浮动车数据中零速度点数据地图匹配方法

基于浮动车GPS轨迹点数据的地图匹配算法研究,电子测试.doc基于浮动车GPS轨迹点数据的地图匹配算法研究，电子测试，《电子测试》摘要：文章研究基于GPS浮动车轨迹点数据的地图匹配原理及地图匹配方法。

提出了基于GPS点到校正点的匹配，并且利用连续几个GPS点的轨迹确定结果，最终获取较为正确的路网匹配结果，实现城市道路网络浮动车GPS样本数据与电子地图的匹配速度与精度。

为实时掌握与分析道路交通状态提供基础数据。

关键词：浮动车；GPS；地图匹配；轨迹点引言建立城市交通综合信息平台，通过对庞大的城市交通网络中的实时交通信息进行深入分析，为改善城市交通信息服务水平，提高决策科学性，缓解城市交通拥堵提供了基础。

交通综合信息平台的数据支撑来源于交通基础信息的实时采集，科学决策的依据在于数据分析的快速、准确。

GPS浮动车是获取道路实时车速便捷有效的方法，可以通过车载GPS定位信息获取道路实时车速及运行状态（拥堵、畅通、缓行），其作为一种便捷廉价、可操作性高的车速采集手段已经被各城市普遍采用，特别是公交车与出租车安装车载GPS 设备最为常见。

通过对公交车及出租车的GPS返回数据与城市道路网的匹配、分析来获取道路的实时车速，进而实现对道路状态的有效判断。

因此确保GPS浮动车轨迹点数据与信息平台电子地图快速、准确匹配是管理决策的基础，研究准确适用的GPS 浮动车轨迹点数据的地图匹配算法是非常重要的。

1 GPS数据的地图匹配原理地图匹配（Map-Match）简称MM技术，就是利用电子地图的路网信息和GPS数据来实行对车辆行驶准确位置的确定，它是一种定位误差修正技术。

浮动车所上报的GPS数据中包含有经纬度等地理信息，但这些GPS坐标只能反映车辆位置情况，而不能与实际路网路段直接相关联。

因此，车辆在路网中行驶的情况，必须要依赖于地图匹配算法来完成车辆位置信息与路网位置的关联。

地图匹配算法的直接目的是将GPS测得的车辆位置或行驶轨迹，与现有的电子地图道路路段数据进行比较，继而找到车辆所处的道路，计算出浮动车辆在道路上所处的位置。

基于浮动车的路况分析算法算法基本思想1.浮动车数据纠偏处理：利用高德的纠偏函数对每次接收到的浮动车数据进行纠偏处理，纠偏后GPS数据会和地图数据匹配上。

2.程序运行机制：程序为后台服务当启动后会一直运行，并且每5分钟会进行一次路况运算，运算时数据采样范围为开始计算时间前的10分钟内的浮动车GPS数据，对于目前1000多条路况道路，每5分钟14000条数据样本的计算过程大概耗费时间2——4分钟的运算时间。

3.筛选样本：筛选掉不合法的浮动车数据，例如速度为0的数据，该类数据可能为浮动车停车休息时产生，此类数据不加入计算样本。

4.寻找归属道路：利用空间算法将浮动车GPS数据样本吸附到最近的道路上，由于GPS定位存在一定的位置偏移，所以在吸附操作上加入了误差值，当前设置为30米，即允许浮动车数据有0——30米之间的偏移。

5.筛选道路：样本点归属到道路上后，有些道路将拥有很多样本点，但有些则很少，我们将剔除没有足够判断依据（样本数量）的道路，由于当前浮动车数量（1500辆）较少，而且数据发送频率较低（车辆行驶中每分钟1条，车辆熄火时每10分钟1条），所以当前设置的筛选值为大于4，即每条道路上必须有5条数据样本以上（含5条），才会进行计算；6.计算道路浮动速度平均值并分类：各道路上浮动样本的平均速度是判断道路情况的依据，我们对筛选后的道路进行平均速度计算，另外我们对“通畅”“缓行”“拥堵”设置了各自的阈值，并按照它们作为标准分类各道路的路况：0——10公里：拥堵10——15公里：缓行15公里以上：通畅对于每条道路的计算结果会立即更新道路的路况状态值，并且记录更新时间。

7.对于无法满足运算条件道路的处理：如果每条道路在一小时以上都没有满足条件进行过任何的路况更新，系统会自动设置该道路的路况状态为通畅；该操作是为了防止某些路段在设置为拥堵后一直没有浮动车经过（通常出租车会绕开拥堵路段进行行驶），在得不到足够运算样本的情况下系统无法更新该路段的路况。

一种基于浮动车优化地图匹配方法田甜;吕芳;王秀玲【期刊名称】《现代电子技术》【年(卷),期】2015(000)011【摘要】Map⁃matching method has great significance for floating car technology. It is hard for the traditional map⁃matching algorithm to be directly applied to floating car data matching of city road due to the characteristics of floating car data. Currently, since the floating carmap⁃matching algorithm used in city complex road network considers the single vehicle location data only, and the research on co⁃movement is less,it results in low matching precision. Considering the vehicle operating characteristics and the intercommunication information of road network,the optimized map⁃matching method is proposed with the dynamic GPS data,in which the fuzzy logic theory is introduced into the grid map⁃matching method. The effectiveness of the method was veri⁃fied. The research results show that the optimized map⁃matching method for floating car can improve the matching precision of the algorithm while keeping the advantage of real⁃time performance of grid map⁃matching.%地图匹配方法，对于浮动车技术有着重要的意义。

基于浮动车GPS轨迹点数据的地图匹配算法研究作者：孙静怡张建华刘拥华来源：《科技创新与应用》2014年第28期摘要：文章研究基于GPS浮动车轨迹点数据的地图匹配原理及地图匹配方法。

提出了基于GPS点到校正点的匹配，并且利用连续几个GPS点的轨迹确定结果，最终获取较为正确的路网匹配结果，实现城市道路网络浮动车GPS样本数据与电子地图的匹配速度与精度。

为实时掌握与分析道路交通状态提供基础数据。

关键词：浮动车；GPS；地图匹配；轨迹点引言建立城市交通综合信息平台，通过对庞大的城市交通网络中的实时交通信息进行深入分析，为改善城市交通信息服务水平，提高决策科学性，缓解城市交通拥堵提供了基础。

交通综合信息平台的数据支撑来源于交通基础信息的实时采集，科学决策的依据在于数据分析的快速、准确。

GPS浮动车是获取道路实时车速便捷有效的方法，可以通过车载GPS定位信息获取道路实时车速及运行状态（拥堵、畅通、缓行），其作为一种便捷廉价、可操作性高的车速采集手段已经被各城市普遍采用，特别是公交车与出租车安装车载GPS设备最为常见。

通过对公交车及出租车的GPS返回数据与城市道路网的匹配、分析来获取道路的实时车速，进而实现对道路状态的有效判断。

因此确保GPS浮动车轨迹点数据与信息平台电子地图快速、准确匹配是管理决策的基础，研究准确适用的GPS浮动车轨迹点数据的地图匹配算法是非常重要的。

1 GPS数据的地图匹配原理地图匹配（Map-Match）简称MM技术，就是利用电子地图的路网信息和GPS数据来实行对车辆行驶准确位置的确定，它是一种定位误差修正技术。

浮动车所上报的GPS数据中包含有经纬度等地理信息，但这些GPS坐标只能反映车辆位置情况，而不能与实际路网路段直接相关联。

因此，车辆在路网中行驶的情况，必须要依赖于地图匹配算法来完成车辆位置信息与路网位置的关联。

地图匹配算法的直接目的是将GPS测得的车辆位置或行驶轨迹，与现有的电子地图道路路段数据进行比较，继而找到车辆所处的道路，计算出浮动车辆在道路上所处的位置。

专利名称：一种基于浮动车卫星定位数据的地图匹配方法和系统
专利类型：发明专利
发明人：余振华
申请号：CN201410641842.5
申请日：20141108
公开号：CN104331626A
公开日：
20150204
专利内容由知识产权出版社提供
摘要：本发明涉及一种基于浮动车卫星定位数据的地图匹配方法和系统，属于智能交通车载定位技术领域。

本发明的技术方案包括识别候选路段和在选定的路段上决定车辆的位置两个方面，通过设定车辆静止阈值、定位点到路段节点的距离以及定位点的航向角与道路的航向角之间的差值的阈值等系统参数，对车辆是否处于静止状态进行判断，并正确选择候选路段，尤其在交叉口处利用本方案提出的阈值及给出的步骤进行比较判断确定候选路段，避免误判导致匹配失败。

采用本发明所述的方法和系统可以减少卫星定位在车辆低速行驶时其航向角存在的误差、在静止时存在较大的漂移，避免交叉路口存在多个路段时匹配容易发生错误的问题，能够提高地图匹配的精度和匹配的性能。

申请人：北京握奇智能科技有限公司
地址：100102 北京市朝阳区望京利泽中园101号启明国际大厦西侧八层
国籍：CN
代理机构：北京天悦专利代理事务所(普通合伙)
更多信息请下载全文后查看。

一种改进的浮动车地图匹配算法摘要：为提高浮动车地图匹配精度，提出一种改进的浮动车地图匹配算法，综合利用道路拓扑关系和车辆定位误差，缩小候选路段范围，然后采用基于距离与方向的要素加权方法确定最终的匹配点，从而减少正确匹配路段被剔除的概率。

依托南京市局部路网以及浮动车定位数据进行实例分析，结果表明，该方法具有较好的精度和实时性。

关键词：浮动车；地图匹配；道路拓扑；要素加权0 引言随着智能交通系统的应用发展，安装车载定位设备的车辆越来越多，浮动车数据采集技术开始广泛应用于城市路况信息获取、道路建设和出行规划上[1]。

地图匹配（Map Matching，MM）是浮动车技术的重要组成部分，由于路网环境、电子地图误差和定位设备误差的影响，浮动车采集的定位点会随机分布在道路两侧一定宽度范围内，只有将这些定位点修正到其行驶的道路上，才能开展相关应用。

目前，国内外学者研究的地图匹配算法主要包括几何匹配算法、概率统计匹配算法、相关性匹配算法、基于要素加权的匹配算法、模式识别匹配算法等[2]。

其中，基于要素加权的地图匹配算法具有逻辑简单、速度快、实时性好等优点，目前已经得到较为广泛的应用[3]。

陈佳瑜等提出了一种基于权重的地图匹配算法[4]，采用一种间接的方式确定车辆当前行驶的道路，利用定位点当前信息和历史信息，降低定位误差对地图匹配效果的影响。

章威等提出一种基于大规模浮动车数据的地图匹配算法[5]，引入了匹配度的概念，以GPS定位点到候选路段的距离以及方向夹角为要素，加权计算得到匹配度，进而确定最佳的匹配道路。

王美玲等提出了一种浮动车地图匹配的新算法[6]，采用距离，航向和可达性三个要素加权计算候选路段的综合权重。

邹珍提出一种改进的基于权重的地图匹配算法[7]，将权重模型与交通规则约束、最短路径算法相结合。

在对以往的研究进行分析后发现，充分利用道路拓扑和多个要素可以进一步提高浮动车地图匹配精度。

本文从这一角度出发，综合利用道路拓扑关系和车辆定位误差，缩小候选路段范围，然后采用基于距离与方向的要素加权方法确定最终的匹配点，以期能够提高浮动车地图匹配精度，并确保匹配的实时性。

浮动车数据与电子地图的匹配方法研究1计会凤，徐爱功辽宁工程技术大学测绘学院，辽宁阜新（123000）E-mail ：jhf_sy@摘 要：地图的匹配方法已成为限制浮动车数据应用的主要问题之一。

同时，地图匹配方法的效率和精度直接影响GPS 浮动车数据的应用效果。

本文采用点到路段的垂直距离、当前数据的前两点和后两点构成的角度值、以及车辆行驶角度，作为参数构建回归方程，进行GPS 浮动车数据匹配。

该匹配算法能很好的解决了平行路段间点的跳动和十字路口点误匹配的问题。

该算法充分考虑到了点到线和线到线两中匹配算法的优缺点，在保证匹配的速度的基础上，兼顾匹配的精度。

关键词：浮动车；匹配算法；平行路段；十字路口1. 引言目前，常用的交通信息采集方式包括：线圈检测器、超声波检测器、红外检测器、视频检测器等[1]。

上述均属固定式检测器,存在安装和维护成本高、覆盖范围小、仅能检测固定位置的数据等不足。

受人力、资金等因素的制约，我国各城市的交通管理部门仅在关键路段和主要交叉口安装了固定检测器，有检测器的交叉口还不到全部交叉口的十分之一，导致城市道路网上存在大量的信息“真空”地带，远不能满足智能交通系统发展的需求。

而随着GPS 定位设备成本的减低、GIS 中电子地图的丰富和美国SA 政策的取消，使得应用GPS 浮动车数据进行交通状态数据实时更新成为可能。

但精确导航不仅需要这些数据，更重要的是，怎样提高现有数据的定位精度[2]。

尤其在城市区域，由于高楼、高架桥和树木等地物的遮蔽和反射，使得GPS 实时定位精度进一步降低，特别是由于漂移产生的错误数据。

而复杂的城市路网，也为GPS 浮动车的精确定位提出难题。

怎样解决浮动车数据与GIS 地图的匹配精度已成为限制浮动车数据应用的瓶颈问题。

2. 浮动车数据预处理采集浮动车数据时，由于受各种随机因素的影响，如GPS 信号较弱、无线传输错误、建筑物和树木的遮挡等，难免出现数据错误和数据丢失的情况。

浮动车数据中零速度点数据地图匹配方法*王东柱1董继明2李亚檬1宋向辉1(国家智能交通系统工程技术研究中心智能交通技术交通行业重点实验室1北京100088)(河南职业技术学院汽车工程系2郑州450046)摘要浮动车数据中存在大量的由于车辆频繁停车引起瞬时速度为零的停车点记录,这些零速度点由于方向角不准确,常规的投影和几何地图匹配的算法不能有效地将其匹配到路段上。

通过对浮动车辆停车原因进行分析,提出了1种基于浮动车停车点数据过滤筛选的地图匹配方法,可以将能够表示路段交通状态的交叉口车辆排队零速度点提取出来,匹配到路段上,同时过滤掉和交通状态无关的零速度点,从而增加了有效样本数量,为进一步对整个路网运行状态的全面评估提供数据支持。

关键词地图匹配;浮动车数据;停车点;G PS定位;方向角;交叉口中图分类号:U491文献标志码:A DOI:10.3963/j.ISSN1674-4861.2009.06.0100引言浮动车也称GPS探测车[1],是近年来国际智能交通系统(IT S)中所采用的获取道路交通信息的先进技术手段之一,具有应用方便、经济、覆盖范围广的特点。

对浮动车数据进行处理时首先要进行地图匹配,地图匹配的目标是确定浮动车所在的路段。

浮动车回传的GPS坐标只能反映车辆的位置,而不能直接与路网路段相关联,因此,必须依赖地图匹配方法将车辆位置与路网的弧段关联起来[2]。

常规的地图匹配方法是通过投影距离和车辆行驶方向与路段矢量方向差值加权的方法来进行地图匹配,判断出车辆行驶的路段[3]。

这种方法需要用车辆行驶的方向角作为主要参数,当浮动车的瞬时速度不是零时,其回传的GPS方向角是准确的,可以用常规的方法进行地图匹配;当浮动车的瞬时速度是0,即车辆静止时,其回传的车辆行驶方向角是不准确的,不能用常规的方法进行地图匹配。

目前大部分浮动车系统是由正常运营的装有GPS设备的出租车构成,出租车运营时停车状态较多,因此采集到的浮动车数据存在大量由于频繁停车导致的瞬时速度为零的数据点。