滕志軍，曲兆強(qiáng)，郭素陽(yáng)，于 明，付 饒，井梓鑒

（1.東北電力大學(xué)信息工程學(xué)院，吉林吉林132012；2.中交天和機(jī)械設(shè)備制造有限公司，江蘇蘇州215000；3.國(guó)網(wǎng)吉林供電公司，吉林吉林132001）

基于多屬性融合策略的車(chē)載導(dǎo)航地圖匹配算法

滕志軍1，曲兆強(qiáng)1，郭素陽(yáng)2，于 明3，付 饒3，井梓鑒3

（1.東北電力大學(xué)信息工程學(xué)院，吉林吉林132012；2.中交天和機(jī)械設(shè)備制造有限公司，江蘇蘇州215000；3.國(guó)網(wǎng)吉林供電公司，吉林吉林132001）

目前直接投影算法常用于嵌入式車(chē)載系統(tǒng)，但其時(shí)效性以及精確性不能滿(mǎn)足日益復(fù)雜的城市道路網(wǎng)絡(luò).針對(duì)傳統(tǒng)算法檢索復(fù)雜道路耗時(shí)多等問(wèn)題，提出了基于多屬性融合策略的車(chē)載導(dǎo)航地圖匹配算法，提高了嵌入式車(chē)載地圖匹配算法的時(shí)效性，算法采用等步長(zhǎng)分塊策略，建立分塊網(wǎng)格索引減少篩選候選區(qū)域時(shí)間，從而提高算法的時(shí)效性；通過(guò)引入車(chē)輛行駛速度和歷史匹配程度改進(jìn)基于權(quán)重的直接投影算法，使用多屬性融合策略確定匹配算法權(quán)重因子，提高地圖匹配的準(zhǔn)確性.結(jié)果表明：該地圖匹配算法能夠快速、準(zhǔn)確地匹配出行駛路徑，單點(diǎn)匹配時(shí)間降低至15 ms，復(fù)雜道路下，匹配準(zhǔn)確率達(dá)到90%以上，能較好地適應(yīng)于城市復(fù)雜道路網(wǎng).

智能交通；地圖匹配；融合策略；車(chē)載；匹配程度

目前，由定位導(dǎo)航系統(tǒng)得到的定位數(shù)據(jù)存在難以避免的誤差，例如接收機(jī)內(nèi)部噪聲、無(wú)法修正的傳播延遲誤差等［1］，為了消除定位誤差，提高定位準(zhǔn)確性和可靠性，需引進(jìn)有效的地圖匹配算法［2］.地圖匹配技術(shù)［3］是利用軟件的方法，將定位點(diǎn)數(shù)據(jù)匹配到車(chē)載導(dǎo)航地圖的道路網(wǎng)絡(luò)中，從而確定車(chē)輛在導(dǎo)航地圖上的準(zhǔn)確位置.目前多數(shù)地圖匹配算法的基本步驟：① 按照一定的篩選準(zhǔn)則確定車(chē)輛當(dāng)前行駛的道路；② 利用投影方式將定位點(diǎn)匹配到道路，獲取車(chē)輛的準(zhǔn)確位置信息［4－5］.文獻(xiàn)［6］采用直接投影法將定位數(shù)據(jù)點(diǎn)直接投影到道路網(wǎng)絡(luò)，該方法具有易于實(shí)現(xiàn)等優(yōu)點(diǎn)，但是，定位數(shù)據(jù)本身的誤差使得該方法存在可靠性不足的弊端.文獻(xiàn)［7－8］提出了基于拓?fù)潢P(guān)系的地圖匹配算法，此方法對(duì)電子地圖精確度有較強(qiáng)的依賴(lài)性，特別在道路交叉路口，易出現(xiàn)匹配錯(cuò)誤的狀況.文獻(xiàn)［9］采用模糊神經(jīng)網(wǎng)絡(luò)建立一種新型算法模型，能夠較好地提高匹配的穩(wěn)定性和時(shí)效性，同時(shí)也存在著實(shí)現(xiàn)難度較大，不適合車(chē)載嵌入式系統(tǒng)的問(wèn)題.文獻(xiàn)［10］提出了基于多權(quán)值的概率論匹配算法，該算法依據(jù)接收到的定位數(shù)據(jù)設(shè)置一個(gè)置信區(qū)域，利用概率準(zhǔn)則選出道路匹配信息，此種算法對(duì)地圖和定位數(shù)據(jù)精度具有較強(qiáng)的依賴(lài)性，存在穩(wěn)定性較差的缺點(diǎn).導(dǎo)航地圖匹配算法的性能指標(biāo)主要分為精確性、時(shí)效性和穩(wěn)定性3個(gè)方面［11－12］.精確性是由匹配算法的誤差、接收的定位數(shù)據(jù)誤差等方面決定；時(shí)效性體現(xiàn)在獲取匹配位置點(diǎn)的時(shí)間長(zhǎng)短；穩(wěn)定性取決于匹配算法的穩(wěn)定以及接收的定位數(shù)據(jù)穩(wěn)定2個(gè)部分.綜合上述性能，筆者提出一種新型的地圖匹配算法，該算法包括2個(gè)部分：①對(duì)導(dǎo)航地圖分塊處理，縮短搜尋匹配路段區(qū)域時(shí)間，提高系統(tǒng)的時(shí)效性；②采用改進(jìn)的直接投影算法，將距離、速度以及方向偏角等因素預(yù)處理，能夠有效地提高地圖匹配的精確性和穩(wěn)定性.

1 導(dǎo)航地圖分塊處理

通過(guò)對(duì)導(dǎo)航地圖進(jìn)行分塊處理，能夠有效減小搜尋道路網(wǎng)的數(shù)據(jù)規(guī)模，縮短獲取匹配路段區(qū)域的時(shí)間，顯著提高系統(tǒng)的時(shí)效性.因此，采用等步長(zhǎng)的網(wǎng)格劃分方式，建立路段信息的網(wǎng)格索引，定位點(diǎn)匹配過(guò)程中僅需考慮定位點(diǎn)周?chē)?×3網(wǎng)格（依據(jù)行駛區(qū)域設(shè)定）中的路段信息，有效提高了地圖匹配過(guò)程的時(shí)效性.

建立網(wǎng)格坐標(biāo)系，選取地圖網(wǎng)絡(luò)中的任意一點(diǎn)為坐標(biāo)原點(diǎn)O，以l（依據(jù)工程經(jīng)驗(yàn)一般選取200 m）為邊長(zhǎng)劃分網(wǎng)格，以G（gx，gy）為分塊網(wǎng)格索引號(hào).若定位點(diǎn)為P（i，j），則定位點(diǎn)的網(wǎng)格索引號(hào)為

道路網(wǎng)格分塊索引如圖1所示，將定位點(diǎn)P（i，j）周?chē)?×3的網(wǎng)格設(shè)置為搜索遍歷區(qū)域，區(qū)域內(nèi)的道路為候選匹配路段，分別建立對(duì)應(yīng)的網(wǎng)格索引號(hào).

圖1 道路網(wǎng)格分塊索引

2 地圖匹配算法

通過(guò)對(duì)道路網(wǎng)的分塊處理，使得定位數(shù)據(jù)能夠快速確定其候選道路區(qū)域，綜合利用地圖匹配算法，達(dá)到快速定位的目的.由于車(chē)載嵌入式定位導(dǎo)航系統(tǒng)硬件等因素的限制，設(shè)備計(jì)算開(kāi)銷(xiāo)有限，因此相對(duì)簡(jiǎn)單、計(jì)算復(fù)雜度較低的直接投影地圖匹配算法符合要求.由于傳統(tǒng)的直接投影方法一般考慮將定位數(shù)據(jù)點(diǎn)到候選路段的距離和車(chē)輛行駛方向與候選道路的方向夾角等因素，通過(guò)加權(quán)計(jì)算來(lái)確定匹配路段.傳統(tǒng)方式存在著算法過(guò)于簡(jiǎn)易、穩(wěn)定性相對(duì)較差、權(quán)重因子需人工設(shè)置、缺少科學(xué)理論依據(jù)等問(wèn)題.文中通過(guò)引進(jìn)車(chē)輛行駛速度和歷史匹配程度2個(gè)因素，采用多屬性決策方法確定權(quán)重因子，從而提高直接投影方法的穩(wěn)定性及精確性.

車(chē)輛行駛軌跡與候選道路的匹配程度為

式中：α為定位點(diǎn)到候選路段的距離權(quán)重系數(shù)；D為定位點(diǎn)到候選道路的距離；β為方向偏角的權(quán)重系數(shù)；θ為車(chē)輛行駛方向與候選路段的方向偏角；γ為行駛速度的權(quán)重系數(shù)；v為車(chē)輛行駛的速度；λ為歷史匹配程度權(quán)重系數(shù)；W′為歷史匹配程度.

現(xiàn)實(shí)道路網(wǎng)中存在很多弧段，道路網(wǎng)比較復(fù)雜，直接投影會(huì)出現(xiàn)如圖2所示的錯(cuò)誤情況.定位點(diǎn)P向弧段S做投影，投影點(diǎn)R落到弧段端點(diǎn)AB的連接線(xiàn)上，造成了錯(cuò)誤的投影.因此需要進(jìn)行弧段分割處理，將弧段分割成更小的線(xiàn)段，并將線(xiàn)段信息提取出來(lái)，作為候選匹配路段.

圖2 弧段道路投影

3 算法參數(shù)設(shè)定

由于本算法涉及到定位點(diǎn)到候選路段的距離、車(chē)輛行駛方向與候選路段的方向偏角以及車(chē)輛行駛速度等參數(shù)，不同參數(shù)的度量單位不統(tǒng)一為確定當(dāng)前定位點(diǎn)到候選路段的匹配程度帶來(lái)了麻煩.因此，提出一種新型的參數(shù)設(shè)置方法，有效解決算法參數(shù)不統(tǒng)一的問(wèn)題，降低系統(tǒng)計(jì)算開(kāi)銷(xiāo)，提高系統(tǒng)的匹配性能.

3.1 距離參數(shù)設(shè)定

第j個(gè)定位點(diǎn)到第i條候選路段的距離為dij，通常分為2種情況：①經(jīng)定位點(diǎn)P作候選路段AB的垂線(xiàn)，垂足R落在候選路段，垂線(xiàn)長(zhǎng)度為d1；②過(guò)定位點(diǎn)P做候選路段AB的垂線(xiàn)，垂足R處于路段的延長(zhǎng)線(xiàn)上，則定位點(diǎn)到候選路段的距離為定位點(diǎn)到路段端點(diǎn)最近的距離d2.定位點(diǎn)j到候選路段i的距離dij如圖3所示.

圖3 定位點(diǎn)到候選路段的距離

定位點(diǎn)到候選路段的距離為

由于目前導(dǎo)航定位系統(tǒng)的精度為10 m左右，則設(shè)置定位點(diǎn)到候選路段的距離dij時(shí)，門(mén)限值選取10 m較合適.依據(jù)概率分布3倍標(biāo)準(zhǔn)差的原則，考慮到城市道路網(wǎng)的實(shí)際情況，最大距離選取30 m，當(dāng)定位點(diǎn)到候選路段的距離大于30 m時(shí)，則認(rèn)為定位點(diǎn)不會(huì)匹配到該候選路段.

3.2 方向偏角參數(shù)設(shè)定

城市道路網(wǎng)信息復(fù)雜多樣，如車(chē)輛行駛于交叉路口，由定位距離確定候選路段會(huì)出現(xiàn)錯(cuò)誤匹配的情況，則依據(jù)航偏角判斷候選路段會(huì)較為準(zhǔn)確.現(xiàn)定義平角八等分，數(shù)字1表示0°到22.5°，數(shù)字2表示22.5°到45.0°，依次類(lèi)推.如圖4所示，道路線(xiàn)AB對(duì)應(yīng)的值為1，BC對(duì)應(yīng)的值為2，車(chē)輛行駛路線(xiàn)P1P2為1，P2P3為1，P3P4值為2.

圖4 定位點(diǎn)道路示意圖

為了篩選出候選路段，引入航偏差：

式中：a1為車(chē)輛行駛方向值；a2為道路方向值.

通過(guò)航偏差得出車(chē)輛行駛方向與候選路段的方向偏角為

考慮到航偏差作為車(chē)輛行駛方向與候選路段的方向偏角的判斷標(biāo)準(zhǔn)時(shí)，Δ取值相對(duì)較小，車(chē)輛方向偏角得出的匹配結(jié)果越精確，則航偏差小于1時(shí)，方向偏角參數(shù)取到最大值1.考慮到航偏差大于6時(shí)，車(chē)輛相當(dāng)于掉頭行駛，則方向偏角不能作為匹配因數(shù).

3.3 車(chē)輛行駛速度參數(shù)設(shè)定

現(xiàn)城市交通路段大多數(shù)有速度限制，當(dāng)匹配車(chē)輛無(wú)法確定車(chē)輛候選路段時(shí)，可以依據(jù)車(chē)輛行駛速度、道路網(wǎng)信息篩選出符合條件的匹配路段.然而，依據(jù)車(chē)輛在某一時(shí)刻的瞬時(shí)速度無(wú)法做出判斷，則需要車(chē)輛第i時(shí)刻和前一個(gè)時(shí)刻i－1的平均速度：

式中：li為車(chē)輛由i－1時(shí)刻行駛到i時(shí)刻的距離；ti－1→i為行駛時(shí)間.

當(dāng)接收到定位點(diǎn)數(shù)據(jù)后，經(jīng)過(guò)計(jì)算可得車(chē)輛行駛速度，通過(guò)對(duì)候選區(qū)域內(nèi)道路網(wǎng)速度信息限制條件比對(duì)，當(dāng)v小于候選道路速度限制條件時(shí)，設(shè)置其參數(shù)為1；否則，認(rèn)為車(chē)輛不會(huì)行駛在該路段，其參數(shù)設(shè)置為0，綜合利用道路網(wǎng)信息能夠更加有效地篩選出候選匹配路段.

3.4 歷史匹配程度參數(shù)設(shè)定

當(dāng)前匹配路段與歷史匹配路段有關(guān)，候選路段的歷史匹配程度越高，下一時(shí)刻匹配到該路段的可能性就越大.

歷史匹配程度為

式中：Wik為第k個(gè)定位點(diǎn)到第i條候選路段的匹配程度，由式（2）可以得出；j為當(dāng)前定位點(diǎn)數(shù)，j－1為歷史定位點(diǎn)數(shù).

歷史匹配程度W′采用取平均的方式計(jì)算得出.

3.5 算法參數(shù)權(quán)重設(shè)定

傳統(tǒng)算法權(quán)重因子由人工主觀(guān)確定，使得匹配結(jié)果差異性較大，穩(wěn)定性較弱，因此采用多屬性決策方法來(lái)確定權(quán)重系數(shù)，較大程度地提高匹配的穩(wěn)定性.考慮到距離因素d和方向偏角θ與候選路段的性質(zhì)可以采用多屬性決策方法來(lái)確定權(quán)重因子.然而車(chē)輛行駛速度由道路網(wǎng)信息決定，則可以設(shè)置：當(dāng)車(chē)輛行駛速度參數(shù)為1時(shí)，其權(quán)重因子也設(shè)置為1；當(dāng)車(chē)輛行駛速度參數(shù)為0時(shí)，其權(quán)重因子設(shè)置為0.歷史匹配程度W′與之前的匹配程度有關(guān)，則其權(quán)重因子λ可以設(shè)置為

定義ρij為第i條候選路段的第j個(gè)屬性值，根據(jù)上文權(quán)重因子的設(shè)置可知j分為2種情況，現(xiàn)定義ρi1為第i條候選路段對(duì)應(yīng)的定位點(diǎn)到該候選路段的距離屬性值，ρi2為第i條候選路段對(duì)應(yīng)的方向偏角屬性值.設(shè)區(qū)域內(nèi)有m個(gè)候選路段，相應(yīng)的評(píng)價(jià)定義為

定義ψj為第j個(gè)屬性對(duì)應(yīng)的權(quán)重系數(shù)，j＝1時(shí)，ψj為定位點(diǎn)到候選路段的距離權(quán)重系數(shù)α；j＝2時(shí)，ψj為方向偏角的權(quán)重系數(shù)β.

由設(shè)定好的參數(shù)計(jì)算出各定位點(diǎn)對(duì)應(yīng)候選路段的匹配程度，選取匹配程度最大的候選路段作為匹配路段，再采用垂直投影得出匹配點(diǎn)，完成整個(gè)匹配過(guò)程.

4 仿真結(jié)果分析

地圖匹配算法以時(shí)效性、準(zhǔn)確性作為判斷標(biāo)準(zhǔn)，為了驗(yàn)證所提出的算法的性能，將本算法以編程語(yǔ)言實(shí)現(xiàn)，應(yīng)用于仿真測(cè)試系統(tǒng)中.該系統(tǒng)可以模擬城市復(fù)雜區(qū)域道路網(wǎng)信息，經(jīng)過(guò)坐標(biāo)轉(zhuǎn)換，將道路網(wǎng)信息顯示于二維坐標(biāo)系中，模擬定位數(shù)據(jù)點(diǎn)進(jìn)行匹配并在模擬地圖中顯示出匹配結(jié)果.模擬地圖包含平行路段、交叉路段等復(fù)雜道路網(wǎng)絡(luò)，可以有效驗(yàn)證提出的匹配算法的性能.通過(guò)對(duì)嵌入式車(chē)載常用的3種地圖匹配算法仿真比較分析，驗(yàn)證了提出的匹配算法的時(shí)效性、準(zhǔn)確性較優(yōu).

4.1 算法仿真比較分析

為了比較提出的匹配算法的性能，分別對(duì)傳統(tǒng)的直接投影地圖匹配算法與D S匹配算法和與GPS／DR組合導(dǎo)航的地圖粗匹配算法進(jìn)行匹配統(tǒng)計(jì)分析.對(duì)4種地圖匹配算法的單點(diǎn)匹配時(shí)間仿真統(tǒng)計(jì)比較如圖5，6所示.

圖5 文中算法與GPS／DR粗匹配算法單點(diǎn)匹配時(shí)間比較

圖6 直接投影與D S匹配算法單點(diǎn)匹配時(shí)間比較

為了驗(yàn)證地圖匹配算法時(shí)效性性能指標(biāo)，從不同的候選路段隨機(jī)選取240個(gè)定位匹配點(diǎn)，對(duì)各個(gè)匹配點(diǎn)的匹配時(shí)間進(jìn)行統(tǒng)計(jì)分析.由圖5可以看出：提出的匹配算法單點(diǎn)定位時(shí)間約為15 ms，GPS／DR組合粗匹配算法單點(diǎn)定位時(shí)間為21ms左右；由圖6可以看出：直接投影地圖匹配算法單點(diǎn)定位時(shí)間與D S匹配算法相當(dāng)，約為50 ms.由仿真統(tǒng)計(jì)可以得出，文中提出的地圖匹配算法單點(diǎn)匹配時(shí)間較小、算法的時(shí)效性較優(yōu).

通過(guò)選取單一路段、平行路段、交叉路段以及相對(duì)復(fù)雜的組合路段對(duì)4種不同的地圖匹配算法的匹配準(zhǔn)確率進(jìn)行統(tǒng)計(jì)比較，如圖7所示.

圖7 不同候選路段匹配算法準(zhǔn)確率比較

從圖7可以看出：?jiǎn)我宦范胃髌ヅ渌惴ㄆヅ錅?zhǔn)確率相當(dāng)，當(dāng)車(chē)輛行駛?cè)肫叫新范?、交叉路段以及?fù)雜的組合路段時(shí)，文中提出的地圖匹配算法相對(duì)于其他算法匹配準(zhǔn)確率較高，則該算法的準(zhǔn)確性較好，能夠更好地適應(yīng)日益復(fù)雜的城市道路網(wǎng)絡(luò).

4.2 算法模擬驗(yàn)證

為了使算法更具有說(shuō)服力，選取復(fù)雜程度相對(duì)較高的城市道路網(wǎng)作為仿真模擬的區(qū)域，其定位點(diǎn)匹配仿真模擬的結(jié)果如圖8所示.“☆”為模擬定位點(diǎn)，“o”為車(chē)輛的匹配位置點(diǎn).

圖8 算法模擬仿真圖

從圖8可以看出：提出的匹配算法能夠較為準(zhǔn)確地匹配車(chē)輛真實(shí)位置，但是，當(dāng)車(chē)輛行駛于道路交叉路口時(shí)，該匹配算法依然會(huì)受到影響，雖然能夠較為準(zhǔn)確匹配車(chē)輛行駛路段，但路口交叉處會(huì)出現(xiàn)匹配點(diǎn)集中的現(xiàn)象.考慮到嵌入式車(chē)載地圖匹配算法的實(shí)際應(yīng)用情況，交叉路口的匹配問(wèn)題可以忽略不計(jì).因此由圖8可以得出：提出的匹配算法能夠較為準(zhǔn)確地匹配出車(chē)輛真實(shí)位置，匹配算法性能有較大的提高.

5 結(jié) 論

隨著現(xiàn)代道路網(wǎng)絡(luò)日益復(fù)雜，傳統(tǒng)的地圖匹配算法不能有效、準(zhǔn)確地匹配車(chē)輛行駛位置.在傳統(tǒng)投影算法的基礎(chǔ)上，引入車(chē)輛行駛速度和歷史匹配程度2個(gè)因素，考慮到各因素之間單位不統(tǒng)一的情況為匹配性能帶來(lái)了影響，對(duì)各參數(shù)進(jìn)行了統(tǒng)一設(shè)置，采用多屬性融合策略確定權(quán)重因子.仿真結(jié)果表明：文中提出的地圖匹配算法能夠?qū)崟r(shí)、準(zhǔn)確地匹配出車(chē)輛行駛位置，適用于復(fù)雜的城市道路網(wǎng).但引入速度參量時(shí)僅考慮車(chē)輛正常行駛情況，未對(duì)超速行駛作出分析，如何實(shí)現(xiàn)非正常狀態(tài)行駛的道路匹配是下一步研究的方向.

（References）

［1］ CHEN F，SHHEN M Y，TANG Y N.Local path searc hing based map matching algorithm for floating car data［J］.Procedia Environmental Sciences，2011，10（7）：576－582.

［2］ LIX，WANG Y N，WANG M，et al.Map matching al gorithm design based on GPS information［C］∥IEEE Workshop on Electronics，Computer and Applications.USA：IEEE，2014：898－901.

［3］ BLAZAQ CA，VONDEA A P.Effects of controlling pa rameters on performance of a decision rulemap matching algorithm［J］.Journal of Transportation Engineering，2009，135（12）：966－973.

［4］ 李清泉，黃練.基于GPS軌跡數(shù)據(jù)的地圖匹配算法［J］.測(cè)繪學(xué)報(bào)，2010，39（2）：207－211.LIQ Q，HUANG L.A map matching algorithm for GPS tracking data［J］.Acta Geodaetica et Cartographica Si nica，2010，39（2）：207－211.（in Chinese）

［5］ JIA B，LIU C.Map matching algorithms based on inva riantmoments［J］.Journal of Computational Information Systems，2011，7（16）：5668－5673.

［6］ 蘇奎峰，鄧志東，黃振.基于曲率特征的自主車(chē)輛地圖匹配定位方法［J］.機(jī)器人，2012，34（4）：440－446.

SU K F，DENG Z D，HUANG Z.A novel localization approach for autonomous vehicles based on map matc hing with curvature features［J］.Robot，2012，34（4）：440－446.（in Chinese）

［7］ YANG H Q，CENG SW，JANG H F，et al.An en hanced weight based topologicalmap matching algorithm for intricate urban road network［J］.Procedia Social and Behavioral Sciences，2013，96（6）：1670－1678.

［8］ SALAMAT N，ZAHZAH E H.On the improvement of combined fuzzy topologicaland directional relations infor mation［J］.Pattern Recognition，2012，45（4）：1559－1568.

［9］ 李洋，張曉冬，鮑遠(yuǎn)律.多權(quán)值概率論實(shí)時(shí)地圖匹配［J］.電子測(cè)量與儀器學(xué)報(bào)，2012，26（2）：166－170.

LIY，ZHANG X D，BAO Y L.Algorithm on real time map matching ofmulti weight probability［J］.Journal of Electronic Measurement and Instrument，2012，26（2）：166－170.（in Chinese）

［10］ DEKA L，QUDDUSM.Network level accident mapping：distance based pattern matching using artificial neural network［J］.Accident Analysis＆Preventin，2014，65（4）：105－113.

［11］ 方凌，賴(lài)際舟，張小山，等.基于故障狀態(tài)監(jiān)測(cè)的慣性／衛(wèi)星信息融合技術(shù)［J］.江蘇大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，32（1）：94－98.FANG L，LAIJZ，ZHANG X S，et al.Information fu sion technology of INS／GNSS based on fault state detec tion［J］.Journal of Jiangsu University（Natural Science Edition），2011，32（1）：94－98.（in Chinese）

［12］ 楊英杰，欽鵬明.一種改進(jìn)的GPS微弱信號(hào)捕獲算法［J］.東北電力大學(xué)學(xué)報(bào)，2013，33（5）：57－60.YANG Y J，QIN P M.An improved GPS weak signal capture algorithm［J］.Journalof Northeast DianliUniver sity，2013，33（5）：57－60.（in Chinese）

Vehicle navigation map matching algorithm based on multiple attribute integration strategy

TENG Zhijun1，QU Zhaoqiang1，GUO Suyang2，YU Ming3，F(xiàn)U Rao3，JING Zijian3
（1.School of Information Engineering，Northeast Electric Power University，Jilin，Jilin 132012，China；2.Tianhe Mechanical Equipment Manufacturing Co.，Ltd.，Suzhou，Jiangsu 215000，China；3.State Grid Jilin Power Supply Company，Jilin，Jilin 132001，China）

The present direct projection algorithm is often used in embedded vehicle system，while the timeliness and accuracy can notmeet the increasingly complex urban road network.To solve the time consuming problem of complex road in traditional retrieval algorithm，a matching algorithm for vehicle navigation map fusion strategy was proposed based on multi attribute matching algorithm to improve the efficiency of embedded vehicle map.The equal step block strategy was adopted for building block grid index to reduce screening candidate regions and improve the algorithm efficiency.The direct projection algorithm based on weightwas improved by the introduction of vehicle speed and historymatching degree，and themultiple attribute fusion strategy was used to determine thematching algorithm ofweighting factor and improve themap matching accuracy.The experimental results show that themap matching algorithm can quickly and accurately match the driving path，and the single pointmatching time is reduced to 15 mswith accurate rate more than 90%under complex roads.The proposed algorithm is suitable for the complex city road network.

intelligent transportation；map matching；integration strategy；vehicle；matching degree

10.3969／j.issn.1671－7775.2018.01.003

TN967.1

A

1671－7775（2018）01－0014－05

2016－11－25

國(guó)家自然科學(xué)基金資助項(xiàng)目（51277023）

滕志軍（1973—），男，吉林吉林人，教授（tengzhijun＠163.com），主要從事無(wú)線(xiàn)電通信研究.

曲兆強(qiáng)（1990—），男，山東泰安人，碩士研究生（753731087＠qq.com），主要從事地圖匹配算法研究.

滕志軍，曲兆強(qiáng)，郭素陽(yáng)，等.基于多屬性融合策略的車(chē)載導(dǎo)航地圖匹配算法［J］.江蘇大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，39（1）：14－18，25.

（責(zé)任編輯 賈國(guó)方）