浅谈基于D—S证据推理的地图匹配算法研究.docVIP

PAGE PAGE 1 浅谈基于D—S证据推理的地图匹配算法研究 　　【摘要】简要介绍基于D-S证据推理的地图匹配算法的理论概念，以及算法的建立与实现。简要分析了该算法存在的局限性。 　　【关键词】D-S证据推理；地图匹配；误差修正 　　1.引言 　　（1）在车载导航系统中，定位系统的准确性是非常关键的，只有准确地知道车辆位置，才能在地图上正确地显示车辆位置，并向司机提供准确的行驶指令。因此，如何向用户提供实时、准确的车辆位置就成了车辆导航系统的重点和难点。因此作为汽车导航系统中核心部分的地图匹配算法研究就显得尤为重要了。 　　（2）D-S证据推理有较强的理论基础，既能处理随机性所导致的不确定性，又能处理模糊性所导致的不确定性，依靠证据的积累，不断缩小假设集，将“不知道”和“不确定”区分开来。该理论最先由Dempster提出，后来由Shafer进一步发展，所以称为D-S证据推理。D-S证据推理与概率决策理论相比，不但能处理由于知识不准确引起的不确定性而且你能处理由于未知而引起的不确定性，它作为一种不确定推理理论是概率论的推广。由于在证据理论中需要的先验数据比概率推理理论更为直观、更容易获得，再加上Dempster合成公式可以综合不同专家或数据，使得证据理论在专家系统，信息融合等领域得到了广泛应用。 　　2.D-S证据推理的理论概念 　　识别框式描述整个假设空间所有元素的集合，用θ表示，θ中的各个元素要求是互相排斥的。称函数m为θ上的一个基本概率分配函数，且满足以下三个条件： 　　其中，m（A）表示该证据支持A的精确程度，A为θ中的任意一个子集。从定义可以看出，m为函数和概率函数P不同，前者把一个单位的总信度分配给θ的各个子集，而后者把这个总信度分配给θ的各个元素。也就是说，对于有限集可以看出，基本概率分配函数和概率函数是有差别的。 　　信任函数Bel定义为：信任函数与m函数是互相唯一确定的，他们是同一证据的不同表示。信任函数Bel（A）表示对命题A的总支持度，或在该证据下决策者有理由相信A的程度。和概率函数不同的是，信任函数不具有可加性。从上式可以得到： 　　似然函数pl定义为：其中，pl（A）是所有与A相交的子集的基本概率分配函数的和，表示证据不否定A的信任度，显然，0信任函数和似然函数组合成的信任区间描述命题A的确认程度，分别是信任区间的上界和下界，则命题A的类概率函数f（A）表示如下，其中|A|和|Θ|分别表示集合A、θ中的元素的个数。 　　D-S合成公式如下：假设性质不同的两个证据，他们在识别框θ上的基本概率分配函数分别为m1和m2，则按下式定义的函数m： 　　函数m是识别框θ上一个基本概率分配函数，简记为m=m1m2，即求取正交和，得到综合概率分布函数。G、H、A分别是θ的命题，m（A）反应了m1和m2对应两个证据对命题A的联合支持程度。 　　D-S合成公式反应了证据的联合作用。给定几个同一识别框架上基于不同证据的信任函数，如果这几个证据不是完全冲突的，就可以利用合成公式计算出一个总的信任函数，作为这几个证据联合作用下产生的信任函数。 　　图1误差矩形 　　3.地图匹配算法的设计与实现 　　3.1确定误差区域。 　　3.1.1确定误差区域是进行地图匹配的第一步，以便从这个置信区域中提取出待匹配道路的信息。所以误差区域就是以一定的概率包含车辆的真实位置的区域范围，它应当以一定的准则进行选择。若误差区域太大则会增加匹配的计算量；误差区域过小则可能不包含车辆的真是位置，地图匹配则会输出错误的位置。因为误差区域以一定的概率包含车辆的实际位置，通常根据概率准则来确定误差区域。 　　3.1.2除了传感器本身的误差以外，数字地图的数据误差。计算误差等都具有不确定性，随机性，且随着匹配过程的推进会不断增大，因此定义误差椭圆的扩展因子应该适当地增大“但是，判断哪些路段是否落在椭圆区域内，需要执行大量的开方和乘积运算，对于选取候选路段很不方便”为了克服这个缺点，可以将误差区域定义为矩形区域，该矩形为椭圆区域的最小包围矩形如图1所示。 　　求长和宽的公式如下： 　　在求出矩形误差区域后，误差矩形内与矩形相交的道路即为待匹配路段，就可以进行待匹配道路的提取。 　　图2匹配点位置确定 　　3.2选择匹配道路。 　　当前时刻车辆正沿着某一条道路行驶，由于车辆定位系统各方面误差的存在，定位系统给出的车辆轨迹可能偏离车辆实际所行驶的道路。根据D-S证据推理理论，首先建立一个识别框，车辆位置信息和方向信息作为两个初始证据。 　　3.3修正定位结果。 　　3.3.1确定处车辆所在的道路后，可利用车辆在该道路上的匹配位置来修正定位系统给出的位置通常采用正交投影法来确定车辆的匹配位置。如图2所示，不存在误差的情况下，车辆的真实位置是Q点，而由于存