[發(fā)明專利]一種面向稀疏浮動車數(shù)據(jù)的條件隨機場地圖匹配方法

在審

• 申請?zhí)枺?/td>: 201610135201.1
• 申請日: 2016-03-10
• 公開（公告）號: CN107179085A
• 公開（公告）日: 2017-09-19
• 發(fā)明（設(shè)計）人: 陸鋒;劉希亮;彭澎;劉康;李明曉;牟乃夏
• 申請（專利權(quán)）人: 中國科學(xué)院地理科學(xué)與資源研究所
• 主分類號: G01C21/30
• 分類號: G01C21/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種面向稀疏浮動車數(shù)據(jù)的條件隨機場地圖匹配方法，其特征在于：該方法分為以下步驟：

（一）、運用基于改進迭代尺度法條件隨機場模型訓(xùn)練得到特征函數(shù)權(quán)重；

首先在真實的GPS觀測數(shù)據(jù)條件下，隨機場地圖匹配模型進行訓(xùn)練，訓(xùn)練得到時空影響因素的條件隨機場地圖匹配模型的特征函數(shù)權(quán)重向量；所述特征函數(shù)權(quán)重向量通過極大化訓(xùn)練數(shù)據(jù)的對數(shù)似然函數(shù)進行特征函數(shù)權(quán)重向量的求解 ；根據(jù)給定的一個GPS的觀測序列，GPS觀測序列在底層路網(wǎng)上的真實投影點序列為，求得觀測序列與真實投影點序列之間的經(jīng)驗概率分布，建立訓(xùn)練數(shù)據(jù)（，）的對數(shù)似然函數(shù)：

（1）

其中，表示影響地圖匹配效果的特征向量，包括空間狀態(tài)觀測特征和空間狀態(tài)轉(zhuǎn)移特征： ；其中，表示條件隨機場的空間轉(zhuǎn)移概率，表示條件隨機場的距離臨近轉(zhuǎn)移概率，表示條件隨機場的方向一致性轉(zhuǎn)移概率；

設(shè)當前特征函數(shù)權(quán)重向量為，的迭代增量為，第一次迭代更新之后的權(quán)重向量為；給定一個迭代增量為，條件隨機場模型空間轉(zhuǎn)移特征的更新公式為：

(2)

其中代表空間轉(zhuǎn)移特征向量的模；條件隨機場模型空間觀測特征的更新公式為：

(3)

其中代表條件隨機場的觀測向量的模，表示條件隨機場所有特征向量在給定訓(xùn)練數(shù)據(jù)下的更新公式為：

（4）

通過上述公式對、不斷進行求解，直到達到當前特征函數(shù)權(quán)重向量的權(quán)值的收斂值；

（二）基于條件隨機場的地圖匹配建模；

通過步驟（一）得到特征函數(shù)權(quán)重，并達到權(quán)值的收斂值之后，進行后續(xù)的基于條件隨機場的地圖匹配建模：條件隨機場是在給定一組輸入隨機變量條件下，對另一組輸出隨機變量的條件概率分布模型；

采用條件隨機場模型對低頻浮動車地圖匹配的目標函數(shù)在于在給定一個GPS的觀測序列，根據(jù)的候選點集和候選點集之間的轉(zhuǎn)移函數(shù)，尋找一條最佳候選點記錄鏈，使其與原始的GPS觀測序列之間的匹配程度最高；

條件隨機場建模的細節(jié)設(shè)定如下：是條件隨機場模型的一條可能路徑，指的是由候選點集之間可能連接路徑的組成的一條序列，是條件隨機場目標函數(shù)的一個空間表達形式；隱馬爾科夫模型中對應(yīng)于發(fā)射概率指的是與其候選點之間的觀測概率；在地圖匹配中定義為以GPS點為圓心，以GPS空間定位精度的2到3倍或者根據(jù)經(jīng)驗確定半徑的大小；根據(jù)空間誤差圓計算與其候選點之間的觀測概率：

（5）

其中，條件隨機場模型的勢函數(shù)是在給定前個GPS觀測坐標條件下，路徑的條件概率，由以下公式所示：

（6）

條件隨機場模型的分部函數(shù)被定義為所有軌跡的勢函數(shù)之和，由以下公式所示：

（7）

條件隨機場的分部函數(shù)包括了所有可行路徑的概率加成，在實際路徑推測的過程中作為一個歸一化因子進行舍去，歸一化之后的勢函數(shù)如下：

（8）

根據(jù)上述過程，條件隨機場的目標函數(shù)就轉(zhuǎn)化為尋找最優(yōu)路徑的過程，由以下公式所示：

（9）

通過以上步驟，采用條件隨機場模型對GPS數(shù)據(jù)的地圖匹配過程進行了建模；

（三）、時空影響因素分析；

采用已測定的GPS數(shù)據(jù)對條件隨機場的模型參數(shù)進行學(xué)習(xí)，建立條件隨機場模型轉(zhuǎn)移概率模型；

將連續(xù)GPS候選點集與原始GPS序列之間的距離臨近性和方向一致性作為影響地圖匹配建模的時空因素加入條件隨機場的建模過程，并作如下定義：

的候選點，定義為一個GPS點在其對應(yīng)候選路段集上的投影集合，包含坐標、路段編號，并記錄對應(yīng)的GPS點信息，在隱馬爾科夫模型中被稱為狀態(tài)觀測序列，根據(jù)時間計算的需要對的候選點的規(guī)模進行限定，并定義的候選點集的最大容量為，對應(yīng)候選點

（10）

其中，條件隨機場的距離臨近轉(zhuǎn)移概率為，取GPS點序列的兩個相鄰浮動車GPS定位點和的中點，以及相鄰浮動車GPS定位點和對應(yīng)候選點與的中點，計算兩個中點之間的歐氏距離

（11）

其中代表單個GPS點的最大候選點集的模，在空間的分布是一個以為圓心、以為半徑的圓，服從正態(tài)分布，對應(yīng)的距離臨近轉(zhuǎn)移概率

（12）

對候選點到的距離臨近轉(zhuǎn)移概率進行歸一化，得：

（13）

其中，條件隨機場的方向一致性轉(zhuǎn)移概率被定義為的第個候選點到的第個候選點之間的方向轉(zhuǎn)移概率，計算單位時間內(nèi)相鄰兩個GPS坐標點形成的形成的矢量與對應(yīng)的候選點形成的矢量之間的角度差，按照如下公式進行歸一化：

（14）

（15）

將模型中的時空影響因素代入的候選點到的候選點空間狀態(tài)轉(zhuǎn)移概率的計算公式有：

（16）

其中為空間轉(zhuǎn)移矩陣的的權(quán)重向量，函數(shù)表示時空影響因素對空間轉(zhuǎn)移概率的綜合影響，與之間按照點積進行處理；若用代表GPS的空間定位誤差，那么GPS的點的候選點的空間觀測概率表示為：

（17）

將公式（16）、公式（17）代入公式（6），得到條件隨機場的一般形式：

（18）

其中，是條件隨機場的特征函數(shù)，為步驟（一）得到的特征函數(shù)的權(quán)重向量；表示影響地圖匹配效果的特征向量，包括空間狀態(tài)觀測特征和空間狀態(tài)轉(zhuǎn)移特征：

（19）

（四）、基于Viterbi算法的條件隨機場模型預(yù)測

采用動態(tài)規(guī)劃中的Viterbi算法完成對最優(yōu)路徑的結(jié)算，從而應(yīng)用已經(jīng)訓(xùn)練好的條件隨機場模型完成低頻浮動車數(shù)據(jù)的地圖匹配工作，在給定GPS觀測序列的條件下計算最優(yōu)路徑；

根據(jù)公式（18），得到一個可能空間序列的條件隨機場特征函數(shù)表達，將公式（18）代入公式（9），最優(yōu)路徑的表達轉(zhuǎn)化為：

（20）

若將原始GPS觀測序列的初始位置加入上述的運算，則最優(yōu)路徑轉(zhuǎn)化為：

（21）

上述將最優(yōu)路徑的求解過程轉(zhuǎn)化成了各GPS候選點集之間的特征權(quán)重的求和；按照如下方式采用Viterbi算法對GPS觀測序列的最優(yōu)路徑進行求解：首先計算初始點到第一個點的特征權(quán)重，記錄候選點集中權(quán)重最高的點；之后依次進行類推，將之前的計算結(jié)果加入本身特征權(quán)重的計算，并記錄到當前位置具有最大權(quán)重的投影點編號，這樣一直計算到GPS序列的最后一個點，從而完成的計算；將公式（21）轉(zhuǎn)為如下格式：

（22）

其中，特征函數(shù)的下標表示GPS點的計算順序，表示從第個GPS點的第個候選點出發(fā)，計算到第個GPS的第個候選點之間的特征權(quán)重；最后通過計算得到給定GPS觀測序列的條件下的最優(yōu)路徑，從而應(yīng)用條件隨機場模型完成低頻浮動車數(shù)據(jù)的地圖匹配工作。