基于排名学习和多源信息的地图匹配方法

• 作者: 卢家品 张延孔 罗月童 陈为 黄兆嵩
• 来源期刊: 浙江大学学报（理学版）
• 学科: 工学
• 关键词: 地图匹配 轨迹数据预处理 排名学习 深度神经网络 地理信息系统
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能与可视计算
• 页码范围: 27-35,66
• 页数: 10页
• 分类号: TP391.41
• 字数: 7394字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-9497.2020.01.004

摘要

融合多源信息能有效提高地图匹配的准确率.已有的地图匹配方法依赖于数学模型,当引入新类型的数据时,需要重新设计数学模型或调整模型参数.为解决该问题,提出了一种端到端的数据驱动地图匹配方法.该方法不需要建立具体的数学模型,只需从匹配结果已知的数据中学习候选道路的评分函数:选出某GPS点的候选道路,利用评分函数对所有候选道路进行打分,选择分数最高的道路作为地图匹配结果.实验结果表明,该方法能直接利用新类型的数据提高地图匹配的准确率,能在数据缺失时避免准确率急剧降低.此外,具有与基于HMM方法相近的准确率和与基于夹角特征和距离特征方法相当的速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈为	浙江大学计算机科学与技术学院	10	28	1.0	5.0
2	罗月童	合肥工业大学计算机与信息学院	26	97	4.0	9.0
3	卢家品	合肥工业大学计算机与信息学院	4	2	1.0	1.0
4	黄兆嵩	浙江大学计算机科学与技术学院	1	0	0.0	0.0
5	张延孔	合肥工业大学计算机与信息学院	3	1	1.0	1.0