CN103209206A - 一种基于手机智能系统的多终端车辆行驶记录系统 - Google Patents

Abstract

本发明涉及一种基于手机智能系统的多终端车辆行驶记录系统，属于计算机技术和运输管理领域。通过本系统，用户可以使用手机智能终端实现对车辆行驶状况的记录和实时查询，在不改装车辆的情况下，实现对车辆的监控；管理者和一般用户，也可以通过Web服务程序在每一次监控之后查看之前的监控记录。本发明使用成本大大降低，同时便捷性也得到了提高。

Description

一种基于手机智能系统的多终端车辆行驶记录系统

技术领域

本发明属于计算机技术和运输管理领域，具体涉及一种基于手机智能系统的多终端车辆行驶记录系统，该系统使用移动智能终端采集数据，实现对车辆行驶情况的记录。

背景技术

当下，移动互联应用技术和云计算技术蓬勃发展，给人们的生活带来了前所未有的便利，同时也逐渐在颠覆传统的工作方式。

在运输管理领域，人们通过给每个被监管车辆配发独立的GPS接受设备，安装独立的控制和数据传输系统，此外，对于出租车等对金额敏感的行业，甚至需要对车辆进行硬件上的改装。毫无疑问，这些都大大增加了使用成本和使用难度。然而，在很多情况下，并没有条件进行如此之多的设备购置和硬件改装。同时，用户也不需要实现超精准和严格地监控。

随着我国电信事业的发展与普及，我国的手机用户数量已达10亿。截止2012年8月我国的智能手机用户数量已达2.9亿，环比增长了15%。由此可见，智能手机逐步普及，且用户数量庞大。现在一台使用Android操作系统的智能终端价格也非常低廉，使用成本很低。同时，智能终端基本都包含了蜂窝数据传输模块，GPS定位模块，以及独立处理简单任务的能力。 

本发明使用云计算技术，可以实现多台客户端同时查看实时监控数据。在数据处理方面，我们使用自适应卡尔曼滤波器方法和改进的垂直投影匹配算法进行数据过滤和地图锚点的选取，极大地改善了使用单一设备在城市中采集GPS数据的波动和干扰，并且最终能生成符合实际和用户习惯的直观路线图。

发明内容

本发明针对上述问题和现状，提出一种自由度更高、更易使用的基于手机智能系统的多终端车辆行驶记录系统，用户可以利用随身携带的终端设备，无需对车辆的任何改动即可实现对需监管车辆的监控。

实现本发明目的的技术方案为：一种基于手机智能系统的多终端车辆行驶记录系统，该系统包括智能手机端、云服务器和Web服务端；所述的智能手机端用于采集GPS数据，并通过无线网络将GPS数据发送到云服务器，同时接收云服务器反馈的车辆行驶信息数据和路线图；所述的云服务器通过以太网与Web服务端相连接。

用户使用一到多台装有客户端程序的智能终端设备，通过GPS和蜂窝数据器件，将捕获的数据传输到服务器，服务器接收到原始数据之后，对数据采用自适应卡尔曼滤波器进行滤波处理，最终得出接近真实的精确GPS数据，并存储在服务器端，同时，服务器使用改进的垂直投影匹配算法，在云端将车辆行驶轨迹在地图上投影出来，并绘制出线路图。

此外，服务器可以做任何基于位置的数据运算和处理，如行驶里程计算，行驶收费计算等。

下面详细说明本发明的技术方案。

本发明提出的使用智能手机操作系统的终端设备进行捕获GPS数据，并通过应用程序展现车辆的运行状态。主用户（司机）打开应用，设备会向服务器申请开始监控，并反馈一个监控服务ID，辅助用户（副驾驶或多个用户）也可以选择打开应用，在应用中填入主用户的服务ID进行辅助监控。车辆在运行中，主副设备会定时捕获GPS数据，并上传服务器。服务器根据上传数据的时间戳，对GPS数据进行分组，然后调用自适应卡尔曼滤波器进行数据的滤波处理，生成有效精确GPS数据，并绑定时间戳，存储在数据库中。同时，服务器在生成了相关的GPS锚点之后，使用改进的垂直投影匹配算法在开源的如Google地图等免费地图服务中定位和标注，最终生成车辆的行驶路线。在整个处理过程中，服务器可以做任何需要通过车辆位置来计算和统计的处理操作。如：生成运输成本。在地图上生成路线图之后，客户端（主和辅助客户端）可以通过应用访问查看服务器处理的数据（如运输成本），和车辆行驶相关位置信息（如行驶距离、行驶时间）。

在记录过程中，用户可以通过移动终端查看实时的记录信息。在记录过程结束之后，用户可以通过Web服务器查看每次记录的明细，也可通过编写针式打印设备打印此次记录的单据。

本发明的优势在于使用便携普及的移动智能终端设备实现了对车辆行驶情况的记录和相关数据处理，并且借助云计算服务，可以通过多台智能终端实时查看，使用成本大大降低，同时便捷性也得到了提高。

附图说明

图1是本发明的系统平台架构图。

图2是本发明的数据流传输过程。

具体实施方式

以下结合附图，详细说明本发明的实施方式。

(一) 系统组成

系统平台需由两个硬件模块组成，其一是智能终端设备，其二是云端服务器，同时，基于两个硬件模块，分别在智能终端设备，服务器端和Web端都有各自的处理程序。下面结合图1介绍系统平台各模块的实施方式。

（1）智能终端设备模块

智能终端包括了驾驶员使用的主设备和可选多台辅助设备。驾驶员使用的主设备选用价格低廉、性能强大的智能终端芯片，采用的是联发科的MTK6577智能芯片，同时考虑到部分用户的需求，我们选用智谷电-58MM蓝牙便携式针式打印设备作为移动便携式针式打印设备，用于打印记录小票作为记录凭证。

移动设备上运行应用程序，实现两个主要并发线程。第一，实时采集GPS数据，并发送到服务器。第二，实时接收服务器反馈的车辆行驶信息数据和显示在地图上的路线图。应用程序有三个主要步骤，第一，向服务器发送申请，获取服务ID开始工作。第二，正常工作，实现并发线程。第三，结束整个监控流程。第四，可以选择是否打印单据。

（2）云服务器模块

服务器端运行着整个系统中的数据处理程序。主要实现三个功能：第一，管理服务功能，服务器程序控制服务ID的分发，实时维持各个不同任务的数据并行处理和分发，当接收到任务终止信号后，将监控结果存入数据库中；第二，数据处理功能，使用自适应卡尔曼滤波器进行原始GPS数据的过滤，同时可以计算如行驶里程，行驶时间，行驶成本等用户自定义的详细信息，将得出的有效数据使用改进的垂直投影匹配算法在开源的如Google地图等免费地图服务中定位和标注，最终生成车辆的行驶路线，并将结果存入数据库中；第三，数据收发功能，服务器通过网络不断接收移动设备发送的原始GPS数据，并根据时间和服务ID分组，服务器同时也会将已处理好的数据和结果发送至移动设备端。

（3）Web服务模块

所述的Web服务模块基于云服务器，用户可以通过自己的服务ID在Web服务程序之间查询此次车辆监控的记录和结果，管理员可以查询所有系统中存有的记录结果。

(二) 算法介绍

（1）      自适应卡尔曼滤波方程的建立

建立离散自适应卡尔曼滤波模型方程如下：

                                          (1)

        (2)

        (3)

                   (3)

                   (4)

                             (5)

式(1)～(5)中，k和k+1表示k时刻和第k+1时刻，X(k)是k时刻的状态向量，X(k+1，k)是利用上一状态预测的结果；式子（1）中，Φ（k+1，k）为n×n维系统转移矩阵；式子（2）中，L为量测误差的高斯白噪声，H是测量系统的参数，对于多测量系统，H为矩阵；式子（3）中，K是卡尔曼增益，滤波器相对于残差的灵敏度由卡尔曼增益K来确定，R(k)阵为系统的观测噪声协方差阵R的离散化矩阵，Φ（k+1，k）为n×n维系统转移矩阵，P(k+1，k)是X(k+1，k)对应的协方差；式子（4）中，λ（k+1）是引入的自适应遗忘因子，用它来限制卡尔曼滤波器的记忆长度，充分利用当前的测量数据，并改善滤波器的动态性能，Q（k）阵为系统噪声协方差阵Q的离散化矩阵，Φ ^T 和H ^T 为对应矩阵的转置矩阵；式子（5）中，其中I为1的矩阵，对于单模型单测量，I=1；当系统进入k+2状态时，P(k+1)就是P(k)。这样，算法就可以自回归的运算下去。

（2）    改进的垂直投影匹配算法

基于车辆的改进的垂直投影地图匹配算法的完整的过程可分为四大步骤，按照过程发生的先后，依次为：1）通过查询相关数据库，确定当前行驶路线；2）初始匹配；3）行驶中的匹配；4）定位结束判断，即当车辆行驶到终点站时，系统自动进行判断并结束定位。

综上，具体的地图匹配算法步骤如下所示：

Step1：相关变量定义及初始化。如设定首次定位标志 IsFirst=.T.，初始匹配的连续点数InitCounter=4等；

Step2：根据地图数据库查询得到当前行驶路线，并将该路线的道路信息（节点、

形状点）存入数组 RoadNodes；

Step3：获得新的位置估计点；

Step4：将位置估计点匹配到道路上；

step4.1：查找离估计点最近的道路形状（节）点，判断距离是否大于阈值；若大于，转step4.2；否则，转step4.3；

Step4.2：判断是否为初始匹配；若是，清空已有匹配点，转step3；否则，取最近历史时刻的匹配值为当前匹配值，然后转到step3；

step4.3：找到最近的道路形状（节）点在整个道路形状点排列中的排列序号；

step4.4：判断最近节点的序号是否为首、尾节点之一，若是，则取相应的首条路段或末尾路段为车辆当前路段，转到 step4.7；否则，找到并记录该最近形状点的前后相邻道路形状点，执行下一步；

step4.5：以找出的最近形状点为起点，以其两相邻形状点和位置估计点为不同的终点，作三个向量 befVect、LocVect、aftVect；

step4.6：对比位置估计向量分别与两路段向量构成的夹角的大小，将夹角小的路段作为位置估计点所在的当前路段；

step4.7：利用垂直投影算法，求出位置估计点在当前路段的投影；

Step5：判断是否为初始定位，若不是，转入 step6；否则，执行下一步；

step5.1：判断已完成的连续初始匹配点数是否达到设定值。若是，初始投影结束，转入 step5.4；否则，执行下一步；

step5.2：初始匹配点数减 1；

step5.3：记录本次投影点的值，转到step3；

step5.4：初始地图匹配，将连续InitCounter 次的在道路上的投影点顺序进行对比，去除后退的点和速度剧增的点，选剩下的投影点为车辆的初始定位的道路匹配点，并记下最近一次有效的匹配位置；

step5.5：结束初始匹配，即IsFirst=.F.，转到 step3；

Step6：行驶中的定位匹配；

step6.1：比较当前匹配点与前一次匹配点在道路上的前后顺序；若当前匹配位置在后或相同，则当前匹配位置取前一次的匹配值，转到 step7；否则，转到 step6.2；

step6.2：计算离当前时刻最近的采样路段的车辆平均速度，判断是否小于等于设定的最大速度值；若是，记录当前匹配值，转到 step7；否则，取前一次匹配位置为当前匹配位置，转到step7；

Step7：判断当前路段是否为终点所在路段，若是，转step8；否则，转step9；

Step8：计算匹配点到道路终点间的路程长度，判断是否小于设定阈值；若是，设置结束标志，转step9；否则，直接转step9；

Step9：判断是否结束定位。若是，向定位中心发定位结束请求，转step10；否则，转到step3；

Step10：匹配结束退出。

Claims (3)

1.一种基于手机智能系统的多终端车辆行驶记录系统，其特征在于：该系统包括智能手机端、云服务器和Web服务端；所述的智能手机端用于采集GPS数据，并通过无线网络将GPS数据发送到云服务器同时接收云服务器反馈的车辆行驶信息数据和路线图；所述的云服务器通过以太网与Web服务端相连接。

2.根据权利要求1所述的基于手机智能系统的多终端车辆行驶记录系统，其特征在于：该系统还包括用于打印记录单据的便携式针式打印设备，所述的便携式针式打印设备通过蓝牙与智能手机端相连接。

3.根据权利要求1所述的基于手机智能系统的多终端车辆行驶记录系统，其特征在于：所述的智能手机端数量为至少1台。

Images