基于排名学习和多源信息的地图匹配方法

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。