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 network. 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