人人都能看懂的路徑匹配算法
在實際應用中,導致定位與地圖道路存在偏差,其主要的原因還在于GPS數據采集的質量問題。由于這些問題非常普遍,因此我們需要在這種情況下仍然能實現較高的路徑匹配準確率。那么,如何通過算法來實現呢?
試想一下,一輛汽車行駛在道路上,1、2、3這三個點是汽車的GPS定位結果,我們可以看到三個點的定位、形成的軌跡和實際道路有非常明顯的偏差。
這就是常見的,定位軌跡與地圖道路的匹配問題。相信大家都有通過餓了么點外賣,或者京東購置大件物品的經歷,當我們想要查看外賣騎手和配送員的距離位置,平臺往往只是在地圖上由配送點到收貨地址劃一條直線,用戶無法看到騎手完整的行駛軌跡,顯示的定位與道路也常常有明顯的偏移。
主要的原因可能是因為在外賣和送貨上門的場景下,不太需要做精準的軌跡與道路匹配。
路徑匹配不準的原因
在實際應用中,導致定位與地圖道路存在偏差,其主要的原因還在于GPS數據采集的質量問題。GPS采樣頻率低、定位誤差大、GPS信號丟失,都會增加路徑匹配的不準確性。由于這些問題非常普遍,因此我們需要在這種情況下仍然能實現較高的路徑匹配準確率。
那么,如何通過算法來實現呢?
路徑匹配的算法實現
1. 異常點監測
通過異常值檢測算法,檢驗行車GPS軌跡數據中的錯誤數據和不合常理的數據,剔除異常值再進行計算分析。
2. 觀測概率
觀測車輛GPS軌跡點與周圍多條道路的距離、以及道路的連續性等因素,計算出車輛行駛的正確道路。
我們計算紅色的GPS點P1、P2、P3、P4與周圍道路C1、C2、C3、C4的距離,根據距離確定GPS點實際位于哪條道路的概率,距離近,概率就高。同時還將考察道路的連續性,例如:兩個GPS點P2、P3最為接近的是C2(1)、C3(1)兩段道路,但這兩段并不是一條連續的道路,這個時候就不能單純采用最近距離來判斷概率。
3. 速度權重
當GPS點出現在高架路段,通過定位就比較難判斷具體的道路。通過車輛速度權重,可以計算出車輛行駛在高架或地面道路的準確位置。
最后在實際的應用中,我們積累完善了豐富詳盡的地圖道路數據庫,建立了數據索引,使得計算效率極大提高,并且采用了效率極高的最短路徑算法,計算速度擁有更大提升。
車輛GPS軌跡的地圖匹配是交通大數據挖掘中的一項重要的基礎性工作,可靠的軌跡匹配結果對于道路交通運行狀態監測、實時交通信息發布、車輛定位與智能調度、出行路徑選擇行為分析等具有重要意義。
由于城市道路網絡中大量存在高架路、主輔路和立體交叉等復雜的道路場景,對準確的路徑匹配提出了更高的要求,相信通過我們對數據算法的持續訓練完善,可以不斷在各個應用領域發揮價值。
本文由 @?jmto 原創發布于人人都是產品經理。未經許可,禁止轉載
題圖來自Unsplash,基于CC0協議
- 目前還沒評論,等你發揮!