基于OSM的浮动车轨迹数据校正方法

doi:10.13474/j.cnki.11-2246.2020.0337

测绘通报 ›› 2020, Vol. 0 ›› Issue (10): 139-142,163.doi: 10.13474/j.cnki.11-2246.2020.0337

基于OSM的浮动车轨迹数据校正方法

胡向勇¹, 郭圆²

1. 东莞市鑫辰测绘有限公司, 广东东莞 523000;
2. 武汉大学测绘遥感信息工程国家重点实验室, 湖北武汉 430079

收稿日期:2020-06-16 修回日期:2020-08-19 出版日期:2020-10-25 发布日期:2020-10-29
通讯作者: 郭圆。E-mail:guoyuan@whu.edu.cn E-mail:guoyuan@whu.edu.cn
作者简介:胡向勇(1984-),男,工程师,主要从事地图数据的应用研究及不动产测绘数据采集工作。E-mail:3581776@126.com
基金资助:
国家自然科学基金（41671441）

A method of floating car data correction based on OSM

HU Xiangyong¹, GUO Yuan²

1. Xinchen Surveying and Mapping Co., Ltd., Dongguan 523000, China;
2. State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China

Received:2020-06-16 Revised:2020-08-19 Online:2020-10-25 Published:2020-10-29

摘要/Abstract

摘要： 浮动车轨迹数据具有覆盖范围广、更新周期短、获取成本低等特点，对于地图的生产和更新具有重要意义，但是由于受到卫星信号被遮挡及多路径效应的影响，其精度普遍较低。本文采用一种基于OSM作为参考数据的方式对浮动车轨迹数据进行校正。首先通过一种分层时空地图匹配的方式将轨迹数据与OSM进行匹配；然后采用引力模型对数据进行校正；最后在武汉市出租车轨迹数据上进行了试验。结果表明，本文提出的数据校正方法可以有效地提高浮动车轨迹数据的精度。

关键词: OSM, 地图匹配, 浮动车数据, 引力模型, 数据校正

Abstract: Floating car track data has great significance for the production and update of road map because of the wide coverage area, low cost and the short update cycle. However, compared to other data sources, the accuracy of it is low. This article adopts the OSM as reference data to correct the floating car track data. Firstly, the floating cat track data is matched with the OSM through a hierarchical space-time map matching algorithm. Then, an attraction model is used to correct the data. Finally, the taxs track data of Wuhan is used to verify the effectiveness of the algorithm. The result shows that the method in this paper could improve precision of floating car truck data.

Key words: open street map, map matching, floating car data, attraction model, data correction

中图分类号:

P208

胡向勇, 郭圆. 基于OSM的浮动车轨迹数据校正方法[J]. 测绘通报, 2020, 0(10): 139-142,163.

HU Xiangyong, GUO Yuan. A method of floating car data correction based on OSM[J]. Bulletin of Surveying and Mapping, 2020, 0(10): 139-142,163.

参考文献

[1] 杨伟, 艾廷华. 基于众源轨迹数据的道路中心线提取[J].地理与地理信息科学,2016,32(3):1-7.
[2] LI B J, GUO Y, ZHOU J, et al. A data correction algorithm for low-frequency floating car data[J].Sensors,2018,18(11):3639.
[3] BIAGIONI J,ERIKSSON J. Map inference in the face of noise and disparity[C]//The ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems. New York:[s.n.],2012.
[4] LIU X, BIAGIONI J, ERIKSSON J, et al. Mining large-scale, sparse GPS traces for map inference:comparison of approaches[C]//Proceedings of the 18th ACM SIGKDD International Conference on Knowledge discovery and data mining. New York:[s.n.],2012.
[5] 曹鹏, 马婕, 施展华.针对浮动车异常数据的增强型在线异常点检测算法[J]. 交通运输工程与信息学报, 2019, 17(2):23-35.
[6] LEE W C, KRUMM J. Trajectory preprocessing[M]. New York:Springer Computing with Spatial Trajectories, 2011.
[7] FOX D. Adapting the sample size in particle filters through KLD-sampling[J].The International Journal of Robotics Research, 2003, 22(12):985-1003.
[8] 赵东保, 刘雪梅, 张弘弢. 基于大规模浮动车轨迹点数据的道路网变化检测与更新方法研究[J]. 地理与地理信息科学, 2016, 32(2):1-5.
[9] LOU Y, ZHANG C, ZHENG Y, et al. Map-matching for low-sampling-rate GPS trajectories[C]//The 17th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems. Seattle:ACM,2009.
[10] 张健钦,李明轩,段颖超,等.一种改进的快速浮动车地图匹配方法[J].测绘通报,2017(1):87-92.
[11] 李清泉, 黄练. 基于GPS轨迹数据的地图匹配算法[J]. 测绘学报, 2010,39(2):207-212.
[12] BARRON C, NEIS P, ZIPF A. A comprehensive framework for intrinsic openstreetmap quality analysis[J]. Transactions in GIS, 2014,18(6):877-895.
[13] WANG M, LI Q, HU Q, et al. Quality analysis of openstreetmap data[J]. ISPRS-International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2013, XL-2/W1: 155-158.
[14] WANG J, RUI X, SONG X, et al. A novel approach for generating routable road maps from vehicle GPS traces[J]. International Journal of Geographical Information Science, 2015, 29(1):69-91.
[15] CAO L L, KRUMM J. From GPS traces to a routable road map[C]//Proceedings of the 17th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems. Seattle: ACM, 2009.

基于OSM的浮动车轨迹数据校正方法

A method of floating car data correction based on OSM

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

编辑推荐

Metrics

本文评价

[1]	王艳军, 林云浩, 王书涵, 李少春, 王孟杰. OSM辅助车载LiDAR点云三维道路边界精细提取[J]. 测绘通报, 2022, 0(7): 18-25.
[2]	滕文鑫, 张建辰, 邵杰. 集成时空邻近与卷积网络车道级高精度定位算法[J]. 测绘通报, 2022, 0(6): 1-5,61.
[3]	孙琴琴, 蔡国印, 杨柳忠, 张宁, 杜明义. 城市尺度典型地表要素综合提取方法研究[J]. 测绘通报, 2022, 0(2): 62-66.
[4]	叶烨星, 杨飞. 基于介数中心性的交通拥堵指数计算[J]. 测绘通报, 2021, 0(5): 86-90.
[5]	李小龙, 张昀. 道路信息提取方法综述[J]. 测绘通报, 2020, 0(6): 22-27.
[6]	王建培, 李必军, 张红娟, 张萍. 一种新型的城市道路地图匹配方法[J]. 测绘通报, 2019, 0(6): 81-84.
[7]	陈鹏, 廖明, 刘武平, 呙维, 宋杨. 融合三边测量和PDR的室内定位关键技术分析及应用[J]. 测绘通报, 2019, 0(2): 17-21.
[8]	张涛, 王源, 陈富龙, 周伟, 胡祺. COSMO-SkyMed颜色变换强度RC法南京建设用地变化检测[J]. 测绘通报, 2019, 0(11): 74-78,84.
[9]	段宗涛, 霍明生, 康军. 一种改进的轨迹地图匹配算法[J]. 测绘通报, 2018, 0(5): 77-81.
[10]	赵庶旭, 张金秋, 屈睿涛. 一种改进的浮动车地图匹配算法[J]. 测绘通报, 2018, 0(1): 97-102.
[11]	廖佳, 俞荐中, 李俊峰. 一种利用网格划分及方向加权的地图匹配算法[J]. 测绘通报, 2017, 0(3): 124-127.
[12]	张健钦, 李明轩, 段颖超, 杜明义. 一种改进的快速浮动车地图匹配方法[J]. 测绘通报, 2017, 0(1): 87-92.
[13]	王振华, 胡翔云, 单杰. 众源GPS浮动车数据中城市道路中心线分级提取的栅格化方法[J]. 测绘通报, 2015, 0(8): 22-24,34.
[14]	苏松, 胡引翠, 卢光耀, 董硕, 李晓进, 刘长宏. 低功耗蓝牙手机终端室内定位方法[J]. 测绘通报, 2015, 0(12): 81-84,97.