面向复杂城市路网的动态并行地图匹配算法研究
发布时间：2021-01-17 18:55
车辆导航是城市智能交通系统的重要组成部分,导航定位的精准性和实时性会对智能交通系统的应用产生巨大影响。然而,由于车辆导航系统中定位设备自身原因以及来自外部的干扰,采集的轨迹数据存在定位误差。同时,伴随着城市道路的复杂化与多样化,机动车辆数目的快速增加等因素的影响,车辆轨迹数据地图匹配的精准性和实时性受到了严峻挑战。针对智能交通系统中面向城市复杂路网的GIS数据和GPS车辆轨迹数据特点,本文提出动态并行地图匹配算法,对采集的GPS轨迹数据进行误差校正。该算法利用“点到线”的几何地图匹配思想,在候选路段选取和加权系数确定方面进行分析与改进,对较大规模的轨迹数据的误差进行了有效校正,实现与地图的精准匹配。该地图匹配算法成本较小、易于实现,便于在车辆导航系统中进行广泛的部署应用。本文主要工作包括:（1）针对GPS轨迹数据和GIS路网数据的特点,提出相应的数据预处理的方法。对GPS轨迹数据提出清洗算法,剔除异常数据;对GIS路网数据进行格式转化及关键信息提取,对路网数据建模并设计网格坐标地图。（2）对于结构复杂的城市路网,提出一种动态几何加权地图匹配算法。该算法通过建立动态区域选取候选路段,并依...
【文章来源】：长安大学陕西省 211工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
GPS轨迹数据示例
图 2.4 Geojson 格式道路数据示例表 2.3 properties 中字段含义字段 含义PATHNAME 道路的中文名称MAPID 所在位置的地图编号ID 路段编号（唯一标识）KIND 路段的方向（01 是双向道路，02 是单向道路）PATHPY 道路的拼音名称LENGTH 道路长度（单位：千米/km）在地图匹配计算时并不需要 Geojson 格式下的全部数据，需要提取出其中有用的数据字段，减少地图数据加载负担。因此，在地图匹配时提取道路的 ID、KIND、PATHNAME、PATHY、LENGTH、经纬度字段，利用正则表达式、模糊查找等方法对路网的关键信息进行提取，得到的数据如图 2.5 所示，其中各字段通过分号分割。
反之，若网格刻度太小，一PS 轨迹点所在的网格内没有路段，取合适的网格刻度，经过反复多次大据：与实际球面距离的转化。的实际球面距离是 111km；在经线上其他纬线上，经度差 1°对应的球面度变化范围是 107.67°到 109.81°，南北方向 1°的变化为 111km，东西西安市出租车 GPS 轨迹数据进行分，得出相邻时刻的行驶距离约为 0.
【参考文献】：
期刊论文
[1]基于动态加权的城市路网地图匹配算法[J]. 樊娜,尉青青,康军,葛建东,唐蕾. 测控技术. 2018(01)
[2]出租车几何学——一种有趣的几何学[J]. 范逸璇. 数学通报. 2017(06)
[3]基于隐马尔可夫模型和遗传算法的地图匹配算法[J]. 吴刚,邱煜晶,王国仁. 东北大学学报(自然科学版). 2017(04)
[4]一种利用网格划分及方向加权的地图匹配算法[J]. 廖佳,俞荐中,李俊峰. 测绘通报. 2017(03)
[5]大规模浮动车流数据并行地图匹配方法[J]. 谢金运,涂伟,李清泉,常晓猛,马承林,李追日,黄练. 武汉大学学报(信息科学版). 2017(05)
[6]Hadoop支持下海量出租车轨迹数据预处理技术研究[J]. 吕江波,张永忠. 城市勘测. 2016(03)
[7]一种路网拓扑约束下的增量型地图匹配算法[J]. 朱递,刘瑜. 武汉大学学报(信息科学版). 2017(01)
[8]基于网格索引的地图匹配算法[J]. 王亚洲,顾卫东,冯金巧. 齐鲁工业大学学报(自然科学版). 2015(04)
[9]智能交通领域中地图匹配算法研究[J]. 周成,袁家政,刘宏哲,邱静. 计算机科学. 2015(10)
[10]大数据处理模型Apache Spark研究[J]. 黎文阳. 现代计算机(专业版). 2015(08)
硕士论文
[1]基于Hadoop的道路匹配算法与车辆行驶轨迹还原系统的设计与实现[D]. 李文静.西北大学 2014
[2]基于HADOOP的数据挖掘研究[D]. 杨宸铸.重庆大学 2010
本文编号：2983417
【文章来源】：长安大学陕西省 211工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
GPS轨迹数据示例
图 2.4 Geojson 格式道路数据示例表 2.3 properties 中字段含义字段 含义PATHNAME 道路的中文名称MAPID 所在位置的地图编号ID 路段编号（唯一标识）KIND 路段的方向（01 是双向道路，02 是单向道路）PATHPY 道路的拼音名称LENGTH 道路长度（单位：千米/km）在地图匹配计算时并不需要 Geojson 格式下的全部数据，需要提取出其中有用的数据字段，减少地图数据加载负担。因此，在地图匹配时提取道路的 ID、KIND、PATHNAME、PATHY、LENGTH、经纬度字段，利用正则表达式、模糊查找等方法对路网的关键信息进行提取，得到的数据如图 2.5 所示，其中各字段通过分号分割。
反之，若网格刻度太小，一PS 轨迹点所在的网格内没有路段，取合适的网格刻度，经过反复多次大据：与实际球面距离的转化。的实际球面距离是 111km；在经线上其他纬线上，经度差 1°对应的球面度变化范围是 107.67°到 109.81°，南北方向 1°的变化为 111km，东西西安市出租车 GPS 轨迹数据进行分，得出相邻时刻的行驶距离约为 0.
【参考文献】：
期刊论文
[1]基于动态加权的城市路网地图匹配算法[J]. 樊娜,尉青青,康军,葛建东,唐蕾. 测控技术. 2018(01)
[2]出租车几何学——一种有趣的几何学[J]. 范逸璇. 数学通报. 2017(06)
[3]基于隐马尔可夫模型和遗传算法的地图匹配算法[J]. 吴刚,邱煜晶,王国仁. 东北大学学报(自然科学版). 2017(04)
[4]一种利用网格划分及方向加权的地图匹配算法[J]. 廖佳,俞荐中,李俊峰. 测绘通报. 2017(03)
[5]大规模浮动车流数据并行地图匹配方法[J]. 谢金运,涂伟,李清泉,常晓猛,马承林,李追日,黄练. 武汉大学学报(信息科学版). 2017(05)
[6]Hadoop支持下海量出租车轨迹数据预处理技术研究[J]. 吕江波,张永忠. 城市勘测. 2016(03)
[7]一种路网拓扑约束下的增量型地图匹配算法[J]. 朱递,刘瑜. 武汉大学学报(信息科学版). 2017(01)
[8]基于网格索引的地图匹配算法[J]. 王亚洲,顾卫东,冯金巧. 齐鲁工业大学学报(自然科学版). 2015(04)
[9]智能交通领域中地图匹配算法研究[J]. 周成,袁家政,刘宏哲,邱静. 计算机科学. 2015(10)
[10]大数据处理模型Apache Spark研究[J]. 黎文阳. 现代计算机(专业版). 2015(08)
硕士论文
[1]基于Hadoop的道路匹配算法与车辆行驶轨迹还原系统的设计与实现[D]. 李文静.西北大学 2014
[2]基于HADOOP的数据挖掘研究[D]. 杨宸铸.重庆大学 2010
本文编号：2983417
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2983417.html
