![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
路径规划
文章平均质量分 72
zhanglehes
这个作者很懒,什么都没留下…
展开
-
DWA算法实现
动态窗口算法(Dynamic Window Approaches, DWA) 属于局部路径规划算法,能有效避开障碍物。本文主要介绍dwa算法的一种c++实现,源代码库见(而这段时间是否会和障碍物接触会由开销函数来保证。算法还是希望能高速运行。原创 2023-11-01 20:31:58 · 866 阅读 · 0 评论 -
AStar路径规划算法
概要AStar是一种路径规划算法,其思想包含Dijkstra算法和启发式算法。该算法也是通过起点开始,逐步记录能够搜索到的节点,并记录它们离起点的最短距离;同时还会估算搜索到的点离终点的距离。公式G -- 当前节点离起点的距离H – 估算当前节点离终点的距离F = G + H两个队列开启列表 – 当前寻址到的节点,包含GHF三个值,但其值可能会在随后的迭代搜寻中被更新。在每次寻址的过程中,会有新的节点存入开启列表(除非当前节点寻址到的所有节点都已经在开启列表中),也会有一个节点从开启列表移原创 2023-01-11 17:07:10 · 979 阅读 · 0 评论 -
数据挖掘对道路地理位置的修正
另一方面,在某些特定的地理条件下(高山、峡谷等),gps定位系统给出的位置信息(统计平均)与实际也可能产生偏差。本文提出了一种纠偏的思路,它基于离线数据挖掘,将全局轨迹匹配的道路与线上服务实时匹配的道路进行比较,挖掘出哪些道路存在位置偏差(或gps偏差),将其补齐后在线上服务中应用,以提升线上匹配的准确性。MM按照匹配的实时性可以分为全局匹配和实时匹配,全局匹配的效果无疑是最优的,但实时匹配的互动性更加。在车载导航等场景需要用到实时匹配。本文的思路就是通过离线的全局匹配,来辅助线上实时匹配的准确性。原创 2022-11-17 10:35:37 · 234 阅读 · 0 评论 -
《Hidden Markov Map Matching Through Noise and Sparseness》读书笔记
个人觉得如果eta时间能比较准确的话,确实是一个好办法)In our map matching algorithm, the states of the HMM are the individual road segments, and the state measurements are the noisy vehicle location measurements. (隐马尔可夫模型的观察变量和隐形状态的定义)通常会认为频率越高,对算法是越友好的。(基于绕路惩罚的转移概率)低频下匹配准确度的变化趋势。原创 2022-11-16 14:10:56 · 615 阅读 · 0 评论 -
《Map-Matching for Low-Sampling-Rate GPS Trajectories》 读书笔记
这是我见过对场景定义最清楚的一篇论文了Definition 1 (GPS Log): A GPS log is a collection of GPS points 𝐿 = {𝑝1, 𝑝2,... , 𝑝𝑛} . Each GPS point 𝑝𝑖 ∈ 𝐿 contains latitude 𝑝𝑖 . 𝑙𝑎𝑡, longitude 𝑝𝑖 . 𝑙𝑛𝑔 and timestamp 𝑝𝑖 . 𝑡, as illustrated in the left part of Figure 3. (定义点的集合)原创 2022-11-10 20:49:49 · 481 阅读 · 0 评论 -
隐马尔可夫模型在map-matching中的应用
状态值的取值空间:图中所示有五条线段,因此状态空间为{S1,S2,S3,S4,S5}。考虑到map-matching是一个处理连续轨迹点的问题,因此我们可以以当前点的位置坐标出发,一定范围内的link都属于状态空间。有时连续两个gps点的位置差异过大,超过一定范围的点称之为跳点,对于跳点需要过滤掉。{o1,o2,o3,o4,o5,o6,o7,o8}(经纬度,方向,速度等)。转移概率矩阵:这里最主要考虑到的是轨迹的连续性。原创 2022-10-11 19:24:06 · 1475 阅读 · 1 评论 -
一种路网划分的策略
一条link包含起点(start_node)和终点(end_node),非极端情况下,这条link所属的分片可以等价于起点所属分片与终点所属分片的并集(最多属于两个分片),这样就将link所属分片的问题转化为点所属分片的问题。遍历每一条link,将start_node和end_node离散化成represent_node1和represent_node2,并利用上述的映射关系,找出对应的分片数,其值就是link对应的分片值。在上图中,link1/2/4均满足之前的假设,只有link3是横跨的3个分片。原创 2022-09-30 16:07:22 · 502 阅读 · 0 评论