刘伟东，赵 新，李 磊，刘小琛，李 丹

(1.国网天津市电力公司 电力科学研究院，天津 300021；2.国网天津市电力公司 营销部，天津 300010)

0 引 言

由于电动汽车广泛应用的基础设施如充电设施较少，限制了电动汽车的进一步发展。电动汽车行车轨迹数据可应用在电动汽车充电设施的整体规划中，精确的电动汽车行车轨迹数据可以结合城市规划及交通情况，为充电设备选址规划提供数据支撑[1-4]。特别是在无人驾驶电动汽车领域，精确的轨迹能够确保无人驾驶汽车的高安全性[5-7]。行车轨迹的经纬度等定位数据信息变化频繁，其可以结合GPS、电子地图和可视化等技术进行轨迹绘制和定位的特点，从而可以将汽车行驶过程中不符合道路特征的定位数据信息进行纠偏，以正确获得行车轨迹，进而获得更为准确的定位数据，解决轨迹不准确等问题。现有文献提出了基于数据拟合、概率统计和预测等方法以解决轨迹不准确问题，但还是存在定位频率低引起定位轨迹信息不连续等问题。隐马尔可夫模型(hidden Markov model，HMM)是一种统计模型，当前已有研究将其与物联网技术集成应用在轨迹预测中[8-10]。本文将采用HMM模型进行电动汽车的行车过程中定位轨迹的数据不准确问题进行纠错，并提出了隐马尔可夫纠偏定位点优化算法以提升定位精度，可为电动汽车的充电设施的选址提供精确的行车轨迹数据来源。

1 相关理论

隐马尔可夫模型是一种关于时间序列的概率模型，是经典的预测模型。……