邵天浩,张宏军,程 恺,唐新德,莫 斐,张 可
(陆军工程大学 指挥控制工程学院,江苏 南京 210000)
近年来,随着车载导航的普及率越来越高,海量的车辆行驶数据被导航收集并上传至车联网系统。这些数据可以体现车辆在行驶过程中的各种信息,如经纬度、方位角、GPS速度、行驶里程等。如何从海量的行驶数据中分析出车辆驾驶行为的特征,将数据转化为价值,是当前研究的一个热点问题[1-2]。但是由于车载导航自身的局限性以及数据采集的不稳定性,采集到的行驶数据往往质量不高,这会导致其分析出的结果与实际情况有所偏差。因此,对车辆行驶数据进行有效的预处理以提高其质量,是后续数据分析的重要前提。
通过地图匹配来修正车辆行驶数据是如今最常用的方法,目前地图匹配算法主要有确定性地图匹配算法和不确定性地图匹配算法两种[3]。
确定性地图匹配算法是指匹配的结果是确定而非随机的,主要通过几何方式进行匹配,包括点到点、点到弧、弧到弧三种方式[4]。它考虑了车辆方位角与道路方向的相似性、采样点与道路的距离以及车辆行驶速度等多个方面,将各要素加权之后选择最合适的匹配路段。这类算法原理简单,实现容易,但其稳定性不高,尤其是在选择初始匹配路段时没有进行初步筛选[5],导致匹配的精度下降。
不确定性地图匹配算法是指相同数据点多次匹配的结果是非确定的,依据一定概率进行匹配,主要分为概率统计算法和模糊逻辑算法两种。……