基于隐马尔科夫的多噪声感知的地图匹配校正方法及系统技术方案

本发明专利技术提供了一种基于隐马尔科夫的多噪声感知的地图匹配校正方法及系统，通过对区域网格化，得到平滑的轨迹；将平滑后的轨迹输入隐马尔科夫模型进行匹配；匹配的过程中计算观测点的波动情况；波动幅度超过阈值删除当前观测点；在邻近区域内删除掉连续的轨迹点，对删除点位置做预测，评估预测位置和观测位置的误差范围，误差小于阈值判定该段采样轨迹处有地图错误；将删除的点作为地图生成器的输入，根据计算的拐点位置，将缺失的路段划分为一系列区间，区间内计算出穿过拐点间的线段。本发明专利技术创新性地提出了能检测地图错误与删除低质量采样点的地图匹配框架，能与基于隐马尔科夫模型的地图匹配算法相结合，纠正匹配结果并提升其匹配精度。其匹配精度。其匹配精度。

【技术实现步骤摘要】
基于隐马尔科夫的多噪声感知的地图匹配校正方法及系统


[0001]本专利技术涉及智能交通的
，具体地，涉及一种基于隐马尔科夫的多噪声感知的地图匹配校正方法及系统。尤其是，优选的涉及一种基于隐马尔科夫模型的多噪声感知的地图匹配与校正框架。

技术介绍

[0002]近几年，随着在线打车平台的快速发展与广泛应用，各个公司均推出了自己的打车app，同时为几乎所有的出租车均配备了GPS设备，以获取车辆的位置、方向等信息。许多功能例如对出租车的路径导航、位置与路线预测和识别、异常行为的检测等均需要精确的定位与追踪。
[0003]早期地图匹配算法的研究，大多数是基于几何相似性的，这类方法无法处理采样误差大的情况。后来提出的许多基于隐马尔科夫模型的匹配算法，借助路网本身的限制，定义了转移概率，从而避免了一些采样误差大而选择错误路段的情况。但是这些算法缺乏考虑路网的复杂性以及采样误差大同时出现的情况，从而导致出现反向运动等不正确的匹配结果。同时由于现实路网本身是不断更新的，路段的缺失使得地图匹配时无法选到真实的路段。
[0004]除了隐马尔科夫模型外，近几年在地图匹配算法还有其他方面的改进。随着更多的指标引入，一些基于评分模型的算法也取得了很好的效果。例如通过支持向量机对各个GPS点进行分类并剔除低质量采样点等。总的来说，各类算法在采样误差低或符合路网限制的情况下，匹配精度足够用于实际场景。
[0005]公开号为CN113639757A的中国专利技术专利文献公开了一种基于双向评分模型和回溯校正机制的地图匹配方法及系统，包括：基于采集到的GPS点位置信息，根据地图路径信息选取候选点；基于双向评分模型对测量的GPS点的位置、方向以及速度进行评分并赋予位置、方向以及速度不同的权重，得到候选点对GPS点的评分；当GPS点的评分低于阈值时，则判定为低质量点，并删除当前低质量点不参与匹配；当判定连续的GPS点为低质量点并删除时，则利用随后第一个没有被删除的GPS点逆向评估被删除的GPS点，重新检测被删除的GPS点是否为低质量点；基于双向评分模型计算每个候选点与当前保留的GPS点的匹配概率，选择概率值最大的候选点作为匹配的候选点；根据匹配的候选点，基于最短路径原则生成唯一的地图匹配结果。
[0006]针对上述中的相关技术，专利技术人认为目前所提出的算法由于忽略了地图错误的情况，以及采样误差大的情况，导致在实际应用中匹配常常出现中断或绕路等错误的匹配结果。

技术实现思路

[0007]针对现有技术中的缺陷，本专利技术的目的是提供一种基于隐马尔科夫的多噪声感知的地图匹配校正方法及系统。
[0008]根据本专利技术提供的一种基于隐马尔科夫的多噪声感知的地图匹配校正方法，包括如下步骤：
[0009]区域窗口化步骤：通过对区域网格化，限制轨迹的不规则漂移，得到平滑的轨迹；
[0010]地图匹配步骤：将平滑后的轨迹输入带有删除点与地图纠正框架的隐马尔科夫模型进行匹配；
[0011]概率波动检测步骤：匹配的过程中计算每个观测点的维特比解码概率的波动情况；如果波动幅度超过阈值，则删除当前观测点；
[0012]轨迹评估步骤：若在邻近区域内删除掉连续的轨迹点，则利用卡尔曼滤波器和已保留轨迹点对删除点位置做预测，评估预测位置和观测位置的误差范围，若误差小于阈值，则判定该段采样轨迹处有地图错误；
[0013]缺失路段生成步骤：将删除的点作为地图生成器的输入，根据计算的拐点位置，将缺失的路段划分为一系列区间，区间内利用线性回归模型计算出穿过拐点间的线段。
[0014]优选的，在所述区域窗口化步骤中，首先将地理区域划分为网格单元；
[0015]如果车辆在网格单元中没有花费预定行驶时间，则不允许车辆从该网格单元过渡；
[0016]在每个网格单元中，使用DP算法的变体来平滑轨迹，用近似线段代替原始轨迹；
[0017]如果替换不满足指定的错误要求，将通过选择的位置点作为划分点，递归地将原始问题划分为两个子问题，再判断替换是否满足指定的错误要求，直到近似轨迹和原始轨迹之间的误差低于指定的误差阈值；
[0018]DP算法使用正交欧氏距离作为误差度量，保持近似轨迹中的方向趋势；
[0019]通过移除距离大于阈值的分区点，限制网格单元中的速度变化。
[0020]优选的，在所述地图匹配步骤中，在地图匹配阶段，将从区域窗口化步骤中获取平滑的GPS点作为输入，并将平滑的GPS点映射到数字地图上的路段，使用隐马尔科夫模型确定与GPS原始数据的时间戳序列相对应的路段序列；
[0021]隐马尔科夫模型是具有候选状态和观测值的离散时间马尔可夫过程；
[0022]使用索引网格来搜索候选状态，每个候选状态为最接近路段中观测点的点，并产生观测概率该观测概率定义为GPS采样点p
i
与基于高斯噪声模型计算的候选点匹配的可能性：
[0023][0024]其中，σ是标准偏差，d定义为p
i
和之间的投影距离，p
i
是i时刻的采样点，是p
i
的第j个候选点；
[0025][0026]其中，是p
i
第j条候选路段，c是边上的任意点，dist(p
i
,c)是p
i
和c之间的欧式距离；
[0027]隐马尔科夫模型允许从前一个候选状态到当前候选状态的转换，并且该转换由转
换概率控制；
[0028]根据经验，隐马尔科夫模型假设连续候选状态之间的最短路径具有转移概率
[0029]因此，转移概率计算如下：
[0030][0031]其中，是当前观测的候选点；是前一观测的候选点；D是从到的最短路径长度和观测之间的欧几里德距离之间差的绝对值；
[0032]然后利用在线维特比译码算法，找到与输入序列的可变滑动窗口相对应的路段的最大似然序列。
[0033]优选的，在所述概率波动检测步骤中，通过定义观测概率和转移概率，在接收到GPS采样点后通过添加新节点和加权边逐步构建分层图；
[0034]如果在分层图中添加新的GPS样本时匹配精度下降，则认为存在测量误差或地图错误；
[0035]给定候选点集，隐马尔科夫模型将使用维特比解码算法计算最大似然路径；
[0036]当候选集包含观察的真实位置时，隐马尔科夫模型推断出正确的路径；
[0037]当存在地图错误或测量错误时，两个连续候选对象之间的最短路径不是真实路径，并且会迂回；
[0038]将候选集不包含真实位置的采集点视为低质量点，检测模型将删除检测到的低质量点；
[0039]维特比算法的计算过程是在添加新的GPS采样点时，使观测概率和转移概率的乘积最大化；
[0040]采样误差或地图错误引起最优解码概率的幅度波动；
[0041]取原始值的对数，使波动更加明显；
[0042]当采样新加入的点导致匹配概率的波动超过预设阈值时，删本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于隐马尔科夫的多噪声感知的地图匹配校正方法，其特征在于，包括如下步骤：区域窗口化步骤：通过对区域网格化，限制轨迹的不规则漂移，得到平滑的轨迹；地图匹配步骤：将平滑后的轨迹输入带有删除点与地图纠正框架的隐马尔科夫模型进行匹配；概率波动检测步骤：匹配的过程中计算每个观测点的维特比解码概率的波动情况；如果波动幅度超过阈值，则删除当前观测点；轨迹评估步骤：若在邻近区域内删除掉连续的轨迹点，则利用卡尔曼滤波器和已保留轨迹点对删除点位置做预测，评估预测位置和观测位置的误差范围，若误差小于阈值，则判定该段采样轨迹处有地图错误；缺失路段生成步骤：将删除的点作为地图生成器的输入，根据计算的拐点位置，将缺失的路段划分为一系列区间，区间内利用线性回归模型计算出穿过拐点间的线段。2.根据权利要求1所述的基于隐马尔科夫的多噪声感知的地图匹配校正方法，其特征在于，在所述区域窗口化步骤中，首先将地理区域划分为网格单元；如果车辆在网格单元中没有花费预定行驶时间，则不允许车辆从该网格单元过渡；在每个网格单元中，使用DP算法的变体来平滑轨迹，用近似线段代替原始轨迹；如果替换不满足指定的错误要求，将通过选择的位置点作为划分点，递归地将原始问题划分为两个子问题，再判断替换是否满足指定的错误要求，直到近似轨迹和原始轨迹之间的误差低于指定的误差阈值；DP算法使用正交欧氏距离作为误差度量，保持近似轨迹中的方向趋势；通过移除距离大于阈值的分区点，限制网格单元中的速度变化。3.根据权利要求1所述的基于隐马尔科夫的多噪声感知的地图匹配校正方法，其特征在于，在所述地图匹配步骤中，在地图匹配阶段，将从区域窗口化步骤中获取平滑的GPS点作为输入，并将平滑的GPS点映射到数字地图上的路段，使用隐马尔科夫模型确定与GPS原始数据的时间戳序列相对应的路段序列；隐马尔科夫模型是具有候选状态和观测值的离散时间马尔可夫过程；使用索引网格来搜索候选状态，每个候选状态为最接近路段中观测点的点，并产生观测概率该观测概率定义为GPS采样点p
i
与基于高斯噪声模型计算的候选点匹配的可能性：其中，σ是标准偏差，d定义为p
i
和之间的投影距离，p
i
是i时刻的采样点，是p
i
的第j个候选点；其中，是p
i
第j条候选路段，c是边上的任意点，dist(p
i
,c)是p
i
和c之间的欧式距离；隐马尔科夫模型允许从前一个候选状态到当前候选状态的转换，并且该转换由转换概
率控制；根据经验，隐马尔科夫模型假设连续候选状态之间的最短路径具有转移概率因此，转移概率计算如下：其中，是当前观测的候选点；是前一观测的候选点；D是从到的最短路径长度和观测之间的欧几里德距离之间差的绝对值；然后利用在线维特比译码算法，找到与输入序列的可变滑动窗口相对应的路段的最大似然序列。4.根据权利要求1所述的基于隐马尔科夫的多噪声感知的地图匹配校正方法，其特征在于，在所述概率波动检测步骤中，通过定义观测概率和转移概率，在接收到GPS采样点后通过添加新节点和加权边逐步构建分层图；如果在分层图中添加新的GPS样本时匹配精度下降，则认为存在测量误差或地图错误；给定候选点集，隐马尔科夫模型将使用维特比解码算法计算最大似然路径；当候选集包含观察的真实位置时，隐马尔科夫模型推断出正确的路径；当存在地图错误或测量错误时，两个连续候选对象之间的最短路径不是真实路径，并且会迂回；将候选集不包含真实位置的采集点视为低质量点，检测模型将删除检测到的低质量点；维特比算法的计算过程是在添加新的GPS采样点时，使观测概率和转移概率的乘积最大化；采样误差或地图错误引起最优解码概率的幅度波动；取原始值的对数，使波动更加明显；当采样新加入的点导致匹配概率的波动超过预设阈值时，删除采样新加入的点；存在地图错误时，限制连续移除点的数量；当移除某区域的一系列连续采样点超过限制数量时，算法评估器将评估不匹配的样本，检测是否存在地图错误，如果存在则使用地图生成模型来拟合缺失的道路。5.根据权利要求1所述的基于隐马尔科夫的多噪声感知的地图匹配校正方法，其特征在于，在所述轨迹评估步骤中，将从检测模型中连续移除的一系列GPS点作为输入，并评估整个序列的质量，判断被移除的原因；评估在位置和速度约束下这一系列移除GPS样本的运动模式；如果检测到的异常是由不符合实际驾驶情况的运动模式引起的，则认为匹配概率的变化是由测量误差引起的，并删除相应的点；其余点将重新加入匹配序列继续匹配；如果在评估模型中允许移除点形成驾驶模式，则恢复移除的GPS采样点，并使用无法匹配的点来生成缺失的道路；使用卡尔曼滤波来预测车辆的运动方向和位置，然后将估计点作为新的匹配点来判断是否存在异常；
将采样点邻近的路段的速度和方向信息作为运动轨迹物理模型的输入，计算出车辆下一次时刻的理想位置，将采样到的轨迹方向和速度信息作为运动模型输入算出下一时刻的位置作为测量值；基于加权后的估计值与系统的真实值之间的误差，计算出卡尔曼增益，得到下一时刻位置估计值如下：x
t|t
＝K
t
z
t
+(I
‑
K
t
H)x
t|t
‑1其中，x
t|t
是系统估计值，x
t|t
‑1是系统理想状态值，z
t
是测量值，K

【专利技术属性】
技术研发人员：钱诗友，周建华，胡瀚文，曹健，薛广涛，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：