基于Fréchet距离准则的智能地图匹配算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (28): 223-226.

基于Fréchet距离准则的智能地图匹配算法

曹凯¹,唐进君¹,刘汝成²

1.山东理工大学交通与车辆工程学院,山东淄博 255049
2.山东省胶州市公安局机动车检测站,山东胶州 266300

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-01 发布日期:2007-10-01
通讯作者: 曹凯

Intelligent map-matching algorithm using Fréchet distance measure based

CAO Kai¹,TANG Jin-jun¹,LIU Ru-cheng²

1.College of Traffic & Vehicle Engineering,Shandong University of Technology,Zibo,Shandong 255049,China
2.Automobile Detecting Station of Jiaozhou City,Shandong Province,Jiaozhou,Shandong 266300,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-01 Published:2007-10-01
Contact: CAO Kai

摘要/Abstract

摘要： 为克服地图匹配过程中当前定位点信息不足的缺点,充分利用导航定位的历史轨迹信息,在分析了一些常见匹配算法后,引入了Fréchet距离来定义两曲线间的距离,并且通过设计了一种智能云模型控制器对地图匹配这种具有高度不确定性的算法进行了云规则推理,最后推导出可信度P作为地图匹配效果的评价指标,这种算法不仅能够在出现匹配错误时为使用者提供警告信息,而且还提供了一种能迅速从错误中调整恢复的方法。试验表明,当利用当前定位点信息并与历史轨迹信息结合进行匹配时,匹配的总体精度要优于只利用当前定位点信息的情况。

关键词: 导航定位, Fréchet距离准则, 地图匹配, 云模型

Abstract: To overcome the lack in data of current location and utilizes effectively historical information,a Fréchet distance measure is introduced for defining a distance between two curves on the basis of analyzing some previous map-matching algorithm and distance measures.And a cloud controller was designed to perform the uncertain cloud reasoning for map-matching algorithm,which have a higher degree of uncertainty related with the map-matched locations.Then,the credibility P is derived as an estimate index of map-matching.This algorithm could provide a warning to user and a means of fast recovery from failure.The results of the experiments demonstrated that the total matching preciseness of the proposed algorithm is better than that of the current position matching.

Key words: vehicle navigation, Fréchet distance measure, map-matching, cloud model

曹凯¹,唐进君¹,刘汝成². 基于Fréchet距离准则的智能地图匹配算法[J]. 计算机工程与应用, 2007, 43(28): 223-226.

CAO Kai¹,TANG Jin-jun¹,LIU Ru-cheng². Intelligent map-matching algorithm using Fréchet distance measure based[J]. Computer Engineering and Applications, 2007, 43(28): 223-226.

[1]	王丽丽，申燚，徐玉松，袁明新. 融合云模型和反向学习的克隆选择算法[J]. 计算机工程与应用, 2021, 57(17): 68-74.
[2]	谢晖，李松月，孙永河，韩玮. 基于云模型求解属性权重的DEMATEL方法研究[J]. 计算机工程与应用, 2018, 54(7): 257-263.
[3]	徐士东，耿秀丽，董雪琦. 基于云模型的改进FMEA风险评估方法[J]. 计算机工程与应用, 2018, 54(2): 228-233.
[4]	纪蕾1，郭树荣2，丛旭辉3，刘彩霞1. 基于OWA算子和可拓云模型的PPP项目绩效评价——以经营性PPP项目为研究对象[J]. 计算机工程与应用, 2018, 54(16): 220-226.
[5]	肖子涵，耿秀丽，徐士东. 基于云模型的不确定性大群体多属性决策方法[J]. 计算机工程与应用, 2018, 54(11): 254-259.
[6]	李珣1，2，邓乾旺2，刘俊武2. 不确定条件下报废汽车回收率云模型仿真研究[J]. 计算机工程与应用, 2018, 54(10): 256-266.
[7]	常红伟1，夏克文1，2，白建川1，2，牛文佳1，武盼盼1. 采用云量子PSO的属性约简方法[J]. 计算机工程与应用, 2018, 54(10): 99-104.
[8]	崔丽群，黄殿平，宋晓. 基于云模型鱼群算法的多阈值图像分割研究[J]. 计算机工程与应用, 2017, 53(6): 204-208.
[9]	郑皎1，2，章恒全1，焦俊3，徐士东4，肖子涵4. 云模型与VIKOR集成的多属性群决策方法[J]. 计算机工程与应用, 2017, 53(24): 94-99.
[10]	陈志旺1，黄兴旺2，陈志兴3，赵子铮2，黄丽芳4. 区间多目标优化非支配排序云模型算法[J]. 计算机工程与应用, 2017, 53(22): 143-149.
[11]	柳赛男. 仓库物料运输系统多目标调度方法[J]. 计算机工程与应用, 2017, 53(18): 224-229.
[12]	冯彦卿，王伦文. 基于构造型云神经网络的电磁环境评估方法[J]. 计算机工程与应用, 2017, 53(16): 211-215.
[13]	唐顺彪，卢元元. 基于路径表的室内地图匹配方法[J]. 计算机工程与应用, 2016, 52(21): 222-228.
[14]	李絮，刘争艳. 基于云模型的模糊自适应蚁群算法研究[J]. 计算机工程与应用, 2016, 52(2): 24-27.
[15]	刘争艳，李絮，王慧玲. 基于云模型的自适应蚁群算法改进研究[J]. 计算机工程与应用, 2016, 52(19): 68-71.