[发明专利]一种面向稀疏浮动车数据的条件随机场地图匹配方法

摘要

本发明公开了一种面向稀疏浮动车数据的条件随机场地图匹配方法，该方法分为以下步骤（一）、运用基于改进迭代尺度法条件随机场模型训练得到特征函数权重；（二）基于条件随机场的地图匹配建模；（三）、时空影响因素分析；（四）、基于Viterbi算法的条件随机场模型预测；最后得出给定GPS观测序列的最优路径。本发明可以从地图匹配算法的流程和算法的实现细节方面，进一步分析浮动车轨迹地图匹配的影响因素，发展精度与健壮性更好的低频浮动车轨迹地图匹配方法，避免出现标注偏移的情况，匹配效果更好。

主权项

一种面向稀疏浮动车数据的条件随机场地图匹配方法，其特征在于：该方法分为以下步骤：（一）、运用基于改进迭代尺度法条件随机场模型训练得到特征函数权重；首先在真实的GPS观测数据条件下，随机场地图匹配模型进行训练，训练得到时空影响因素的条件随机场地图匹配模型的特征函数权重向量；所述特征函数权重向量通过极大化训练数据的对数似然函数进行特征函数权重向量的求解 ；根据给定的一个GPS的观测序列，GPS观测序列在底层路网上的真实投影点序列为，求得观测序列与真实投影点序列之间的经验概率分布，建立训练数据（，）的对数似然函数：（1）其中，表示影响地图匹配效果的特征向量，包括空间状态观测特征和空间状态转移特征：；其中，表示条件随机场的空间转移概率，表示条件随机场的距离临近转移概率，表示条件随机场的方向一致性转移概率；设当前特征函数权重向量为，的迭代增量为，第一次迭代更新之后的权重向量为；给定一个迭代增量为，条件随机场模型空间转移特征的更新公式为：(2)其中代表空间转移特征向量的模；条件随机场模型空间观测特征的更新公式为：(3)其中代表条件随机场的观测向量的模，表示条件随机场所有特征向量在给定训练数据下的更新公式为：（4）通过上述公式对、不断进行求解，直到达到当前特征函数权重向量的权值的收敛值；（二）基于条件随机场的地图匹配建模；通过步骤（一）得到特征函数权重，并达到权值的收敛值之后，进行后续的基于条件随机场的地图匹配建模：条件随机场是在给定一组输入随机变量条件下，对另一组输出随机变量的条件概率分布模型；采用条件随机场模型对低频浮动车地图匹配的目标函数在于在给定一个GPS的观测序列，根据的候选点集和候选点集之间的转移函数，寻找一条最佳候选点记录链，使其与原始的GPS观测序列之间的匹配程度最高；条件随机场建模的细节设定如下：是条件随机场模型的一条可能路径，指的是由候选点集之间可能连接路径的组成的一条序列，是条件随机场目标函数的一个空间表达形式；隐马尔科夫模型中对应于发射概率指的是与其候选点之间的观测概率；在地图匹配中定义为以GPS点为圆心，以GPS空间定位精度的2到3倍或者根据经验确定半径的大小；根据空间误差圆计算与其候选点之间的观测概率：（5）其中，条件随机场模型的势函数是在给定前个GPS观测坐标条件下，路径的条件概率，由以下公式所示：（6）条件随机场模型的分部函数被定义为所有轨迹的势函数之和，由以下公式所示：（7）条件随机场的分部函数包括了所有可行路径的概率加成，在实际路径推测的过程中作为一个归一化因子进行舍去，归一化之后的势函数如下：（8）根据上述过程，条件随机场的目标函数就转化为寻找最优路径的过程，由以下公式所示：（9）通过以上步骤，采用条件随机场模型对GPS数据的地图匹配过程进行了建模；（三）、时空影响因素分析；采用已测定的GPS数据对条件随机场的模型参数进行学习，建立条件随机场模型转移概率模型；将连续GPS候选点集与原始GPS序列之间的距离临近性和方向一致性作为影响地图匹配建模的时空因素加入条件随机场的建模过程，并作如下定义：的候选点，定义为一个GPS点在其对应候选路段集上的投影集合，包含坐标、路段编号，并记录对应的GPS点信息，在隐马尔科夫模型中被称为状态观测序列，根据时间计算的需要对的候选点的规模进行限定，并定义的候选点集的最大容量为，对应候选点（10）其中，条件随机场的距离临近转移概率为，取GPS点序列的两个相邻浮动车GPS定位点和的中点，以及相邻浮动车GPS定位点和对应候选点与的中点，计算两个中点之间的欧氏距离（11）其中代表单个GPS点的最大候选点集的模，在空间的分布是一个以为圆心、以为半径的圆，服从正态分布，对应的距离临近转移概率（12）对候选点到的距离临近转移概率进行归一化，得：（13）其中，条件随机场的方向一致性转移概率被定义为的第个候选点到的第个候选点之间的方向转移概率，计算单位时间内相邻两个GPS坐标点形成的形成的矢量与对应的候选点形成的矢量之间的角度差，按照如下公式进行归一化：（14）（15）将模型中的时空影响因素代入的候选点到的候选点空间状态转移概率的计算公式有：（16）其中为空间转移矩阵的的权重向量，函数表示时空影响因素对空间转移概率的综合影响，与之间按照点积进行处理；若用代表GPS的空间定位误差，那么GPS的点的候选点的空间观测概率表示为：（17）将公式（16）、公式（17）代入公式（6），得到条件随机场的一般形式：（18）其中，是条件随机场的特征函数，为步骤（一）得到的特征函数的权重向量；表示影响地图匹配效果的特征向量，包括空间状态观测特征和空间状态转移特征：（19）（四）、基于Viterbi算法的条件随机场模型预测采用动态规划中的Viterbi算法完成对最优路径的结算，从而应用已经训练好的条件随机场模型完成低频浮动车数据的地图匹配工作，在给定GPS观测序列的条件下计算最优路径；根据公式（18），得到一个可能空间序列的条件随机场特征函数表达，将公式（18）代入公式（9），最优路径的表达转化为：（20）若将原始GPS观测序列的初始位置加入上述的运算，则最优路径转化为：（21）上述将最优路径的求解过程转化成了各GPS候选点集之间的特征权重的求和；按照如下方式采用Viterbi算法对GPS观测序列的最优路径进行求解：首先计算初始点到第一个点的特征权重，记录候选点集中权重最高的点；之后依次进行类推，将之前的计算结果加入本身特征权重的计算，并记录到当前位置具有最大权重的投影点编号，这样一直计算到GPS序列的最后一个点，从而完成的计算；将公式（21）转为如下格式：（22）其中，特征函数的下标表示GPS点的计算顺序，表示从第个GPS点的第个候选点出发，计算到第个GPS的第个候选点之间的特征权重；最后通过计算得到给定GPS观测序列的条件下的最优路径，从而应用条件随机场模型完成低频浮动车数据的地图匹配工作。