http://www.paper.edu.cn1浮动车数据与电子地图的匹配方法研究计会凤，徐爱功辽宁工程技术大学测绘学院，辽宁阜新（123000）E-mail：jhf_sy@126.com摘要：地图的匹配方法已成为限制浮动车数据应用的主要问题之一。同时，地图匹配方法的效率和精度直接影响GPS浮动车数据的应用效果。本文采用点到路段的垂直距离、当前数据的前两点和后两点构成的角度值、以及车辆行驶角度，作为参数构建回归方程，进行GPS浮动车数据匹配。该匹配算法能很好的解决了平行路段间点的跳动和十字路口点误匹配的问题。该算法充分考虑到了点到线和线到线两中匹配算法的优缺点，在保证匹配的速度的基础上，兼顾匹配的精度。关键词：浮动车；匹配算法；平行路段；十字路口1.引言目前，常用的交通信息采集方式包括：线圈检测器、超声波检测器、红外检测器、视频检测器等[1]。上述均属固定式检测器,存在安装和维护成本高、覆盖范围小、仅能检测固定位置的数据等不足。受人力、资金等因素的制约，我国各城市的交通管理部门仅在关键路段和主要交叉口安装了固定检测器，有检测器的交叉口还不到全部交叉口的十分之一，导致城市道路网上存在大量的信息“真空”地带，远不能满足智能交通系统发展的需求。而随着GPS定位设备成本的减低、GIS中电子地图的丰富和美国SA政策的取消，使得应用GPS浮动车数据进行交通状态数据实时更新成为可能。但精确导航不仅需要这些数据，更重要的是，怎样提高现有数据的定位精度[2]。尤其在城市区域，由于高楼、高架桥和树木等地物的遮蔽和反射，使得GPS实时定位精度进一步降低，特别是由于漂移产生的错误数据。而复杂的城市路网，也为GPS浮动车的精确定位提出难题。怎样解决浮动车数据与GIS地图的匹配精度已成为限制浮动车数据应用的瓶颈问题。2.浮动车数据预处理采集浮动车数据时，由于受各种随机因素的影响，如GPS信号较弱、无线传输错误、建筑物和树木的遮挡等，难免出现数据错误和数据丢失的情况。为了降低非正常数据带来的影响，须对数据进行预处理，完成错误数据的识别或丢失数据的修复。2.1数据过滤数据过滤是指通过对原始数据的有效性、合理性和一致性等进行检验，识别并剔除错误的或不合要求的数据。常用的两种数据过滤方法是：阈值检验法和基于交通流理论的检验方法[3]。阈值检验法是指事先为检测数据设定可能的最大值和最小值，凡是超出阈值范围的数据均为错误数据。例如，对于浮动车采集到某点的瞬时速度vp，其检验方法是判断其是否满足：0≤≤⋅vfvpvmax，其中0和vmax为瞬时速度的阈值，fv为不同类型道路的阈值修正系数。由于GPS设备采集到的数据的坐标为经纬度值，但如果阈值只检验速度，所以可以先1本课题得到了高等学校博士学科点专项科研基金(20050417001)和辽宁工程技术大学地理空间信息技术实验室开放基金（06269）资助。-1-http://www.paper.edu.cn通过阈值法进行检验和过滤，然后再进行电子地图的匹配，对于虽然没有超过阈值但无法与相应的道路进行匹配、或存在车辆运行轨迹明显错误等情况的数据，认为是不合要求数据。基于交通流理论的检验方法是指根据流量、速度和占有率等参数之间的基本关系，对错误数据进行联合判断。例如，若几个采样数据点中车辆经纬度值未发生变化，而车辆瞬时速度却较高，则采样数据必然存在错误。对于经检验判定为错误或不合要求的数据，可以采取以下两种处理办法：一是将其剔除，这种方法适用于仅有少量错误数据的情况；二是对数据进行修复，根据数据之间的相关性（如相邻检测数据、其它浮动车的数据等）将数据还原为其本该拥有的数值或其近似值。2.2数据修复对于错误或丢失的数据，可采用以下方法进行修复：（1）插值法：利用浮动车的相邻采样数据，用线性或非线性插值法来对数据进行修复。例如，用相邻采样数据点的平均值对数据进行修复，即：yyt=−++[(1)yt(1)]/2，式中y为被修复数据，yt(1)−和yt(1)+为相邻采样点的数据[4]。（2）历史数据法：利用相关的历史数据（如前数分钟的数据）对当前数据进行修复。在历史数据丰富的情况下，既要考虑星期几，也要考虑天气变化、法定假日，特殊事件等因素的影响。3.匹配算法地图匹配算法最终都是把浮动车采集到的点转换到道路网上。点的转换普遍采用的点向匹配路段投影的方式，当然也有采用等距法的。但不管那种方法，寻找投影路段都是匹配算法的核心。由于线-线匹配中存在距离定义困难，求解过程计算相对复杂，最关键是其滞后性在动态诱导中是很难接受的[5-6]。而点-线匹配也有其不可避免的缺点，故本文综合上述两种算法