[发明专利]一种城市轨道交通中隧道网络定位的地图匹配优化方法

说明书

本发明涉及定位导航技术领域，特别涉及一种城市轨道交通中隧道网络定位的地图匹配优化方法。其方法包括以下步骤：A、进行隧道网络路线数据的获取；B、对定位点附近的路段进行定位点匹配路段集合计算；C、使用Gibbs抽样器产生马尔科夫链蒙特卡洛法需要的马尔科夫链；D、构建状态模型，初始化状态转移概率矩阵；E、使用蒙特卡洛积分计算所述状态模型的期望值，最后得到的期望值即为各个路段的匹配概率，其中概率最大的为匹配路段，完成地图匹配。本发明使用一种基于马尔科夫链蒙特卡洛法模型，并进行贝叶斯优化的地图匹配算法，可以解决现有技术下隧道网络密集，拓扑关系复杂的城市轨道交通地图中定位匹配精度低、时效慢的问题。

技术领域

本发明涉及定位导航技术领域，特别涉及一种城市轨道交通中隧道网络定位的地图匹配优化方法。

背景技术

随着导航系统的应用越来越广泛，人们对导航系统的定位精确度提出了更高的要求。由于存在多种不可避免的影响因素，利用卫星导航系统(Global NavigationSatellite System，GNSS)技术进行定位的方法存在较大误差。

为了解决定位精度差的问题，一般使用一些地图匹配算法进行纠正。现有的地图匹配算法大体可分为4种类型：基于几何信息的算法，基于拓扑关系的算法，基于概率统计的算法及复合匹配算法。

除此之外，还有一些通过其他数学模型建立的改进算法：1、基于几何信息的算法未考虑道路拓扑结构，易造成错误匹配。2、基于拓扑关系的算法易受噪声、数据稀疏性等因素的影响，难以解决复杂隧道网络路线匹配的问题。3、卡尔曼滤波、D-S证据理论等复合匹配算法虽然准确率很高，但低频采样时错误率较高。4、基于概率统计的算法涉及复杂的公式证明与推导，算法稳定性不佳。

现在技术中，与本发明类似的有使用基于隐马尔可夫模型的地图匹配算法，这种算法通过使用隐马尔可夫模代入行驶距离和路段参数进行计算，然后使用标准的前后向算法来进行参数学习并使用Viterbi或其他算法进行路段预测得到最优路段，完成地图匹配。

现有的基于隐马尔可夫模型和遗传算法的地图匹配算法，需要输入定位点和路线数据，而现代化的城市轨道交通线路网数据非常庞大，隧道网络密集，拓扑关系复杂，在寻找隧道网上的路段、拐点和路线交叉点时十分耗时。定位点的纠正候选点选取时需要计算定位点到每个路段的最小距离，现在的城市轨道交通线路复杂，隧道多，每个路段都进行匹配计算会大幅降低时效性。最后，建模前后候选匹配点转移概率时，匹配特征不足或者特征选择错误都会显著影响模型对于匹配上下文的描述能力从而导致匹配准确度的显著下降。

对于网络密集，交通网络拓扑关系复杂的城市轨道交通地图，需要有一个能精确定位到每一个隧道网络路线，并且定位时间快的算法。

发明内容

本发明提供了一种城市轨道交通中隧道网络定位的地图匹配优化方法，其使用一种基于马尔科夫链蒙特卡洛法模型，并进行贝叶斯优化的地图匹配算法，可以解决现有技术下隧道网络密集，拓扑关系复杂的城市轨道交通地图中定位匹配精度低、时效慢的问题。

本发明所采用的技术方案如下：

一种城市轨道交通中隧道网络定位的地图匹配优化方法，包括以下步骤：

A、进行隧道网络路线数据的获取；

B、对定位点附近的路段进行定位点匹配路段集合计算；

C、使用Gibbs抽样器产生马尔科夫链蒙特卡洛法需要的马尔科夫链；

D、构建状态模型，初始化状态转移概率矩阵；

E、使用蒙特卡洛积分计算所述状态模型的期望值，最后得到的期望值即为各个路段的匹配概率，其中概率最大的为匹配路段，完成地图匹配。