Ein neuartiger Algorithmus für GPS-Trajektorien mit niedriger Abtastrate zum Kartenanpassung
Kartenanpassung
![](https://pleased-fp7.eu/wp-content/uploads/2022/11/united-states-g8b822f905_1280-1024x768.jpg)
Beim Map-Matching wird die GPS-Position mit dem Straßennetz auf der digitalen Karte abgeglichen. Da jedoch
die meisten bestehenden Algorithmen für die Kartenanpassung auf einer hohen Abtastrate beruhen, wird bei einer Erhöhung des Abtastintervalls
erhöht wird, wird die Korrektheit des Algorithmus stark reduziert. Aus diesem Grund wurde in diesem Papier ein neuer
Algorithmus zum Map-Matching für GPS-Trajektorien mit niedriger Abtastrate vorgeschlagen. Der Algorithmus berücksichtigt vollständig das
der geometrischen und topologischen Struktur des Straßennetzes und der gegenseitigen Beeinflussung zwischen benachbarten Punkten
(Zeit- und Geschwindigkeitsinformationen), indem er die Wahrscheinlichkeit jedes Trajektorienpunktes der Kandidatenpunkte berechnet, um
Ergebnisse zu ermitteln. Am Ende dieses Artikels verwenden wir die Daten des Fahrzeugs der Beijing UCAR Inc. in einer Fallstudie.
Dieser Fall demonstriert: Der Algorithmus hat bei niedriger Abtastrate eine gute Betriebszeit und eine exakte Übereinstimmung der Trajektorienpunkte auf einer komplexen Straße.
gute Betriebszeit, und es wurde eine exakte Übereinstimmung gefunden.
Typische GPS-Track-Punkte
Als Ergebnis der ausgereiften Entwicklung der Internet
Technologie kann die “Stadt der Weisheit” schnell aufgebaut und entwickelt werden.
entwickelt werden, wozu auch eine intelligente Verkehrsinfrastruktur gehört, die unverzichtbar ist. Der Aufbau von
intelligenten Transportwesens umfasst mehrere Bereiche: Fahrzeug
Fahrzeugnavigation, Verkehrsflussanalyse und Satellitenortung
die noch nicht intensiv erforscht wurden. Alle diese Anwendungsprogramme basieren auf dem Gleis. Seine
Kernschritte sind die genaue Positionierung der GPS
GPS-Spurdaten von Fahrzeugen auf der Straße, mit anderen Worten
das Map-Matching.
Typische GPS-Spurdaten sind eine Reihe von aufeinanderfolgenden Spurpunkten. Jeder GPS-Punkt besteht aus Breitengrad,
Längengrad und Zeitstempelinformationen. Doch aufgrund
der Beschränkungen des GPS selbst, des Abtast- und
der GPS-Daten und der Rückgabe oder Übernahme der Messdaten
der Messdaten mit möglichen Fehlern behaftet
Fehler, die zu ungenauen GPS-Daten führen.
Daher müssen die ursprünglichen Daten verarbeitet und dann auf dem Straßennetz verwendet werden, d. h. der
Kartenabgleich.
![](https://pleased-fp7.eu/wp-content/uploads/2022/11/algorithm-ga17833f6a_1920-1024x683.jpg)
Anwendungsbedingungen des Algorithmus
Die hat die Zahl der Navigationssysteme für die Reise stark zugenommen
wie z.B. PADs mit GPS und Smartphones stark zugenommen.
Durch die Verbreitung dieser Geräte ist eine große Anzahl von
Track-Punkt-Daten verfügbar sein. Aber in der Praxis des realen Lebens
Praxis kann jedoch nur eine niedrige Abtastrate (z. B. ein Abtastpunkt alle
2 Minuten) von GPS erhalten werden, da der Energie
Energieverbrauchs, der Kosten und so weiter. Ein Beispiel,
gibt es in Peking mehr als 60.000 Taxis, von denen die meisten
von ihnen sind mit GPS ausgestattet. Normalerweise fahren die Taxifahrer
fahren die Taxifahrer auf der Straße. Um Energie zu sparen, werden die Zeitabstände, in denen sie den GPS
Punktes zwangsläufig größer, was zu einer geringeren Abtastrate
Abtastrate der GPS-Spurdaten führt.
Derzeit ist der Algorithmus des Map-Matching jedoch
nur für die Verarbeitung von GPS-Daten mit hoher Abtastrate
(normalerweise 10~30 s pro Spurpunkt). Wenn sie
Punkte mit niedriger Abtastrate als Daten verwendet werden, liegt der
Anpassungsfehler über 50%. Daher ist im Hinblick auf
Track-Punktes mit niedriger Abtastrate wird in diesem Papier
einen verbesserten Algorithmus für das Map-Matching vorschlagen.
Die Vorbereitung des Kandidatenpunktes
Der Algorithmus berücksichtigt in vollem Umfang die geometrische
Struktur des Straßennetzes, um den Kandidatenpunkt des
Punkt der Spur zu berechnen. Um dieses Ziel zu erreichen, sind zwei Schritte erforderlich
Ziel zu erreichen. Erstens müssen wir die möglichen Abschnitte des Gleispunkts herausfinden
Streckenpunktes, also die Kandidatenabschnitte.
Zweitens müssen wir die Kandidatenpunkte im
Punkt-zu-Kurve des vorliegenden Algorithmus zur geometrischen
geometrischen Map-Matching-Algorithmus.
1. Auswahl der Kandidatenabschnitte: Um Spurpunkte zu finden
in Abschnitten möglich ist, kann ein vollständiger Algorithmus
Algorithmus entwickelt werden, der es erlaubt, jeden Ort für das gesamte
Straßennetz zu durchqueren, aber dieser Ansatz wird
führt jedoch zu einer zu hohen Zeitkomplexität. Daher muss der
Algorithmus den Bereich des zu vergleichenden Segments
einschränken, das verglichen werden soll. Bestehende Algorithmen verwenden die Fehler
ovale Methode aus der Wahrscheinlichkeitstheorie, um den
Vergleichsbereich der Straße einzugrenzen. Der Nachteil
Nachteil dieser Methode ist, dass es sehr wahrscheinlich ist
dass es in der Fehlerellipse keinen Straßenknoten gibt, und
die Leute fälschlicherweise glauben, dass es keinen Kandidaten
Straßenabschnitt gibt. Daher wird in diesem Papier vorgeschlagen
einen GeoHash-Algorithmus zur Umsetzung dieses Schritts vor:
durch eine bestimmte Regel [12, 13], eine Zeichenkette zur Darstellung
den Breitengrad und zwei Längengradkoordinaten.
2. Berechnung der Kandidatenpunkte: Nach der Erfassung des
Umfangs jedes GPS-Punktes berechnet der Algorithmus
berechnet der Algorithmus die Kandidatenpunkte des GPS-Punktes auf
jeder Verbindung. Vom Streckenpunkt zum Abschnitt der
vertikalen Linie, wenn der Fußpunkt auf dem Straßenabschnitt liegt,
ist der Fußpunkt der Kandidatenpunkt; wenn der Fußpunkt
Punkt nicht auf der Straße liegt, wählen Sie den nächstgelegenen
Endpunkt des Straßenabschnitts als Kandidatenpunkt.