一种面向低频数据的多组信息提取地图匹配算法

探路车辆的日益使用产生了海量GNSS数据。受卫星定位技术限制，进一步提升地图匹配精度是一项具有挑战性的工作，尤其对于低频轨迹。在匹配一条轨迹时，本车本次行程的时空信息数据量最少却最有价值。此外还存在大量其他数据，例如其他车辆的状态与历史预测结果，但难以提取有用信息用于地图匹配与路径推断。多数地图匹配研究仅使用本车数据而忽略其他车辆数据。基于此，本文设计了一种充分利用“大数据”的新地图匹配方法。我们首先按与当前匹配探路车时空距离将所有数据分为四组，从而可依据有用性排序。随后设计三种不同方法从中提取有价值信息（分数）：速度与方位分数、历史使用分数，以及利用谱图马尔可夫中性网络得到的交通状态分数。最后，我们采用改进的Top-K最短路方法在椭圆区域内搜索候选路径，并利用融合分数推断路径（投影位置）。我们使用中国真实数据集对比基线算法测试了所提方法。结果表明所有打分方法均能提升地图匹配精度。此外，我们的方法优于其他算法，尤其在GNSS探测频率低于0.01 Hz时。