地图匹配方法、地图匹配模型的确定方法及装置制造方法及图纸

本发明专利技术实施例公开了一种地图匹配方法、地图匹配模型的确定方法及装置，根据目标任务对应的位置点确定至少一个候选路段，获取位置点的位置数据的特征向量，将该特征向量输入至地图匹配模型中进行处理，确定各候选路段的选择参数，根据各候选路段的选择参数确定目标路段，其中，位置数据包括位置点与各候选路段的关联信息，地图匹配模型包括循环神经网络模型，地图匹配模型的训练样本数据根据预先确定的隐马尔可夫模型的数据处理结果进行标注确定，由此，可以将位置数据中的多个特征进行拟合处理，提高了地图匹配的准确性。

【技术实现步骤摘要】
地图匹配方法、地图匹配模型的确定方法及装置
本专利技术涉及计算机
，更具体地，涉及一种地图匹配方法、地图匹配模型的确定方法及装置。
技术介绍
地图匹配(MapMatching)技术利用电子地图和定位信息来确定车辆在道路上的准确位置，其基本思想是将定位装置获得的车辆定位轨迹与电子地图数据库中的道路信息联系起来，并由此确定车辆相对于地图的位置。目前，地图匹配通常采用HMM(HiddenMarkovModel，隐马尔可夫模型)。在现有的HMM模型进行地图匹配时，影响转移概率的多种特征(例如距离、方向、速度等)是相互独立的，忽略了各特征的关联性可能带来的影响，导致地图匹配准确率较低。
技术实现思路
有鉴于此，本专利技术实施例提供一种地图匹配方法、地图匹配模型的确定方法及装置，以将位置数据中的多个特征进行拟合处理，提高地图匹配的准确性。第一方面，本专利技术实施例提供一种地图匹配方法，所述方法包括：根据目标任务对应的位置点确定至少一个候选路段；获取所述位置点的位置数据的特征向量，所述位置数据包括所述位置点与各候选路段的关联信息；将所述特征向量输入至地图匹配模型中进行处理，确定各候选路段的选择参数；根据各所述候选路段的选择参数确定目标路段；其中，所述地图匹配模型包括循环神经网络模型，所述地图匹配模型的训练样本数据根据预先确定的隐马尔可夫模型的数据处理结果进行标注确定。可选的，所述位置数据包括位置点数据、所述位置点与各所述候选路段的距离、所述位置点的速度、各所述候选路段的限速信息、所述位置点的运动方向与各所述候选路段的方向的夹角信息中的一项或多项。可选的，所述地图匹配模型通过以下步骤训练获得：将各样本位置点的位置数据输入至所述隐马尔可夫模型进行处理，确定各所述样本位置点对应的各候选路段的选择参数，所述样本位置点的位置数据至少包括所述样本位置点与对应候选路段的关联信息；将选择参数大于第一阈值的候选路段的信息标注为所述地图匹配模型的正样本数据，所述候选路段的信息包括对应的样本位置点的位置数据和对应的选择参数；将选择参数小于第二阈值的候选路段的信息标注为所述地图匹配模型的负样本数据；根据所述正样本数据和所述负样本数据对所述地图匹配模型进行训练，获取训练完成的地图匹配模型。可选的，获取所述位置点的位置数据的特征向量包括：采用词嵌入方式获取所述位置点的位置数据的特征向量。第二方面，本专利技术实施例提供一种地图匹配模型的确定方法，所述方法包括：将各样本位置点的位置数据输入至预先确定的隐马尔可夫模型中进行处理，确定各所述样本位置点对应的各候选路段的选择参数，所述样本位置点的位置数据至少包括所述样本位置点与对应候选路段的关联信息；根据各所述选择参数对各所述样本位置点的各候选路段进行标注，以确定所述地图匹配模型的训练样本数据；根据所述训练样本数据训练获得所述地图匹配模型；其中，所述地图匹配模型包括循环神经网络模型。可选的，根据各所述选择参数对各所述样本位置点的各候选路段进行标注，以确定所述地图匹配模型的训练样本数据包括：将选择参数大于第一阈值的候选路段的信息标注为所述地图匹配模型的正样本数据，所述候选路段的信息包括对应的样本位置点的位置数据和对应的选择参数；将选择参数小于第二阈值的候选路段的信息标注为所述地图匹配模型的负样本数据。第三方面，本专利技术实施例提供一种地图匹配装置，所述装置包括：候选路段确定单元，被配置为根据目标任务对应的位置点确定至少一个候选路段；向量获取单元，被配置为获取所述位置点的位置数据的特征向量，所述位置数据包括所述位置点与各候选路段的关联信息；选择参数确定单元，被配置为将所述特征向量输入至地图匹配模型中进行处理，确定各候选路段的选择参数；目标路段确定单元，被配置为根据各所述候选路段的选择参数确定目标路段；其中，所述地图匹配模型包括循环神经网络模型，所述地图匹配模型的训练样本数据根据预先确定的隐马尔可夫模型的数据处理结果进行标注确定。第四方面，本专利技术实施例提供一种地图匹配模型的确定装置，所述装置包括：处理单元，被配置为将各样本位置点的位置数据输入至预先确定的隐马尔可夫模型中进行处理，确定各所述样本位置点对应的各候选路段的选择参数，所述样本位置点的位置数据至少包括所述样本位置点与对应候选路段的关联信息；样本数据确定单元，被配置为根据各所述选择参数对各所述样本位置点的各候选路段进行标注，以确定所述地图匹配模型的训练样本数据；训练单元，被配置为根据所述训练样本数据训练获得所述地图匹配模型；其中，所述地图匹配模型包括循环神经网络模型。第五方面，本专利技术实施例提供一种电子设备，所述电子设备包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如本专利技术实施例第一方面所述的方法和/或本专利技术实施例第二方面所述的方法。第六方面，本专利技术实施例提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时以实现如本专利技术实施例第一方面所述的方法和/或本专利技术实施例第二方面所述的方法。第七方面，本专利技术实施例提供一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如本专利技术实施例第一方面所述的方法和/或本专利技术实施例第二方面所述的方法。本专利技术实施例根据目标任务对应的位置点确定至少一个候选路段，获取位置点的位置数据的特征向量，将该特征向量输入至地图匹配模型中进行处理，确定各候选路段的选择参数，根据各候选路段的选择参数确定目标路段，其中，位置数据包括位置点与各候选路段的关联信息，地图匹配模型包括循环神经网络模型，地图匹配模型的训练样本数据根据预先确定的隐马尔可夫模型的数据处理结果进行标注确定，由此，可以将位置数据中的多个特征进行拟合处理，提高了地图匹配的准确性。附图说明通过以下参照附图对本专利技术实施例的描述，本专利技术的上述以及其它目的、特征和优点将更为清楚，在附图中：图1是本专利技术实施例的地图匹配模型的确定方法的流程图；图2是本专利技术实施例的地图匹配模型的示意图；图3是本专利技术实施例的地图匹配方法的流程图；图4是本专利技术实施例的地图匹配方法的过程示意图；图5是本专利技术实施例的地图匹配模型的确定装置的示意图；图6是本专利技术实施例的地图匹配装置的示意图；图7是本专利技术实施例的电子设备的示意图。具体实施方式以下基于实施例对本专利技术进行描述，但是本专利技术并不仅仅限于这些实施例。在下文对本专利技术的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本专利技术。为了避免混淆本专利技术的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。此外，本领域普通技术人员应当理解，本文档来自技高网...

【技术保护点】
1.一种地图匹配方法，其特征在于，所述方法包括：/n根据目标任务对应的位置点确定至少一个候选路段；/n获取所述位置点的位置数据的特征向量，所述位置数据包括所述位置点与各候选路段的关联信息；/n将所述特征向量输入至地图匹配模型中进行处理，确定各候选路段的选择参数；/n根据各所述候选路段的选择参数确定目标路段；/n其中，所述地图匹配模型包括循环神经网络模型，所述地图匹配模型的训练样本数据根据预先确定的隐马尔可夫模型的数据处理结果进行标注确定。/n

【技术特征摘要】
1.一种地图匹配方法，其特征在于，所述方法包括：
根据目标任务对应的位置点确定至少一个候选路段；
获取所述位置点的位置数据的特征向量，所述位置数据包括所述位置点与各候选路段的关联信息；
将所述特征向量输入至地图匹配模型中进行处理，确定各候选路段的选择参数；
根据各所述候选路段的选择参数确定目标路段；
其中，所述地图匹配模型包括循环神经网络模型，所述地图匹配模型的训练样本数据根据预先确定的隐马尔可夫模型的数据处理结果进行标注确定。


2.根据权利要求1所述的方法，其特征在于，所述位置数据包括位置点数据、所述位置点与各所述候选路段的距离、所述位置点的速度、各所述候选路段的限速信息、所述位置点的运动方向与各所述候选路段的方向的夹角信息中的一项或多项。


3.根据权利要求1所述的方法，其特征在于，所述地图匹配模型通过以下步骤训练获得：
将各样本位置点的位置数据输入至所述隐马尔可夫模型进行处理，确定各所述样本位置点对应的各候选路段的选择参数，所述样本位置点的位置数据至少包括所述样本位置点与对应候选路段的关联信息；
将选择参数大于第一阈值的候选路段的信息标注为所述地图匹配模型的正样本数据，所述候选路段的信息包括对应的样本位置点的位置数据和对应的选择参数；
将选择参数小于第二阈值的候选路段的信息标注为所述地图匹配模型的负样本数据；
根据所述正样本数据和所述负样本数据对所述地图匹配模型进行训练，获取训练完成的地图匹配模型。


4.根据权利要求1或2所述的方法，其特征在于，获取所述位置点的位置数据的特征向量包括：
采用词嵌入方式获取所述位置点的位置数据的特征向量。


5.一种地图匹配模型的确定方法，其特征在于，所述方法包括：
将各样本位置点的位置数据输入至预先确定的隐马尔可夫模型中进行处理，确定各所述样本位置点对应的各候选路段的选择参数，所述样本位置点的位置数据至少包括所述样本位置点与对应候选路...

【专利技术属性】
技术研发人员：狄烨，李洋，李亚旭，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11