编辑推荐：
为解决传统车辆计算能力有限难以有效利用高清地图（HD 地图）的问题，研究人员开展车道级地图匹配算法研究。提出基于掩码栅格的 HD 地图表示法，结合改进隐马尔可夫模型（HMM）算法。结果表明该方法计算效率更高，在低成本设备具扩展性，提升传统车辆导航精度。
随着智能交通的发展，高清地图（HD 地图）凭借米级精度的道路几何与语义信息，成为提升车辆导航安全性的重要支撑。然而，传统车辆搭载的低成本设备计算能力有限，难以处理 HD 地图海量数据，导致基于有向图的传统地图匹配方法计算负担骤增，尤其在复杂路口，数据量较标准地图（SD 地图）高出数十倍，实时匹配效率低下。如何让传统车辆也能借助 HD 地图实现精准的车道级定位，成为智能交通领域亟待突破的瓶颈。
为解决这一问题，研究人员开展了针对低算力设备的车道级地图匹配技术研究。通过创新地图表示方法与优化匹配算法，旨在让普通车辆也能享受 HD 地图带来的导航升级。该研究成果发表在《Expert Systems with Applications》。
研究采用的核心技术包括：
- 掩码栅格地图表示法：将 HD 地图的矢量数据转换为多通道栅格，包含占用网格、方向、车道类型和速度限制等信息，并通过聚类生成车道组掩码，过滤冗余连接，提升匹配效率。
- 改进隐马尔可夫模型（HMM）算法：引入横向偏差概率模块，融合距离、方向、横向位置等多特征计算发射概率，结合掩码信息约束状态转移概率，实现精准车道匹配。
实验与结果
实验设计
研究选取真实道路环境，使用两种低成本设备（智能手机与行车记录仪）采集包含位置 (x,y)、速度 v 及车道语义 (Ll,Lr) 的轨迹数据，结合栅格化 HD 地图（MHD）进行匹配测试。
关键发现
- 计算效率提升：与基于矢量 HD 地图的方法相比，掩码栅格法显著降低计算复杂度。在复杂路口场景，路径搜索时间减少约 60%，满足实时匹配需求。
- 匹配精度优化：通过横向偏差概率模块，车辆横向位置匹配误差控制在 0.5 米以内，车道级定位准确率达 92.3%，显著优于传统 HMM 方法（85.1%）。
- 设备扩展性：在不同算力的低成本设备（如低端安卓手机与入门级行车记录仪）上，算法均能稳定运行，计算耗时波动小于 15%，验证了方法的普适性。
结论与意义
该研究提出的基于掩码栅格的 HD 地图表示与改进 HMM 匹配算法，成功突破传统车辆利用 HD 地图的算力限制。通过轻量化的地图建模与高效概率推理，实现了车道级定位精度与计算效率的平衡，为 HD 地图在传统车辆、智能交通规划及车路协同场景的普及奠定了基础。未来可进一步探索与视觉传感器的融合，提升复杂环境下的鲁棒性，推动智能交通系统向更广泛的应用场景延伸。
