亚洲欧洲自拍拍偷午夜色无码

<input id="6ok2q"><u id="6ok2q"></u></input><menu id="6ok2q"></menu>
  • <menu id="6ok2q"><u id="6ok2q"></u></menu><input id="6ok2q"><u id="6ok2q"></u></input>
    <menu id="6ok2q"><u id="6ok2q"></u></menu>
    <input id="6ok2q"><u id="6ok2q"></u></input>
    <menu id="6ok2q"><u id="6ok2q"></u></menu>
  • <menu id="6ok2q"></menu>
  • <menu id="6ok2q"><tt id="6ok2q"></tt></menu>
    <menu id="6ok2q"></menu>
  • 服務熱線400-028-2850

    新聞中心

    News center

    經達動態

    更多 >
    [2017-02-17]
    淺談UBI車險
    [2016-12-23]
    UBI的發展之旅
    經達動態
    地圖數據處理之道路匹配
    發布時間:2020-03-27閱讀次數:1557來源:上海經達信息科技股份有限公司

    來源:高德技術


    道路匹配是地圖數據處理方面非?;A且重要的理論,特別是道路相關業務,一定避不開道路匹配的應用,這也是業務中普遍會碰到的痛點。


    道路匹配定義


    道路匹配是地圖匹配理論的子集,通俗講就是兩幅地圖AB,在沒有唯一ID關聯的情況下,如何確定地圖A上的道路是B上一條道路的過程。如果做交通軌跡或者地圖數據融合方面的研究,那么就一定會遇到地圖匹配的問題。




    地圖匹配 Map Matching:不同條件下獲取同一物景的地圖之間的配準關系。

    道路匹配是刨除了點和面狀匹配之外的線狀要素理論,道路的話就是路網,也是實際應用中研究最多、應用最廣的一部分。

    利用路網數據,采用適當算法,將目標定位映射到實際道路上的過程,具體來說道路匹配是:

    l  地圖匹配理論的首要子集

    l  針對矢量拓撲道路數據的匹配模式

    l  異源道路數據融合的關鍵

    l  導航定位精度改善的重要手段


    空間距離和評價曲線相似性的一般方法


    離散點集匹配

    路網匹配的兩個方面應用:第一個是離散點集匹配,相對簡單,隨機離散點沒有形狀和拓撲關系,用歐氏距離作吸附即可,典型應用如離散熱力圖。


    曲線擬合

    實際中更有應用價值的是曲線擬合匹配關系,比如軌跡和路網,GPS序列和導航路的相似性。

    曲線信息更多,這方面比離散點集有更多的評價要素,也有更高的復雜度。評價曲線相似性的一般要素有長度、形狀、曲率、拓撲關系、方向比如正向逆向、距離、屬性例如交通規則左轉右轉禁行等信息。




    曲線匹配方法分類

    基于幾何信息的匹配算法考慮形狀、角度等常規要素,屬于早期的一些算法,實現最簡單,準確度最低?;谕負湫畔⒌乃惴?,準確度比幾何方法大大提升,應用最廣?;诟怕暑A測的算法,實現比較困難,實際上應用不多。

    目前有一些比較高級的算法理論,包括隱馬模型等等,在實際應用中準確度是相對最高的。

    實時算法主要用于在線導航,時間和空間復雜度低,離線算法用于數據處理的離線計算,算法復雜,追求最高準確度。


    空間距離

    線要素的匹配,主要通過幾何、拓撲或語義相似度來進行識別,其中通過空間距離來進行要素匹配的常用方式有:

    l  閔可夫斯基距離(Minkowski Distance)

    l  歐氏距離(Euclidean Distance)

    l  曼哈頓距離(Manhattan Distance)

    l  切比雪夫距離(Chebyshev Distance)

    l  漢明距離(Hamming distance)

    l  杰卡德相似系數(Jaccard similarity coefficient)

    l  豪斯多夫距離(Hausdorff Distance)

    l  弗雷歇距離(Fréchet距離)


    最準確的匹配模型-隱式馬爾科夫模型HMM


    20世紀60年代,Leonard E. Baum和其它作者在一系列的統計學論文中描述了隱式馬爾科夫模型。它最初的應用之一是語音識別,80年代成為信號處理的研究重點,現已成功用于故障診斷、行為識別、文字識別、自然語言處理以及生物信息等領域。


           核心特征

    l  隱式馬爾科夫模型五要素:2個狀態集合和3個概率矩陣,Viterbi算法。

    l  隱含狀態S:馬爾科夫模型中實際所隱含的狀態,通常無法通過直接觀測得到,這些狀態之間滿足馬爾科夫性質。

    l  可觀測狀態O:通過直接觀測而得到的狀態,在隱式馬爾科夫模型中與隱含狀態相關聯。

    l  狀態轉移概率矩陣A:描述隱式馬爾科夫模型中各個狀態之間的轉移概率。

    l  觀測狀態概率矩陣B:表示在t時刻隱含狀態是Sj條件下,其可觀測狀態為Ok的概率。

    l  初始狀態概率矩陣π:表示隱含狀態在初始時刻t=1的概率矩陣




    路網匹配實際是一個解碼問題,基于HMM的路網匹配算法是在一系列觀察的前提下,尋找最有可能產生這個觀察序列的隱含狀態序列。一系列GPS位置點集合是可觀測狀態,尋找最有可能產生位置點集合的路網隱藏序列。

    2012年ACM SIGSPATIAL Cup是由ACM主辦的全球范圍內關于地圖匹配算法的科技競賽,競賽吸引了來自全球31支專業級的參賽隊伍。所有算法當中匹配準確率最高的兩個都是基于HMM的匹配算法。





    亚洲欧洲自拍拍偷午夜色无码