本发明涉及gps数据采集技术领域，提供了一种城市交叉口地图匹配方法。
背景技术：
现有的研究中，研究者往往关注怎样将低采样率gps点尽可能准确的匹配，然而由于科学和技术的进步，当今的gps数据往往是高采样率的轨迹数据。在城市区域，在路况差、路口多的情况下，车辆低速行驶导致高采样率的gps数据包含了大量的冗余点。这些冗余点极易造成错配，使匹配结果出现异常的来回往返、锯齿等形态，影响整体的匹配效率。
技术实现要素：
本发明的目的在于解决冗余点极易造成错配，使匹配结果出现异常的来回往返、锯齿等形态，影响整体的匹配效率的问题。
为解决上述技术问题，本发明采用以下技术手段：
一种城市交叉口地图匹配方法，包括以下步骤：
步骤s1：确定路网中的交叉口，使用有向图来表示路网，其中边e表示道路，顶点v表示道路中的结点，当某个结点v上连接的道路数大于等于3条，则判定该顶点为路网中的交叉口；
步骤s2：规定道路交叉口区域的大小，以交叉口为圆心，考虑到道路宽度，作一个圆，圆里面的点都算是进入了交叉口的gps点；
步骤s3：交叉口区域内gps点的滤波，首先对进入交叉口区域内的gps轨迹进行滤波，降低冗余度，得到滤波后的gps点；
步骤s4：交叉口区域内的地图匹配，对滤波后还剩下的gps点分别测算概率，概率通过d-s证据理论相融合得到结果。
步骤s3中滤波根据规则如下：
规则1：速度滤波：清除gps轨迹点瞬时速度为0的点；清除gps轨迹点瞬时速度大于交叉口所连接的道路的最高限制速度120％的点。
规则2：方向滤波：形成一个尺寸为4个gps点的滑动窗口，当检测到4个点的连线(4个点有3条连线，能够形成2个夹角)，则随机删除中间2个gps点中的一个，继续向前滑动进行过滤。
步骤s4中通过d-s证据理论相融合的概率为：
基于距离的匹配概率：
分别计算dmix＝(s1 s2)/2，其中s1为gps点pn(n＝1，2，3…)到临近路段xm(m＝1，2，3...)的映射点的距离，一般为直线距离，s2为gps点pn到交叉口的距离，根据dmix的大小，通过正态分布确定路段xm基于距离的匹配概率：
其中π为圆周率，e为自然对数的底数，σ＝20米；
基于拓扑的匹配概率：
ddij是gps点匹配到条路段x上的映射点到上一个gps点的映射点迪杰斯特拉距离，迪杰斯特拉距离是最短路径算法，用于计算一个节点到其他节点的最短路径，π为圆周率，e为自然对数的底数，σ＝20米；
步骤s4中通过d-s证据理论相融合的概率的方法如下：
求归一化系数
利用dempster合成规则计算：
依次计算当前gps点pn在路段xm上的的ds融合概率
对所有gps点求得所在路段，得到所有gps点所在路段，然后将gps点映射至对应路段后，将所有gps点按照时间先后顺序连接，得到行车轨迹。
因为本发明采用以上技术方案，因此具备以下有益效果：
由于本发明对低速gps点的预处理，以及根据交叉口的特性做出的针对性处理，提升了车辆在交叉口内轨迹匹配的准确度，减少了环形、迂回或锯齿形匹配结果的出现。
gps轨迹匹配更加准确，能够为后续的应用提供更好地支持，如导航系统和行车预测等，使得车主能够精准的判断自己所处位置，并根据导航高效的出行。
附图说明
图1为交叉口内地图匹配示意图；
图中1为路段x1，2为路段x2，3为路段x3，4为路段x4，5为gps点p3在路段x1上的映射点，6为gps点p3在路段x2上的映射点，7为gps点p4在路段x3上的映射点，8为交叉口区域，p1为gps点。
具体实施方式
本发明提供了一种城市交叉口地图匹配方法，包括以下步骤：
步骤s1：确定路网中的交叉口，使用有向图来表示路网，其中边e表示道路，顶点v表示道路中的结点，当某个结点v上连接的道路数大于等于3条，则判定该顶点为路网中的交叉口；
步骤s2：规定道路交叉口区域的大小，以交叉口为圆心，考虑到道路宽度，作一个圆，圆里面的点都算是进入了交叉口的gps点；
步骤s3：交叉口区域内gps点的滤波，首先对进入交叉口区域内的gps轨迹进行滤波，降低冗余度，得到滤波后的gps点；
步骤s4：交叉口区域内的地图匹配，对滤波后还剩下的gps点分别测算概率，概率通过d-s证据理论相融合得到结果。
步骤s3中滤波根据规则如下：
规则1：速度滤波：清除gps轨迹点瞬时速度为0的点；清除gps轨迹点瞬时速度大于交叉口所连接的道路的最高限制速度120％的点。
规则2：方向滤波：形成一个尺寸为4个gps点的滑动窗口，当检测到4个点的连线(4个点有3条连线，能够形成2个夹角)，则随机删除中间2个gps点中的一个，继续向前滑动进行过滤。
步骤s4中通过d-s证据理论相融合的概率为：
基于距离的匹配概率：
分别计算dmix＝(s1 s2)/2，其中s1为gps点pn(n＝1，2，3…)到临近路段xm(m＝1，2，3...)的映射点的距离，一般为直线距离，s2为gps点pn到交叉口的距离，根据dmix的大小，通过正态分布确定路段xm基于距离的匹配概率：
其中π为圆周率，e为自然对数的底数，σ＝20米；
基于拓扑的匹配概率：
ddij是gps点匹配到条路段x上的映射点到上一个gps点的映射点迪杰斯特拉距离，迪杰斯特拉距离是最短路径算法，用于计算一个节点到其他节点的最短路径，π为圆周率，e为自然对数的底数，σ＝20米；
步骤s4中通过d-s证据理论相融合的概率的方法如下：
求归一化系数
利用dempster合成规则计算：
依次计算当前gps点pn在路段xm上的的ds融合概率
对所有gps点求得所在路段，得到所有gps点所在路段，然后将gps点映射至对应路段后，将所有gps点按照时间先后顺序连接，得到行车轨迹。
实施例1
归一化系数
利用dempster合成规则计算：
gps点p1在路段x1上的融合概率为：
gps点p1在路段x2上的融合概率为：
gps点p1在路段x3上的融合概率为：
＝0.2*0.6/0.71
＝0.16
因此将轨迹点p匹配到路段x1(概率最高)上。
1.一种城市交叉口地图匹配方法，其特征在于，包括以下步骤：
步骤s1：确定路网中的交叉口，使用有向图来表示路网，其中边e表示道路，顶点v表示道路中的结点，当某个结点v上连接的道路数大于等于3条，则判定该顶点为路网中的交叉口；
步骤s2：规定道路交叉口区域的大小，以交叉口为圆心，考虑到道路宽度，作一个圆，圆里面的点都算是进入了交叉口的6ps点；
步骤s3：交叉口区域内gps点的滤波，首先对进入交叉口区域内的gps轨迹进行滤波，降低冗余度，得到滤波后的gps点；
步骤s4：交叉口区域内的地图匹配，对滤波后还剩下的gps点分别测算概率，概率通过d-s证据理论相融合得到gps点所在路段，将gps点应设置对应路段，然后按照时间先后顺序连接所有gps点，得到行车轨迹。
2.根据权利要求1所述的一种城市交叉口地图匹配方法，其特征在于，步骤s3中滤波根据规则如下：
规则1：速度滤波：清除gps轨迹点瞬时速度为0的点；清除gps轨迹点瞬时速度大于交叉口所连接的道路的最高限制速度120％的点。
规则2：方向滤波：形成一个尺寸为4个gps点的滑动窗口，当检测到4个点的连线(4个点有3条连线，能够形成2个夹角)，则随机删除中间2个gps点中的一个，继续向前滑动进行过滤。
3.根据权利要求1所述的一种城市交叉口地图匹配方法，其特征在于，步骤s4中通过d-s证据理论相融合的概率为：
基于距离的匹配概率：
分别计算dmix＝(s1 s2)/2，其中s1为gps点pn(n＝1，2，3…)到临近路段xm(m＝1，2，3...)的映射点的距离，一般为直线距离，s2为gps点pn到交叉口的距离，根据dmix的大小，通过正态分布确定路段xm基于距离的匹配概率：
其中π为圆周率，e为自然对数的底数，σ＝20米；
基于拓扑的匹配概率：
ddij是gps点匹配到条路段x上的映射点到上一个gps点的映射点迪杰斯特拉距离，迪杰斯特拉距离是最短路径算法，用于计算一个节点到其他节点的最短路径，π为圆周率，e为自然对数的底数，σ＝20米。
4.根据权利要求1所述的一种城市交叉口地图匹配方法，其特征在于，步骤s4中通过d-s证据理论相融合的概率的方法如下：
求归一化系数k：
利用dempster合成规则计算：
依次计算当前gps点pn在路段xm上的的ds融合概率
对所有gps点求得所在路段，得到所有gps点所在路段，然后将gps点映射至对应路段后，将所有gps点按照时间先后顺序连接，得到行车轨迹。
技术总结