基于GPS浮动车数据的矢量地图校正算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (17): 239-243.

基于GPS浮动车数据的矢量地图校正算法

赵敏，廖孝勇，孙棣华，毕俊杰，赖云波

重庆大学自动化学院，重庆 400044

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-11 发布日期:2011-06-11

Algorithm of map-adjusting for vector map based on GPS probe vehicle data clustering

ZHAO Min，LIAO Xiaoyong，SUN Dihua，BI Junjie，LAI Yunbo

College of Automation，Chongqing University，Chongqing 400044，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-11 Published:2011-06-11

摘要/Abstract

摘要： 针对矢量数字地图生成过程中产生的误差以及传统校正算法精度低、无法校正拓扑错误等不足，提出通过对GPS浮动车数据进行聚类分析，提取GPS浮动车数据中隐含的道路节点位置信息，对道路图层进行校正的算法。应用该算法，在VB6.0开发环境和MapInfo二次开发控件MapX支持下，实现了重庆市江北区道路图层中部分快速路的校正，校正后的道路通过与Google Earth比较，发现校正后道路图层拓扑明显比校正前更加吻合实际的道路拓扑。与传统常规方法相比，该算法无需选取控制点信息，能够很好地修正路网拓扑错误，适合实际应用中的复杂情形。

关键词: 地图校正, 聚类分析, 地图匹配, 地理信息系统（GIS）, MapX

Abstract: Considering the error generated in vector map producing and the deficit of topology-adjusting and low precision of traditional algorithm，a clustering method based on probe vehicle data is proposed to adjust the road map layer in which road-nodes have been matched.Through application of the algorithm presented，the map-adjusting of road map layer of core area of Jiangbei in Chongqing is achieved in the VB6.0 development environment with MapX control.Compared with Google Earth，the road layer topology after corrected is more consistent to the actual road topology than the road layer topology before corrected.This algorithm is proved capable of adjusting the topology and improving the precision obviously.

Key words: map adjusting, clustering analysis, map matching, Geographic Information System（GIS）, MapX

赵敏，廖孝勇，孙棣华，毕俊杰，赖云波. 基于GPS浮动车数据的矢量地图校正算法[J]. 计算机工程与应用, 2011, 47(17): 239-243.

ZHAO Min，LIAO Xiaoyong，SUN Dihua，BI Junjie，LAI Yunbo. Algorithm of map-adjusting for vector map based on GPS probe vehicle data clustering[J]. Computer Engineering and Applications, 2011, 47(17): 239-243.

[1]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[2]	安宁，江思源，唐晨，杨矫云. 融合单纯形映射与熵加权的聚类方法[J]. 计算机工程与应用, 2020, 56(9): 148-155.
[3]	衣俊艳，杜小鹏. 具有中心移动特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(24): 50-58.
[4]	衣俊艳，吴博雅，雍巧玲. 具有加权特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(22): 55-65.
[5]	罗计根，杜建强，聂斌，李欢，聂建华，陈裕凤. 一种聚类欠采样策略的随机森林优化方法[J]. 计算机工程与应用, 2020, 56(22): 166-172.
[6]	马京晖，潘巍，王茹. 基于K-means聚类的三维点云分类[J]. 计算机工程与应用, 2020, 56(17): 181-186.
[7]	蒋世豪，江洪. 基于GDAL的遥感图像变化检测技术[J]. 计算机工程与应用, 2020, 56(16): 169-175.
[8]	贾露，张德生，吕端端. 物理学优化的密度峰值聚类算法[J]. 计算机工程与应用, 2020, 56(13): 47-53.
[9]	陈胜发，贾瑞玉. 基于残差和密度网格的簇心自确认聚类算法[J]. 计算机工程与应用, 2020, 56(12): 149-155.
[10]	黄建新，袁杰. 三维空间机器人主动嗅觉烟羽源自主定位策略[J]. 计算机工程与应用, 2020, 56(12): 223-230.
[11]	雍巧玲，衣俊艳. 具有动态特性的聚类弹性网络算法研究[J]. 计算机工程与应用, 2019, 55(8): 102-109.
[12]	余炳光，刘冬梅. 特征逐减的可能性模糊聚类算法[J]. 计算机工程与应用, 2019, 55(19): 58-65.
[13]	王阳，唐朝晖，王紫勋，牛亚辉. 选用改进高斯过程回归模型的碳排放短期预测[J]. 计算机工程与应用, 2018, 54(23): 246-251.
[14]	宋飞豹，贾瑞玉. 精英遗传K-medoids聚类算法[J]. 计算机工程与应用, 2018, 54(22): 144-149.
[15]	黄小红，赵逢禹. 利用分支路径差异分析的故障定位研究[J]. 计算机工程与应用, 2018, 54(13): 246-251.