顾及路网约束的深度地图匹配方法

作     者：钟青岑 吴晨昊 向隆刚 姚鹏 ZHONG Qingcen;WU Chenhao;XIANG Longgang;YAO Peng

作者机构：武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079 福建省高速公路科技创新研究院有限公司福建福州350001 湖北珞珈实验室湖北武汉430079 广西泰绘信息科技有限公司广西桂林541100 

出 版 物：《测绘通报》 (Bulletin of Surveying and Mapping)

年 卷 期：2024年第6期

页      面：96-102,133页

核心收录：

学科分类：081603[工学-地图制图学与地理信息工程] 07[理学] 08[工学] 070503[理学-地图学与地理信息系统] 0705[理学-地理学] 0816[工学-测绘科学与技术] 

基　　金：湖北省珞珈试验室专项基金(220100010) 广西JMRH发展专项项目(202203) 

主　　题：地图匹配 深度学习 序列到序列模型 GRU 多任务学习 注意力机制 

摘      要：在低频或非均匀采样条件下,已有的地图匹配算法存在匹配精度不高或效率较低的问题。本文提出了一种顾及路网约束的深度地图匹配方法(RNCMM)。该方法首先利用Seq2Seq框架将低频轨迹点序列端到端地映射为高频路段序列;其次根据道路与轨迹点间的距离、方位差构建细粒度约束掩模层,有利于缓解轨迹网格表示的局限性,提高匹配精度;然后引入注意力机制和多任务学习机制,挖掘轨迹点间的时空关联性,并进行路段与方向的联合预测;最后在Porto出租车轨迹数据集和OSM路网上进行试验。结果表明,相较于传统的隐马尔可夫模型(HMM)算法,本文方法可以有效地提高低频浮动车轨迹的匹配精确度和效率。