基于RSS测量的城市道路网络轨迹地图匹配
Trajectory Map-Matching in Urban Road Networks Based on RSS Measurements
AI总结：
针对城市道路网络中RSS噪声、稀疏及复杂路网约束下的车辆轨迹重建问题，提出结合HRE与MSR的HMM交替优化地图匹配方法。
摘要：
本文提出一种基于RSS的方法，用于在道路网络中重建车辆轨迹；该方法强制遵循信号传播规则和车辆机动性约束，以缓解RSS噪声与稀疏性的影响。关键挑战在于在复杂道路网络中进行导航的同时，利用RSS数据内潜在的时空相关性。为解决这一问题，我们开发了基于隐马尔可夫模型（HMM）的RSS嵌入（HRE）技术，该技术采用交替优化从RSS测量中推断车辆轨迹。该模型捕捉时空依赖关系，同时道路图确保符合网络要求。此外，我们提出最大速度约束的粗略轨迹估计（MSR）方法，以引导优化过程，使其快速收敛到良好的局部解。
英文摘要：
This paper proposes an RSS-based approach to reconstruct vehicle trajectories within a road network, enforcing signal propagation rules and vehicle mobility constraints to mitigate the impact of RSS noise and sparsity. The key challenge lies in leveraging latent spatiotemporal correlations within RSS data while navigating complex road networks. To address this, we develop a Hidden Markov Model (HMM)-based RSS embedding (HRE) technique that employs alternating optimization to infer vehicle trajectories from RSS measurements. This model captures spatiotemporal dependencies while a road graph ensures network compliance. Additionally, we introduce a maximum speed-constrained rough trajectory estimation (MSR) method to guide the optimization process, enabling rapid convergence to a favorable local solution.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
