一种车辆GPS地图道路匹配方法、装置及存储介质与流程

一种车辆gps地图道路匹配方法、装置及存储介质
技术领域
1.本发明涉及车辆行驶控制技术领域，尤其是涉及一种车辆gps地图道路匹配方法、装置及存储介质。


背景技术：

2.全球定位系统(global positioning system，gps)作为车辆标准配置的传感器，用于车辆的地理位置定位。车辆定位传感器测量车辆定位的全局信息，包括：车辆速度、车辆方向、车辆位置(地球经纬度的坐标)。gps信号作为地理位置服务和智能交通的基础性数据，可应用于车辆导航、交通状态预测、轨迹深度理解、路径规划与推荐、活动识别等业务。
3.由于车辆gps传感器的特性，会导致数据测量和传输过程中产生一定的误差，进而影响测量的gps数据难以被直接有效利用，利用gps地图匹配技术将车辆gps数据投射到正确的道路上，则可以合理解决误差干扰问题。目前，依据算法类型，gps地图的匹配方法可划分为4类：基于路线几何形状的匹配算法、基于道路拓扑结构的匹配算法、基于统计概率的配算法、复合匹配算法。其中，基于路线几何形状的匹配算法，在进行gps轨迹与道路匹配时，由于未结合道路的拓扑结构分析轨迹与道路的相似性，容易造成gps轨迹与多条相似道路的错误匹配；
4.基于道路拓扑结构的匹配算法，容易受到数据噪声和数据稀疏性等数据质量的影响，当待匹配路网的复杂程度较高时，会出现难以匹配最佳道路的结果；
5.基于统计概率的匹配算法，当道路gps和车载gps测量的数据一致性较差时，匹配效果不佳，基于卡尔曼滤波、马尔科夫模型的地图匹配算法，可以提高匹配算法的准确率或者解决低频采样错误率较高的问题，但是当道路路网拓扑结构的复杂程度变高，则会导致匹配算法出现耗时长的新问题。
6.因而，在道路复杂程度较高或候选道路相似的情况下，采用上述匹配算法均会出现匹配效果较差、匹配耗时太长的问题。
7.比如中国专利cn112632202a公开一种基于高阶隐马尔可夫模型的动态地图匹配方法，该技术方案基于高阶隐马尔可夫模型，实现gps点与候选点之间的匹配，提高道路匹配的准确率，但是采用高阶模型时，模型的匹配计算需要耗费更多时间；该技术方案中，将gps路径的初始节点和后续节点视为一体，在匹配阶段，直接与道路点匹配，此方案在较多的候选点中进行最佳路径点的筛选，会增加计算耗时，且复杂路段下容易导致一定的匹配误差。因此，该方案旨在于实现较高准确性的gps与道路匹配算法，而并没有考虑gps匹配算法时效性的优化，与此同时，针对车辆高速运行时的gps动态匹配，还会出现准确度较高而时效性欠缺的问题，导致车辆匹配道路位置落后于车辆实际位置，使得导航、路径规划出现误差。
8.由此可知，准确性和时效性是gps地图匹配算法的核心，而现有的匹配算法难以全面兼顾准确性和时效性。


技术实现要素：

9.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种车辆gps地图道路匹配方法、装置及存储介质，以能够同时兼顾准确性和时效性。
10.本发明的目的可以通过以下技术方案来实现：一种车辆gps地图道路匹配方法，包括以下步骤：
11.s1、获取gps轨迹点数据以及道路路网数据；
12.s2、根据步骤s1获取的数据，进行候选道路筛选，并判断gps轨迹点是否为路段初始点，若判断为是，则执行步骤s3，否则执行步骤s4；
13.s3、进行初始节点匹配，得出车辆最佳行驶道路；
14.s4、进行道路路段匹配，得出车辆最佳行驶道路。
15.进一步地，所述步骤s2具体包括以下步骤：
16.s21、根据gps轨迹点数据以及道路路网数据，筛选得到候选道路；
17.s22、判断gps轨迹点是否为行程中道路路段的初始点，若判断为是，则执行步骤s3，否则执行步骤s4。
18.进一步地，所述步骤s21具体是依据欧式距离准则，在gps轨迹点附近筛选出符合设定距离要求的候选道路，以作为最佳道路匹配的候选道路数据集。
19.进一步地，所述步骤s21的具体过程为：以gps轨迹点的位置为圆心，以水平分量精度因子为半径画圆形，在圆内或穿过圆形的道路段即被提取为候选路段，其中，水平分量精度因子为纬度和经度误差平方和的开方值。
20.进一步地，所述步骤s3具体是针对行程中道路路段首端的多个gps轨迹点，基于延迟匹配算法和隐马尔可夫(hidden markov model，hmm)理论，构建出初始点-最佳道路匹配模型，以从候选道路数据集中筛选出最佳候选道路，即为车辆最佳行驶道路。
21.进一步地，所述步骤s3具体包括以下步骤：
22.s31、将前n个gps轨迹点视为一段连续车辆轨迹点，以单独进行初始点匹配；
23.s32、利用动态规划和hmm算法，计算状态转移概率、转移概率矩阵以及初始状态概率矩阵，其中，状态转移概率与道路路段点之间的距离相关，观测状态转移概率矩阵则表明gps轨迹点和候选道路点之间的距离，初始状态概率即为人为设定的初始概率，在拓扑网络中寻找概率最高的最大似然路径，以作为最优匹配路径。
24.进一步地，所述步骤s4具体是针对非道路路段初始点的gps轨迹点，通过计算gps轨迹点与候选路段之间的增强权重因子，以确定出车辆的最佳道路段以及投影点，从而得出车辆行驶路径以及轨迹点。
25.进一步地，所述增强权重因子包括：gps轨迹点到候选路段的距离、gps轨迹点与候选路段的方向差值、gps轨迹点与候选路段的连通性。
26.一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的车辆gps地图道路匹配方法。
27.一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述车辆gps地图道路匹配方法。
28.与现有技术相比，本发明考虑到车辆gps信号为高频数据，将道路匹配分为三个过程：候选路段筛选、初始点匹配、最佳道路匹配，能够在初始点阶段，就筛选更加匹配的候选
道路，从而提高复杂道路段的匹配精度、提高运算效率。
29.本发明引入隐马尔可夫模型对车辆初始点进行道路匹配、引入增强权重因子对后续轨迹点的最佳道路进行匹配估计，不仅降低单点定位匹配所需时间，提高运算效率，还能在复杂路段上提高准确率，一定程度上解决了高频gps数据匹配算法时效性和准确性难以兼顾的矛盾。
附图说明
30.图1为本发明的方法流程示意图；
31.图2为实施例的应用过程示意图；
32.图3为实施例中候选道路筛选的原理示意图。
具体实施方式
33.下面结合附图和具体实施例对本发明进行详细说明。
34.实施例
35.如图1所示，一种车辆gps地图道路匹配方法，包括以下步骤：
36.s1、获取gps轨迹点数据以及道路路网数据；
37.s2、根据步骤s1获取的数据，进行候选道路筛选，并判断gps轨迹点是否为路段初始点，若判断为是，则执行步骤s3，否则执行步骤s4；
38.s3、进行初始节点匹配，得出车辆最佳行驶道路；
39.s4、进行道路路段匹配，得出车辆最佳行驶道路。
40.在步骤s2中，主要包括以下步骤：
41.s21、根据gps轨迹点数据以及道路路网数据，筛选得到候选道路，本实施例依据欧式距离准则，在gps轨迹点附近筛选出符合设定距离要求的候选道路，以作为最佳道路匹配的候选道路数据集，具体是以gps轨迹点的位置为圆心，以水平分量精度因子为半径画圆形，在圆内或穿过圆形的道路段即被提取为候选路段，其中，水平分量精度因子为纬度和经度误差平方和的开方值；
42.s22、判断gps轨迹点是否为行程中道路路段的初始点，若判断为是，则执行步骤s3，否则执行步骤s4。
43.在步骤s3中，主要是针对行程中道路路段首端的多个gps轨迹点，基于延迟匹配算法和隐马尔可夫(hidden markov model，hmm)理论，构建出初始点-最佳道路匹配模型，以从候选道路数据集中筛选出最佳候选道路，即为车辆最佳行驶道路。
44.具体包括以下步骤：
45.s31、将前n个gps轨迹点视为一段连续车辆轨迹点，以单独进行初始点匹配；
46.s32、利用动态规划和hmm算法，计算状态转移概率、转移概率矩阵以及初始状态概率矩阵，其中，状态转移概率与道路路段点之间的距离相关，观测状态转移概率矩阵则表明gps轨迹点和候选道路点之间的距离，初始状态概率即为人为设定的初始概率，在拓扑网络中寻找概率最高的最大似然路径，以作为最优匹配路径。
47.在步骤s4中，主要是针对非道路路段初始点的gps轨迹点，通过计算gps轨迹点与候选路段之间的增强权重因子(包括：gps轨迹点到候选路段的距离、gps轨迹点与候选路段
的方向差值、gps轨迹点与候选路段的连通性)，以确定出车辆的最佳道路段以及投影点，从而得出车辆行驶路径以及轨迹点。
48.将上述技术方案应用于实际，如图2所示，车辆gps道路匹配分为三个阶段：候选道路筛选、初始点匹配、最佳道路匹配，并针对gps匹配不同阶段的任务，利用不同算法模型进行分析计算，提高整体道路匹配的准确度，具体的：
49.1、在候选道路筛选中，依据欧式距离准则，在gps点附近筛选出符合距离要求的候选道路，作为最佳道路匹配的备选数据集，采用简单准则，可提高匹配模型的运算速率，本实施例中，以gps点的位置为圆心，以水平分量精度因子(纬度和经度误差平方和的开方值)为半径画圆形，在圆内或穿过圆形的道路段被提取为候选路段，该方法易于实现，且不损失效率，图3为实施例gps点筛选候选路段的示例，以gps点位置为中心，以水平分量精度因子为半径r，候选路段的集合为{r1,r2,r3,r4}，筛选路段如图2所示。
50.2、初始点匹配，针对行程中道路路段首端多个gps初始点进行路段合理匹配，引入延迟匹配算法和隐马尔可夫(hidden markov model,hmm)理论，开发初始点的最佳道路匹配算法模型；
51.1)gps点与道路匹配，引入延迟匹配和hmm模型，可以有效的提高车辆轨迹初始点匹配的正确率，从候选路段初步筛选出合理的候选路段，减少后续道路匹配的数据集；
52.2)gps道路匹配中增加初始点匹配环节，不仅能通过初始环节的改进算法提高准确率，而且通过初步匹配减少候选路段的数量，减少后续道路匹配的运算量，提高整体道路匹配的时效性；
53.本技术方案考虑到由于车辆行程初始点独立存在，简单地通过候选路段进行车辆gps定位容易出现错误匹配。因此采用初始点延迟匹配的方法，本实施例将前5个gps点视为一段连续车辆轨迹点，单独进行道路匹配初始点匹配。利用动态规划和hmm算法，计算状态转移概率、转移概率矩阵以及初始状态矩阵，状态转移概率与道路路段点之间的距离相关，观测状态转移概率矩阵，表明gps点和候选道路点之间的距离，初始状态概率即为人为设定的初始概率，在拓扑网络中寻找概率最高的最大似然路径，作为最优匹配路径。
54.3、最佳道路匹配，针对非初始点的gps数据点集，依据gps点与候选路段的距离、方向、连通性，定义增强权重因子，计算各候选路段的因子得分，确定车辆的最佳道路段和投影点，形成车辆行驶路径和轨迹点。本实施例将gps点到候选路段的距离、gps点与候选路段的方向差值、路段点的连通性作为模型的权重因子，同时考虑道路拓扑结构作为限制条件，以提高平行道路和交叉路口的道路匹配精度。即，最佳道路匹配为hmm状态转移模型和增强权重因子模型的整合，从由gps点筛选的多个候选路段中确定契合实际状态的车辆行驶路段。
55.本技术方案聚焦于车辆gps道路匹配算法的准确性、时效性的性能提升，通过匹配任务分解、引入延迟算法、增强权重因子模型，有效提高了gps匹配算法的准确度和时效性，为车辆中高速行驶过程的gps道路匹配问题提供可供参考的解决方案。
56.本实施例还提供一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的车辆gps地图道路匹配方法。
57.本实施例还提供一种存储介质，该存储介质中存储有计算机程序，其中，该计算机
程序被设置为运行时执行上述车辆gps地图道路匹配方法。
58.综上可知，本技术方案在基础的点投影线和hmm的匹配算法中，改进gps地图道路匹配算法，引入隐马尔可夫模型对车辆初始点进行道路匹配，引入增强权重因子对后续轨迹点的最佳道路进行匹配估计，不仅降低单点定位匹配所需时间，提高运算效率，还能在复杂路段上提高准确率，一定程度上解决了高频gps数据下的匹配算法时效性和准确性难以兼顾的矛盾。
59.本技术方案提出的gps匹配方法可分为三个阶段：候选路段筛选、初始点匹配、最佳道路匹配。其中，最佳道路匹配，针对非初始点的gps数据，依据gps点与候选路段的距离、方向、连通性，定义增强权重因子，计算各候选路段的因子得分，确定车辆的最佳道路段和投影点，形成车辆行驶路径和轨迹点，此方法在高频gps数据下，精度较高，计算量较小，满足复杂道路下道路匹配的需求。通过三种算法模型的集成，实现车辆gps与实际道路段的映射和匹配，最终为车辆的感知定位、规划决策，提供更加精确的车辆位置。