地图匹配是智能交通系统中的核心技术之一,旨在将GPS轨迹数据映射至城市路网上,消除定位误差并还原实际行驶路径。随着GPS轨迹数据量的爆炸性增长,传统的基于隐马尔可夫模型(HMM)的地图匹配方法因高计算成本和时序依赖性问题,难以满足...地图匹配是智能交通系统中的核心技术之一,旨在将GPS轨迹数据映射至城市路网上,消除定位误差并还原实际行驶路径。随着GPS轨迹数据量的爆炸性增长,传统的基于隐马尔可夫模型(HMM)的地图匹配方法因高计算成本和时序依赖性问题,难以满足实时处理要求。为此,提出了一种基于轨迹微分段模型的快速地图匹配方法(Micro-Segment Fast Matching,MSFM)。该方法基于滑动窗口机制,将轨迹分解为固定长度的微轨迹段,在分布式计算环境中利用向量化计算方法,在兼顾地图匹配准确性的条件下大幅度提升了计算效率。实验结果表明,在给定的分布式集群环境下,MSFM实现了约110000点/秒的地图匹配速度,比基准算法快约7倍,同时保持了95.86%的匹配准确率。MSFM方法通过改进轨迹数据的存储结构,在高效实时处理大规模轨迹数据方面具有显著的性能优势。展开更多
文摘地图匹配是智能交通系统中的核心技术之一,旨在将GPS轨迹数据映射至城市路网上,消除定位误差并还原实际行驶路径。随着GPS轨迹数据量的爆炸性增长,传统的基于隐马尔可夫模型(HMM)的地图匹配方法因高计算成本和时序依赖性问题,难以满足实时处理要求。为此,提出了一种基于轨迹微分段模型的快速地图匹配方法(Micro-Segment Fast Matching,MSFM)。该方法基于滑动窗口机制,将轨迹分解为固定长度的微轨迹段,在分布式计算环境中利用向量化计算方法,在兼顾地图匹配准确性的条件下大幅度提升了计算效率。实验结果表明,在给定的分布式集群环境下,MSFM实现了约110000点/秒的地图匹配速度,比基准算法快约7倍,同时保持了95.86%的匹配准确率。MSFM方法通过改进轨迹数据的存储结构,在高效实时处理大规模轨迹数据方面具有显著的性能优势。
