一种基于路径增量的高采样率轨迹地图匹配方法

1.本发明涉及一种轨迹地图匹配方法，尤其涉及一种基于路径增量的高采样率轨迹地图匹配方法。


背景技术：

2.位置获取和移动计算技术的进步产生了大量空间轨迹数据，这些数据代表了各种运动物体的移动性，并在实时路径规划、路网更新、出行规律发现等诸多领域起着至关重要的作用。但由于不同移动设备均存在定位误差，且道路经过地图综合过程已经由真实世界中的面状要素转化为抽象平面下的线状要素，所以轨迹与其实际所处道路之间存在偏差。因此，在处理和分析轨迹数据之前，应进行地图匹配，使得轨迹被正确的定位在道路之上。在城市应用场景中，全球定位系统(global navigation satellite system，gnss)技术的进步和大数据处理技术的发展使得城市地区的定位数据是以很短的时间间隔获取的，例如1秒或5秒。如何在兼顾效率及正确率的情况下，满足高采样率轨迹与复杂城市道路网的匹配成为一项挑战。
3.现有的地图匹配算法可分为三类：局部算法、增量算法以及全局算法。局部地图匹配算法一次只考虑轨迹上的单个gnss点，不考虑当前轨迹点与前后点之间的关系。这类方法具有高效和易于实现的优点，但实际应用中极易出现匹配错误。增量地图匹配算法考虑相邻轨迹点，将拓扑、运动状态、转移概率等轨迹点的空间分布及移动规律引入匹配过程，从而提高算法的性能。但在增量匹配算法中，先前点的不正确匹配结果可能会累积并影响后续点的匹配。全局地图匹配算法基于相似性度量将整个轨迹映射到道路网中的路径，由于轨迹上的gnss点是分批考虑的，所以不会产生增量方法的误差传播问题。因此这类算法对采样率不太敏感，保证在不同采样率下均有较高匹配精度，但同时也导致了高采样率情形下的低效率问题。
4.根据上述各类算法的特点，在面向高采样率与复杂城市路网应用场景时，基于增量的匹配思路被更为广泛的应用，但已有的相关算法在处理高采样率轨迹时，仍存在以下两个问题：(1)算法匹配时间不仅与轨迹点数量有关，也与车辆行驶路段的复杂程度密切相关，更高的采样率和道路复杂度带来更为耗时的计算过程；(2)在路口点等复杂路段处，由于移动物体通常以低速行进，使得轨迹点间距离相对于其他区域更小，从而也更容易导致错误匹配。


技术实现要素：

5.为了解决上述技术所存在的不足之处，本发明提供了一种基于路径增量的高采样率轨迹地图匹配方法，进一步提高了计算效率和复杂路段处匹配的准确率。
6.为了解决以上技术问题，本发明采用的技术方案是：一种基于路径增量的高采样率轨迹地图匹配方法，包括以下步骤：
7.步骤s1、形式化定义基于路径增量的gnss轨迹点地图匹配过程；
8.步骤s2、采用多约束组合过滤方法从路网中提取候选道路子网；
9.步骤s3、以候选道路子网中两个相邻路口点之间的路径为增量，进行基于路径增量的轨迹点匹配计算。
10.优选的，步骤s1中，基于路径增量的gnss轨迹点地图匹配过程被定义为：根据轨迹t及路网g(v，e)，筛选出候选道路子网g
′
(v
′
，e
′
)，然后以候选道路子网中相邻两路口点之间的路径为增量进行轨迹匹配计算，从而逐步确定物体实际运动路径的过程。
11.优选的，步骤s2的具体过程为：将相邻两个轨迹点的空间分布及移动规律与其附近道路的特征结合，通过采用距离约束、道路连通性约束、方向一致性约束和单点连通路段“剪枝”一系列过滤条件，剔除大量无关路段，得到候选道路子网g
′
(v
′
，e
′
)。
12.优选的，步骤s2中，距离约束通过动态调整的缓冲区实现，即以轨迹点为圆心，以r
p0
为初始半径构建缓冲区，若候选路段集为空，则将半径扩大一个固定的步长r
p，step
，如此循环，直到候选路段集中至少包含一条路段为止。
13.优选的，步骤s2中，道路连通性约束包括拓扑连通性约束和方向连通性约束，其中，拓扑连通性约束：对于轨迹中的任一点pi，其候选路段集c(pi)中存在路段ei与候选路段集c(p
i+1
)中某一路段ej端点相连或重叠；
14.方向连通性约束：对于轨迹中任一点pi，候选路段集c(pi)中存在路段ei与候选路段集c(p
i+1
)中某一路段ej相连或重叠，且当ei与ej相连时，应同时满足两路段方向在连接处首尾相接。
15.优选的，步骤s2中，方向一致性约束包括长度比约束与方位角约束，其中，长度比约束：若连续两个轨迹点之间的距离与其在候选路段上投影点之间距离的长度比小于阈值0.8，则剔除该候选路段；
16.方位角约束：计算轨迹线段与其在候选路径上投影线段的夹角，当该夹角大于90
°
时，则剔除该候选线段。
17.优选的，方位角约束中，通过计算轨迹与轨迹在候选路径上投影点之间的向量方位角之差剔除方向相反的路径，其中向量方位角为正北方向沿顺时针旋转至当前向量所经过的水平角度，其计算公式为：其中，α为当前向量的方位角，(x1，y1)，(x2，y2)分别为向量的首尾点坐标。
18.优选的，步骤s2中，单点连通路段“剪枝”指的是：依次遍历各个路段，分别计算各路段起点与终点的度数，删除首尾路段之外的其他单点连通路段。
19.优选的，步骤s3的具体过程为：
20.首先确定初始路段，即从起始轨迹点的候选路段中选择与轨迹线相似度最高的路段作为起始路段；
21.在确定初始路段后，进入增量计算过程，每一个增量计算过程均以路口点为起点，逐步确定后续匹配路段；
22.当匹配路段连接的顶点为过渡点时，记录当前路段，继续确定下一路段；
23.当匹配路段连接的顶点为路口点时，进入下一个增量计算过程；直到出现单连通点时，将其作为轨迹终点，结束匹配过程。
24.优选的，步骤s3中，在路口点处进行增量前进方向判断时，采用hausdorff距离与
弯曲度相结合的相似度评价指标，以减弱平行同向路段对匹配结果的影响。
25.本发明在提高匹配效率的同时兼顾了对于复杂路段的处理，较好地解决了高采样率数据在复杂路网匹配中准确率与效率之间的矛盾。该方法通过对路网的组合过滤消除了无连通路段及反向路段对匹配过程的影响，并采用路径增量替代传统增量匹配方法中的轨迹增量，使得匹配结果更加符合真实的车辆行驶路线。在路口点处采用曲率积分与hausdorff距离的组合代替传统匹配算法中的几何度量以提高起始路段以及路口点处的匹配精度。
附图说明
26.图1为本发明的流程图。
27.图2为步骤s2中道路网过滤结果示意图。
28.图3为步骤s2中对道路网过滤的流程图。
29.图4为步骤s2中方向连通性约束的示意图。
30.图5为步骤s2中方向一致性约束对道路网的过滤示意图。
31.图6为步骤s3中对轨迹匹配的流程图。
32.图7为步骤s3中确定起始路段算法的伪代码。
33.图8为步骤s3中进行增量匹配算法的伪代码。
34.图9为步骤s3中路口点处路段增量匹配算法的伪代码。
35.图10为步骤s3中路口点处匹配过程的示意图。
36.图11为步骤s3中候选点位置判断示意图。
37.图12为实施例的测试轨迹数据在地图中的显示图。
38.图13为实施例中地图匹配实验的精度评价及其对比图。
39.图14为实施例中测试轨迹1的匹配结果图。
40.图15为实施例中测试轨迹2的匹配结果图。
41.图16为实施例中测试轨迹3的匹配结果图。
42.图17为实施例中测试轨迹4的匹配结果图。
43.图18为实施例中各算法效率对比示意图。
44.图19为实施例中各算法匹配单元调用次数示意图。
具体实施方式
45.下面结合附图和具体实施方式对本发明作进一步详细的说明。
46.如图1所示的一种基于路径增量的高采样率轨迹地图匹配方法，包括以下步骤：
47.步骤s1、将基于路径增量的gnss轨迹点地图匹配过程形式化定义为：利用轨迹t从路网g(v，e)中初步筛选出候选道路子网g
′
(v
′
，e
′
)，然后以子网中相邻两路口点之间的路径为增量进行轨迹匹配计算，从而逐步确定物体实际运动路径的过程。
48.形式化定义基于路径增量的gnss轨迹点地图匹配过程，具体为：
49.轨迹t为移动设备所采集的位置点的集合，可以表示为t＝{pi|i＝1，...，n}，其中pi为轨迹点。路网为真实道路系统的数字表达，可以通过有向图g(v，e)来描述，其中v为顶点的集合{vj|j＝1，...，m}，e为边的集合{ek|k＝1，...，s}，顶点vj相关联边的数目称为顶
点vj的度数，记作d(vj)。对于任意顶点vj，若d(vj)＝1，称vj为单连通点；若d(vj)＝2，称vj为过渡点；若d(vj)≥3，称vj为路口点。将g(v，e)中的边称为路段，路径p为一系列相连的路段的集合，表示为p＝{eo，...，ej}。候选轨迹点为落在顶点vj邻近区域内的轨迹点集，记作i(vj)，简称候选点。候选路段集为与轨迹点pi的误差分布范围相交路段的集合，表示为c(pi)。道路子网g
′
(v
′
，e
′
)为经过过滤处理后，用以进行地图匹配的路网，即满足将两个相邻路口点之间的路径定义为增量，则在本发明中，基于路径增量的轨迹点地图匹配过程被定义为：根据轨迹t及路网g(v，e)，筛选出道路子网g
′
(v
′
，e
′
)，然后进行增量计算并最终确定物体实际运动路径的过程。
50.步骤s2、采用多约束组合过滤方法从路网中提取候选道路子网。
51.在复杂的城市道路网络中进行地图匹配，难点在于对交叉路口以及平行道路的匹配。该区域的轨迹往往存在多个距离相近且形态相似的候选路段，容易导致错误匹配。因此，将相邻两个轨迹点的空间分布及移动规律与其附近道路的连通性、方向等特征结合，对候选路段进行过滤，剔除大量无关路段。如图2所示，为道路网过滤结果的示意图，其中原路网经过距离约束、道路连通性约束、方向一致性约束和“单点连通路段“剪枝”一系列条件过滤后得到与轨迹点比较匹配的候选道路子网。
52.具体的，如图3所示，对道路网的多约束组合过滤方法的执行步骤包括：
53.s21、距离约束通过一种动态调整的缓冲区实现，即以轨迹点为圆心，以r
p0
为初始半径构建缓冲区，若候选路段集为空，则将半径扩大一个固定的步长r
p.step
，如此循环，直到候选路段集中至少包含一条路段为止。
54.s22、道路连通性约束包括拓扑连通性约束和方向连通性约束。
55.拓扑连通性约束：对于轨迹中的任一点pi，其候选路段集c(pi)中存在路段ei与候选路段集c(p
i+1
)中某一路段ej端点相连或重叠；
56.方向连通性约束：对于轨迹中任一点pi，候选路段集c(pi)中存在路段ei与候选路段集c(p
i+1
)中某一路段ej相连或重叠，且当ei与ej相连时，应同时满足两路段方向在连接处首尾相接。如图4(a)所示，对于单向通行路径，其中的路段可抽象为一组有向线段，如果这组线段方向一致，则满足方向连通性约束。图4(b)中反应了两类满足拓扑连通性而不具备方向连通性的情况，这样的路段应该被过滤。由于双向路段没有方向限制，故仅需要考虑单向路段相互连接时的方向连通性约束。
57.s23、方向一致性约束包括长度比约束与方位角约束。
58.长度比约束：若连续两个轨迹点之间的距离与其在候选路段上投影点之间距离的长度比小于阈值0.8，则剔除该候选路段。
59.如图5(a)所示，p1，p2为两个连续的轨迹点，p1，p2与p3为三条包含候选路段的路径，且这三条路径均可作为p1，p2的匹配路径，p1，p2在其对应候选路段上的投影即为该轨迹点的实际位置，对于高采样率的轨迹，它们的分布与实际所在的路段通常呈近似平行的关系。基于这一认识，在进行轨迹方向与路段方向对比前，首先通过连续轨迹点之间的距离与其在候选路段上投影点之间距离的长度比剔除横向路段，同时避免轨迹顺序与对应候选路段顺序不一致的情况。根据实验将比值设为＜0.8时，能达到较好的剔除效果。在图4(a)中，轨迹点向p3投影后的长度len3远小于轨迹点之间的距离，从而可以将路径剔除。
60.方位角约束：计算轨迹线段与其在候选路径上投影线段的夹角，当该夹角大于90
°
时，则剔除该候选线段。
61.如图5(b)所示，在完成长度比约束过滤后，剩下的即为两条方向相反的路径，通过计算轨迹与轨迹在路径上投影点之间的向量方位角之差可以剔除方向相反的路径，其中向量方位角为正北方向沿顺时针旋转至当前向量所经过的水平角度，计算公式为：其中，α为当前向量的方位角，(x1，y1)，(x2，y2)分别为向量的首尾点坐标。
62.方向过滤的具体实现流程如下：
①
首先分别获取轨迹点pi，p
i+1
在路径pj上的投影点；
②
基于轨迹和路径的方向，分别计算的方位角α0及其投影点的方位角
③
当时，路径pj被剔除。如图5(b)所示，分别计算被剔除。如图5(b)所示，分别计算的方位角即可剔除反向路径p1，图5(c)中为剔除后结果，此时仅保留了与轨迹方向相同的路径。
63.s24、单点连通路段“剪枝”指的是：依次遍历各个路段，分别计算各路段起点与终点的度数，删除首尾路段之外的其他单点连通路段。在剩余的路段构成的子网中，除了首尾路段之外，若还存在其他路段的顶点度数为1，则可将它们“剪枝”，因为这类单点连通路段不可能作为最终匹配路径上的中间路段。图2中经过道路连通性、方向一致性约束过滤后的路网中仍存在单点连通路段，即被“剪枝”路段，它们会增加后续地图匹配的运算量，需要剔除。
64.步骤s3、以候选道路子网中两个相邻路口点之间的路径为增量，进行基于路径增量的轨迹点匹配计算。每一个增量计算过程均以路口点为起点，确定后续匹配路段的过程。在路口点处进行增量前进方向判断时，综合考虑hausdorff距离与弯曲度两种相似度评价指标，以减弱平行同向路段对匹配结果的影响。
65.以候选子网中两个相邻路口点之间的路径为增量，进行基于路径增量的轨迹点匹配计算，如图6所示，其具体包括以下步骤：
66.s31、确定初始路段：采用“前瞻”思路确定初始路段，即以从起始轨迹点的候选路段中选择一条与轨迹线相似度最高的路段作为起始路段。如图7所示，为确定初始路段的算法伪代码。
67.s32、确定下一条路段：在确定初始路段后，进入增量计算过程。如图8所示，算法中每一个增量计算过程均以路口点为起点，确定后续匹配路段。当匹配路段连接顶点为过渡点时，记录当前路段，继续确定下一路段；当匹配路段连接的顶点为路口点时，进入下一个增量计算过程；直到出现单连通点时，结束匹配过程。匹配过程中，在各路口点处进行的路段和轨迹线的相似度评价，均采用了hausdorff距离与弯曲度相结合的相似度评价指标。
68.s33、输出匹配结果：路口点处的匹配用以确定增量匹配的方向，其算法伪代码如图9所示。首先基于路口点与搜索半径构建候选点集i，然后获取候选点与其在对应路段上的投影点，计算轨迹与路段的相似度，最终通过对比相似度确定增量匹配方向。
69.图10描述了路口点v1的匹配过程。如图10(a)所示，e1为上一增量已经匹配的路段，v1为下一个增量匹配的起点，此时需要确定后续增量的匹配方向，即从路径e1→
e2和e1→
e3中确定与轨迹匹配的路径，图10(b)和图10(c)分别刻画了两种不同路径的匹配过程，通过计算轨迹与其投影点两组点集之间的相似度可以较容易地确定e3为后续的匹配路段。其
sigspatial internationalconference on advances in geographic information systems，2009，336-343)进行对比。主要从匹配结果的精度及效率角度进行定量评价。算法匹配精度的评价指标为：路径不匹配分数(rount mismatch fraction，rmf)、准确率(precision)、召回率(recall)。其中，rmf的计算公式为：式中，l
+
为算法计算结果中与真实路径相比错误增加的长度，l-为算法计算结果中与真实路径相比错误减少的长度；准确率和召回率的计算公式分别为：和式中l
matched
为算法计算结果中正确匹配路径的总长度，l
inferred
为算法计算结果的总长度，l
real
为真实路径的总长度。
80.考虑实验数据集中的gnss定位误差和道路宽度，将候选路段缓冲区半径r
p
和候选点缓冲区半径rc的初始长度均设为30m，对应的步长设为5m。同时，为比较相关算法在不同采样频率下的匹配性能，实验过程中逐步提高采样间隔至10秒，按照文献内的描述实现了相应算法，并利用上述指标进行对比实验。
81.匹配结果指标统计如图13中所示，在测试数据集中当采样间隔为1s时，本发明提供算法的准确率达97.70％，召回率达97.10％，rmf为5.23％，相对于其他两类算法均有较大提升，表明在高采样率下本发明算法能够保证较高的匹配正确率。其原因主要包括两个方面：(1)算法过滤器滤去了绝大部分错误路段，大大降低了错误匹配的可能性。图14、图15、图16、图17为采样间隔为1s时各数据集的匹配结果。从图中可以看出hmm算法在匹配中出现了大量将轨迹匹配至方向相反路段的情况，而本发明算法匹配前已过滤掉了反方向路段；(2)基于本发明提供的增量算法的匹配过程保证了路口点间路径的唯一性，减弱了平行路段对匹配结果可能带来的不利影响。如图15所示，曲率积分算法出现了两条平行路段均被选择的情况，其原因在于该方法是基于点对选择匹配路段的，当轨迹采样率较高时，同向平行的两个路段可能在不同点对中被选择，从而导致错误匹配，而本发明算法则避免了对于平行路段的错误选择。同时，算法在利用多层互通进行行驶方向变化的复杂场景的匹配中也表现出了较好的效果，其结果如图17所示。但随着采样间隔的提高，路口点匹配中候选点的数量将逐渐减少，使得算法准确率及召回率逐渐降低，在采样间隔为10s左右时已无明显的优势，如图13(a)和图13(b)所示，说明本发明算法对采样率变化较为敏感。但由于算法获取路径的唯一性，rmf仍然明显优于其他算法。
82.对上述各类算法效率进行统计，结果如图18所示。采样间隔越短，本算法的效率优势越明显。其原因在于两种对比算法中匹配单元的调用次数与轨迹点的数量密切相关，而匹配单元的频繁调用无疑会导致更高的时间成本。而本算法通过以路径为增量，使得计算单元的调用次数仅与路网中路口点个数相关，而路网经过组合过滤后，复杂度大大降低，从而实现了效率的进一步提高。
83.图19为采样间隔为1s时各算法中匹配单元的调用次数，当轨迹采样间隔较短时，轨迹点数量远大于需要匹配的路口点的数量，所以本算法匹配单元的调用次数远远低于其他两类算法，从而使得算法效率得到明显提升。随着采样间隔的增加，轨迹点数量逐渐减少，但路口点的个数不变，故本算法效率优势将会逐渐消失，最终与全局匹配算法的效率接近。
84.对比已有的曲率积分约束地图匹配算法和基于隐马尔科夫模型的地图匹配算法，本发明提供的算法，在解决高采样率gnss轨迹点的地图匹配问题时，表现出了更高的准确率和效率，且能够较好地处理各类复杂路段情况。因此，本发明非常适用于复杂城市路网中的高采样率gnss轨迹匹配应用场景。
85.上述实施方式并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换，也均属于本发明的保护范围。

技术特征：
1.一种基于路径增量的高采样率轨迹地图匹配方法，其特征在于：所述方法包括以下步骤：步骤s1、形式化定义基于路径增量的gnss轨迹点地图匹配过程；步骤s2、采用多约束组合过滤方法从路网中提取候选道路子网；步骤s3、以候选道路子网中两个相邻路口点之间的路径为增量，进行基于路径增量的轨迹点匹配计算。2.根据权利要求1所述的基于路径增量的高采样率轨迹地图匹配方法，其特征在于：所述步骤s1中，基于路径增量的gnss轨迹点地图匹配过程被定义为：根据轨迹t及路网g(v，e)，筛选出候选道路子网g
′
(v
′
，e
′
)，然后以候选道路子网中相邻两路口点之间的路径为增量进行轨迹匹配计算，从而逐步确定物体实际运动路径的过程。3.根据权利要求1所述的基于路径增量的高采样率轨迹地图匹配方法，其特征在于：所述步骤s2的具体过程为：将相邻两个轨迹点的空间分布及移动规律与其附近道路的特征结合，通过采用距离约束、道路连通性约束、方向一致性约束和单点连通路段“剪枝”一系列过滤条件，剔除大量无关路段，得到候选道路子网g
′
(v
′
，e
′
)。4.根据权利要求3所述的基于路径增量的高采样率轨迹地图匹配方法，其特征在于：所述步骤s2中，距离约束通过动态调整的缓冲区实现，即以轨迹点为圆心，以r
p0
为初始半径构建缓冲区，若候选路段集为空，则将半径扩大一个固定的步长r
p.step
，如此循环，直到候选路段集中至少包含一条路段为止。5.根据权利要求3所述的基于路径增量的高采样率轨迹地图匹配方法，其特征在于：所述步骤s2中，道路连通性约束包括拓扑连通性约束和方向连通性约束，其中，拓扑连通性约束：对于轨迹中的任一点p
i
，其候选路段集c(p
i
)中存在路段e
i
与候选路段集c(p
i+1
)中某一路段e
j
端点相连或重叠；方向连通性约束：对于轨迹中任一点p
i
，候选路段集c(p
i
)中存在路段e
i
与候选路段集c(p
i+1
)中某一路段e
j
相连或重叠，且当e
i
与e
j
相连时，应同时满足两路段方向在连接处首尾相接。6.根据权利要求3所述的基于路径增量的高采样率轨迹地图匹配方法，其特征在于：所述步骤s2中，方向一致性约束包括长度比约束与方位角约束，其中，长度比约束：若连续两个轨迹点之间的距离与其在候选路段上投影点之间距离的长度比小于阈值0.8，则剔除该候选路段；方位角约束：计算轨迹线段与其在候选路径上投影线段的夹角，当该夹角大于90
°
时，则剔除该候选线段。7.根据权利要求6所述的基于路径增量的高采样率轨迹地图匹配方法，其特征在于：所述方位角约束中，通过计算轨迹与轨迹在候选路径上投影点之间的向量方位角之差剔除方向相反的路径，其中向量方位角为正北方向沿顺时针旋转至当前向量所经过的水平角度，其计算公式为：其中，α为当前向量的方位角，(x1，y1)，(x2，y2)分别为向量的首尾点坐标。8.根据权利要求3所述的基于路径增量的高采样率轨迹地图匹配方法，其特征在于：所述步骤s2中，单点连通路段“剪枝”指的是：依次遍历各个路段，分别计算各路段起点与终点
的度数，删除首尾路段之外的其他单点连通路段。9.根据权利要求1所述的基于路径增量的高采样率轨迹地图匹配方法，其特征在于：所述步骤s3的具体过程为：首先确定初始路段，即从起始轨迹点的候选路段中选择与轨迹线相似度最高的路段作为起始路段；在确定初始路段后，进入增量计算过程，每一个增量计算过程均以路口点为起点，逐步确定后续匹配路段；当匹配路段连接的顶点为过渡点时，记录当前路段，继续确定下一路段；当匹配路段连接的顶点为路口点时，进入下一个增量计算过程；直到出现单连通点时，将其作为轨迹终点，结束匹配过程。10.根据权利要求9所述的基于路径增量的高采样率轨迹地图匹配方法，其特征在于：所述步骤s3中，在路口点处进行增量前进方向判断时，采用hausdorff距离与弯曲度相结合的相似度评价指标，以减弱平行同向路段对匹配结果的影响。

技术总结
本发明公开了一种基于路径增量的高采样率轨迹地图匹配方法，形式化定义基于路径增量的GNSS轨迹点地图匹配过程；采用基于距离、道路连通性、方向一致性等约束条件的组合过滤方法，从道路网中提取候选道路子集；以候选子网中两个相邻路口点之间的路径为增量，进行基于路径增量的轨迹点匹配计算。匹配过程中，每一个增量计算过程均为以路口点为起点，确定后续匹配路段的过程。为了减弱平行同向路段对匹配结果的影响，在每个路口点处综合考虑了Hausdorff距离与弯曲度相结合的相似度评价指标。本发明表现出了更高的准确率和效率，能够较好地处理各类复杂路段情况，非常适用于复杂城市路网中的高采样率GNSS轨迹匹配应用场景。城市路网中的高采样率GNSS轨迹匹配应用场景。城市路网中的高采样率GNSS轨迹匹配应用场景。


技术研发人员：刘远刚 王浩岩 李少华 龙颖波 蔡永香 马潇雅
受保护的技术使用者：长江大学
技术研发日：2022.04.07
技术公布日：2022/7/5