D0I:10.13374.issn1001-053x.2012.01.021 第34卷第1期 北京科技大学学报 Vol.34 No.1 2012年1月 Journal of University of Science and Technology Beijing Jan.2012 基于模糊神经网络的地图匹配算法 苏海滨四王光政王继东 华北水利水电学院电力学院，郑州450011 区通信作者，E-mail:suhaibin2.000@yahoo.com.cm 摘要提出了基于模糊神经网络的新的地图匹配算法.该算法综合了数字道路信总和GPS/DR定位信息，提取两个重要参 数作为输入变量，即定位点到候选路段的投影距离及定位航向与候选路段方位角差.设计出了四层模糊神经网络及改进的收 敛学习规则.实验结果表明所提出的算法能很好地匹配车辆行驶路段位置， 关键词车辆：导航系统：全球定位系统：地图匹配：模糊神经网络 分类号V249.3 Map matching algorithm based on fuzzy neural networks SU Hai-bin☒，WANG Guang--heng,WANG Ji--dong Electric Power School,North China University of Water Conservancy and Electric Power,Zhengzhou 450011,China Corresponding author,E-mail:suhaibin2000@yahoo.com.cn ABSTRACT A novel map matching method based on fuzzy neural networks was proposed.This method integrates digital road map information and GPS/DR position data,and two important variables,the projection distance from the positioning point to the candidate link and the angle difference between GPS/DR heading and the link bearing of the candidate link,are selected as input signals for fuzzy neural networks.A four-ayer fuzzy neural network was designed and the improved learning rule was acquired for the fuzzy neural net- work.Experimental results show that the proposed algorithm has very good performance for matching the position of car running to the correct link under normal traffic conditions. KEY WORDS vehicles:navigation systems;global positioning system;map matching:fuzzy neural networks 目前使用的定位传感器大都是廉价的GPS/差分地图匹配算法和卡尔曼滤波的地图匹配算法， DR,定位精度不高，受各种随机误差的影响，传感器 不同程度地修正了噪声干扰，提高了定位传感器的 所得到的定位位置往往偏离车辆运行的道路。由于 定位精度：文献2]利用隐马尔可夫模型，提出了 数字电子地图精度不断提高，用高精度数字电子地 隐马尔可夫模型地图匹配算法.这些方法都不同程 图来修正传感器的定位位置是可能的，但前提条件 度地提高了地图匹配的可信度，但匹配精度和计算 是车辆必须在道路上运行，这一方法称为地图匹 效率仍未达到满意结果.模糊神经网络融合了模糊 配皿.地图匹配算法是借助于高精度的导航电子地 逻辑和神经网络的优点，使得模糊神经网络方法具 图，用软件技术手段来改进定位精度，通常包含两个 有较强的学习能力、逼近能力和预测能力.既能表 主要过程，即挑选被匹配的路段和投影定位点到该 示定性知识，又具有自学习和处理定量数据的能力， 路段上.由于GPS/DR定位数据具有高度随机性和 推理速度快，泛化能力和容错能力强，且具有网络学 非线性，很难建立精确的数学模型回，文献D,3]提 习时间较短等特点.本文采用基于模糊神经网络建 出了基于GPS定位点和轨迹曲线拟合的地图匹配 立了一种新型的地图匹配算法模型.以GPS/DR定 算法；文献49]分别提出了不同形式的基于模糊 位数据为基础，结合道路电子地图获得车辆运行方 和神经网络的地图匹配算法：文献0-11]提出了 向与路段夹角以及定位点到路段的投影距离两个参 收稿日期：201105-10 基金项目：华北水利水电学院高层次人才科研启动金资助项目(20101285)第 34 卷 第 1 期 2012 年 1 月 北京科技大学学报 Journal of University of Science and Technology Beijing Vol． 34 No． 1 Jan． 2012 基于模糊神经网络的地图匹配算法 苏海滨 王光政 王继东 华北水利水电学院电力学院，郑州 450011 通信作者，E-mail: suhaibin2000@ yahoo． com． cn 摘 要 提出了基于模糊神经网络的新的地图匹配算法． 该算法综合了数字道路信息和 GPS /DR 定位信息，提取两个重要参 数作为输入变量，即定位点到候选路段的投影距离及定位航向与候选路段方位角差． 设计出了四层模糊神经网络及改进的收 敛学习规则． 实验结果表明所提出的算法能很好地匹配车辆行驶路段位置． 关键词 车辆; 导航系统; 全球定位系统; 地图匹配; 模糊神经网络 分类号 V249. 3 Map matching algorithm based on fuzzy neural networks SU Hai-bin ，WANG Guang-zheng，WANG Ji-dong Electric Power School，North China University of Water Conservancy and Electric Power，Zhengzhou 450011，China Corresponding author，E-mail: suhaibin2000@ yahoo． com． cn ABSTRACT A novel map matching method based on fuzzy neural networks was proposed． This method integrates digital road map information and GPS /DR position data，and two important variables，the projection distance from the positioning point to the candidate link and the angle difference between GPS /DR heading and the link bearing of the candidate link，are selected as input signals for fuzzy neural networks． A four-layer fuzzy neural network was designed and the improved learning rule was acquired for the fuzzy neural net￾work． Experimental results show that the proposed algorithm has very good performance for matching the position of car running to the correct link under normal traffic conditions． KEY WORDS vehicles; navigation systems; global positioning system; map matching; fuzzy neural networks 收稿日期: 2011--05--10 基金项目: 华北水利水电学院高层次人才科研启动金资助项目( 20101285) 目前使用的定位传感器大都是廉价的 GPS / DR，定位精度不高，受各种随机误差的影响，传感器 所得到的定位位置往往偏离车辆运行的道路． 由于 数字电子地图精度不断提高，用高精度数字电子地 图来修正传感器的定位位置是可能的，但前提条件 是车辆必须在道路上运行，这一方法称为地图匹 配［1］． 地图匹配算法是借助于高精度的导航电子地 图，用软件技术手段来改进定位精度，通常包含两个 主要过程，即挑选被匹配的路段和投影定位点到该 路段上． 由于 GPS /DR 定位数据具有高度随机性和 非线性，很难建立精确的数学模型［2］，文献［1，3］提 出了基于 GPS 定位点和轨迹曲线拟合的地图匹配 算法; 文献［4--9］分别提出了不同形式的基于模糊 和神经网络的地图匹配算法; 文献［10--11］提出了 差分地图匹配算法和卡尔曼滤波的地图匹配算法， 不同程度地修正了噪声干扰，提高了定位传感器的 定位精度; 文献［12］利用隐马尔可夫模型，提出了 隐马尔可夫模型地图匹配算法． 这些方法都不同程 度地提高了地图匹配的可信度，但匹配精度和计算 效率仍未达到满意结果． 模糊神经网络融合了模糊 逻辑和神经网络的优点，使得模糊神经网络方法具 有较强的学习能力、逼近能力和预测能力． 既能表 示定性知识，又具有自学习和处理定量数据的能力， 推理速度快，泛化能力和容错能力强，且具有网络学 习时间较短等特点． 本文采用基于模糊神经网络建 立了一种新型的地图匹配算法模型． 以 GPS /DR 定 位数据为基础，结合道路电子地图获得车辆运行方 向与路段夹角以及定位点到路段的投影距离两个参 DOI:10.13374/j.issn1001-053x.2012.01.021