一种多证据融合地图匹配算法

一种多证据融合地图匹配算法
【专利摘要】本发明提供了一种多证据融合地图匹配算法，包括以下步骤：第一步、确定误差区域；第二步、进行D?S证据一次融合；获取可达性信息证据；第三步、进行D?S证据二次融合；第四步、根据第三步中的D?S证据二次融合结果选择最佳匹配道路。本发明将误差区域定义为矩阵区域，使候选路段的选择简单化，提高地图匹配的实时性以及保证了匹配的可靠性；针对平行路段、交叉路口和立交桥等分口较多的路段进行仿真分析，提高特殊路段的匹配精度；本发明考察可达性信息证据，减少比较因素，减少计算复杂度，提高匹配效率；进行D?S一次证据融合和二次证据融合，得出最为精确的结果，进一步确保了匹配结果的准确性和稳定性。
【专利说明】
一种多证据融合地图匹配算法
技术领域
[0001] 本发明涉及地图匹配技术领域，具体涉及一种多证据融合地图匹配算法。
【背景技术】
[0002] GPS卫星定位系统在全球范围内得到了广泛的应用，但是，GPS卫星定位和电子地 图的组合使用存在以下两种误差：（1)由于受到城市高楼大厦、立交桥、山谷、隧道等对GPS 接收机信号产生的影响，GPS的定位误差会不同程度的增加；（2)在制作电子地图的过程中 由于需要对电子地图进行配准和矢量化，因而也会产生误差。由于这两者误差的存在会使 得车辆真实位置与对应的电子地图出现不匹配的情况。
[0003] 地图匹配算法在校正电子地图显示车辆的准确位置中起到至关重要的作用，现有 技术中有以下四种匹配算法：
[0004] 第一种:按权重进行拟合多个匹配因子的算法，该算法综合利用地图的拓扑信息， 对多个匹配因子进行按权重进行性拟合，以计算得出的匹配因子作为选择道路的基准，匹 配度最高的路段就是匹配的结果。这种算法的优点是实现简单，并且准确度较高但是在复 杂路口附近可能出现匹配错误。
[0005] 第二种:基于GPS轨迹数据的地图匹配算法（即线到线匹配的算法），该算法的实际 就是将GPS接收机每隔一段时间将此时间段接收到的GPS定位点连成线段，把这条线段与地 图上路段的相似距离较近的路段进行匹配。建立匹配路段缓冲池保存多个匹配结果的思想 值得借鉴。但是该算法也存在一些缺点：对异常点比较敏感；只利用了地图的几何信息，没 有考虑其它有用的信息；由于需要采集一定数量的点才能连成线段，所以实时性差。
[0006] 第三种:基于道路网络拓扑关系的地图匹配算法，这种算法是利用道路层的网络 拓扑关系来确定当前车辆定位数据的待匹配路段范围，再使用历史轨迹地图数据库的道路 信息进行模式识别来确定当前道路。该算法将GPS定位点到候选路段的距离作为主要的匹 配标准，但没有考虑方向因素，这是它的不足之处。
[0007] 第四种:基于浮动车数据的地图匹配算法（即基于D-S证据理论的匹配算法），给出 车辆行驶位置和方向信息的基本概率分配函数的设计方法，通过D-S合成公式对二者进行 融合，得出融合结果选择匹配道路。相比其他算法，此方法由于增加了逻辑复杂度而具有较 高的匹配精度，但仍无法满足复杂密集的道路网中导航的需求。

【发明内容】

[0008] 本发明目的在于提供一种多证据理论地图匹配算法，选取计算方便且为现有椭圆 区域的最小包围矩形的矩形区域作为误差区域，结合对车辆的可达性证据加以考察，并根 据不同道路拓扑结构使用最优的可靠性参数值，综合考虑道路网的复杂性和车辆行驶特性 进行地图匹配，纠正GPS接收数据的定位误差，以提高车辆的GPS导航精度。具体技术方案如 下：
[0009] -种多证据融合地图匹配算法，包括以下步骤：
[0010]第一步、确定误差区域，具体是:所述误差区域为矩形区域，该矩形区域为现有椭 圆区域的最小包围矩形，其长和宽的计算式为表达式5)和表达式6)计算出：
[0013] 其中，XmR表矩形区域的长度，YmR表矩形区域的宽度，a代表椭圆区域的半长轴的 长度，b代表椭圆区域的半短轴的长度，巾代表为椭圆半长轴的取向和正北方向之间的夹 角；
[0014] 第二步、根据位置和方向信息证据进行D-S证据一次融合，具体是：用车辆定位点p 的位置信息和行驶方向信息作为D-S证据理论中的两个证据，得到道路六:是匹配道路的类 概率函数如表达式11):
[0016]其中：识别框?描述所有候选道路的集合：? = {^，^，-_411}，设1为道路的编号， i = l，2,…，n，Ai表示车辆在第i号道路上行驶;Bel(Ai)为信任函数，Bel(Ai)=m(Ai);Pl(Ai) 为似然函数，Pl(Ai)=m(Ai)+m( @ );
[0017]获取可达性信息证据，具体是:先将从GPS等定位设备获取到的车辆定位点分别投 影到候选道路上，视做假如车辆行驶在该道路上的位置点，称此投影点为该候选路段的虚 拟匹配点;再获取匹配过程中车辆从上一匹配点到虚拟匹配点的连通性、行驶距离、行驶时 间信息，即得可达信息;通过可达信息获得可达性信息证据；
[0018]第三步、根据第二步中的D-S证据一次融合结果和可达性信息证据进行D-S证据二 次融合，具体是:运用分布式证据融合模型，将第二步中的D-S证据一次融合结果和可达性 信息证据再次运用D-S合成公式得到新的m函数m'（仏)详见表达式13):
[0020] 第四步、根据第三步中的D-S证据二次融合结果选择最佳匹配道路，具体是:取max {m'（A〇，m'（A2)，…，m' (An)}所对应的道路即为车辆当前行驶的道路。
[0021] 以上技术方案中优选的，所述第一步中现有椭圆区域为根据概率准则定义的误差 椭圆，具体如下:设定位系统的方差和协方差矩阵模型化为表达式1): iri ^.v ^.vr _ L = a a2 、 L〇v, r」 1)；
[0023] 其中和<是方差，〇xy和〇yx是协方差，〇x和〇y是GPS定位系统正向与北向测量误 差的标准差，均可直接从接收机输出的数据中直接读出；
[0024] 误差椭圆如表达式2)、表达式3)以及表达式4):
[0028]其中：a是椭圆半长轴，b是椭圆半短轴，cf是单位权值的后验方差，为椭圆半长轴 的取向和正北方向之间的夹角，GPS的定位点即为椭圆中心，也是当前的车辆定位位置。 [0029]以上技术方案中优选的，所述第二步中D-S证据一次融合具体是：
[0030] 根据D-S证据理论，识别框?描述所有候选道路的集合：? = {^，知，一4"}，设1 = 1，2，…，n，M表示车辆在第i号道路上行驶；
[0031]设j = l，2,…，n表示第j号证据，用车辆定位点p的位置信息和行驶方向信息作为 D-S证据理论中的两个证据，设证据函数为C^，当j = l时，Cu为位置信息证据函数，详见表 达式7):
7);
[0033]其中：cU表示定位点p到第i号道路的投影距离，投影距离越小，位置信息证据越可 f目；
[0034]当j = 2时，C2, i为位置信息证据函数，详见表达式4):
8)；
[0036]其中：&1表示正北方向顺时针旋转与第i号道路的夹角；a表示正北方向顺时针旋 转与车辆在P点的行驶方向的夹角表示车辆行驶角度的变化值，车辆行驶角度与道路角 度差值越小，方向信息证据越可信；
[0037] 基本概率分配函数构造如表达式9):
[0041]其中:1^(仏)表示证据j对命题"道路仏是匹配道路"的精确信任程度，即mUO是位 置信息证据的基本概率分配函数，1112(仏)是方向信息证据的基本概率分配函数;? )表示 当前时刻由于证据的不可靠和不准确而不能确定车辆在哪条道路上;4表示证据j的可靠 性参数，即lu为位置信息证据的可靠性参数，k 2为方向信息证据的可靠性参数；
[0042]得出信任函数BelUdimUO,信任函数表示该证据下有理由相信A:为候匹配道 路的程度;似然函数PKAOimUO+nK?)，似然函数表示不反对仏为匹配道路的程度；
[0043]根据D-S合成公式，将得到的位置信息和方向信息在识别框?上的基本概率分配 函数mjPm2融合为一个m函数，表示命题"道路六:是匹配道路"的精确信任程度，详见表达式 10)：
[0045]得出命题"道路^是匹配道路"的类概率函数详见表达式11):
[0047]以上技术方案中优选的，平行路段时取1^1 = 0.9，1? = 0.8;交叉路口路段取1^1 = 0.8，1? = 0.9;两个及以上分口的立交桥路段应取1^1 = 0.8，1? = 0.9。
[0048]以上技术方案中优选的，所述第二步中获取可达性信息证据中行驶距离是通过 Dijkstra算法计算上一匹配点到虚拟匹配点的最短路径长度，具体算法是：
[0049] 令D(v)为源结点到某个结点v的距离，则D(v)是从源节点沿某一路径到结点v的所有 链路的长度之和；
[0050] 再令l(i，j)为结点i至结点j之间的距离；
[0051 ] 包括以下步骤：
[0052]步骤a、令N表示网络结点的集合，先令N ={ 1 }，对所有不在N中的结点v，写出D w的 L、若结点v与结点1相连 表达式、=彳(Uv) ^(v) 若结点V与结点1不相连;
[0053]步骤b、寻找一个不在N中的结点w，其DW值为最小;把w加入到N中；然后对所有不 在N中的结点V，用[0卜)，0? + 1(?^)]中的较小的值去更新原有的0卜)值，即0卜)-1^11[0卜） D(w)+l(w,v)]；
[0054]步骤c、重复步骤b，直到所有的网络结点都在N中为止，最后D(v)即是行驶距离。 [0055]以上技术方案中优选的，所述第三步中进行二次融合时，当j = 3时，mXAO是可达 性信息证据的基本概率分配函数，可达性信息证据函数详见表达式12):
[0057] 其中：Di表示车辆从上匹配点到第i号道路的虚拟匹配点的行驶距离；t表示定位 设备的定位周期;V表示车辆的瞬时速度;Vl表示车辆行驶到第i号道路虚拟速度与实际速 度的差值。
[0058]本发明的技术方案与现有技术相比，具有以下有益效果：
[0059] 将误差区域定义为矩阵区域，具体是误差椭圆区域的最小包围矩形，误差矩形计 算方法简单，使候选路段的选择简单化，对车辆轨迹范围的快速划定能提高地图匹配的实 时性，同时它包含误差椭圆，匹配的可靠性也得到了保障。
[0060] 遵循可靠性参数选择中适用性和针对性原则，根据实际道路拓扑结构的特点，选 取相应的可靠性参数值，以此思路，针对平行路段、交叉路口和立交桥等分口较多的路段进 行仿真分析，考察位置信息和方向信息证据的可靠性程度，得出可靠性参数的最优取值，提 高特殊路段的匹配精度。
[0061] 可达性信息是指匹配过程中车辆从上一匹配点到虚拟匹配点的连通性、行驶距 离、行驶时间等信息。本发明考察可达性信息证据，通过计算行驶至各候选道路虚拟匹配点 需要的速度，即虚拟速度，与从定位设备获取的车辆实际行驶速度信息比较，以考察虚拟匹 配点的可达性信息证据，这样将行驶距离和行驶时间两个因素合并成速度一个因素，减少 比较因素，同时利用定位设备的现成的速度数据，减少计算复杂度，提高匹配效率。
[0062]证据融合采用分布式证据融合模型，先把位置证据与方向证据融合的结果作为新 的证据与可达性证据进行二次融合，以此类推直至融合所有证据;这种模型适用于事先对 各证据的可信程度有所倾向的情况，可以弱化人为证据的可信程度，增强客观证据的可信 程度，并且当证据量较少时计算过程更为简便;改进算法使用研究得出的可靠性参数将第 一次证据融合结果精度提高，再与车辆的可达性信息证据进行D-S证据的二次融合，这样位 置、方向和连通性3个基本概率分配函数供D-S证据融合以得出最为精确的结果，进一步确 保了匹配结果的准确性和稳定性。
[0063] 除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。 下面将参照图，对本发明作进一步详细的说明。
【附图说明】
[0064] 构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实 施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0065] 图1是本发明优选实施例1的多证据融合地图匹配算法的流程图；
[0066]图2为误差椭圆的定义示意图；
[0067] 图3是本发明外切误差椭圆的矩形区域示意图；
[0068] 图4是本发明城市路网平行路段的可靠性参数分析图；
[0069] 图5是本发明城市路网交叉路口路段的可靠性参数分析图；
[0070] 图6是本发明城市路网立交桥路段的可靠性参数分析图；
[0071 ]图7是本发明D-S证据的融合过程示意图；
[0072]图8是实施例1进行地图匹配的效果图。
【具体实施方式】
[0073]以下结合附图对本发明的实施例进行详细说明，但是本发明可以根据权利要求限 定和覆盖的多种不同方式实施。
[0074] 实施例1:
[0075]参见图1，一种多证据融合地图匹配算法，应用于在线采矿智能调度系统，具体过 程如图1，详情如下：
[0076]第一步:确定误差区域，以便从地图数据中提取候选匹配道路的信息;误差区域是 指包含车辆真实位置的区域，在误差区域内的道路称之为候选路段，以减少进行识别的道 路的数量，提高识别速度;较为常用的确定误差区域方法的是根据概率准则定义误差椭圆， 即该误差椭圆如图2所示；
[0077]设定位系统的方差和协方差矩阵模型化为表达式1):
[0078] Z = ^ a2 L ''J l)
[0079] 式1)中，o;2和€是方差，〇xy和〇yx是协方差，〇 x和〇y是GPS定位系统正向与北向测量 误差的标准差;并且这几个参数可以直接从接收机输出的数据中直接读出，从而可以这样 定义定位误差椭圆详见表达式2)、表达式3)以及表达式4):
[0083] 式中，a是椭圆半长轴，b是椭圆半短轴，沒是单位权值的后验方差，式4)中0为椭圆 半长轴的取向和正北方向之间的夹角，GPS的定位点即为椭圆中心，也是当前的车辆定位位 置。
[0084] 由于判断路段是否落在椭圆区域内，需要执行大量的开方和乘积运算，对于选取 候选路段很不方便。为了克服这个缺点，可以将误差区域定义为矩形区域，该矩形为椭圆区 域的最小包围矩形，如图3所示；
[0085] 长和宽可以通过表达式5)和表达式6)求出：
[0088]误差矩形计算方法简单，使候选路段的选择简单化，对车辆轨迹范围的快速划定 能提高地图匹配的实时性，同时它包含误差椭圆，匹配的可靠性也得到了保障，在求出矩形 误差区域后，误差矩形内所有的路段即成为候选路段，就可以进行最佳匹配路段的确定。 [0089]第二步:根据位置和方向信息证据进行D-S证据一次融合，具体是:根据D-S证据理 论，识别框?描述所有候选道路的集合：? = {Ai，A2，…，An}，设i = 1，2，…，n，Ai表示车辆在 第i号道路上行驶;设j = l，2,…，n表示第j号证据，用车辆GPS定位点p的位置信息和行驶方 向信息作为D-S证据理论中的两个证据，设证据函数为Cj,:; 7);
[0090]当j = 1时，&, i为位置信息证据函数，令
[0092]式7)中，cU表示定位点p到第i号道路的投影距离，投影距离越小，位置信息证据越 可信；
[0093]当 j = 2时，令
8):
[0095]式8)中，a1表示正北方向顺时针旋转与第i号道路的夹角;a表示正北方向顺时针 旋转与车辆在P点的行驶方向的夹角;队表示车辆行驶角度的变化值，车辆行驶角度与道路 角度差值越小，方向信息证据越可信;考虑到在实际系统中的易实现性，基本概率分配函数 构造如表达式9):
9)；
[0099]式9)中，mXAD表示证据j对命题"道路仏是匹配道路"的精确信任程度，即血(仏)是 位置信息证据的基本概率分配函数，1112(仏)是方向信息证据的基本概率分配函数;? )表 示当前时刻由于证据的不可靠和不准确而不能确定车辆在哪条道路上；4表示证据j的可 靠性参数，即lu为位置信息证据的可靠性参数，k 2为方向信息证据的可靠性参数。
[0100] 再得出信任函数Bel(Ai)=m(Ai)和似然函数Pl(Ai)=m(Ai)+m(?)，其中，信任函 数表示该证据下有理由相信M为候匹配道路的程度，似然函数表示不反对六:为匹配道路的 程度;根据D-S合成公式，将得到的位置信息和方向信息在识别框?上的基本概率分配函数 mjPm2融合为一个m函数，表示命题"道路仏是匹配道路"的精确信任程度；
[0102]根据以上条件，可以得出命题"道路^是匹配道路"的类概率函数如表达式11):
[0104] 对于不同的道路Ai，式中的m(?)/n值是不变的，考察f(Ai)的值就相当于考察m (A〇的值，即maxImUi)，m(A2)，…，m(An)}，得对应的道路即可判定为车辆当前行驶的道路。
[0105] 针对车辆在行驶的过程中会遇到的平行路段和特殊路段（如交叉路口、立交桥 等），则是遵循可靠性参数选择中适用性和针对性原则，根据实际道路拓扑结构的特点，选 取相应的可靠性参数值。由式9)可知，证据的可靠性参数值越大，表示其证据参考的价值越 可靠。首先定义算法的可靠性参数默认值为0.8;取值时考虑车辆定位点所处路网，当某种 道路环境下位置或方向信息证据更为可靠时参数值取〇. 9;分为"位置信息证据较可靠" = 0.9，k2 = 0.8)、"方向信息证据较可靠"（1^1 = 0.8，1? = 0.9)和默认取值(1^1 = 0.8，1? = 0.8) 3种情况；以此思路，针对平行路段、交叉路口和立交桥等分口较多的路段进行仿真分析，考 察位置信息和方向信息证据的可靠性程度，得出可靠性参数的最优取值。
[0106] 平行路段是指两条或以上路段平行的道路，车辆的定位数据有可能连续落在n条 道路之间;此时n条道路的方向角是相等的，方向信息证据的可靠性相对较弱，应当选取"位 置信息证据较可靠"的取值方案;模拟实际环境中平行路段的情况，进行仿真试验，并对结 果分析，得出的结果对方案的验证完全统一;选取一仿真实例，如图4所示，车辆的初始位置 为A，定位系统获得的位置为B，而车辆的真实行驶位置为C，将仿真得出的结果绘制成mUO 与ki和k2大小关系的曲线图；可以直观地看出：当ki>k2时，m(Ai)和m(A 2)的值相差最大，此时 匹配结果的误差范围最大，完成了平行路段时采用"位置信息证据较可靠"的取值方案的验 证，BP ki = 0 ? 9，k2 = 0 ? 8。
[0107] 当车辆驶入交叉路口时，定位点有可能在各条道路之间，由于道路之间的方向角 相差较大，因此相对位置证据而言，方向信息证据的可靠性较强，应当选取"方向信息证据 较可靠"的取值方案。通过编程模拟实际环境，考察城市不同类型的交叉路口，进行仿真试 验，并对结果分析，得出的仿真结果对方案的验证完全统一。选取仿真过程中的一则代表性 实例，如图5所示，车辆的初始位置为A，定位系统获得的位置为B，而车辆的真实行驶位置为 C，将仿真得出的结果绘制成m(Ai)与k#Pk2大小关系的曲线图；可以看出：当kKk2时，mUd 和m(A2)的值相差最大，此时匹配结果的误差范围最大，错误率最小；而当ki^：k2时，支持正 确结果的证据函数值逐渐下降而支持错误结果的证据逐渐上升，误差范围最小，仿真完成 了对交叉路口路段使用"方向信息证据较可靠"的取值方案的验证，即匕=0.8山=0.9。
[0108] 当车辆驶入立交桥等分口较多的路段时，是地图匹配中最为复杂的情况，此时GPS 定位点有可能在n条较为密集的道路间，可靠性参数细微的变化将直接影响匹配结果;此种 情况与交叉路口类似，因此相对位置证据而言，方向信息证据的可靠性较强，应当选取"方 向信息证据较可靠"的取值方案。通过编程模拟实际环境对立交桥复杂路口进行匹配模拟， 仿真结果通过一则实例来说明。如图6所示，车辆的初始位置为A，定位系统获得的位置为B， 而车辆的真实行驶位置为C，将仿真得出的结果绘制成!11(仏)与1^和1?大小关系的曲线图。可 以看出：当ki〈k2时，m(Ai)和m(A2)的值相差最大，此时匹配结果的误差范围最大，错误率最 小;随着h的增大和1?的减小，支持正确结果的证据逐渐下降而支持错误结果的证据逐渐上 升，最终出现错误的匹配结果，论证了立交桥等分口较多的路段应采用"方向信息证据较可 靠"的取值方案，即ki = 0.8，k2 = 0.9。
[0109]获取可达性信息证据，具体是:可达性信息证据的考察将从GPS等定位设备获取到 的车辆定位点分别投影到候选道路上，视做假如车辆行驶在该道路上的位置点，称此投影 点为该候选路段的虚拟匹配点；可达性信息是指匹配过程中车辆从上一匹配点到虚拟匹配 点的连通性、行驶距离、行驶时间（定位设备的上一次定位与本次定位的时间间隔t)等信 息，其中：行驶距离则是通过Dijkstra算法计算上一匹配点到虚拟匹配点的最短路径长度， 原理如下：
[0110] 令为D(v)源结点(记为结点1)到某个结点v的距离，它就是从结点1沿某一路径到结 点v的所有链路的长度之和;再令l(i，j)为结点i至结点j之间的距离;整个算法包括以下步 骤：
[0111] 步骤a、令N表示网络结点的集合，先令N ={ 1 }，对所有不在N中的结点v有表达式 )若结点V与结点1相连 ^(v) ~ V00若结点V与结点1不相连；
[0112] 步骤b、寻找一个不在N中的结点w，其DW值为最小;把w加入到N中；然后对所有不 在N中的结点V，用[0^，队)+1(?^)]中的较小的值去更新原有的1)^值，即得表达式1^)- Min[D(v)D(w)+l(w,v)]；
[0113] 步骤c、重复步骤b，直到所有的网络结点都在N中为止;最后D(v)即是行驶距离；
[0114] 改进算法考察可达性信息证据，通过计算行驶至各候选道路虚拟匹配点需要的速 度，即虚拟速度，与从定位设备获取的车辆实际行驶速度信息比较，以考察虚拟匹配点的可 达性信息证据；
[0115]第三步、根据第二步中的D-S证据一次融合结果和可达性信息证据进行D-S证据二 次融合，具体是:在传统D-S证据理论的地图匹配算法的基础上，对于式9)，当j = 3时，mXAO 是可达性信息证据的基本概率分配函数，令可达性信息证据函数为表达式12):
12)；
[0117] 式12)中，Di表示车辆从上匹配点到第i号道路的虚拟匹配点的行驶距离;t表示定 位设备的定位周期;v表示车辆的瞬时速度 ;Vl表示车辆行驶到第i号道路虚拟速度与实际 速度的差值；由于城市路网中的车辆行驶有一定规律性，且在交通规则的约束下行驶速度 近似均匀，瞬时刹车的可能性较低，因此本算法中车辆虚拟行驶速度按照匀速计算;在此前 提下，此式考察车辆在位置点P到第i号道路的虚拟匹配点的可达性信息的证据强度，车辆 虚拟行驶到第i号道路所需的速度与实际行驶速度的差值越小，证据越可信。这样，就得到 了位置、方向和连通性3个基本概率分配函数供D-S证据融合以得出最为精确的结果。
[0118]分布式证据融合模型采用递归式D-S证据融合的方式，证据1与证据2融合的结果 作为新的证据与证据3进行二次融合，以此类推直至融合所有证据;这种模型适用于事先对 各证据的可信程度有所倾向的情况，可以弱化人为证据的可信程度，增强客观证据的可信 程度，并且当证据量较少时计算过程更为简便。由于地图匹配算法实际运用中，实际弯曲的 道路在电子地图中要用一系列直线段来逼近，并且每个司机的驾车习惯导致经过相同拐角 的车行轨迹不同，所以方向信息证据受到人为证据的影响；而从定位设备中获取的可达性 信息证据和位置信息证据较为客观，因此，改进算法中采用分布式证据融合模型，如图7所 不。
[0119]运用分布式证据融合模型，将表达式10)中位置信息和方向信息融合得到的mUO 函数作为一个新的基本概率分配函数，再次运用D-S合成公式，与可达性信息证据的基本概 率函数m3(Ai)融合为一个新的m函数m' (Ai)如表达式13):
[0121]第四步:根据第三步中的D-S证据二次融合结果选择最佳匹配道路，具体是:取max {m'（A〇，m'（A2)，…，m' (An)}所对应的道路即为车辆当前行驶的道路。
[0122] 采用本实施例的方法进行地图匹配的效果详见图8。
[0123] 本发明的算法使用可靠性参数将第一次证据融合结果精度提高，再与车辆的可达 性信息证据进行D-S证据的二次融合，与现有方法(基于浮动车数据的地图匹配算法和基于 GPS轨迹数据的地图匹配算法)相比较的结果详见表1，从表1可知：本发明方法进一步确保 了匹配结果的准确性和稳定性(从匹配率体现出）。
[0124] 表1现有算法与本发明方法的比较表
[0126]以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技 术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修 改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种多证据融合地图匹配算法，其特征在于，包括以下步骤： 第一步、确定误差区域，具体是:所述误差区域为矩形区域，该矩形区域为现有椭圆区 域的最小包围矩形，其长和宽的计算式为表达式5)和表达式6)计算出：其中，表矩形区域的长度，表矩形区域的宽度，a代表椭圆区域的半长轴的长 度，b代表椭圆区域的半短轴的长度，Φ代表为椭圆半长轴的取向和正北方向之间的夹角； 第二步、根据位置和方向信息证据进行D-S证据一次融合，具体是：用车辆定位点p的位 置信息和行驶方向信息作为D-S证据理论中的两个证据，得到道路Ai是匹配道路的类概率 函数如表达式11):其中：识别框Θ描述所有候选道路的集合：?=仏，如，…，An}，设i为道路的编号，i = 1，2,…，n，Ai表示车辆在第i号道路上行驶;Bel(Ai)为信任函数，BeKAihmUihPKAi)为 似然函数，Pl(Ai)=m(Ai)+m( Θ ); 获取可达性信息证据，具体是:先将从GPS等定位设备获取到的车辆定位点分别投影到 候选道路上，视做假如车辆行驶在该道路上的位置点，称此投影点为该候选路段的虚拟匹 配点;再获取匹配过程中车辆从上一匹配点到虚拟匹配点的连通性、行驶距离、行驶时间信 息，即得可达信息;通过可达信息获得可达性信息证据； 第三步、根据第二步中的D-S证据一次融合结果和可达性信息证据进行D-S证据二次融 合，具体是:运用分布式证据融合模型，将第二步中的D-S证据一次融合结果和可达性信息 证据再次运用D-S合成公式得到新的m函数m'（仏)详见表达式13):第四步、根据第三步中的D-S证据二次融合结果选择最佳匹配道路，具体是：取maxim' (AO，m'（A2)，…，m'(An)}所对应的道路即为车辆当前行驶的道路。2. 根据权利要求1所述的多证据融合地图匹配算法，其特征在于，所述第一步中现有椭 圆区域为根据概率准则定义的误差椭圆，具体如下：设定位系统的方差和协方差矩阵模型 化为表达式1):其中：σ「和σ,:是方差，oxy和oyx是协方差，σχ和oy是GPS定位系统正向与北向测量误差的 标准差，均可直接从接收机输出的数据中直接读出； 误差椭圆的参数表达式如表达式2 )、表达式3)以及表达式4): 其中：a是椭圆半长轴，b是椭圆半短轴，茂是单位权值的后验方差，为椭圆半长轴的取 向和正北方向之间的夹角，GPS的定位点即为椭圆中心，也是当前的车辆定位位置。3.根据权利要求1所述的多证据融合地图匹配算法，其特征在于，所述第二步中D-S证 据一次融合具体是： 根据D-S证据理论，识别框Θ描述所有候选道路的集合：Θ =⑷，A2，…，An}，设i = 1， 2，…，η，Μ表示车辆在第i号道路上行驶； 设j = 1，2，…，η表示第j号证据，用车辆定位点p的位置信息和行驶方向信息作为D-S证 据理论中的两个证据，设证据函数为η当j = l时，Cu为位置信息证据函数，详见表达式 7)：其中:cU表示定位点p到第i号道路的投影距离，投影距离越小，位置信息证据越可信； 当j = 2时，C2, i为位置信息证据函数，详见表达式4):其中:&1表示正北方向顺时针旋转与第i号道路的夹角;a表示正北方向顺时针旋转与车 辆在P点的行驶方向的夹角表示车辆行驶角度的变化值，车辆行驶角度与道路角度差值 越小，方向信息证据越可信； 基本概率分配函数构造如表达式9):其中mXAO表示证据j对命题"道路Μ是匹配道路"的精确信任程度，即mUO是位置信 息证据的基本概率分配函数，imUO是方向信息证据的基本概率分配函数;ny( Θ )表示当前 时刻由于证据的不可靠和不准确而不能确定车辆在哪条道路上;4表示证据j的可靠性参 数，即lu为位置信息证据的可靠性参数，k 2为方向信息证据的可靠性参数； 得出信任函数BelUO =!!!(&)，信任函数表示该证据下有理由相信AiS候匹配道路的 程度;似然函数ΡΚΑΟιπΚΑΟ+πΚΘ)，似然函数表示不反对仏为匹配道路的程度； 根据D-S合成公式，将得到的位置信息和方向信息在识别框Θ上的基本概率分配函数血 和1112融合为一个m函数，表示命题"道路心是匹配道路"的精确信任程度，详见表达式10):得出命题"道路仏是匹配道路"的类概率函数详见表达式11):4. 根据权利要求3所述的多证据融合地图匹配算法，其特征在于，平行路段时取1^ = 0.9，1? = 0.8;交叉路口路段取1^1 = 0.8，1? = 0.9;两个及以上分口的立交桥路段应取1^1 = 0 · 8，k2 = 0 · 9 〇5. 根据权利要求1所述的多证据融合地图匹配算法，其特征在于，所述第二步中获取可 达性信息证据中行驶距离是通过Dijkstra算法计算上一匹配点到虚拟匹配点的最短路径 长度，具体算法是： 令D(v)为源结点到某个结点v的距离，则D(v)是从源节点沿某一路径到结点v的所有链路 的长度之和； 再令1 (i，j)为结点i至结点j之间的距离； 包括以下步骤： 步骤a、令N表示网络结点的集合，先令N= {1}，对所有不在N中的结点v，写出D(v)的表达步骤b、寻找一个不在N中的结点w，其DW值为最小;把w加入到N中；然后对所有不在N中 的结点？，用[0(^，0?+1(?^)]中的较小的值去更新原有的0(^值，8卩0(^-1^11[0&)0^+1 (w,v)]； 步骤C、重复步骤b，直到所有的网络结点都在N中为止，最后D(v)即是行驶距离。6. 根据权利要求1所述的多证据融合地图匹配算法，其特征在于，所述第三步中进行二 次融合时，当j = 3时，!113(仏)是可达性信息证据的基本概率分配函数，可达性信息证据函数 详见表达式12):其中:Di表示车辆从上匹配点到第i号道路的虚拟匹配点的行驶距离;t表示定位设备的 定位周期；v表示车辆的瞬时速度;Vl表示车辆行驶到第i号道路虚拟速度与实际速度的差 值。
【文档编号】G01C21/30GK105928529SQ201610239902
【公开日】2016年9月7日
【申请日】2016年4月18日
【发明人】邓军, 郭琴, 粟闯
【申请人】中国有色金属长沙勘察设计研究院有限公司