김상균(curt.k) / kakaomobility corp.(데이터랩)
---
맵매칭은 도로 네트워크에 차량의 위치 측정치를 매핑하여 정확한 모빌리티 사용자의 위치와 이동경로를 추정하는 과정으로, 내비게이션 길안내, 택시/대리 등의 이동경로 기반한 요금 산정, 교통흐름 분석, 이동 방향 결정 등에 활용된다.
GPS 위치가 정확하고 업데이트 주기가 빠른 경우 GPS를 가까운 도로 네트워크 상에 매핑만 하면 되지만, 실 서비스에서는 실내, 도심, 터널 등의 환경에서 GPS 위치가 부정확하고, 수 십 초 이상 수신기 되지 않는 상황이 빈번하게 발생되어 확률 모델 적용이 필요하다.
발표에서는 위 같은 상황에 대응 가능하도록 자체 개발된 Hidden Markov Model(HMM) 기반 맵매칭 알고리즘과 일평균 수백만 이동 경로에 적용된 서비스 시스템에 대해 설명하고, 실 데이터 처리 분석 결과를 공유한다.
56. viterbi
incremental viterbi
이미지 출처 : Jason Bobbin. An Incremental Viterbi Algorithm for Large Sequence Hidden Markov Models
마지막 노드들이 모두 하나의 부모에 연결될때 Window를 나눈다.
Window1 Window2
57. viterbi
incremental viterbi
이미지 출처 : Jason Bobbin. An Incremental Viterbi Algorithm for Large Sequence Hidden Markov Models
Window1 Window2
window2의 마지막 노드들의 어떤 노드가 선택되더라도 window1의 최적 path변하지 않는다.
61. 맵매칭 정리
• 일정반경(gps정확도에 따라 다름)안에서 link로 가장 가까운 점을 찾는다
• emission확률 : gps와 link사이의 거리 (정규분포)
• transition확률 : gps직선거리와 네트웍경로거리의 차이 (지수분포)
• 최대확률(viterbi)
• 메모리 적게 사용(incremental viterbi)
79. 맵매칭 활용
내비 속도 정확도 개선
안내경로
GPS경로
[기존 Link 속도 데이터] [기존 Link 속도 데이터]
80. 정리
- GPS오류
- 정확한 요금산정
- Hidden Markov Model(Emission확률, Transition확률)
- 가장 확률이 높은 경로(viterbi)
- PreFilter
- PostFilter
81. Hidden Markov Map Matching Through Noise and Sparseness
by Paul Newson & John Krumm
An Incremental Viterbi Algorithm for Large Sequence Hidden
Markov Models
by Jason Bobbin
Reference