CN103925929B - 一种移动目标运动距离统计方法和装置 - Google Patents

Abstract

本发明提供了一种移动目标运动距离统计的方法和装置，其中，所述的方法包括：获取移动目标的特征数据；所述特征数据包括多个在预设时间间隔上传的离散点数据；针对所述特征数据计算离散点数据集合；针对所述离散点数据集合生成拟合曲线；将所述拟合曲线拆分为高拟合度曲线和低拟合度曲线；采用所述高拟合度曲线计算第一运动距离；采用所述低拟合度曲线计算第二运动距离；将所述第一运动距离及所述第二运动距离合并为当前移动目标的运动距离。本发明用以降低对设备的强依赖性，节约成本，增强容错能力，保持较高的计算精确度。

Description

一种移动目标运动距离统计方法和装置

技术领域

本发明涉及空间信息处理技术领域，特别是涉及提出一种移动目标运动距离统计的方法和装置。

背景技术

在传统方式中获取移动目标的运动距离的方式一般是通过仪表来计算并显示，可以解决获取移动目标的运动距离的问题。但是由于仪表自身存在计算方法设计问题的缺陷，例如当车辆车轮空转，载重变化等情况下，仪表统计存在较大误差；在人为调动仪表，或仪表故障的情况下，更是无法作为里程数据参考，因此传统的运动距离的统计方式已经无法满足人们的要求。

在现存解决车辆历史轨迹的里程统计方案是：对车辆通过将GPS(GlobalPositioning System，全球定位系统)设备上报位置信息，强制性与现有地图数据进行匹配计算，利用通过实际测绘获取的道理里程数据，进行计算，从而获取较为精准的里程数据，但此方案需要高精度GPS设备以保证车辆上报位置的准确性，该条件导致此方案只能在军方等，配备高精度仪器领域使用，且对车辆不在道路上行驶情况无法准确计算。

本领域技术人员迫切需要解决的问题之一在于，提出一种移动目标运动距离统计的方法和装置，用以降低对设备的强依赖性，节约成本，增强容错能力，保持较高的计算精确度。

发明内容

本发明所要解决的技术问题是提供一种移动目标运动距离统计的方法和装置，用以降低对设备的强依赖性，节约成本，增强容错能力，保持较高的计算精确度。

为了解决上述问题，本发明公开了一种移动目标运动距离统计的方法，包括：

获取移动目标的特征数据；所述特征数据包括多个在预设时间间隔上传的离散点数据；

针对所述特征数据计算离散点数据集合；

针对所述离散点数据集合生成拟合曲线；

将所述拟合曲线拆分为高拟合度曲线和低拟合度曲线；

采用所述高拟合度曲线计算第一运动距离；

采用所述低拟合度曲线计算第二运动距离；

将所述第一运动距离及所述第二运动距离合并为当前移动目标的运动距离。

优选地，所述针对特征数据计算离散点数据集合的步骤之前，还包括：

对所述特征数据进行格式转换。

优选地，所述针对特征数据计算离散点数据集合的步骤包括：

子步骤S11，按照时间顺序依次提取离散点数据；所述离散点数据中包括移动目标位置信息，移动目标速度信息，移动目标记录时间信息、移动目标运动方向信息；

子步骤S12，依据所述移动目标运动方向信息，移动目标速度信息以及所述预设时间间隔计算预计移动目标位置信息；

子步骤S13，从所述特征数据提取与所述离散点数据相邻的离散点数据的移动目标位置信息；

子步骤S14，判断所述相邻的离散点数据中的移动目标位置信息是否在所述预计移动目标位置信息的预设滤波范围内；若是，则执行子步骤S15，若否，则执行子步骤S16；

子步骤S15，采用所述预计移动目标位置信息，以及所述相邻的离散点数据的移动目标位置信息计算近似实际移动目标位置信息，并将所述相邻的离散点数据中的移动目标位置信息更新为近似实际移动目标位置信息；

子步骤S16，将所述相邻的离散点数据的移动目标位置信息更新为近似实际移动目标位置信息；

子步骤S17，判断是否遍历完所述离散点数据；若是，则执行子步骤S18，若否，则返回子步骤S11；

子步骤S18，将所述离散点数据组织为离散点数据集合。

优选地，所述针对特征数据计算离散点数据集合的步骤还包括：

移除所述离散点数据集合中不符合预置滤波规则的离散点数据，所述预置滤波规则包括离散点数据边界阈值范围，移动目标运动速度阈值范围，相邻离散点数据的移动目标运动方向夹角阈值范围。

优选地，所述采用高拟合度曲线计算第一运动距离的步骤包括：

计算所述高拟合度曲线的长度；

将所述高拟合度曲线的长度组织为第一运动距离。

优选地，所述采用低拟合度曲线计算第二运动距离的步骤包括：

将所述低拟合度曲线中的离散点数据的移动目标位置信息在预置路网地图中选取匹配道路曲线；

计算所述匹配道路曲线的长度；

将所述匹配道路曲线的长度组织为第二运动距离。

优选地，所述的方法还包括：

将所述移动目标的运动距离存储为可扩展标记语言格式XML。

本发明实施例还公开了一种移动目标运动距离统计的装置，包括：

特征数据获取模块，用于获取移动目标的特征数据；所述特征数据包括多个在预设时间间隔上传的离散点数据；

离散点数据集合计算模块，用于针对所述特征数据计算离散点数据集合；

拟合曲线生成模块，用于针对所述离散点数据集合生成拟合曲线；

拟合曲线拆分模块，用于将所述拟合曲线拆分为高拟合度曲线和低拟合度曲线；

第一运动距离计算模块，用于采用所述高拟合度曲线计算第一运动距离；

第二运动距离计算模块，用于采用所述低拟合度曲线计算第二运动距离；

合并模块，用于将所述第一运动距离及所述第二运动距离合并为当前移动目标的运动距离。

优选地，在所述离散点数据集合计算模块之前，还包括：

格式转换模块，用于对所述特征数据进行格式转换。

优选地，所述离散点数据集合计算模块包括：

提取子模块，用于按照时间顺序依次提取离散点数据；所述离散点数据中包括移动目标位置信息，移动目标速度信息，移动目标记录时间信息、移动目标运动方向信息；

预计位置信息计算子模块，用于依据所述移动目标运动方向信息，移动目标速度信息以及所述预设时间间隔计算预计移动目标位置信息；

相邻数据提取子模块，用于从所述特征数据提取与所述离散点数据相邻的离散点数据的移动目标位置信息；

判断子模块，用于判断所述相邻的离散点数据中的移动目标位置信息是否在所述预计移动目标位置信息的预设滤波范围内；若是，则调用第一更新子模块，若否，则调用第二更新子模块；

第一更新子模块，用于采用所述预计移动目标位置信息，以及所述相邻的离散点数据的移动目标位置信息计算近似实际移动目标位置信息，并将所述相邻的离散点数据中的移动目标位置信息更新为近似实际移动目标位置信息；

第二更新子模块，用于将所述相邻的离散点数据的移动目标位置信息更新为近似实际移动目标位置信息；

遍历子模块，用于判断是否遍历完所述离散点数据；若是，则调用组织子模块，若否，则调用提取子模块；

组织子模块，用于将所述离散点数据组织为离散点数据集合。

优选地，所述离散点数据集合计算模块还包括：

移除模块，用于移除所述离散点数据集合中不符合预置滤波规则的离散点数据，所述预置滤波规则包括离散点数据边界阈值范围，移动目标运动速度阈值范围，相邻离散点数据的移动目标运动方向的夹角阈值范围。

优选地，所述第一运动距离计算模块包括：

第一长度计算子模块，用于计算所述高拟合度曲线的长度；

第一组织子模块，用于将所述高拟合度曲线的长度组织为第一运动距离。

优选地，所述第二运动距离计算模块包括：

匹配子模块，用于将所述低拟合度曲线中的离散点数据的移动目标位置信息在预置路网地图中选取匹配道路曲线；

第二长度子模块，用于计算所述匹配道路曲线的长度；

第二组织子模块，用于将所述匹配道路曲线的长度组织为第二运动距离。

优选地，所述的装置还包括：

存储模块，用于将所述移动目标的运动距离存储为可扩展标记语言格式XML。

与现有技术相比，本发明包括以下优点：

本发明对移动目标的特征数据中的离散点数据进行滤波处理，得到准确度较高的离散点数据集合，然后依据该离散点数据集合生成拟合曲线，依据拟合曲线拟合度的高低分别以不同的方式计算曲线的长度，最后合并得到移动目标运动距离，降低对设备的强依赖性，节约成本，增强容错能力，保持较高的计算精确度。

附图说明

图1是本发明的一种移动目标运动距离统计的方法实施例的步骤流程图；

图2是本发明的一种对离散点数据进行滤波处理的示意图；

图3是本发明的一种移动目标(车辆)运动距离的计算流程图；

图4是本发明的一种移动目标运动距离统计的装置实施例的结构框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明实施例的核心构思之一在于，对于移动目标的特征数据中的离散点数据进行滤波处理，得到准确度较高的离散点数据集合，然后依据该离散点数据集合生成拟合曲线，依据拟合曲线拟合度的高低分别以不同的方式计算曲线的长度，最后合并得到移动目标运动距离，保持统计数据精确度。

具体来说，本发明实施例可以解决公路交通运输等相关行业中无法准确获取车辆行驶道路里程的问题，可绕过仪表显示等传统方式，提供较小误差、更接近真实行驶里程的数据。在本发明实施例中降低了对GPS设备的强依赖性，在设备精度较高，且良好工作的环境下可提供误差小于0.5％的精确度，在设备精度较差，复杂工作环境影响下，如信号屏蔽、设备异常等引起的大范围漏点，非法报位，常规偏移等情况下，依然可以保持较高计算精度，拥有较高的容错性，可有效处理多种多样的车辆历史轨迹情况，并提供较为精准的计算结果。

参照图1，示出了本发明的一种移动目标运动距离统计的方法实施例的步骤流程图，具体可以包括如下步骤：

步骤101，获取移动目标的特征数据；所述特征数据包括多个在预设时间间隔上传的离散点数据；

在实际中，移动目标的特征数据为GPS设备或其他设备在预设时间间隔上传到服务器有关移动目标的详细说明信息，例如移动目标经纬度位置信息等。以移动目标为车辆做示例，所述车辆的特征数据的离散点数据具体可以如下所示：

[偏移经度：偏移纬度：GPS时间：GPS速度：正北方向夹角：车辆状态：报警编码：经度：纬度：海拔：里程：累计油耗：发动机运行总时长：引擎转速(发动机转速)：位置基本信息状态位：区域/线路报警：冷却液温度：蓄电池电压：瞬时油耗：行驶记录仪速度：机油压力：大气压力：发动机扭矩百分比：车辆信号状态：车速来源：油量(对应仪表盘读数)：超速报警附加信息：路线行驶时间不足/过长：油门踏板位置，(1bit＝0.4％，0＝0％)：终端内置电池电压：发动机水温：发动机水温：进气温度：开门状态：需要人工确认报警事件的ID：系统时间]。

在具体实现中，对所述移动目标的特征数据作进一步处理之前，还可以对所述特征数据进行格式转换。

通过GPS设备上传的移动目标的实时特征数据到指定历史轨迹存储介质中，然后可从中选取指定时段内待计算数据。在实际中，由于GPS设备上报数据为设备格式数据，在对所述特征数据进一步处理之前还需经过转换规则转换为可使用格式数据，即对移动目标的特征数据抽取整合：

首先从特征数据中提取必须的特征数据，假设在统计中需要的数据为经度，纬度，GPS速度，GPS时间，正北方向夹角。

其中，对于需要的数据的转换可以为如下方式：

偏移经度/偏移纬度：除以600000换算成实际经度、纬度，保留到小数点后6位；

GPS时间：转换成毫秒单位，并可根据此时间排序，默认不对GPS时间排序；

GPS速度：乘以0.1换算成实际速度，单位Km/h(千米/秒，保留1位小数)

具体地，GPS设备上报的特征数据可以为：

72376654:18810079:20120625/000030:573:183::27:72374140:18811368:7:498968:-1::-1:2::::-1:0:::-1:0:1::::-1:::::::1340553597914。

从该特征数据中截取并拆分前5个参数为：

偏移经度：72376654

偏移纬度：18810079

GPS时间：20120625/000030

GPS速度：573

正北方向夹角：183

拆分的前5个参数经转换后的为：

偏移经度：120.627756

偏移纬度：31.350131

GPS时间：1340553630000

GPS速度：57.3

正北方向夹角：183

由于特征数据的转换方式与GPS设备上传数据的格式相关，故在具体实现中应当依据实际情况实现对特征数据的格式转换。

步骤102，针对所述特征数据计算离散点数据集合；

在本发明的一种优选实施例中，所述步骤102可以包括如下子步骤：

子步骤S11，按照时间顺序依次提取离散点数据；所述离散点数据中包括移动目标位置信息，移动目标速度信息，移动目标记录时间信息、移动目标运动方向信息；

子步骤S12，依据所述移动目标运动方向信息，移动目标速度信息以及所述预设时间间隔计算预计移动目标位置信息；

子步骤S13，从所述特征数据提取与所述离散点数据相邻的离散点数据的移动目标位置信息；

子步骤S14，判断所述相邻的离散点数据中的移动目标位置信息是否在所述预计移动目标位置信息的预设滤波范围内；若是，则执行子步骤S15，若否，则执行子步骤S16；

子步骤S15，采用所述预计移动目标位置信息，以及所述相邻的离散点数据的移动目标位置信息计算近似实际移动目标位置信息，并将所述相邻的离散点数据中的移动目标位置信息更新为近似实际移动目标位置信息；

子步骤S16，将所述相邻的离散点数据的移动目标位置信息更新为近似实际移动目标位置信息；

子步骤S17，判断是否遍历完所述离散点数据；若是，则执行子步骤S18，若否，则返回子步骤S11；

子步骤S18，将所述离散点数据组织为离散点数据集合。

在本发明实施例中，可以将离散点数据通过自定义实现笛卡尔滤波算法，进行初步降噪处理(滤波处理)，得到较贴近实际移动目标运动轨迹的离散点数据集合。

自定义实现的笛卡尔滤波方法可以为：从特征数据中依次提取离散点数据，根据当前离散点数据中移动目标运动方向信息，移动目标速度信息以及与上报的下一离散点数据时间间隔，计算出预计移动目标位置信息，将该预计移动目标位置信息和设备上报的相邻离散点数据的移动目标位置信息，通过降噪指数计算出近似实际移动目标位置信息来更新下一离散点数据中的移动目标位置信息，以此类推，再以下一点为处理点，重复本计算流程，直到全部特征数据处理完毕。

参照图2，所示本发明的一种对离散点数据进行滤波处理的示意图，其中，离散点p1，p2，p3为特征数据中的待处理点，首先以p1点为处理点，通过移动目标运动方向，移动目标速度，GPS设备上报数据预置时间间隔等数据计算出预计移动目标p2’点坐标，然后对p2点坐标与p2’点坐标通过降噪指数计算得点p2”坐标，更新p2点坐标为p2”点坐标，再以p2点为处理点计算p3点滤波坐标，由于p3点坐标超出p3’点坐标的滤波范围，故舍弃p3点，更新p3点坐标为p3’点坐标，以此类推，完成全部特征数据的滤波处理。

在本发明的一种优选实施例中，所述步骤102还可以包括如下子步骤：

子步骤S19，移除所述离散点数据集合中不符合预置滤波规则的离散点数据，所述预置滤波规则包括离散点数据边界阈值范围，运动速度阈值范围，相邻离散点数据的移动目标运动方向的夹角阈值范围。

优选地，可以对离散点数据进行进一步的处理，提高离散点数据集合数据的精确度。

以车辆在中国境内公路上行驶时获取的特征数据为例，依据行业特性可制定二次滤波处理，进行深度过滤，具体可以为如下的实现滤波处理方式：

1)车辆默认行驶在中国境内，可过滤掉离散点集合中超出中国边界的报位点；

2)车辆速度为0时，认为车辆未行走，报位点为无效点，可过滤掉；

3)通过两点间距离及相隔时间可计算得车辆行驶平均速度，根据中国道路最高限速值判断，若该平均速度超过本限速值，即认为该点无效，可过滤掉；

4)根据GPS漂移特性，计算某点与前后两点矢量夹角，若该夹角超过漂移点夹角阈值，则认为该点为漂移点，可过滤掉。

需要说明的是，对于特征数据的滤波处理可以根据移动目标及该移动目标移动具体特征以及移动目标运动地点指定相应滤波处理，故本发明实施例不对离散度数据进行滤波处理的方式做限制。

步骤103，针对所述离散点数据集合生成拟合曲线；

对经过滤波处理的离散点数据集合，可进行曲线拟合处理，将离散点数据集合按指定规范拟合到一条平滑的复合曲线上，获得拟合曲线。

步骤104，将所述拟合曲线拆分为高拟合度曲线和低拟合度曲线；

在具体实现中，由于拟合曲线由于离散点数据的准确度等多方面的原因，可能造成该拟合曲线中不同的部分曲线的拟合度有所不同，为提高移动目标运动距离计算的准确性，可以将拟合曲线划分成高拟合度曲线和低拟合度曲线。拟合曲线拆分可以是按照曲线拟合度的阈值将拟合曲线截断，拆分为多端曲线，所述的阈值可以是自定义的数值，是可变的。具体地，曲线拟合度的高低可以通过计算曲线中相邻两点间距离，比较该距离与自定义阈值，若大于阈值则为低拟合度曲线，若小于阈值则为高拟合度曲线。

步骤105，采用所述高拟合度曲线计算第一运动距离；

在本发明的一种优选实施例中，所述步骤105可以包括如下子步骤：

子步骤S21，计算所述高拟合度曲线的长度；

子步骤S22，将所述高拟合度曲线的长度组织为第一运动距离。

对于拆分成高拟合度的曲线，由于该曲线与实际中道路的曲线接近，故可以直接按此曲线计算长度，即可得到准确度较高的移动目标的运动距离。

步骤106，采用所述低拟合度曲线计算第二运动距离；

在本发明的一种优选实施例中，所述步骤106可以包括如下子步骤：

子步骤S31，将所述低拟合度曲线中的离散点数据的移动目标位置信息在预置路网地图中选取匹配道路曲线；

子步骤S32，计算所述匹配道路曲线的长度；

子步骤S33，将所述匹配道路曲线的长度组织为第二运动距离。

对于拆分成低拟合度的曲线，由于该曲线与实际中道路的曲线差异较大，故需对此曲线做进一步的处理才能得到准确度较高的移动目标的运动距离。

具体地，根据拟合曲线中各离散点的移动目标位置信息及方向信息，与路网中道路进行匹配，选取距离点较近，方向一致的道路曲线作为必经道路曲线，例如可以通过最短距离算法AStar进行路网拓扑查找，将各点对应的道路与路网中的道路连通起来，近似还原车辆行驶轨迹，采用通过测绘方式获得的道路经纬度填充曲线中丢失的点，提高曲线拟合度及平滑度，得到较完美匹配曲线，然后按照该曲线长度计算移动目标的运动距离。

步骤107，将所述第一运动距离及所述第二运动距离合并为当前移动目标的运动距离。

对于依据高拟合度曲线计算所得的移动目标运动距离，以及依据低拟合度曲线计算所得的移动目标运动距离进行合并处理，形成当前移动目标的运动距离。

在本发明的一种优选实施例中，所述的方法还可以包括如下步骤：

将所述移动目标的运动距离存储为可扩展标记语言格式XML。

对于完成合并处理的移动目标的运动距离数据可以封装为指定格式数据供外部使用，例如可以通过URL(Uniform/Universal ResourceLocator，统一资源定位符)请求返回的可扩展标记语言XML格式的数据。

为了使本领域人员进一步了解本发明实施例，下面通过一个完整示例来说明移动目标运动距离的计算流程。

参照图3，所示为本发明的一种移动目标(车辆)运动距离的计算流程图，具体包括如下步骤：

1、通过GPS设备上传的车辆实时数据到指定历史轨迹存储介质中，选取指定时段内待计算数据，并抽取其中特征数据依据算法进行相关数据整合，作为原始计算数据使用。

2、将原数据通过自定义实现笛卡尔滤波算法，进行初步降噪处理，得到较贴近实际行驶路线轨迹的离散点集合。

3、通过依据行业规范自定义的滤波算法，对离散点集合进行非法点等无效点进行二次滤波，得到一条聚合度较高的，较为平滑的离散点曲线带。

4、对进行过滤波出来的离散点数据，进行曲线拟合处理，将离散点按指定规范拟合到一条平滑的复合曲线上。

5、按照自定义曲线拆分规范，对复合曲线进行拆分处理，针对曲线拟合度较高的拆分段，按照曲线长度计算方法计算里程。

6、针对复合曲线拆分段中，拟合度较低的曲线，进行基于地图数据匹配的路网匹配算法计算，通过该算法填充该曲线中较低拟合带中曲线点，得到较完美匹配曲线，然后按照曲线长度计算车辆里程。

7、对各曲线拆分段计算获得的里程数据进行合并处理，并封装为指定格式数据供外部使用。

对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明实施例所必须的。

参照图4，示出了本发明的一种移动目标运动距离统计的装置实施例的结构框图，具体可以包括如下模块：

特征数据获取模块201，用于获取移动目标的特征数据；所述特征数据包括多个在预设时间间隔上传的离散点数据；

离散点数据集合计算模块202，用于针对所述特征数据计算离散点数据集合；

在本发明的一种优选实施例中，在所述离散点数据集合计算模块202之前，还可以包括如下模块：

格式转换模块，用于对所述特征数据进行格式转换。

在本发明的一种优选实施例中，所述离散点数据集合计算模块202可以包括如下子模块：

提取子模块，用于按照时间顺序依次提取离散点数据；所述离散点数据中包括移动目标位置信息，移动目标速度信息，移动目标记录时间信息、移动目标运动方向信息；

预计位置信息计算子模块，用于依据所述移动目标运动方向信息，移动目标速度信息以及所述预设时间间隔计算预计移动目标位置信息；

相邻数据提取子模块，用于从所述特征数据提取与所述离散点数据相邻的离散点数据的移动目标位置信息；

判断子模块，用于判断所述相邻的离散点数据中的移动目标位置信息是否在所述预计移动目标位置信息的预设滤波范围内；若是，则调用第一更新子模块，若否，则调用第二更新子模块；

第一更新子模块，用于采用所述预计移动目标位置信息，以及所述相邻的离散点数据的移动目标位置信息计算近似实际移动目标位置信息，并将所述相邻的离散点数据中的移动目标位置信息更新为近似实际移动目标位置信息；

第二更新子模块，用于将所述相邻的离散点数据的移动目标位置信息更新为近似实际移动目标位置信息；

遍历子模块，用于判断是否遍历完所述离散点数据；若是，则调用组织子模块，若否，则调用提取子模块；

组织子模块，用于将所述离散点数据组织为离散点数据集合。

在本发明的一种优选实施例中，所述离散点数据集合计算模块202还可以包括如下模块：

移除模块，用于移除所述离散点数据集合中不符合预置滤波规则的离散点数据，所述预置滤波规则包括离散点数据边界阈值范围，移动目标运动速度阈值范围，相邻离散点数据的移动目标运动方向的夹角阈值范围。

拟合曲线生成模块203，用于针对所述离散点数据集合生成拟合曲线；

拟合曲线拆分模块204，用于将所述拟合曲线拆分为高拟合度曲线和低拟合度曲线；

第一运动距离计算模块205，用于采用所述高拟合度曲线计算第一运动距离；

在本发明的一种优选实施例中，所述第一运动距离计算模块205可以包括如下子模块：

第一长度计算子模块，用于计算所述高拟合度曲线的长度；

第一组织子模块，用于将所述高拟合度曲线的长度组织为第一运动距离。

第二运动距离计算模块206，用于采用所述低拟合度曲线计算第二运动距离；

在本发明的一种优选实施例中，所述第二运动距离计算模块206可以包括如下子模块：

匹配子模块，用于将所述低拟合度曲线中的离散点数据的移动目标位置信息在预置路网地图中选取匹配道路曲线；

第二长度子模块，用于计算所述匹配道路曲线的长度；

第二组织子模块，用于将所述匹配道路曲线的长度组织为第二运动距离。

合并模块207，用于将所述第一运动距离及所述第二运动距离合并为当前移动目标的运动距离。

在本发明的一种优选实施例中，所述的装置还可以包括如下模块：

存储模块，用于将所述移动目标的运动距离存储为可扩展标记语言格式XML。

对于装置实施例而言，由于其与装置实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的一种移动目标运动距离统计的方法和装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种移动目标运动距离统计的方法，其特征在于，包括：

获取移动目标的特征数据；所述特征数据包括多个在预设时间间隔上传的离散点数据；

针对所述特征数据计算离散点数据集合；

针对所述离散点数据集合生成拟合曲线；

将所述拟合曲线拆分为高拟合度曲线和低拟合度曲线；

采用所述高拟合度曲线计算第一运动距离；

采用所述低拟合度曲线计算第二运动距离；

将所述第一运动距离及所述第二运动距离合并为当前移动目标的运动距离；

其中，所述针对特征数据计算离散点数据集合的步骤包括：

子步骤S11，按照时间顺序依次提取离散点数据；所述离散点数据中包括移动目标位置信息，移动目标速度信息，移动目标记录时间信息、移动目标运动方向信息；

子步骤S12，依据所述移动目标运动方向信息，移动目标速度信息以及所述预设时间间隔计算预计移动目标位置信息；

子步骤S13，从所述特征数据提取与所述离散点数据相邻的离散点数据的移动目标位置信息；

子步骤S14，判断所述相邻的离散点数据中的移动目标位置信息是否在所述预计移动目标位置信息的预设滤波范围内；若是，则执行子步骤S15，若否，则执行子步骤S16；

子步骤S15，采用所述预计移动目标位置信息，以及所述相邻的离散点数据的移动目标位置信息计算近似实际移动目标位置信息，并将所述相邻的离散点数据中的移动目标位置信息更新为近似实际移动目标位置信息；

子步骤S16，将所述相邻的离散点数据的移动目标位置信息更新为近似实际移动目标位置信息；

子步骤S17，判断是否遍历完所述离散点数据；若是，则执行子步骤S18，若否，则返回子步骤S11；

子步骤S18，将所述离散点数据组织为离散点数据集合；

所述采用高拟合度曲线计算第一运动距离的步骤包括：

计算所述高拟合度曲线的长度；

将所述高拟合度曲线的长度组织为第一运动距离；

所述采用低拟合度曲线计算第二运动距离的步骤包括：

将所述低拟合度曲线中的离散点数据的移动目标位置信息在预置路网地图中选取匹配道路曲线；

计算所述匹配道路曲线的长度；

将所述匹配道路曲线的长度组织为第二运动距离。

2.根据权利要求1所述的方法，其特征在于，所述针对特征数据计算离散点数据集合的步骤之前，还包括：

对所述特征数据进行格式转换。

3.根据权利要求1所述的方法，其特征在于，所述针对特征数据计算离散点数据集合的步骤还包括：

移除所述离散点数据集合中不符合预置滤波规则的离散点数据，所述预置滤波规则包括离散点数据边界阈值范围，移动目标运动速度阈值范围，相邻离散点数据的移动目标运动方向夹角阈值范围。

4.根据权利要求1-3任一权利要求所述的方法，其特征在于，还包括：

将所述移动目标的运动距离存储为可扩展标记语言格式XML。

5.一种移动目标运动距离统计的装置，其特征在于，包括：

特征数据获取模块，用于获取移动目标的特征数据；所述特征数据包括多个在预设时间间隔上传的离散点数据；

离散点数据集合计算模块，用于针对所述特征数据计算离散点数据集合；

拟合曲线生成模块，用于针对所述离散点数据集合生成拟合曲线；

拟合曲线拆分模块，用于将所述拟合曲线拆分为高拟合度曲线和低拟合度曲线；

第一运动距离计算模块，用于采用所述高拟合度曲线计算第一运动距离；

第二运动距离计算模块，用于采用所述低拟合度曲线计算第二运动距离；

合并模块，用于将所述第一运动距离及所述第二运动距离合并为当前移动目标的运动距离；

所述离散点数据集合计算模块包括：

提取子模块，用于按照时间顺序依次提取离散点数据；所述离散点数据中包括移动目标位置信息，移动目标速度信息，移动目标记录时间信息、移动目标运动方向信息；

预计位置信息计算子模块，用于依据所述移动目标运动方向信息，移动目标速度信息以及所述预设时间间隔计算预计移动目标位置信息；

相邻数据提取子模块，用于从所述特征数据提取与所述离散点数据相邻的离散点数据的移动目标位置信息；

判断子模块，用于判断所述相邻的离散点数据中的移动目标位置信息是否在所述预计移动目标位置信息的预设滤波范围内；若是，则调用第一更新子模块，若否，则调用第二更新子模块；

第一更新子模块，用于采用所述预计移动目标位置信息，以及所述相邻的离散点数据的移动目标位置信息计算近似实际移动目标位置信息，并将所述相邻的离散点数据中的移动目标位置信息更新为近似实际移动目标位置信息；

第二更新子模块，用于将所述相邻的离散点数据的移动目标位置信息更新为近似实际移动目标位置信息；

遍历子模块，用于判断是否遍历完所述离散点数据；若是，则调用组织子模块，若否，则调用提取子模块；

组织子模块，用于将所述离散点数据组织为离散点数据集合；

所述第一运动距离计算模块包括：

第一长度计算子模块，用于计算所述高拟合度曲线的长度；

第一组织子模块，用于将所述高拟合度曲线的长度组织为第一运动距离；

所述第二运动距离计算模块包括：

匹配子模块，用于将所述低拟合度曲线中的离散点数据的移动目标位置信息在预置路网地图中选取匹配道路曲线；

第二长度子模块，用于计算所述匹配道路曲线的长度；

第二组织子模块，用于将所述匹配道路曲线的长度组织为第二运动距离。

6.根据权利要求5所述的装置，其特征在于，在所述离散点数据集合计算模块之前，还包括：

格式转换模块，用于对所述特征数据进行格式转换。

7.根据权利要求5所述的装置，其特征在于，所述离散点数据集合计算模块还包括：

移除模块，用于移除所述离散点数据集合中不符合预置滤波规则的离散点数据，所述预置滤波规则包括离散点数据边界阈值范围，移动目标运动速度阈值范围，相邻离散点数据的移动目标运动方向的夹角阈值范围。

8.根据权利要求5-7任一权利要求所述的装置，其特征在于，还包括：

存储模块，用于将所述移动目标的运动距离存储为可扩展标记语言格式XML。