CN104683948B - 自我学习的异常位置轨迹点过滤方法 - Google Patents

自我学习的异常位置轨迹点过滤方法 Download PDF

Info

Publication number
CN104683948B
CN104683948B CN201510059332.1A CN201510059332A CN104683948B CN 104683948 B CN104683948 B CN 104683948B CN 201510059332 A CN201510059332 A CN 201510059332A CN 104683948 B CN104683948 B CN 104683948B
Authority
CN
China
Prior art keywords
point
abnormal
points
distance
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510059332.1A
Other languages
English (en)
Other versions
CN104683948A (zh
Inventor
李柯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Changhong Electric Co Ltd
Original Assignee
Sichuan Changhong Electric Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan Changhong Electric Co Ltd filed Critical Sichuan Changhong Electric Co Ltd
Priority to CN201510059332.1A priority Critical patent/CN104683948B/zh
Publication of CN104683948A publication Critical patent/CN104683948A/zh
Application granted granted Critical
Publication of CN104683948B publication Critical patent/CN104683948B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种自我学习的异常位置轨迹点过滤方法，将获取到的智能定位终端的当前位置信息与数据库中历史位置信息进行比较，在数据库中有记载与当前位置信息相邻时间上传的历史位置信息的情况下则执行以下步骤；计算相邻两点之间的距离，从而过滤掉偏差较大的噪声点；在定位方式不为GPS的情况下，则通过基站ID，获取对应的经纬度数据；在上传的位置信息中没有速度信息的情况下，则通过相邻两个位置的距离、时间间隔进行过滤。本发明的一种自我学习的异常位置轨迹点过滤方法，能快速、有效地过滤异常的位置偏移点，从而带来更好的用户体验效果。

Description

自我学习的异常位置轨迹点过滤方法
技术领域
本发明涉及通信技术领域，具体涉及一种自我学习的异常位置轨迹点过滤方法。
背景技术
随着定位技术的飞速发展，人们对基于定位的位置服务需求越来越多，譬如：车辆防盗、孩子位置监护、公司车辆或重要设备管理等。通过GPS、基站、北斗定位等技术，终端可以获取当前的位置信息，通过对这些上传的位置信息进行展示，用户可以随时查看自己关心的位置信息如：车辆、家人等的实时位置信息。为人员和财产的安全提供保障。但是由于现有技术的局限和外界环境干扰因素的影响，设备上传的定位位置不可能全部完全正确，存在一些偏移的异常情况，从而影响数据的准确性和用户的判断。
基于上述的问题，如何快速有效地过滤异常的位置偏移点，将直接影响用户的体验效果。
发明内容
本发明克服了现有技术的不足，提供一种用于快速有效地过滤异常位置偏移点的自我学习的异常位置轨迹点过滤方法。
考虑到现有技术的上述问题，根据本发明公开的一个方面，本发明采用以下技术方案：
一种自我学习的异常位置轨迹点过滤方法，它包括以下步骤：
步骤一、将获取到的智能定位终端的当前位置信息与数据库中历史位置信息进行比较，在数据库中有记载与当前位置信息相邻时间上传的历史位置信息的情况下则执行步骤二；
步骤二、根据相邻时间上传的位置数据点，计算相邻两点之间的距离，从而过滤掉偏差较大的噪声点；
步骤三、判断当前位置的定位方式是否为GPS；
步骤四、在定位方式不为GPS的情况下，则通过基站ID，获取对应的经纬度数据；
在定位方式为GPS的情况下，则判断上传的位置信息中是否有速度信息；
步骤五、在上传的位置信息中没有速度信息的情况下，则通过相邻两个位置的距离、时间间隔进行过滤；
在上传的位置信息中有速度信息的情况下，则通过相邻两个位置的距离、时间间隔和速度进行过滤。
为了更好地实现本发明，进一步的技术方案是：
根据本发明的一个实施方案，计算所述相邻时间上传的位置数据点的距离集合S＝S21、S32、S43…Sn(n-1)，以及计算相邻两个S点之间的差值D＝Ds2s1、Ds3s2、Ds4s3、…Dsns(n-1)，取出S和D的中间值Smid、Dmid，若|Sn(n-1)-Smid|>2*Dmid，则Sn(n-1)为异常的差值点；
其中，S21为第二位置数据点与第一位置数据点的距离；S32为第三位置数据点与第二位置数据点的距离；S43为第四位置数据点与第三位置数据点的距离；Snn-1为第n位置数据点与第n-1位置数据点的距离；Ds2s1为S32-S21,Ds3s2为S43-S32，Dsnsn-1为Sn(n-1)-S(n-1)(n-2)。
根据本发明的另一个实施方案，根据异常的差值点Sn(n-1)，以判断异常的位置数据点，若Sn(n-1),S(n+1)n都是异常的差值点，则点Nn为异常的GPS坐标；若Sn(n-1)相邻点无异常的差值点，以及n-1＝0,则N1为异常的GPS坐标；Sn(n-1)相邻点无异常的差值点，以及n＝数组长度,则对应的Nn为应予以过滤的异常GPS坐标。
本发明还可以是：
根据本发明的另一个实施方案，在速度信息的情况下，则根据Nn+1和Nn两点的平均速度和时间间隔，当两点之间的距离大于平均速度*时间间隔*阈值，以及大于正常速度值*时间间隔，则点Nn+1为异常的经纬度坐标。
根据本发明的另一个实施方案，根据相邻两点距离和时间的间隔值，当平均速度>阈值，则判定为异常点。
与现有技术相比，本发明的有益效果之一是：
本发明的一种自我学习的异常位置轨迹点过滤方法，能快速、有效地过滤异常的位置偏移点，从而带来更好的用户体验效果。
附图说明
为了更清楚的说明本申请文件实施例或现有技术中的技术方案，下面将对实施例或现有技术的描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅是对本申请文件中一些实施例的参考，对于本领域技术人员来讲，在不付出创造性劳动的情况下，还可以根据这些附图得到其它的附图。
图1示出了根据本发明一个实施例的位置偏移异常点过滤处理流程示意图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明，但本发明的实施方式不限于此。
基于定位的位置服务系统主要由三部分组成：智能定位终端、定位媒介、位置存储及展示。
1)智能定位终端：
智能定位终端主要是指具有定位功能(GPS/基站/北斗)的终端设备，常见如车载定位终端、智能手机、儿童关爱设备、智能定位手环等。
2)定位媒介：
定位媒介主要是指终端通过什么方式获取位置数据，常见的有GPS和基站等，GPS会受到天气环境，遮蔽物等外界因素影响，基站定位通过扫描周围基站数据，通过查询计算，获取位置数据。
3)位置存储及展示：
位置存储及展示分为存储部分、数据计算分析部分、展示部分，存储部分主要是通过数据库系统，将终端上传的位置数据存入数据库；数据计算分析部分对数据进行预处理、计算分析、统计等；展示部分通过如web网站、手机应用APK等向用户展示位置的数据信息。位置偏移异常点过滤将集成在存储到数据展示的中间环节。
如图1所示，图1示出了根据本发明一个实施例的位置偏移异常点过滤处理流程示意图，一种自我学习的异常位置轨迹点过滤方法，它包括以下步骤：
步骤一、将获取到的智能定位终端的当前位置信息与数据库中历史位置信息进行比较，在数据库中有记载与当前位置信息相邻时间上传的历史位置信息的情况下则执行步骤二；
步骤二、根据相邻时间上传的位置数据点，计算相邻两点之间的距离，从而过滤掉偏差较大的噪声点；
步骤三、判断定位方式是否为GPS；
步骤四、在定位方式不为GPS的情况下，则通过基站ID，获取对应的经纬度数据；
在定位方式为GPS的情况下，则判断上传的位置信息中是否有速度信息；
步骤五、在上传的位置信息中没有速度信息的情况下，则通过相邻两个位置的距离、时间间隔进行过滤；
在上传的位置信息中有速度信息的情况下，则通过相邻两个位置的距离、时间间隔和速度进行过滤。
具体地：
1、轨迹数据查询获取，通过时间区间等条件，按照定位时间顺序，从数据库中查询出符合条件的位置数据信息，如果有位置信息则执行步骤2，否则不做处理。
2、依次遍历查询出的位置信息，设查询出的位置数组为N，N＝{N1,N2,N3,N4,N5…}。其中N1,N2,N3,N4分别为相邻时间上传的位置数据点，首先，先取出前n个点，计算相邻两点之间的距离(基站定位需通过基站ID转换为GPS位置)，进行中值滤波，初步过滤掉偏差较大的噪声点。
中值滤波步骤为：
①计算相邻两点间的距离，令S21＝N2-N1。即第二个点减去第一个点的距离。
②根据计算的相邻距离的集合S＝(S21、S32、S43…Sn(n-1))，进行排序，同时计算相邻两个S点之间的差值D＝(Ds2s1、Ds3s2、Ds4s3、…Dsns(n-1))，同时进行排序。取出S和D的中间值Smid、Dmid，根据这个中间值遍历集合S中的值，若|Sn(n-1)-Smid|>2*Dmid，则Sn(n-1)为异常的差值点。
其中，S21为第二位置数据点与第一位置数据点的距离；S32为第三位置数据点与第二位置数据点的距离；S43为第四位置数据点与第三位置数据点的距离；Snn-1为第n位置数据点与第n-1位置数据点的距离；Ds2s1为S32-S21,Ds3s2为S43-S32，Dsnsn-1为Sn(n-1)-S(n-1)(n-2)。
③根据异常的差值点Sn(n-1)的下标，判断什么点位置异常；
Sn(n-1),S(n+1)n都是异常的差值点，则点Nn为异常的GPS坐标；
Sn(n-1)相邻点无异常的差值点，以及n-1＝0,则N1为异常的GPS坐标；
Sn(n-1)相邻点无异常的差值点，以及n＝数组长度,则Nn为异常的GPS坐标，
过滤掉异常的GPS坐标。
3、结合以上步骤2的数据，从第n+1个位置点进行计算，先判断位置点Nn+1的定位类型，若A不是GPS定位则执行步骤4，否则执行以下步骤5。
4、根据位置点A的基站ID等信息，查询计算对应的经纬度数据，并转到步骤5。
5、若位置没有上传速度信息，则执行一下步骤6，如果有速度信息，则根据Nn+1和Nn两点的平均速度和时间间隔，当两点之间的距离大于平均速度*时间间隔*阈值并且大于一直正常速度值30Km/小时*时间间隔，则点Nn+1为异常的经纬度坐标，过滤掉不做展示。本方法中阈值可为2.0。
6、根据相邻两点距离和时间的间隔值，当平均速度>阈值，则判定为异常点，本方法中阈值为220KM/h，注：基站定位的数据不按此阈值计算，因为单基站定位时，容易存在漂移的情况，需要将阈值放大进行判断。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同相似部分相互参见即可。
在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”、等，指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说，结合任一实施例描述一个具体特征、结构或者特点时，所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明的范围内。
尽管这里参照本发明的多个解释性实施例对本发明进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开和权利要求的范围内，可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变型和改进外，对于本领域技术人员来说，其他的用途也将是明显的。

Claims (3)

1.一种自我学习的异常位置轨迹点过滤方法，其特征在于它包括以下步骤：
步骤一、将获取到的智能定位终端的当前位置信息与数据库中历史位置信息进行比较，在数据库中有记载与当前位置信息相邻时间上传的历史位置信息的情况下则执行步骤二；
步骤二、根据相邻时间上传的位置数据点，计算相邻两点之间的距离，从而过滤掉偏差较大的噪声点；
计算所述相邻时间上传的位置数据点的距离集合S＝S21、S32、S43…Sn(n-1)，以及计算相邻两个S点之间的差值D＝Ds2s1、Ds3s2、Ds4s3、…Dsns(n-1)，同时进行排序，取出S和D的中间值Smid、Dmid，若|Sn(n-1)-Smid|大于2与Dmid的乘积，则Sn(n-1)为异常的差值点；
其中，S21为第二位置数据点与第一位置数据点的距离；S32为第三位置数据点与第二位置数据点的距离；S43为第四位置数据点与第三位置数据点的距离；Sn(n-1)为第n位置数据点与第n-1位置数据点的距离；Ds2s1为S32-S21,Ds3s2为S43-S32，Dsnsn-1为Sn(n-1)-S(n-1)(n-2)；
根据异常的差值点Sn(n-1)，以判断异常的位置数据点，若Sn(n-1),S(n+1)n都是异常的差值点，则点Nn为异常的坐标；若Sn(n-1)相邻点无异常的差值点，以及n-1＝0,则N1为异常的坐标；Sn(n-1)相邻点无异常的差值点，以及n＝数组长度,则对应的Nn为应予以过滤的异常坐标；
步骤三、判断当前位置的定位方式是否为GPS；
步骤四、在定位方式不为GPS的情况下，则通过基站ID，获取对应的经纬度数据；
在定位方式为GPS的情况下，则判断上传的位置信息中是否有速度信息；
步骤五、在上传的位置信息中没有速度信息的情况下，则通过相邻两个位置的距离、时间间隔进行过滤；
在上传的位置信息中有速度信息的情况下，则通过相邻两个位置的距离、时间间隔和速度进行过滤。
2.根据权利要求1所述的自我学习的异常位置轨迹点过滤方法，其特征在于在速度信息的情况下，则根据Nn+1和Nn两点的平均速度和时间间隔，当两点之间的距离大于平均速度、时间间隔和一阈值的乘积，以及大于正常速度值与时间间隔的乘积，则点Nn+1为异常的经纬度坐标。
3.根据权利要求2所述的自我学习的异常位置轨迹点过滤方法，其特征在于若位置没有上传速度信息，根据相邻两点距离和时间的间隔值，当平均速度>另一阈值，则判定对应的位置数据点为异常点。
CN201510059332.1A 2015-02-04 2015-02-04 自我学习的异常位置轨迹点过滤方法 Active CN104683948B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510059332.1A CN104683948B (zh) 2015-02-04 2015-02-04 自我学习的异常位置轨迹点过滤方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510059332.1A CN104683948B (zh) 2015-02-04 2015-02-04 自我学习的异常位置轨迹点过滤方法

Publications (2)

Publication Number Publication Date
CN104683948A CN104683948A (zh) 2015-06-03
CN104683948B true CN104683948B (zh) 2018-10-19

Family

ID=53318411

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510059332.1A Active CN104683948B (zh) 2015-02-04 2015-02-04 自我学习的异常位置轨迹点过滤方法

Country Status (1)

Country Link
CN (1) CN104683948B (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107193824B (zh) * 2016-03-14 2020-07-28 阿里巴巴集团控股有限公司 异常数据检测方法及装置
CN105890599A (zh) * 2016-04-12 2016-08-24 上海牵挂网络科技有限公司 一种基于地理位置足迹噪点的过滤算法
CN106873011B (zh) * 2016-08-29 2019-04-12 北华航天工业学院 一种北斗导航的快速定位系统及其定位方法
CN106878951B (zh) * 2017-02-28 2021-04-02 上海讯飞瑞元信息技术有限公司 用户轨迹分析方法及系统
CN106842258B (zh) * 2017-04-26 2020-05-01 易微行（北京）科技有限公司 一种gps定位系统和汽车
CN108882168B (zh) * 2017-05-10 2020-09-08 腾讯科技（深圳）有限公司 出行轨迹获取方法、装置及服务器
WO2019051657A1 (zh) * 2017-09-13 2019-03-21 深圳先进技术研究院 一种终端设备的室内外定位方法及系统
CN107783164A (zh) * 2017-09-13 2018-03-09 深圳先进技术研究院 一种终端设备的室内外定位方法及系统
CN110031876A (zh) * 2018-01-11 2019-07-19 中南大学 一种基于卡尔曼滤波的车载导航轨迹点偏移矫正方法
CN108340351B (zh) * 2018-01-31 2023-05-05 广东工业大学 一种机器人示教装置、方法及示教机器人
CN110969864A (zh) * 2018-09-28 2020-04-07 杭州海康威视数字技术股份有限公司 一种车速检测方法、车辆行驶事件检测方法及电子设备
CN109407123B (zh) * 2018-09-29 2023-11-17 深圳市口袋网络科技有限公司 一种信息处理方法、终端及计算机可读存储介质
CN112533159B (zh) * 2019-09-19 2022-08-19 中移(苏州)软件技术有限公司 信令数据压缩方法、装置以及存储介质
CN112732682B (zh) * 2019-10-29 2022-05-31 杭州海康威视数字技术股份有限公司 时空轨迹数据的处理方法、装置及计算机存储介质
CN111723304B (zh) * 2020-01-03 2023-07-14 腾讯科技（深圳）有限公司 一种轨迹点识别方法和相关装置
FR3107634B1 (fr) * 2020-02-21 2022-01-28 Ecole Nat De Laviation Civile Enac Procédé de surveillance d’un système, dispositifs, système et programme correspondant
CN111399000B (zh) * 2020-04-08 2021-06-08 广州通达汽车电气股份有限公司 Gps漂移过滤方法、gps终端的状态切换方法及切换设备
CN111522035B (zh) * 2020-06-04 2023-11-14 深圳市华德安科技有限公司 定位轨迹的生成方法、设备及可读存储介质
CN111899327A (zh) * 2020-07-07 2020-11-06 北京三快在线科技有限公司 轨迹点数据优化方法、装置、电子设备和存储介质
CN112399338B (zh) * 2020-11-19 2023-03-24 杭州云深科技有限公司 异常位置数据的确定方法、装置、计算机设备及存储介质
CN112762941A (zh) * 2021-01-04 2021-05-07 金陵科技学院 一种基于移动行为特征的轨迹压缩方法
CN113777643A (zh) * 2021-07-30 2021-12-10 国网浙江杭州市余杭区供电有限公司 一种用于输电线路防外破的故障预警方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009060776A1 (ja) * 2007-11-06 2009-05-14 Mitsubishi Heavy Industries, Ltd. 走行経路検出用の車載器
CN102740457A (zh) * 2012-06-21 2012-10-17 宁波波导股份有限公司 一种终端移动定位防漂移的方法
CN102749631A (zh) * 2012-07-26 2012-10-24 海华电子企业(中国)有限公司 降低北斗卫星导航定位装置定位漂移的方法
CN103809195A (zh) * 2014-02-13 2014-05-21 上海温光自动化技术有限公司 一种gps轨迹曲线的生成方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009060776A1 (ja) * 2007-11-06 2009-05-14 Mitsubishi Heavy Industries, Ltd. 走行経路検出用の車載器
CN102740457A (zh) * 2012-06-21 2012-10-17 宁波波导股份有限公司 一种终端移动定位防漂移的方法
CN102749631A (zh) * 2012-07-26 2012-10-24 海华电子企业(中国)有限公司 降低北斗卫星导航定位装置定位漂移的方法
CN103809195A (zh) * 2014-02-13 2014-05-21 上海温光自动化技术有限公司 一种gps轨迹曲线的生成方法及装置

Also Published As

Publication number Publication date
CN104683948A (zh) 2015-06-03

Similar Documents

Publication Publication Date Title
CN104683948B (zh) 自我学习的异常位置轨迹点过滤方法
US11385318B2 (en) Providing transit information
WO2018060468A3 (en) Methods and systems for generating parking related data
US9285231B2 (en) Providing transit information
CN108109423B (zh) 基于WiFi室内定位的地下停车场智能导航方法及系统
CN105654764B (zh) 一种室内停车场定位方法
CN103678834B (zh) 信息物理融合系统cps的建模方法及装置
CN109425355A (zh) 导航推荐方法及系统、车载终端及车辆
CN105611502A (zh) 一种基于WiFi Mesh网络的室内定位系统及方法
CN103581821A (zh) 测距方法及装置
CN108168566B (zh) 道路确定方法、装置及电子设备
CN104700611A (zh) 一种公交运营信息获取方法
CN104567858A (zh) 一种基于运动状态的历史轨迹回放方法及系统
CN104776842A (zh) 一种获取兴趣点位置信息的方法及装置
CN106597496A (zh) 位置修正方法及相关设备
CN103364774A (zh) 基于WiFi直连的邻近设备定位系统及方法
CN103185583A (zh) 车辆位置分享方法、车辆位置分享系统
DE102016209568B3 (de) Verfahren, Vorrichtungen und Computerprogramme zum Erfassen von Messergebnissen von mobilen Geräten
CN106772516A (zh) 一种基于模糊理论的复合定位新方法
CN101807348B (zh) 一种动态网络导航系统及方法
CN108805315A (zh) 根据轨迹点绘制出行轨迹的方法及系统、车载终端及车辆
CN104515528B (zh) 基于路段累积概率的单点地图匹配方法
CN102752852A (zh) 一种基于cdma基站的移动通讯定位方法
CN104385880B (zh) 一种车载空气净化器及其智能控制方法及其系统
CN108307292A (zh) 一种基于室内分布系统实现移动终端定位的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant