的路段总数；

(5)多维数据融合分析；依次融合所有两个相邻候选点的空间匹配度、时间匹配度和环境匹配度，并计算所有两个相邻候选点的最终匹配度，具体计算如下：

其中，是两个相邻候选点的最终匹配度，i取值范围为2≤i≤n；最终匹配度是在空间匹配度时间匹配度和环境匹配度的基础上进行多维数据融合而成的；

(6)构建全局静态投票矩阵；在步骤(5)所得结果的基础上，构建全局静态投票矩阵，全局静态投票矩阵M的定义，具体如下：

M＝diag{M₂,M₃,…,M_n} (13)

其中，n为GPS轨迹点总数，M_i表示两个相邻轨迹点p_i-1和p_i的静态投票矩阵，i的取值范围为2≤i≤n，M_i的具体定义如下：

其中，n_i-1和n_i分别表示轨迹点p_i-1和p_i的候选点个数；

(7)压缩全局静态投票矩阵；在步骤(6)所得结果的基础上，压缩全局静态投票矩阵，具体压缩过程如下：

s71.依次遍历静态投票矩阵M_i，i的取值范围为2≤in；如果静态投票矩阵M_i中每一个元素的值都小于阈值ε，ε取值为0.05，则删除轨迹点p_i及矩阵M_i；

s72.重复步骤s71直至遍历结束，由此可以得到压缩后的静态投票矩阵；如果没有轨迹点和相应静态投票矩阵被删除，则直接进入步骤s75，否则进入下一步；

s73.将步骤s72所得的静态投票矩阵进行前后两两拼接，根据步骤(2)至(6)，重新计算所有删除轨迹点处的静态投票矩阵；例如，如果删除的是轨迹点p_i及矩阵M_i，则需要根据步骤(2)至(6)的方法，重新计算轨迹点p_i-1和p_i+1的迁移矩阵

s74.重复步骤s71至s73，直至静态投票矩阵M_i都存在大于阈值ε的元素，其中2≤in；

s75.对剩余的轨迹点和相应的静态投票矩阵进行重新编号，可以获得压缩后的全局静态投票矩阵具体定义如下：

其中，m为压缩后的轨迹点总数，表示压缩后的相邻两个轨迹点p_i-1和p_i的静态投票矩阵，i的取值范围为2≤i≤m；

(8)计算动态优化的局部加权投票矩阵；考虑路网对应时刻的信号配时方案，计算动态优化的局部加权投票矩阵，具体计算如下：

其中，i的取值范围为1≤i≤m，权重因子具体定义如下：

其中，α表示修正因子；指所有轨迹点p_i候选点和所有p_j候选点两两之间的实际路网距离的平均值，表示路网平均延误，D_l表示路口l所在路径流向的延误时间，由综合延误模型结合信号配时、实时交通量以及饱和度计算得到；d_s和D_s分别为归一化因子，将距离与延误时间进行量纲统一；

(9)路径生成和候选点投票；根据步骤(8)所得的每一个局部加权投票矩阵，依次从每个轨迹点的某个候选点出发来生成路径，并对路径经过的各个候选点进行投票，从而得到每个轨迹点的所有候选点的投票值；具体投票流程如下：

s91.依次计算所有的动态加权投票矩阵S_i，其中1≤i≤m，并初始化每个候选点的投票值为0；

s92.依次选择轨迹点p_i，其中1≤i≤n；

s93.获取当前轨迹点p_i的所有候选点并依次选择一个候选点作为初始映射点，其中1≤v≤n_i；

s94.根据初始映射点确定动态加权投票矩阵S_i，选择矩阵S_i第i个子矩阵的第v行的最大值，即子矩阵的第v行的最大值；由于在子矩阵中，每一个概率值均对应唯一的一条路径则点为对应轨迹的下一候选点；根据投票矩阵S_i，继续重复此方法，可以确定从初始映射点开始的路径上的所有后续候选点；同时，对于确定的每一个后续候选点其投票值加注意：初始映射点不需要投票；

s95.对于在局部投票矩阵中位于初始映射点之前的候选点，选取动态加权投票矩阵S_i中第i-1个子矩阵的第v列的最大值，即子矩阵的第v列的最大值；由于在子矩阵中，每一个概率值均对应唯一的一条路径则点为对应路径的前一候选点；根据投票矩阵S_i，继续重复此方法，可以确定从初始映射点开始的路径上的所有前继候选点；同时，对于确定每一个前继候选点其投票值加注意：初始映射点不需要投票；

s96.重复步骤s93至s95，直至轨迹点p_i的所有候选点都作为初始映射点进行了一次路径生成和候选点投票，并记录每个初始映射点对应的路径；

s97.重复步骤s92至s96，直至所有候选点都已经被处理，从而可以获得每个候选点的投票值；

(10)计算路径投票值，确定最终匹配路径；根据步骤(9)生成的路径和候选点投票值，依次处理每条路径，将路径经过的候选点的投票值相加，可以获得相应路径的投票值；比较所有路径的投票值，选择投票值最大的一条路径作为最终匹配路径，相应的候选点为每个轨迹点的最终匹配点，从而完成GPS轨迹的路网匹配。

2.如权利要求1所述的基于多维数据融合分析的低频GPS轨迹路网匹配方法，其特征在于：步骤s14中阈值L＝50米。