Ein neuartiger Algorithmus für GPS-Trajektorien mit niedriger Abtastrate zum Kartenanpassung

Kartenanpassung

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.

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.