多源数据融合的地图匹配更新方法和系统技术方案

本发明专利技术公开了多源数据融合的地图匹配更新方法，包括以下步骤：对源地图的道路信息矢量化处理生成矢量化数据源；对基础地图处理生成多层次空间索引分区；将所述矢量化数据源和所述多层次空间索引分区输入基于隐马尔科夫的路网匹配模型，使得所述矢量化数据源匹配到所述多层次空间索引分区中生成预更新基础地图数据；将预更新基础地图数据中缺失道路信息和拓扑关系信息进行检测和修复生成新基础地图完成更新。本发明专利技术还公开了多源数据融合的地图匹配更新系统。本发明专利技术多源数据融合的地图匹配更新方法和系统，实现了对多源数据的处理，并完成了将多源数据更新到离线地图，实现了高效的、准确率高的、对数据属性依赖较小的地图匹配更新。

【技术实现步骤摘要】
多源数据融合的地图匹配更新方法和系统
本专利技术涉及地理信息
，具体涉及多源数据融合的地图匹配更新方法和系统。
技术介绍
复杂离线地图精确匹配和更新任务最初源自实际应用需求，要求实现将GPS导航地图中的道路与PGIS中的道路进行匹配，并对GPS导航地图中的独有的道路(PGIS由于道路更新周期长等原因，无法及时绘制新建道路)更新到PGIS平台的基础地图中，以支撑公安和消防应急救援的导航规划等。然而由于数据来源多样，导致数据具有测绘标准不统一、相对误差大、个别地图数据属性维度低等特点，使得离线地图的道路匹配难度较大；同时在地图更新时，将新道路更新到既有的地图中时保证其拓扑关系正确也是一个难题。因此需要设计一种高效的、准确率高的、对数据属性依赖较小的地图匹配更新算法以满足大规模的离线复杂地图的匹配和更新。
技术实现思路
本专利技术所要解决的技术问题是现有技术中由于数据来源多样，导致数据具有测绘标准不统一、相对误差大、个别地图数据属性维度低等特点，使得离线地图的道路匹配难度较大，目的在于提供多源数据融合的地图匹配更新方法和系统，解决上述问题。本专利技术通过下述技术方案实现：多源数据融合的地图匹配更新方法，包括以下步骤：S1：对源地图的道路信息矢量化处理生成矢量化数据源；对基础地图处理生成多层次空间索引分区；S2：将所述矢量化数据源和所述多层次空间索引分区输入基于隐马尔科夫的路网匹配模型，使得所述矢量化数据源匹配到所述多层次空间索引分区中生成预更新基础地图数据；其中所述矢量化数据源为所述路网匹配模型的观察状态，所述多层次空间索引分区为所述路网匹配模型的隐含状态；S3：将预更新基础地图数据中缺失道路信息和拓扑关系信息进行检测和修复生成新基础地图完成更新。本专利技术应用时，源地图一般为外部来源的数据地图，例如互联网GPS导航地图，而基础地图为需要根据源地图进行更新的地图，例如公安地理信息系统(PGIS)的道路底图。将源地图的道路信息矢量化处理可以便于后续数据输入，无论源地图的来源为何种，都可以将这种来源化为同样的数据格式，而基础地图处理生成的多层次空间索引分区中，一般每一条道路为最底层的空间，多条道路形成上一层空间，多个区域形成更上一层空间，以此类推直至形成多层次空间索引分区。在基础地图和源地图的匹配中，所述矢量化数据源中每条轨迹匹配所述多层次空间索引分区中道路的计算方法都是独立且相同的，所以可以采用并行计算的方式进行运算。在本申请中通过模型进行道路匹配时是已知GPS坐标点序列，即源地图的数据，计算其在道路网络中的真实经过路径的过程，即基础地图的数据。我们假设GPS坐标点序列为观察状态，真实经过路径为隐含状态，基于隐马尔科夫(HMM)的路网匹配模型则是在给定一系列观察序列的前提下，寻找最有可能产生这个观察序列的隐含状态序列，也就是实际经过的道路。然后需要检查缺失道路信息和拓扑关系信息并完成更新。本专利技术通过上述步骤，实现了对多源数据的处理，并完成了将多源数据更新到离线地图，实现了高效的、准确率高的、对数据属性依赖较小的地图匹配更新。进一步的，步骤S1包括以下子步骤：将所述源地图的每条道路提取成独立道路轨迹，并生成包含每条道路原始属性项的数据矩阵作为所述矢量化数据源；对所述基础地图建立基于R-Tree的空间索引分区作为所述多层次空间索引分区；所述多层次空间索引分区中，叶节点为基础地图中的道路，任意一个父节点为该父节点所有子节点的集合直至根节点。进一步的，步骤S2包括以下子步骤：将所述矢量化数据源和所述多层次空间索引分区输入基于隐马尔科夫的路网匹配模型后获取所述路网匹配模型的观察概率和转移概率；根据所述观察概率和所述转移概率寻找并匹配与所述矢量化数据源最大似然的所述多层次空间索引分区中的道路。进一步的，所述路网匹配模型的观察概率采用下式获取：式中，p(ot,i|ct,i)为所述观察概率，ot,i为所述矢量化数据源中的离散坐标点序列，ct,i为离散坐标点在候选路段上的投影点，dt,i为观察距离，u为距离均值，σz为距离标准差；所述路网匹配模型的转移概率采用下式获取：式中，p(dt,θt)为所述转移概率，dt为所述矢量化数据源中轨迹点之间距离与其在候选道路上的投影点间距离之差，根据dt近似符合指数分布的特征，拟合了β作为转移概率的系数，θt为所述矢量化数据源中相邻两个轨迹点构成的向量与其在候选路段上的投影点构成的向量之间的夹角。进一步的，步骤S2还包括以下子步骤：当所述矢量化数据源无法准确匹配于所述多层次空间索引分区中的道路时，在保证候选道路连通的情况下弹性扩大缓冲半径或跳过矢量化数据源中该轨迹点；扩大缓冲半径或跳过的轨迹点的累计长度不超过轨迹总长度的5％。进一步的，步骤S3包括以下子步骤：将所述矢量化数据源中转移概率和/或观察概率为零的道路定义为缺失道路；用所述多层次空间索引分区中的道路匹配所述矢量化数据源，并标记所述矢量化数据源中无法被所述多层次空间索引分区中的道路匹配到的轨迹作为缺失道路；用所述矢量化数据源检测所述多层次空间索引分区中的道路，并标记所述矢量化数据源中无法匹配所述多层次空间索引分区中的道路的轨迹作为缺失道路；进一步的，步骤S3还包括以下子步骤：获取所述缺失道路在所述矢量化数据源中的关联道路，并根据下式获取所述缺失道路和所述关联道路的夹角：θ＝min(arccos(v1,v2),π-arccos(v1,v2))式中，v1为缺失道路在关联点最近两个顶点坐标组成的向量，v2为关联道路中离关联点最相邻的两个坐标点组成的向量，θ为所述缺失道路和所述关联道路的夹角；根据缺失道路与关联道路的位置关系和θ的值将缺失道路分为已相交、延长相交和泛平行三种类型；其中已相交为所述缺失道路与所述关联道路已有明确交点；延长相交为所述缺失道路与所述关联道路无明确交点，但是所述关联道路与所述缺失道路的延长线上存在交点，且泛平行为进一步的，步骤S3还包括以下子步骤：当所述缺失道路的类型为已相交时，在交点处将多余部分截断删除完成更新；当所述缺失道路的类型为延长相交时，将所述缺失道路沿端点方向延长，并在交点处截断，删去多余部分完成更新；当所述缺失道路的类型为泛平行时，获取所述缺失道路中首个拐角的点作为接入点；将所述缺失道路的端点在所述关联道路上的投影点连接所述接入点生成替换道路，将所述缺失道路的端点到所述接入点的道路作为待替换道路；将所述替换道路替换所述待替换道路完成更新。多源数据融合的地图匹配更新系统，包括：ETL单元：用于对源地图的道路信息矢量化处理生成矢量化数据源；对基础地图处理生成多层次空间索引分区；模型单元：用于将所述矢量化数据源和所述多层次空间索引分区输入基于隐马尔科夫的路网匹配模型，使得所述矢量化数据源匹配到所述多层次空间索引分区中生成预更新基础地图数据；其中所述矢量化数据源为所述路网匹配模型的观察本文档来自技高网...

【技术保护点】
1.多源数据融合的地图匹配更新方法，其特征在于，包括以下步骤：/nS1：对源地图的道路信息矢量化处理生成矢量化数据源；对基础地图处理生成多层次空间索引分区；/nS2：将所述矢量化数据源和所述多层次空间索引分区输入基于隐马尔科夫的路网匹配模型，使得所述矢量化数据源匹配到所述多层次空间索引分区中生成预更新基础地图数据；其中所述矢量化数据源为所述路网匹配模型的观察状态，所述多层次空间索引分区为所述路网匹配模型的隐含状态；/nS3：将预更新基础地图数据中缺失道路信息和拓扑关系信息进行检测和修复生成新基础地图完成更新。/n

【技术特征摘要】
1.多源数据融合的地图匹配更新方法，其特征在于，包括以下步骤：
S1：对源地图的道路信息矢量化处理生成矢量化数据源；对基础地图处理生成多层次空间索引分区；
S2：将所述矢量化数据源和所述多层次空间索引分区输入基于隐马尔科夫的路网匹配模型，使得所述矢量化数据源匹配到所述多层次空间索引分区中生成预更新基础地图数据；其中所述矢量化数据源为所述路网匹配模型的观察状态，所述多层次空间索引分区为所述路网匹配模型的隐含状态；
S3：将预更新基础地图数据中缺失道路信息和拓扑关系信息进行检测和修复生成新基础地图完成更新。


2.根据权利要求1所述的多源数据融合的地图匹配更新方法，其特征在于，步骤S1包括以下子步骤：
将所述源地图的每条道路提取成独立道路轨迹，并生成包含每条道路原始属性项的数据矩阵作为所述矢量化数据源；
对所述基础地图建立基于R-Tree的空间索引分区作为所述多层次空间索引分区；所述多层次空间索引分区中，叶节点为基础地图中的道路，任意一个父节点为该父节点所有子节点的集合直至根节点。


3.根据权利要求1所述的多源数据融合的地图匹配更新方法，其特征在于，步骤S2包括以下子步骤：
将所述矢量化数据源和所述多层次空间索引分区输入基于隐马尔科夫的路网匹配模型后获取所述路网匹配模型的观察概率和转移概率；
根据所述观察概率和所述转移概率寻找并匹配与所述矢量化数据源最大似然的所述多层次空间索引分区中的道路。


4.根据权利要求3所述的多源数据融合的地图匹配更新方法，其特征在于，所述路网匹配模型的观察概率采用下式获取：



式中，p(ot,i|ct,i)为所述观察概率，ot,i为所述矢量化数据源中的离散坐标点序列，ct,i为离散坐标点在候选路段上的投影点，dt,i为观察距离，u为距离均值，σz为距离标准差；
所述路网匹配模型的转移概率采用下式获取：



式中，p(dt,θt)为所述转移概率，dt为所述矢量化数据源中轨迹点之间距离与其在候选道路上的投影点间距离之差，根据dt近似符合指数分布的特征，拟合了β作为转移概率的系数，θt为所述矢量化数据源中相邻两个轨迹点构成的向量与其在候选路段上的投影点构成的向量之间的夹角。


5.根据权利要求3所述的多源数据融合的地图匹配更新方法，其特征在于，步骤S2还包括以下子步骤：
当所述矢量化数据源无法准确匹配于所述多层次空间索引分区中的道路时，在保证候选道路连通的情况下弹性扩大缓冲半径或跳过矢量化数据源中该轨迹点；
扩大缓冲半径或跳过的轨迹点的累计长度不超过轨迹总长度的5％。


6.根据权利要求3所述的多源数据融合的地图匹配更新方法，其特征在于，步骤S3包括以下子步骤：
将所述矢量化数据源中转移概率和/或观察概率为零的道路定义为缺失道路；
用所述多层次空间索引分区中的道路匹配所述矢量化数据源，并标记所述矢量化数据源中无法被所述多层次空间索引分区中的道路匹配到的轨迹作为缺失道路；
用所述矢量化数...

【专利技术属性】
技术研发人员：解岩，周凯，苗放，葛城，罗曦，钟波，刘力，
申请(专利权)人：成都大成均图科技有限公司，
类型：发明
国别省市：四川;51