电动自行车轨迹简化与自适应地图匹配算法
Trajectory Simplification and Adaptive Map Matching Algorithm for Electric Bicycle作者机构:杭州电子科技大学计算机学院浙江杭州310018
出 版 物:《软件学报》 (Journal of Software)
年 卷 期:2023年第34卷第8期
页 面:3793-3820页
核心收录:
学科分类:08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程]
基 金:工信部工业互联网创新发展工程(TC200802C,TC200802G) 浙江省自然科学基金(LQ20F020015)。
主 题:地图匹配 轨迹简化 卡尔曼滤波 轨迹数据分析 隐马尔可夫模型 停留点
摘 要:近年来,随着全球定位系统(global positioning system,GPS)的大范围应用,越来越多的电动自行车装配了GPS传感器,由此产生的海量轨迹数据是深入了解用户出行规律、为城市规划者提供科学决策支持等诸多应用的重要基础.但是,电动自行车上普遍使用的价格低廉的GPS传感器无法提供高精度的定位,同时,电动自行车轨迹地图匹配过程因以下原因更具有挑战性:(1)存在大量停留点;(2)高采样频率导致相邻轨迹点的距离较短;(3)电动自行车可行驶的路段更多,存在大量无效轨迹.针对上述问题,提出一种可自适应路网精度的电动自行车轨迹地图匹配方法KFTS-AMM.该方法融合基于分段卡尔曼滤波算法的轨迹简化算法(KFTS),和分段隐马尔可夫模型的地图匹配算法(AMM).首先,利用卡尔曼滤波算法可用于最优状态估计的特性,KFTS能够在轨迹简化过程中对轨迹点进行自动修正,使轨迹曲线变得平滑并减少了异常点对于地图匹配准确率的影响.同时,使用基于分段隐马尔可夫模型的地图匹配算法AMM,避免部分无效轨迹对整条轨迹匹配的影响.此外,在轨迹数据的处理过程加入了停留点的识别与合并,进一步提升匹配准确率.在郑州市真实电动自行车轨迹数据的实验结果表明,KFTS-AMM在准确率上相对于已有的对比算法有较大的提升,并可通过使用简化后的轨迹数据显著提升匹配速度.