توسعه‌ي يك الگوريتم تناظريابي امتياز محور با تمركز بر مدل‌سازي و بهينه‌سازي وزن متغيرها

Developing a weighted-base map matching algorithm with the focus on modeling parameters and weights optimization

تعيين موقعيت در محيط‌ شبكه‌ مستلزم فرايندي است كه بتواند مختصات خام به‌دست آمده از حسگرهاي موقعيت‌يابي را بر روي يال‌هاي آن شبكه تصوير نمايد. اين فرايند به تناظريابي نقشه موسوم است. لزوم وجود چنين فرايندي ناشي از وجود خطاي ناگزير در تعيين موقعيت كاربر و نقشه‌ي شبكه‌ي راه‌ها مي‌باشد. از اين رو انجام تناظريابي براي موقعيت اشيا متحرك به روي شبكه‌اي كه در درون آن واقع شده‌اند، لازمه‌ي ارايه‌ي هر سرويس مكان‌مبنا در محيط شبكه‌ مي‌باشد. تا كنون، براي اين منظور الگوريتم‌هاي مختلفي توسعه داده شده‌اند. در اين مقاله ابتدا مروري كوتاه بر انواع تناظريابي هندسي‌ كه پايه‌اي‌ترين نوع تناظريابي است، صورت مي‌گيرد. سپس يك الگوريتم تناظريابي امتياز محور ارايه و وزن پارامترهاي استفاده شده در آن در هر مرحله به روش تجربي بهينه‌سازي مي‌شود. در الگوريتم پيشنهادي، از سه مولفه‌‌ي فاصله، همسويي، و موقعيت نسبي به‌عنوان متغير‌هاي ورودي به فرايند تناظريابي استفاده مي‌شود. براي متغير موقعيت نسبي چهار فرم مدل‌سازي مختلف صورت گرفته است و با مقايسه‌ي نتايج حاصل از هر يك، مدل ʹزاويه‌ي مقابلʹ به‌عنوان مدل بهينه مورد شناسايي قرار مي‌گيرد. مقايسه‌اي بين عملكرد الگوريتم تناظريابي پيشنهادي با الگوريتم‌هاي تناظريابي هم تراز از نظر پيچيدگي صورت پذيرفت كه حاكي از برتري نسبي الگوريتم پيشنهادي در اين مطالعه بود. در ارزيابي انجام شده، اين الگوريتم در 5/95 درصد موارد تناظريابي، مسير حركت وسيله نقليه را به درستي شناسايي مي‌كند.

Positioning in road network environment requires a process with which can be able to match the raw coordinates, obtained from the positioning sensor(s), to the links of the network. Such matching process is necessary for two obvious reasons. First, positional data is not definite, and second, map coordinates are not absolute. Hence, there is a need for a process, known as map-matching, to reconcile two groups of coordinates. Accordingly, to provide some location-based services in network areas, performing a map-matching process seems inevitable. In this paper, after discussing several types of geometric map-matching methods, which is the most basic form of map-matching, a weighted-base map-matching algorithm is developed.The participating parameters’ weights are optimized experimentally. The algorithm takes three parameters as input: ‘Distance’, ‘Heading Convergency’, and ‘Relational Position’. Four types of modelling for ‘Relational Position’ are presented. The most effective type is then recognized after executing tests on algorithm performance. Also, comparing the performance of the suggested map-matching algorithm to the map-matching algorithms of the same complexity developed in other studies shows that the suggested algorithm is more efficient. This paperʹs suggested algorithm provided 95.5 percent of true link selection during the performance assessment.