استفاده از الگوريتم تطبيق نقشه مكاني - زماني به منظور افزايش دقت اطلاعات ترافيكي حاصل از رديابي GPS با نرخ پايين

Implement Spatial-Temporal map-matching algorithm to enhance accuracy of the traffic data extracted low sampling rate GPS trajectories

افزايش محبوبيت دستگاه هاي مجهز به سيستم تعيين موقعيت جهاني امكان رديابي اشياي متحرك مانند خودرو، حيوانات حيات وحش و افراد را براي كاربران فراهم ساخته است. اما اطلاعات به دست آمده از حسگر GPS همواره همراه با خطاي تعيين موقعيت و نمونه برداري مي باشد. از طرف ديگر، كاربردهاي ترافيكي از جمله جمع آوري داده هاي ترافيكي ، نيازمند مسيرهاي رديابي دقيق و منطبق بر شبكه جاده اي هستند. از آنجايي كه درصد بالايي از داده هاي رديابي GPS ، به خصوص داده هاي توليد شده توسط GPS تلفن همراه وخودروها ، با نرخ پايين هستند، به كارگيري يك الگوريتم پيشرفته براي خدمات مكان مبنا ضروري بنظر مي رسد. در اين تحقيق هدف به كارگيري الگوريتم تطبيق نقشه مكاني - زماني به منظور تحليل مسيرهاي رديابي شده با نرخ پايين مي باشد. بدين منظور در اين مقاله داده هاي رديابي GPS مربوط به هشت خط اتوبوس در محدوده مناطق 1 تا 4 شهرداري با نرخ نمونه برداري دو دقيقه مورد استفاده قرار گرفت. اين الگوريتم از تحليل هاي مكاني و زماني به منظور ساخت گراف كانديد كه در آن مجموع ه اي از نتايج منطبق شده با بالاترين مجموع رتبه به عنوان نتيجه تطبيق نقشه تعيين مي شود، استفاده مي كند. نتايج حاصل از اين الگوريتم نشان مي دهد الگوريتم مورد نظر در تطبيق نقشه با رديابي هاي GPS با نرخ پايين با دقت نسبتا بالايي در حدود هفتاد درصد صحيح عمل مي كند.

With the increasing popularity of devices equipped with a Global Positioning System, users will be able to track moving objects such as cars, animals, and people. GPS sensors data has positioning and sampling error. On the other hand, traffic applications, such as traffic data collection requires accurate tracking GPS based on road network. Since most of the percentage of tracking data GPS, particularly GPS modules in smart phones are low-end and low accuracy, a sophisticated and reliable map matching algorithm is crucial for these location- based services.This study aimed to analyze and implement an spatial-temporal map matching algorithm for low sampling rates GPS trajectories. Therefore, in this article GPS tracking data related to eight bus lines in the range of 1 to 4 municipalities with a sampling rate of two minutes will be used.The algorithm employs spatial and temporal analysis to generate a candidate raph, from which a sequence of matched results with highest sum of score is identified as the matching result .The experiment results demonstrate that ST-matching algorithm for low-sampling trajectories significantly performs good and the accuracy is about seventy percent.