第七届青年地学论坛

传统浮动车轨迹数据由于缺乏额外的信息辅助识别浮动车的行驶环境，因此在最短路径假设下，无法保证真实地还原一辆车在复杂城市道路环境中的具体行驶路线，导致基于传统轨迹数据的浮动车数据处理方法存在一定的精度瓶颈。为了进一步提高浮动车数据轨迹还原方法的精度，本文在复杂平行路场景下，通过车载图像信息对传统浮动车轨迹数据进行数据补充，并在借鉴几何地图匹配算法中的线到线的匹配方式，提出了融合语义特征的轨迹还原方法，以通过轨迹整体的空间关系特征和车载图像语义来还原浮动车真实的行驶轨迹。融合语义特征的轨迹还原方法首先通过修改隐马尔可夫模型的多路径输出方法，在复杂城市道路网中的平行路场景下获取多条相似候选路径，以保证浮动车真实的行驶轨迹能够包含在候选路径当中；随后通过熵权法来构建可以融合轨迹整体语义特征的评价框架，以对所有候选轨迹进行整体评价，最终得到融合语义特征之后的轨迹还原结果。融合语义特征的轨迹还原方法，不仅借助了车载图像语义弥补了传统轨迹数据无法判断浮动车行驶环境的缺陷，为轨迹还原方法精度的提升提供了思路，同时为带有车载图像的浮动车数据的处理提供了方法支撑。

Map matching,trajectory restoration algorthm