地图匹配方法、装置、计算机设备和存储介质与流程

1.本技术实施例涉及智能出行技术领域，特别是涉及一种地图匹配方法、装置、计算机设备和存储介质。


背景技术：

2.随着科学技术与社会发展，道路交通安全问题和交通效率问题变得日益突出，v2x作为车路协同中的一项系统方案获得越来越多的推广。
3.地图匹配作为v2x的基础支撑功能得到越来越多的关注，v2x中的地图匹配是一项：根据车辆gps信息和地图信息进行路段匹配得到车辆所在路段节点信息的技术。具体地，地图匹配是根据车辆gps中的经度、纬度、航向角、速度等信息，与地图信息中多个节点的上下游节点关系、节点经度、节点纬度等信息进行匹配，获得在地图中车辆的唯一匹配路段。
4.然而，实际应用时gps信息不够稳定，导致地图匹配方法的结果也不够精确。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种地图匹配方法、装置、计算机设备和存储介质，能够提高最终的地图匹配结果的精确性。
6.第一方面，本技术实施例提供一种地图匹配方法，该方法包括：
7.根据车辆位置与车辆的上一观测点的距离，以及导航设备精度因子，获取车辆位置与目标地图搜索范围中的至少一个候选路段的评估匹配概率；
8.根据各候选路段的评估匹配概率、上一观测点的历史匹配路段到各候选路段的状态转移概率、上一观测点的历史匹配路段的历史状态匹配概率，确定各候选路段与车辆位置的状态匹配概率；
9.根据各候选路段与车辆位置的状态匹配概率，确定车辆的行驶路径在地图中的目标匹配路段。
10.在其中一个实施例中，上述根据车辆位置与上一观测点的距离，以及导航设备精度因子，获取车辆位置与目标地图搜索范围中的至少一个候选路段之间的评估匹配概率，包括：
11.获取车辆位置与上一观测点的距离的分布信息，并对导航设备精度因子进行正则化处理；
12.根据车辆位置与上一观测点的距离的分布信息和正则化处理后的导航设备精度因子，确定各候选路段的评估匹配概率。
13.在其中一个实施例中，该方法还包括：
14.获取上一观测点的历史匹配路段与各候选路段之间的地图网路拓扑关系；
15.根据地图网路拓扑关系，确定上一观测点的历史匹配路段到各候选路段的状态转移概率。
16.在其中一个实施例中，上述根据地图网路拓扑关系，确定上一观测点的历史匹配路段到各候选路段的状态转移概率，包括：
17.对于任一候选路段：
18.若地图网路拓扑关系为候选路段为历史匹配路段的同一路段，则确定转移概率为预设的第一值；
19.若地图网路拓扑关系为候选路段为历史匹配路段的下一路段，则确定转移概率为预设的第二值。
20.在其中一个实施例中，该方法还包括：
21.获取车辆的初始观测点到目标地图搜索范围中各初始候选路段的初始状态匹配概率值；
22.根据初始状态匹配概率值，确定上一观测点的历史匹配路段的历史状态匹配概率。
23.在其中一个实施例中，上述获取初始观测点到目标地图搜索范围中各候选路段的初始状态匹配概率值，包括：
24.根据初始观测点在各初始候选路段中投影点的比例信息，确定各初始候选路段的投影点比例评估值；
25.根据初始观测点到各初始候选路段的距离信息，确定各初始候选路段的距离评估值；
26.根据初始观测点的行驶方向到各初始候选路段方向的夹角信息，确定各初始候选路段的夹角评估值；
27.根据各初始候选路段的投影点比例评估值、距离评估值和夹角评估值，确定各初始候选路段的初始状态匹配概率值。
28.在其中一个实施例中，上述根据初始状态匹配概率值，确定上一观测点的历史匹配路段的历史状态匹配概率，包括：
29.以初始观测点的各候选路段的状态匹配概率值作为起始值，按照车辆的行驶路径的观测点顺序，依次确定下一观测点的历史匹配路段的历史状态匹配概率，直至确定到车辆位置的上一观测点，得到上一观测点的历史匹配路段的历史状态匹配概率。
30.在其中一个实施例中，上述根据各候选路段与车辆位置的状态匹配概率，确定车辆的行驶路径在地图中的目标匹配路段，包括：
31.将最大的状态匹配概率值对应的候选路段，和车辆的历史轨迹构成的序列路段，确定为车辆的行驶路径在地图中的目标匹配路段。
32.第二方面，本技术实施例提供一种地图匹配装置，该装置包括：
33.获取模块，用于根据车辆位置与车辆的上一观测点的距离，以及导航设备精度因子，获取车辆位置与目标地图搜索范围中的至少一个候选路段的评估匹配概率；
34.确定模块，用于根据各候选路段的评估匹配概率、上一观测点的历史匹配路段到各候选路段的状态转移概率、上一观测点的历史匹配路段的历史状态匹配概率，确定各候选路段与车辆位置的状态匹配概率；
35.匹配模块，用于根据各候选路段与车辆位置的状态匹配概率，确定车辆的行驶路径在地图中的目标匹配路段。
36.第三方面，本技术实施例提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，该处理器执行计算机程序时实现上述第一方面中任一项实施例的方法步骤。
37.第四方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一项实施例的方法步骤。
38.本技术实施例提供的一种地图匹配方法、装置、计算机设备和存储介质，根据车辆位置与车辆的上一观测点的距离，以及导航设备精度因子，获取车辆位置与目标地图搜索范围中的至少一个候选路段的评估匹配概率；并根据各候选路段的评估匹配概率、上一观测点的历史匹配路段到各候选路段的状态转移概率、上一观测点的历史匹配路段的历史状态匹配概率，确定各候选路段与车辆位置的状态匹配概率；然后根据各候选路段与车辆位置的状态匹配概率，确定车辆的行驶路径在地图中的目标匹配路段。该方法中，结合导航设备精度因子hdop和车辆位置与车辆的上一观测点这两个导航设备位置点的距离，确定了各个候选路段的评估匹配概率，这样，由于在地图匹配过程了考虑了hdop带来的影响，即在进行地图匹配过程中消除了导航设备的不稳定带来的误差，使得最终的地图匹配结果更加精确。
附图说明
39.图1为一个实施例中提供的一种地图匹配方法的应用环境图；
40.图2为一个实施例中提供的一种地图匹配方法的流程示意图；
41.图3为另一个实施例中提供的一种地图匹配方法的流程示意图；
42.图4为另一个实施例中提供的一种地图匹配方法的流程示意图；
43.图5为另一个实施例中提供的一种地图匹配方法的流程示意图；
44.图6为另一个实施例中提供的一种地图匹配方法的流程示意图；
45.图7为一个实施例中提供的路径和车辆位置投影关系示意图；
46.图8为一个实施例中提供的一种地图匹配方法的流程图；
47.图9为一个实施例中提供的一种地图匹配装置的结构框图；
48.图10为一个实施例中计算机设备的内部结构图。
具体实施方式
49.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
50.本技术实施例提供的地图匹配方法，可以应用于如图1所示的应用环境中。其中，该计算机设备中的处理器用于提供计算和控制能力；存储器包括非易失性存储介质、内存储器；非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境；该计算机设备的数据库用于存储地图匹配过程中的相关数据。该计算机设备的网络接口用于与外部的其他设备通过网络连接通信。其中，该计算机设备可以安装于车辆中，其可以是但不限于是车载导航设备或者内置有车载导航仪的个人计算机、笔记本电脑、智能手机、平板电脑、便携式可穿戴设备等。当然该
计算机设备还可以是服务器，服务器通过与车辆中的导航仪器进行有线或无线通信以实现地图匹配。
51.下面将通过实施例并结合附图具体地对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是，下面对本技术实施例提供的一种地图匹配方法进行说明时，以执行主体是计算机设备进行说明。为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。
52.在一个实施例中，如图2所示，提供了一种地图匹配方法，本实施例涉及的是结合车辆当前位置与上一观测点的距离和车辆上导航设备的精度因子，可获取到候选路段的评估匹配概率，并基于评估匹配概率、上一观测到各候选路段的状态转移概率、以及上一观测点历史状态匹配概率可确定出各候选路段与车辆位置的状态匹配概率，最终确定出目标匹配路段的具体过程；该实施例包括以下步骤：
53.s101，根据车辆位置与车辆的上一观测点的距离，以及导航设备精度因子，获取车辆位置与目标地图搜索范围中的至少一个候选路段的评估匹配概率。
54.车辆位置为车辆当前的位置点，其可以通过车辆中的导航设备来确定当前位置点的具体信息，例如，通过gps导航仪获取车辆经度、纬度、航向角信息。
55.当前的位置点对应的当前时刻点可以看作是当前观测点，而上一观测点即为上一次对车辆进行路段匹配的时刻点。对于上一观测点来说，已经完成了路段匹配，导航设备中也可获取到上一观测点车辆的位置信息，因此，上一观测点车辆的位置是已知的。那么，可根据车辆的当前位置点和上一观测点车辆的位置确定出两者的距离。因此，车辆位置(当前观测点)与上一观测点(车辆位置)之间的距离，实质上反映的就是两个gps采样点之间的变化。
56.一般在地图匹配的实际应用中，因硬件问题或者算法问题，会造成获取的gps信息不够稳定，所以需要综合多个车辆位置点的来确定最终的匹配结果。且由于一段时间序列的信息之间必然存在某种联系，即gps确定的车辆位置点构成的序列中，各位置点之间的联系是和gps的水平分量精度因子(horizontal dilution of precision，hdop)相关的。其中，hdop为纬度和经度等误差平方和的开根号值。hdop值的大小与gps定位的误差正相关，hdop值越大，gps的定位误差就会越大，则gps的定位的精度就越低，所以一段时间的gps的hdop是可以影响最终的匹配结果。基于此，本技术实施例将车辆位置与车辆的上一观测点的距离，结合导航设备精度因子共同来确定车辆位置与各候选路段的评估匹配概率，可以使得各候选路段与车辆位置的评估匹配概率更加精确。该评估匹配概率为初步评估的每个候选路段与车辆位置相匹配的概率。
57.其中，各候选路段指的是目标地图搜索范围中的路段，该目标地图搜索范围指的是车辆当前的行驶路径在地图中的可能范围，即该目标地图搜索范围内的任一路段都有可能是车辆当前行驶路径的匹配路段。该目标地图搜索范围是预先确定的，例如，预先根据车辆的历史行驶数据(包括但不限于轨迹、行驶时间、形式速度等)，并结合车辆当前行驶时刻来确定车辆当前的初步位置，然后根据初步位置在地图中确定该目标地图搜索范围。本申
请实施例对目标地图搜索范围的确定方式不作限定；或者，根据车辆的gps定位的位置，以该位置为圆心确定一个范围，该范围可以作为目标地图搜索范围。
58.对于任一候选路段来说，示例地，可通过预设的神经网络模型来确定其与车辆位置的评估匹配概率，即将车辆位置与上一观测点的距离以及导航设备的精度因子作为输入数据，输入至已经训练好的神经网络模型中，得到的输出即为候选路段与车辆位置的评估匹配概率。或者，可以结合车辆位置到上一观测点的距离，以及车辆位置到候选路段的距离，将这两个距离之差结合导航设备的精度因子综合总和来确定候选路段到车辆位置的评估匹配概率。本技术实施例对此不作限定。其中，导航设备的精度因子可以直接从导航设备上获取到。
59.s102，根据各候选路段的评估匹配概率、上一观测点的历史匹配路段到各候选路段的状态转移概率、上一观测点的历史匹配路段的历史状态匹配概率，确定各候选路段与车辆位置的状态匹配概率。
60.获取到了各候选路段的评估匹配概率之后，还需要进一步获取上一观测点的历史匹配路段到各候选路段的状态转移概率，以及上一观测点的历史匹配路段的历史状态匹配概率。
61.在地图匹配中，t时刻的状态与t 1时刻的状态，是存在某种关联的，比如，前后时刻的位置，必然与速度有关，这符合隐马尔可夫模型的基本特征。对于不同时刻的初始定位结果来说，上一个时刻的初始定位结果从某个状态转换到下一个时刻的初始定位结果的某个状态也是有一定的概率的，这个概率即为上一观测点的历史匹配路段到各候选路段的状态转移概率。因此，该状态转移概率为从相邻观测点之间的状态联系维度确定的，可以体现出各候选路段为目标匹配路段的可能性。
62.上一观测点的历史匹配路段指上一次已经匹配完成的最终匹配路段if，所以历史匹配路段的历史状态匹配概率指的就是在上一次进行地图匹配时，还未确定出最终匹配路段if时，路段if的状态匹配概率。路段if的状态匹配概率在还未确定if是最终匹配路段时，其是从状态信息(例如距离、夹角、投影信息等)维度代表路段if是最终匹配路段的概率值。
63.示例地，基于各候选路段的评估匹配概率、上一观测点的历史匹配路段到各候选路段的状态转移概率、上一观测点的历史匹配路段的历史状态匹配概率来确定各候选路段与车辆位置的状态匹配概率时，可以将三者的乘积作为各候选路段与车辆位置的状态匹配概率，也可以是将三者之和或者加权和作为各候选路段与车辆位置的状态匹配概率等等，本技术实施例对此不作限定。
64.例如，以乘积为例，设pn(segi)表示车辆位置(当前观测点)时候选路段i的状态匹配概率；p
n-1
(segi)表示上一观测点时历史匹配路段i(最终匹配路段)的历史状态匹配概率；p
topo
(segi)表示从上一观测点的历史匹配路段转移到车辆位置(当前观测点)的候选路段i的状态转移概率；p
cvt
(segi)则表示车辆位置的候选路段i的评估匹配概率；则pn(segi)＝p
n-1
(segi)
·
p
topo
(segi)
·
p
cvt
(segi)。
65.s103，根据各候选路段与车辆位置的状态匹配概率，确定车辆的行驶路径在地图中的目标匹配路段。
66.确定了每个候选路段与车辆位置的状态匹配概率后，基于此，确定车辆的行驶路径在地图中的目标匹配路段。
67.一个实施例中，将最大的状态匹配概率值对应的候选路段，和车辆的历史轨迹构成的序列路段，确定为车辆的行驶路径在地图中的目标匹配路段。
68.当所有候选路段都遍历完之后，查找状态匹配概率值最大的那个候选路段，然后查找这个最大状态匹配概率值对应的候选路段作为当前观测点最匹配的路段，然后，将最大状态匹配概率值对应的候选路段，与历史已经完成匹配的历史轨迹构成的序列路段，确定为车辆的行驶路径在地图中的目标匹配路段。相当于，从初始观测点到当前观测点拉通来看，每个观测点处状态匹配概率值最大的那个候选路段，都是对应观测点的目标候选路段，这样，将各个观测点对应确定的目标候选路段构成的路段，即可以称为车辆的行驶路径在地图中的目标匹配路段。
69.本技术实施例提供一种地图匹配方法，根据车辆位置与车辆的上一观测点的距离，以及导航设备精度因子，获取车辆位置与目标地图搜索范围中的至少一个候选路段的评估匹配概率；并根据各候选路段的评估匹配概率、上一观测点的历史匹配路段到各候选路段的状态转移概率、上一观测点的历史匹配路段的历史状态匹配概率，确定各候选路段与车辆位置的状态匹配概率；然后根据各候选路段与车辆位置的状态匹配概率，确定车辆的行驶路径在地图中的目标匹配路段。该方法中，结合导航设备精度因子hdop和车辆位置与车辆的上一观测点这两个导航设备位置点的距离，确定了各个候选路段的评估匹配概率，这样，由于在地图匹配过程了考虑了hdop带来的影响，即在进行地图匹配过程中消除了导航设备的不稳定带来的误差，使得最终的地图匹配结果更加精确。
70.基于上述实施例，下面对各候选路段的评估匹配概率的确定过程提供一实施例进行说明。如图3所示，在一个实施例中，该实施例包括：
71.s201，获取车辆位置与上一观测点的距离的分布信息，并对导航设备精度因子进行正则化处理。
72.车辆位置与上一观测点的距离的分布信息可以为高斯分布(正态分布)等。例如，车辆位置到上一观测点的距离，以及车辆位置到候选路段的距离之差建立一个高斯分布：di为车辆位置到上一观测点的距离，di为车辆位置到候选路段i的距离，μ为分布的期望值,通常取值为0，σ为标准差参数，决定了分布的幅度，通常取值为4.07。
73.而导航设备精度因子获取到后对其进行正则化处理，以减少误差。例如，其中，γ为正则化参数，通常取值为2到6，其是用于控制在两个不同的目标中的平衡关系，即平衡拟合训练的目标和保持参数值较小的目标。
74.s202，根据车辆位置与上一观测点的距离的分布信息和正则化处理后的导航设备精度因子，确定各候选路段的评估匹配概率。
75.根据上述车辆位置与上一观测点的距离的分布信息和正则化处理后的导航设备精度因子，将两者之和确定为确定候选路段的评估匹配概率。例如，候选路段i的评估匹配概率表示为p
cvt
(segi)，则：
76.本实施例中，通过获取车辆位置与上一观测点的距离的分布信息，并对导航设备精度因子进行正则化处理，然后根据车辆位置与上一观测点的距离的分布信息和正则化处理后的导航设备精度因子，确定各候选路段的评估匹配概率，这样，根据hdop和距离确定出候选路段的评估匹配概率，即考虑了hdop对候选路段作为最终目标匹配路段的影响，且在考虑hdop时，对其进行了正则化处理，使其测量误差更加减小，从而提高评估匹配概率的精确度。
77.下面通过实施例对上述状态转移概率和历史状态匹配概率的概率进行说明。则在一个实施例，提供一种确定上一观测点的历史匹配路段到各候选路段的状态转移概率的实施方式，如图4所示，该实施例包括：
78.s301，获取上一观测点的历史匹配路段与各候选路段之间的地图网路拓扑关系。
79.其中，地图网路拓扑关系为地图中各个道路之间的连接关系，例如，各个道路的走向、与其他道路的相交点、距离、物理空间分布等信息。这里指的是上一观测点确定的历史匹配路段与当前观测点的各候选路段之间的拓扑关系。例如，历史匹配路段为ab路段，当前观测点的各候选路段包括cd路段、ef路段，则历史匹配路段与各候选路段的拓扑关系可以是cd路段为ab路段的下游路段，ef路段为ab路段的上游路段等等。除了上下游路段，还可以是属于历史匹配路段的当前路段，以及在当前路段上的车道，例如，当前车道、其他车道等，本技术实施例对拓扑关系不作限定，也可以包括其他连接关系、空间分布关系。
80.具体地，可根据电子地图中存储的各道路关系，以及历史匹配路段、候选路段在地图中的本身位置，确定历史匹配路段与各候选路段之间的地图网路拓扑关系。
81.s302，根据地图网路拓扑关系，确定上一观测点的历史匹配路段到各候选路段的状态转移概率。
82.确定了上一观测点的历史匹配路段与各候选路段之间的地图网路拓扑关系之后，结合该地图网路拓扑关系，确定上一观测点的历史匹配路段到各候选路段的状态转移概率。
83.一种实施方式中，以任一候选路段为例，对地图网路拓扑关系包括：候选路段为历史匹配路段的同一路段，以及候选路段为历史匹配路段的下一路段两种关系为例进行说明。则根据地图网路拓扑关系，确定上一观测点的历史匹配路段到各候选路段的状态转移概率的方式包括：
84.若地图网路拓扑关系为候选路段为历史匹配路段的同一路段，则确定转移概率为预设的第一值；若地图网路拓扑关系为候选路段为历史匹配路段的下一路段，则确定转移概率为预设的第二值。
85.对于候选路段为历史匹配路段的同一路段，表示的是候选路段与上一观测点匹配成功的历史匹配路段为同一路段，即车辆目前还未驶出上一观测点的行驶的路段；而候选路段为历史匹配路段的下一路段，表示则是车辆已经从上一观测点的历史匹配路段中驶出来，到了下游路段。
86.示例地，设p
topo
(segi)表示候选路段i的状态转移概率，i表示历史匹配路段，则按
照可确定的是，若候选路段为历史匹配路段的同一路段，则确定转移概率为预设的第一值，即0.5；但若候选路段为历史匹配路段的下一路段，则确定转移概率为预设的第二值，即0.2；而若候选路段与历史匹配路段之间的拓扑关系不是以上两种，则其转移概率确定为0，表示候选路段i不可能是当前观测点的目标匹配路段。
87.本实施例中，获取上一观测点的历史匹配路段与各候选路段之间的地图网路拓扑关系，根据根据地图网路拓扑关系，确定上一观测点的历史匹配路段到各候选路段的状态转移概率。由于地图网路拓扑关系体现了路段之间的地位位置关系，依据地理位置来确定状态转移概率，使得状态转移概率可以更加准确地体现出各候选路段为目标匹配路段的可能性。
88.在另外一个实施例中，提供一种确定上一观测点的历史匹配路段的历史状态匹配概的实施方式，如图5所示，该实施例包括以下步骤：
89.s401，获取车辆的初始观测点到目标地图搜索范围中各初始候选路段的初始状态匹配概率值。
90.初始观测点即为最开始进行地图匹配的时刻，在初始观测点处，每个初始候选路段都具有一初始状态匹配概率值。例如，目标地图搜索范围中有三个路段i1、i2、i3，这三个路段都是初始观测点的初始候选路段，车辆的初始位置(初始观测点对应的位置)也可以通过导航设备定位到具体位置信息，那么，根据车辆的初始位置和初始候选路段i1、i2、i3的路段信息(例如，方向、位置等)，可以确定出初始候选路段i1、i2、i3各自与车辆的初始位置匹配度，这个匹配度就可看作是初始候选路段i1、i2、i3的初始状态概率值。
91.s402，根据初始状态匹配概率值，确定上一观测点的历史匹配路段的历史状态匹配概率。
92.基于确定的各初始候选路段的初始状态匹配概率值，确定上一观测点的历史匹配路段的历史状态概率值。上一观测点是相对于当前观测点来定义的，例如初始观测点是t0,当前观测点tn,那么上一观测点就是tn-1，假设n＝5,上一观测点就是t4。所以在确定了初始观测点t0的初始候选路段的初始状态匹配概率值后，依次往下一个观测点确定，就可以确定出上一观测点t4的各候选路段的状态匹配概率。
93.则可选地，根据初始状态匹配概率值，确定上一观测点的历史匹配路段的历史状态匹配概率，包括：以初始观测点的各候选路段的状态匹配概率值作为起始值，按照车辆的行驶路径的观测点顺序，依次确定下一观测点的历史匹配路段的历史状态匹配概率，直至确定到车辆位置的上一观测点，得到上一观测点的历史匹配路段的历史状态匹配概率。
94.设p1(tn观测点状态匹配概率)＝p2(tn-1观测点状态匹配概率)*p3(tn-1观测点转移到tn观测点的转移状态概率)*p4(tn观测点的评估匹配概率)；
95.则当n＝1时，将初始观测点t0的初始候选路段的初始状态匹配概率值p2，以及初始观测点t0到t1观测点的转移状态概率p3、t1观测点的评估匹配概率p4，依次代入此公式中可以确定出t1观测点的状态匹配概率p1。依次类推，可以确定出t2观测点的状态匹配概
率p1，直至确定出t4观测点的状态匹配概率，则得到上一观测点的状态匹配概率，即为历史匹配路段的历史状态匹配概率。需要说明的是，在计算时，以路段为单元计算，每个观测点都有至少一个候选路段，那么状态匹配概率自然就是每个候选路段的状态匹配概率值。
96.本实施例中，获取车辆的初始观测点到目标地图搜索范围中各初始候选路段的初始状态匹配概率值，然后根据初始状态匹配概率值，确定上一观测点的历史匹配路段的历史状态匹配概率；从初始观测点为起点，依次计算到当前观测点的上一观测点中历史匹配路段，相邻观测点之间相互联系，从而使得得到上一观测点的历史匹配路段的历史状态匹配概率更加精确。
97.如图6所示，在一个实施例中，上述获取初始观测点到目标地图搜索范围中各候选路段的初始状态匹配概率值的过程包括：
98.s501，根据初始观测点在各初始候选路段中投影点的比例信息，确定各初始候选路段的投影点比例评估值。
99.比例信息指的是车辆的位置在整个路段中所占的比重，所以比例信息的形式可以是百分比、占比等，本技术实施例对此不作限定。因此，初始观测点的车辆的位置在各个初始候选路段中投影点的比例信息，指的是初始观测点的车辆位置在路段中的投影点的百分比r；例如，一个路段长10米，初始观测点车辆的位置的投影点在该路段的5米处，那么比例信息就是50％。确定了比例信息后，可直接将比例信息确定为任一路段i的投影点比例评估值。
100.另外，车辆的位置(本实施例中车辆位置均指初始观测点时车辆的位置，将不再重复说明)的投影点可以会落在路段的外面，例如，请参见图7所示，p为车辆的位置，p’为车辆在路段ab上的投影点。对于此种情况，可以根据投影线段信息确定各初始候选路段的投影点比例评估值。具体地，图7中bp’是投影线段，若p’在线段ab内，则投影线段长度取正值，否则取负值，且在线段外时投影点与ab上最近的点的连线为投影线段。
101.设投影线段信息为ri，则基于此公式可确定出各初始候选路段中任一路段i的投影线段信息ri，确定这些初始候选路段的投影线段信息ri中最大值r
max
，将任一路段i的投影线段信息ri与最大值r
max
的比值作为任一路段i的投影信息则
102.确定了投影信息后，可直接将投影信息确定为任一路段i的投影点比例评估值，即
103.s502，根据初始观测点到各初始候选路段的距离信息，确定各初始候选路段的距离评估值。
104.其中，距离信息可以是车辆到各初始候选路段的距离信息为车辆到各初始候选路段的垂直距离d；例如，车辆的所在位置的点为p，路段为l，那么距离信息就是点p到路段l的
垂直距离。可选地，获取车辆到各初始候选路段的距离信息的算法可以是采用欧氏距离、切比雪夫距离、曼哈顿距离、弗雷歇距离、豪斯多夫距离、汉明距离、lcs距离、dtw距离的算法中任一种，本技术实施例对此也不作限定。
105.示例地，提供一种确定各初始候选路段的距离评估值的方式为：设车辆当前位置为p，车辆的任一历史位置为q，则qp为车辆行驶方向。a、b为任一初始候选路段上的路径点，其方向为由a到b；p’为p在ab上的投影；则p'＝a (b-a)
×
t，其中，t为ap’与ab长度的比例，其计算公式为根据p’和p确定车辆p到路段ab的距离di其中，di＝|p-pi'|，这里的下标i为任一路段的标号，例如这里指的就是路段ab的标号。
106.根据此方式计算出车辆到各个初始候选路段的距离di,然后确定车到所有路段距离中的最小距离d
min
，则车辆到路段i的距离信息的计算公式为该公式中，g为log模型可调参数，根据v2x通信距离限制，g的通常取值为10。
107.确定了车辆到路段i的距离信息之后，其任一路段i的距离评估值即为
108.s503，根据初始观测点的行驶方向到各初始候选路段方向的夹角信息，确定各初始候选路段的夹角评估值。
109.其中，夹角信息可以反映出车辆与各初始候选路段之间的位置关系。夹角信息指的是车辆行驶方向与路段方向的夹角a。其中，获取车辆与各初始候选路段的夹角信息的方式可以是通过神经网络模型或者通过几何算法来确定，例如，若是通过神经网络模型来确定，则需要预先训练一神经网络模型，该神经网络模型的输入为车辆当前位置、车辆行驶方向、初始候选路段的坐标位置；输出即为车辆与各初始候选路段的夹角信息。
110.可选地，获取车辆与各初始候选路段的夹角信息的一种实施方式包括：根据车辆的当前位置与各初始候选路段所形成的夹角，获取各初始候选路段的夹角的补角角度值；将各初始候选路段的夹角的补角角度值与各夹角的补角角度值中最大的补角角度值之间的比值，确定为车辆与各初始候选路段的夹角信息。
111.车辆的当前位置与各初始候选路段所形成的夹角，指的是在车辆的当前位置点p与任一初始候选路段为i的两端点ab构成的线段所形成的三角形中∠pabi，可以用h
′i表示，即h
′i为车辆p与路段ab形成的夹角。根据该夹角，需要获取该夹角的补角的角度值，那么针对每个初始候选路段均需要获取车辆与其所形成的夹角的补角的角度值。
112.设hi为为车辆与路段ab形成的夹角的补角，则hi＝180-h
′i。其中，车辆p与路段ab形成的夹角h
′i可根据路段ab与正北方向形成的夹角以及车辆与正北方向形成的夹角(航向角)来计算。
113.具体地，设为路段ab与正北方向形成的夹角，∠veh为车辆与正北方
向形成的夹角，其中，求取的cos值为：
114.那么，即，若与∠veh的差大于180度，则车辆p与路段ab形成的夹角h
′i为360度减去与∠veh的差，否则，车辆p与路段ab形成的夹角h
′i为与∠veh的差。
115.在确定了各初始候选路段的夹角的补角角度值之后，将各初始候选路段的夹角的补角角度值与所有的初始候选路段中最大的补角角度值之间的比值，确定为车辆与各初始候选路段的夹角信息。
116.例如，hi为车辆与初始候选路段i形成的夹角的补角大小，h
max
为所有初始候选路段中的夹角中的最大夹角，为初始候选路段i的夹角信息，则
117.同样，对于各初始候选路段中的任一路段i，均可通过该方式计算出夹角信息，从而得到车辆与各初始候选路段的夹角信息。
118.确定了任一路段i的夹角信息后，可直接将夹角信息确定为任一路段i的夹角评估值，即
119.由于夹角信息本身也是可以反映车辆与各个初始候选路段之间的位置关系的，所以本技术实施例中将夹角信息作为各初始候选路段的匹配评估值其中一个因素，可以极大地增加各初始候选路段的匹配评估值的精确度。
120.另外，由于对角信息也可以反映车辆与各个初始候选路段之间的距离，所以本技术实施例中也可以将对角信息作为各初始候选路段的匹配评估值其中一个因素，可以极大地增加各初始候选路段的匹配评估值的精确度。
121.例如，可根据车辆的当前位置与各初始候选路段所形成的对角，获取各初始候选路段的对角角度值；将各初始候选路段的对角角度值与各对角角度值中最大的对角角度值之间的比值，确定为车辆与各初始候选路段的对角信息；将车辆与各初始候选路段的对角信息确定为各初始候选路段的对角评估值。
122.其中，车辆的当前位置与各初始候选路段所形成的对角，相当于是点与线所形成的三角形中线的对角，例如，车辆的当前位置为p点，任一初始候选路段为i的两端点a，b，那么路段i的两端点a，b和车辆点p形成的三角形中，该路段ab的对角，即为∠apbi。
123.示例地，以初始候选路段i为例，获取∠apbi的角度值ai时可根据cos(∠apbi)来确定，其中那么其中，rad to deg表示将arccos(cos(∠apbi))转化为以角度为度量单位的相应值，也就是计算arccos(cos(∠apbi))*180/π。
124.在确定了各初始候选路段的对角角度值之后，将各初始候选路段的对角角度值与
所有的初始候选路段中最大的对角角度值之间的比值，确定为车辆与各初始候选路段的对角信息。例如，ai初始候选路段i的对角角度值大小，a
max
为所有初始候选路段中最大的对角角度值，表示初始候选路段i的对角信息，则
125.确定了任一路段i的对角信息后，可直接将对角信息确定为任一路段i的对角评估值，即
126.s504，根据各初始候选路段的投影点比例评估值、距离评估值和夹角评估值，确定各初始候选路段的初始状态匹配概率值。
127.在确定了各初始候选路段的投影点比例评估值、距离评估值和夹角评估值，可根据各初始候选路段的投影点比例评估值、距离评估值和夹角评估值确定各初始候选路段的初始状态匹配概率值。
128.设初始状态匹配概率值表示为p
cond
(di,ai,ri|segi)，i为任一初始候选路段，则p
cond
(di,ai,ri|segi)＝e(di|segi) e(hi|segi) e(ri|segi)。当然，若在上述还获取了对角评估值e(ai|segi)，则初始状态匹配概率值中还可以增加e(ai|segi)，本技术实施例对此不作限定。
129.本技术实施例中，通过确定各初始候选路段的投影点比例评估值、各初始候选路段的距离评估值、各初始候选路段的夹角评估值；然后根据各初始候选路段的投影点比例评估值、距离评估值和夹角评估值，确定各初始候选路段的初始状态匹配概率，通过评估每个初始候选路段的初始状态匹配概率，可以精确地估计出每个初始候选路段可能是目标匹配路段的概率值，从而使得最终确定的每个初始候选路段的初始状态匹配概率更加精确。
130.如图8所示，在一个实施例中，还提供了一种地图匹配方法，该方法包括：
131.s1，获取车辆位置与上一观测点的距离的分布信息，并对导航设备精度因子进行正则化处理。
132.s2，根据车辆位置与上一观测点的距离的分布信息和正则化处理后的导航设备精度因子，确定各候选路段的评估匹配概率。
133.s3，获取上一观测点的历史匹配路段与各候选路段之间的地图网路拓扑关系。
134.s4，对于任一候选路段，若地图网路拓扑关系为候选路段为历史匹配路段的同一路段，则确定转移概率为预设的第一值；若地图网路拓扑关系为候选路段为历史匹配路段的下一路段，则确定转移概率为预设的第二值。
135.s5，根据初始观测点在各初始候选路段中投影点的比例信息，确定各初始候选路段的投影点比例评估值；根据初始观测点到各初始候选路段的距离信息，确定各初始候选路段的距离评估值；根据初始观测点的行驶方向到各初始候选路段方向的夹角信息，确定各初始候选路段的夹角评估值。
136.s6，根据各初始候选路段的投影点比例评估值、距离评估值和夹角评估值，确定各初始候选路段的初始状态匹配概率值。
137.s7，以初始观测点的各候选路段的状态匹配概率值作为起始值，按照车辆的行驶路径的观测点顺序，依次确定下一观测点的历史匹配路段的历史状态匹配概率，直至确定到车辆位置的上一观测点，得到上一观测点的历史匹配路段的历史状态匹配概率。
138.s8，根据各候选路段的评估匹配概率、上一观测点的历史匹配路段到各候选路段的状态转移概率、上一观测点的历史匹配路段的历史状态匹配概率，确定各候选路段与车辆位置的状态匹配概率。
139.s9，将最大的状态匹配概率值对应的候选路段，和车辆的历史轨迹构成的序列路段，确定为车辆的行驶路径在地图中的目标匹配路段。
140.本实施例中，各步骤的实现原理和技术效果与上述方法实施例类似，在此不再赘述。
141.应该理解的是，虽然上述实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述实施例的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
142.在一个实施例中，如图9所示，提供了一种地图匹配装置，该装置包括：获取模块10、确定模块11和匹配模块12，其中：
143.获取模块10，用于根据车辆位置与车辆的上一观测点的距离，以及导航设备精度因子，获取车辆位置与目标地图搜索范围中的至少一个候选路段的评估匹配概率；
144.确定模块11，用于根据各候选路段的评估匹配概率、上一观测点的历史匹配路段到各候选路段的状态转移概率、上一观测点的历史匹配路段的历史状态匹配概率，确定各候选路段与车辆位置的状态匹配概率；
145.匹配模块12，用于根据各候选路段与车辆位置的状态匹配概率，确定车辆的行驶路径在地图中的目标匹配路段。
146.在一个实施例中，上述获取模块10包括：
147.处理单元，用于获取车辆位置与上一观测点的距离的分布信息，并对导航设备精度因子进行正则化处理；
148.确定单元，用于根据车辆位置与上一观测点的距离的分布信息和正则化处理后的导航设备精度因子，确定各候选路段的评估匹配概率。
149.在一个实施例中，该装置还包括：
150.关系确定模块，用于获取上一观测点的历史匹配路段与各候选路段之间的地图网路拓扑关系；
151.概率确定模块，用于根据地图网路拓扑关系，确定上一观测点的历史匹配路段到各候选路段的状态转移概率。
152.在一个实施例中，上述概率确定模块，具体用于：对于任一候选路段：
153.若地图网路拓扑关系为候选路段为历史匹配路段的同一路段，则确定转移概率为预设的第一值；若地图网路拓扑关系为候选路段为历史匹配路段的下一路段，则确定转移概率为预设的第二值。
154.在一个实施例中，该装置还包括：
155.初始概率获取模块，用于获取车辆的初始观测点到目标地图搜索范围中各初始候
选路段的初始状态匹配概率值；
156.匹配概率确定模块，用于根据初始状态匹配概率值，确定上一观测点的历史匹配路段的历史状态匹配概率。
157.在一个实施例中，上述初始概率获取模块包括：
158.第一评估值单元，用于根据初始观测点在各初始候选路段中投影点的比例信息，确定各初始候选路段的投影点比例评估值；
159.第二评估值单元，用于根据初始观测点到各初始候选路段的距离信息，确定各初始候选路段的距离评估值；
160.第三评估值单元，用于根据初始观测点的行驶方向到各初始候选路段方向的夹角信息，确定各初始候选路段的夹角评估值；
161.初始概率确定单元，用于根据各初始候选路段的投影点比例评估值、距离评估值和夹角评估值，确定各初始候选路段的初始状态匹配概率值。
162.在一个实施例中，上述匹配概率确定模块，具体用于以初始观测点的各候选路段的状态匹配概率值作为起始值，按照车辆的行驶路径的观测点顺序，依次确定下一观测点的历史匹配路段的历史状态匹配概率，直至确定到车辆位置的上一观测点，得到上一观测点的历史匹配路段的历史状态匹配概率。
163.在一个实施例中，上述匹配模块12，具体用于将最大的状态匹配概率值对应的候选路段，和车辆的历史轨迹构成的序列路段，确定为车辆的行驶路径在地图中的目标匹配路段。
164.关于地图匹配装置的具体限定可以参见上文中对于地图匹配方法的限定，在此不再赘述。上述地图匹配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
165.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种地图匹配方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
166.本领域技术人员可以理解，图10中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
167.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
168.根据车辆位置与车辆的上一观测点的距离，以及导航设备精度因子，获取车辆位
置与目标地图搜索范围中的至少一个候选路段的评估匹配概率；
169.根据各候选路段的评估匹配概率、上一观测点的历史匹配路段到各候选路段的状态转移概率、上一观测点的历史匹配路段的历史状态匹配概率，确定各候选路段与车辆位置的状态匹配概率；
170.根据各候选路段与车辆位置的状态匹配概率，确定车辆的行驶路径在地图中的目标匹配路段。
171.上述实施例提供的一种计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
172.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
173.根据车辆位置与车辆的上一观测点的距离，以及导航设备精度因子，获取车辆位置与目标地图搜索范围中的至少一个候选路段的评估匹配概率；
174.根据各候选路段的评估匹配概率、上一观测点的历史匹配路段到各候选路段的状态转移概率、上一观测点的历史匹配路段的历史状态匹配概率，确定各候选路段与车辆位置的状态匹配概率；
175.根据各候选路段与车辆位置的状态匹配概率，确定车辆的行驶路径在地图中的目标匹配路段。
176.上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
177.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
178.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
179.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。