论文部分内容阅读
车联网在国内外的应用己经越来越广泛。通过车联网的终端,可以采集到位置、速度、时空、“三急”(急加速、急减速和急拐弯)等驾驶行为数据,基于以上数据,可以开展基于驾驶行为的保险(pay as your drive,PAYD)应用服务。而在PAYD应用中,一个关键的技术是地图匹配(map matching,MM),即将GPS轨迹与GIS路网相匹配得到车辆的历史轨迹。然而,由于一些车联网应用场景的特殊性,如交通运输部的“两客一危”全国车辆监管平台,该平台的GPS数据一般每30s发送一次,采样频率较低,并且由于GPS自身的定位误差,采用已有的MM算法难以将GPS数据和GIS路网进行精确的匹配。因此,本文针对低采样频率的车辆轨迹数据,同时考虑算法的适用范围,设计了一种基于优先级规则的地图匹配算法(map matching based on priority rule,MMPR),并基于MMPR算法开发了一个面向PAYD的地图匹配应用系统,为PAYD应用服务的开展提供数据支撑。本文的主要研究内容如下:(1)设计和验证MMPR算法。首先,通过分析和比较速度方向与道路通行方向的夹角、点到路段的最近距离、道路可达性三个因素的特点,论证了速度方向角因素比点到路段最近距离因素的优先级要高,而道路可达性是可以忽略的因素。然后,设计了一种精准计算速度与道路通行方向夹角的计算规则。该规则基于点到候选路段最近点的位置信息,绘制曲线在该点的切线,再综合考虑道路通行类型,最终确定了道路通行方向与速度方向的夹角。接下来,设计了一种车辆轨迹寻优的计算方法,该方法基于空间元素的拓扑关系,可以快速的得到车辆的轨迹信息。最后,在数据预处理的基础上,考虑GPS采样频率对匹配精度的影响,设置两组实验验证该算法的有效性。实验结果表明该算法能够适用多种采样频率的定位数据,匹配精度达到98%,处理速度达到60个/s,且与其他算法具有可比性。(2)设计和开发面向PAYD应用的地图匹配系统。首先,基于对系统业务需求的分析,确定系统的总体功能结构和业务流程。然后,基于数据特征,设计了GPS数据库表、GIS电子地图数据库表和中间计算表。接下来,基于.Net framework组件和ArcGIS Engine接口类,设计并开发面向PAYD的地图匹配系统。最后,通过该系统获取了 PAYD应用服务所需的里程、超速、道路类型和驾驶时间时段分布共4个驾驶行为数据。