文摘
为了解决这个问题,智能手机的GPS定位技术不能保证景区导航系统的定位精度,旅游景点匹配方法,提出了基于改进的HMM模型。首先,传统的线性道路模型是提高电子地图设计。其次,最小边缘误差矩形的概念理论的基础上提出了误差椭圆。然后,道路数据,结合位置数据和景区数据,改进的HMM模型是用来计算匹配的道路。最后,用Matlab进行仿真实验和对比实验。结果表明,地图匹配算法的准确性基于改进的HMM模型可以达到94.5%,平均精度达到93.1%,高于3.6%的传统HMM模型。试验结果表明,该算法是正确的和实用的,具有良好的应用前景。
1。介绍
智能旅游在国外的发展相对较早。景区的基本信息的收集主要是通过“3 s”技术(全球定位系统、地理信息System-GIS和遥感technology-RS)。收集到的信息进行处理和分析为游客和工作人员提供位置服务,实现景区的智能监控和可视化管理和智能导航服务(图1),以适当的转移和控制人员和车辆在景区1]。在过去30年的改革开放,中国经济快速发展,文化旅游产业也充满活力。一些大中型旅游景点已经开始尝试使用“3 s”技术建立一个相对完善的智能旅游一体化网络,通过互联网连接世界各地的游客,在办公室里变得逐渐突出,票,监控、地图定位,在线旅游,和其他方面。然而,许多中小景区还在初始阶段的全面信息化建设。风景区的门户网站已基本建立了介绍和宣传景区通过多媒体和网页。一般来说,智能旅游在中国仍处于初级阶段,景区尚未完全适应未来互联网思维和技术变化尚未完全蔓延到中小景区(2]。然而,智能旅游方向,和互联网思维是一点一点的改变传统产业(3]。
智能旅游近年来发展迅速,旅游导航服务(TNS)已经越来越高的需求。高精度实时定位功能对游客行走(非常重要4]。然而,仍有改进的空间定位和导航功能提供的现有的移动位置服务应用程序在景区。这些地图应用程序不能提供相同的时间表在城市交通道路。由于时钟同步,传播延迟、电磁干扰,和其他因素,会有很多错误。一般的方法是使用不同的和各种滤波方法来消除错误。尽管如此,水平误差范围为公民标准定位系统仍然是20 ~ 30米。为了进一步提高定位精度和地图显示效果,地图匹配技术应运而生5]。
导航和位置服务是旅游导航系统不可或缺的一部分。随着3 d技术的发展,三维景观导航系统已成为一个关键的发展方向。通过构建三维虚拟场景,它为游客提供更直观、更清晰的位置和方向,将极大地提高导航体验(6]。但与此同时,GPS数据误差和地图系统误差存在于3 d地图定位使用手机GPS技术。GPS数据质量将受到卫星本身的影响,信号传输和接收,定位的环境,和其他方面,导致定位偏差。然而,在人工地图设计的过程中,道路信息不能完全符合现实,还有转换错误当GPS位置投射到地图(7]。在3 d风景优美的导航系统,定位分经常会在建筑物或树木由于定位错误,导致无法判断位置和方向。因此,它具有特定的意义介绍地图匹配技术来提高景区导航系统的定位精度8]。
2。文献综述
在国外较早开发的GPS定位技术。从1970年代美国国防部建立GPS卫星导航系统,它被广泛应用于许多领域经过近40年的应用实践和持续改进和创新。自美国政府取消的政策选择可用性(SA)在2000年5月,民用GPS定位的精度大大提高,和世界上其他国家也开始应用在空间技术、交通、地质遥感探测和通信领域大规模。为了进一步提高GPS定位精度和减少各种错误造成的影响,提出了各种优化算法,包括滤波算法对GPS定位信号和地图匹配算法与电子地图信息9]。都有被广泛研究领域的汽车导航设备。在导航领域的移动设备,匹配算法也需要考虑实时定位在高动态条件下,提出了更高的要求,计算复杂度和地图匹配算法的运行效率。因此,近年来,地图匹配技术已逐渐成为一个研究热点10]。
在过去的二十年里,学者们已经开发出大量的地图匹配算法。这些算法通常分为简单方法,拓扑方法,体重依赖型剂量方法、概率方法和先进的理论方法。简单的方法主要只考虑一个因素,如最近的距离(包括最近的点到线段的距离,最近的距离线段线段)。这个方法既简单又快捷。拓扑方法不仅考虑这些几何关系,还考虑了道路网的拓扑关系。该方法具有更好的性能在处理平行和交叉部分简单的方法。体重依赖型剂量方法还考虑其他因素,如速度,方向,和路径拓扑结构,从而达到很好的平衡之间的复杂性和准确性。概率方法使用误差椭圆区域来确定候选道路段,和误差椭圆参数来源于错误variance-covariance矩阵定位设备。先进的理论方法包括证据理论、模糊逻辑、神经网络。一般来说,这种方法需要更多的输入和牺牲性能,同时获得更高的精度11]。
在本文中,通过GPS定位技术的研究和总结现有匹配算法,介绍了地图匹配技术来提高定位精度,所以可以正确显示移动对象位置信息,和景区地图匹配算法提出了基于改进的HMM模型提高风景区的导航定位精度。
3所示。研究方法
3.1。关键技术的概述
3.1.1。GPS定位技术的概述
系统是一个全球性的实时定位和导航系统在1970年代由美国军方通过人造卫星,这是主要由GPS卫星星座、地面监测系统和GPS信号接收机(12]。GPS定位的基本原理如下:用户接收来自卫星的信号,卫星的位置和时钟数据,并使用空间距离十字路口的方法来计算用户的三维位置。用户与卫星之间的距离可以解决产品的发射和接收之间的时间间隔的卫星信号和无线电波的传播速度,也可以计算由距离公式根据用户坐标和卫星坐标(13]。
3.1.2。卡尔曼滤波技术的概述
从上面的GPS系统的定位原理可以看出,GPS的准确性是影响各种错误。从本质上说,有一个概率分布的GPS错误。另一方面,GPS信号在地图匹配可以被视为一个随机时间序列的离散和高斯噪声分布。因此,它是可行的选择一个合适的数学模型建立GPS误差修正模型。然而,卡尔曼滤波是一种基于高斯线性系统状态方程的时域滤波方法。It过程的不稳定和多维输入信号通过定义状态模型方程和观测模型方程,然后递归地计算最小均方误差估计和输出修正后的值(14]。
3.1.3。地图匹配原则
卡尔曼滤波修正原始GPS的位置通过建立数据误差模型;尽管卡尔曼滤波器可以减少误差引起的GPS卫星信号接收器,它不能消除造成的误差映射锚点的地图,地图匹配技术是用于导航系统。其工作原理如下:假设用户总是在路上,移动电子地图的道路数据用于分析定位点和路之间的关系和定位信息通过理论算法与道路相关信息或数学模型,以确定哪些道路用户最有可能在和道路上的哪个位置15]。地图匹配的原理如图2。
3.2。景区电子地图设计和GPS数据处理
电子地图是地图匹配的数据库技术,有机地结合了实际的地理空间数据和非空间属性信息为用户提供所需的定位和导航功能。在风景区的导航系统,电子地图的设计主要遵循以下步骤:首先,分析地图数据的构成,和修建公路模型符合景区的特点,接下来,一个矩形的道路提出了改进模型,然后,相应的地图数据库存储结构设计。最后,完成风景区的电子地图实现空间数据的可视化的风景区。由于GPS数据采集过程中,它会产生错误,影响地图匹配的结果。因此,适当的GPS数据处理之前地图匹配至关重要。首先,漂移或缺失的数据修复和加工,然后,改进的卡尔曼滤波方法用于GPS数据进行过滤。最后,采用数值方法来减少错误的坐标变换过程中坐标变换(16]。
卡尔曼滤波器已经成为一个成熟的纠错工具。因此本文使用卡尔曼滤波方法来消除干扰GPS数据。然而,随着观测数据的增加,卡尔曼滤波器的估计方差可能产生无限的结果,导致滤波器发散。为了解决滤波发散的问题,本文提出了改进基于卡尔曼滤波器通过添加衰落因子法(17]。衰落的因素 定义在以下公式。
与此同时,满足以下方程:
然后,在一步预测方差方程,衰落的因素 介绍了方程(3)。
其中,是系统给定的阈值,是补偿系数,绝对值,的增益值增益矩阵th行和列。通过调整 值,以确保衰落的因素增加了增益,它降低了滤波发散。GPS数据被收集在一个相对低速环境,的值 可以被视为
3.3。风景区的地图匹配算法的设计和实现
3.3.1。算法的总体框架
算法的输入数据包括地图数据和位置数据。地图数据包括道路,道路拓扑,和景观特征信息和位置数据包括GPS经度和纬度和时间信息。为了减少数据匹配过程的影响,有必要进行误差校正预处理和坐标变换处理提供有效的数据源的数据地图匹配和确保地图匹配算法的可行性18]。错误的区域是用来减少候选人的数量部分,和相关的计算GPS的定位精度。在这篇文章中,最小边缘误差矩形提出基于概率和统计方法来确定区域的错误。然后,相交部分错误矩形截面计算作为候选人。候选人的选择部分不仅误差面积有关,还与道路的宽度有关。确定候选路段后,改进的HMM模型是用于选择最优匹配路段(19]。为了提高匹配精度,历史添加锚点和景点信息的计算转移概率和观察概率。最后,垂直投影的方法是直接选择计算投影的位置点匹配的部分,和锚点匹配的道路(20.]。
3.3.2。选择错误的区域
为了提高地图匹配的效率,减少了搜索范围的道路是一个快速和有效的方法。误差椭圆的概念的出现使得许多研究人员把它作为候选人的搜索方法之一部分。该方法的基本思想是在锚点的测量定位错误,和锚点的分布总是散落在误差面积有一定概率,也就是说,在这个错误区域,很可能包含真正的锚点的位置。因此,部分出现在错误的部分地区可以选择候选人。根据概率论与数理统计,登记点的分布是椭圆形的,所以它被称为误差椭圆。公式(4)定义如下:
和分布表示为长轴和短轴的误差椭圆。是东西方向的误差方差,南北方向的误差方差,调整错误的重量,是错误的协方差,是椭圆的长轴之间的夹角和 - - - - - -轴,通过调整大小的获得不同的信心,从而控制误差范围的地区。当 ,误差椭圆可以获得99%的信心21]。
在本文中,线性道路延伸到矩形道路,所以候选人道路需要考虑计算的复杂性。为了减少计算工作量,一种改进的最小边缘误差矩形(米尔)提出了基于误差椭圆,如图3。矩形相切的顶点误差椭圆的长短轴,和它的长度和宽度可以通过公式计算(5)如下:
一般来说,错误的中心区域是用户的GPS锚点。在GPS数据的预处理阶段,锚点的位置被修改正确获得GPS信息更接近真正的位置。因此,纠正位置被认为是错误的中心地区在计算矩形的错误。
3.3.3。改善HMM模型的匹配算法
地图匹配过程有两个基本步骤:一是确定道路的位置点。第二是确定位置点的确切位置。因此,地图匹配的关键是正确的锁定部分匹配。考虑到匹配效率和匹配算法的准确性,以及景区的游客的行为特征,本文提出了一种基于改进的HMM模型匹配算法。嗯模型中最重要的建筑是定义状态转换概率和观察概率。风景区匹配算法的具体创新点包括以下两点:考虑到游客的活动特点的计算转移概率,以及部分和景点之间的相关因子添加到减少十字路口的错误匹配。在计算观测概率,历史上的锚点的影响当前观测变量被认为是首次在HMM模型,以提高道路匹配的准确性(22]。
传统的HMM模型由五个基本元素,这是隐式状态,观察变量集,状态转换概率,初始状态观测概率,概率。在改进的HMM算法景区地图匹配,GPS跟踪序列 观测变量的集合。根据每个GPS跟踪点 ,相应的候选路段设置 隐性状态。状态转移概率吗代表的隐性状态的概率在前面的时间将会转移到下一次t的隐性状态。在传统的HMM模型,观察概率代表的概率获得观测点在当前隐性状态。然而,在这篇文章中,观测概率不仅取决于当前时刻状态的影响,还取决于历史观察点对当前观测点,前一刻表示 。最后,维特比算法是用于获得道路部分的序列与最大的联合概率对应的轨迹 ,被称为最优匹配路段,标记成吗 。
4所示。结果分析
本文介绍了景区地图匹配算法基础上改进的HMM模型的细节。在这一节中,选择GPS数据来验证该算法的Matlab仿真环境。数据的有效性,算法的可用性和匹配结果的正确性进行测试和分析23]。
为了验证该算法的匹配精度,本文选择基于HMM模型的地图匹配算法比较实验。传统的算法还用于低速移动物体的位置正确匹配,主要考虑了信息登记点,距离的部分,道路的拓扑信息。基于这些特点,传统的算法有很好的与本文的改进算法进行比较。
在本文实验中,选择三种不同路径的实验:(1)路径1经过一个高楼附近,但信号效果不是特别理想;(2)路径2通过许多十字路口;(3)路径3经过许多景点24]。通过这三个实验,不仅算法的准确性,而且也验证了算法的适应性。在仿真实验中,三组定位跟踪的数据内容如表所示1。
跟踪1的实验结果如图所示4。弱信号导致大量定位偏移,和传统的算法使得匹配过程中的错误。然而,本文的改进算法显示了更好的匹配效果。
图5显示了轨道2的实验结果。在十字路口,本文改进算法不仅考虑道路的拓扑信息,还跟踪方向之间的相似性和道路的方向。因此,考虑到轨迹方向可以提高匹配精度(25]。
匹配精度的改进算法与传统算法在本文中如表所示2,分别显示了三个轨迹的匹配精度。
从表可以得出结论2的准确率景区地图匹配算法使用改进的HMM模型可以达到平均94.5%和93.1%,高于3.6%的地图匹配算法,传统的HMM模型。实验结果表明,该算法具有良好的准确性和适应性。
5。结论
针对的问题不准确的定位导航系统的景区,本文介绍了地图匹配技术来提高定位的准确性,以便移动物体可以显示正确的位置信息。通过研究国内外地图匹配技术的发展现状,结合景区的特征位置和位置误差的来源,本文提出了风景区的地图匹配算法基于隐马尔科夫模型(HMM)。路的算法扩展了设计模型和位置误差区域,提高了HMM模型的概率计算函数,评价地图匹配算法的位置效应利用GPS数据收集。实验表明,本文的算法具有良好的适应性和正确性。
尽管本文中的地图匹配算法的研究已在模拟实验中得到了验证和系统应用,显示出良好的准确性和实用性,仍有许多不足,主要表现为以下几点:(1)在本文中提出的算法采用固定的窗口大小段GPS序列在HMM模型建模。在应用程序、窗口大小应根据实际数据实现动态调整自适应匹配过程。另一方面,游客的行为模式可以进一步研究,这有利于进一步提高匹配的准确性
在最后的匹配点投影阶段,本文采用直接垂直投影法项目的锚点到道路的中心线。这种方法可以减少误差的锚点垂直于方向路段,但不是沿路段的方向。在未来,匹配点的投影过程应该进一步研究来解决这个问题。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。