CN105160872B - 一种gps轨迹数据智能采集方法 - Google Patents
一种gps轨迹数据智能采集方法 Download PDFInfo
- Publication number
- CN105160872B CN105160872B CN201510491691.4A CN201510491691A CN105160872B CN 105160872 B CN105160872 B CN 105160872B CN 201510491691 A CN201510491691 A CN 201510491691A CN 105160872 B CN105160872 B CN 105160872B
- Authority
- CN
- China
- Prior art keywords
- tracing point
- point
- record
- data
- tracing
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000003908 quality control method Methods 0.000 claims abstract description 29
- 230000008859 change Effects 0.000 claims description 24
- 230000001133 acceleration Effects 0.000 claims description 20
- 230000015572 biosynthetic process Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000003786 synthesis reaction Methods 0.000 claims description 11
- 230000003068 static effect Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000003542 behavioural effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 238000010790 dilution Methods 0.000 description 3
- 239000012895 dilution Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007670 refining Methods 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种GPS轨迹数据智能采集方法及装置,所述方法在得到记录首点之后,根据预设的移动模式划分规则判断轨迹点的移动模式并进入对应的记录模式,各记录模式采用预设的数据质量控制标准对轨迹点进行筛选,只记录满足数据质量控制标准的轨迹点,从而利用最小的存储空间记录包含更加丰富移动对象信息的轨迹;并且采用各记录模式对应的记录规则对轨迹点进行记录,简化了采集数据的信息冗余度。本方法有效的解决了当前GPS数据记录仪采集数据冗余、含大量漂移点、存储量巨大的问题。
Description
技术领域
本发明涉及地理信息与交通通信领域,更具体地,涉及一种GPS轨迹数据智能采集方法及装置。
背景技术
GPS轨迹记录仪器是GPS技术得以在各相关领域中应用的物质载体,GPS轨迹数据采集方法是GPS数据采集仪器的核心。GPS轨迹数据在交通调查、交通行为分析、居民出行调查、个体行为分析、户外运动与生理特征分析、城市结构研究等领域有着广泛的应用;微观的GPS轨迹数据使时间地理学与活动理论等地理学理论进入实践阶段,但是如何有效的记录高质量的轨迹数据一直是业界的难题。
近年来,商用的微型GPS轨迹数据采集仪大量涌现;相比于传统的测量型GPS接收机,这些手持微型GPS轨迹数据采集仪记录的点位信息精度较低,一般精度在3-5m之间;此类GPS轨迹数据记录仪能够记录轨迹点的三维位置、时刻、当前速度、方位角、数据精度信息等,其中面向生理健康的数据采集仪配合体感设备还可以获得心率等等。但是这些GPS轨迹记录仪只是单纯的解算卫星星历文件信息获得当前点位的解算信息,所以记录的数据中包含了大量的漂移点和信息冗余点位,占用了大量的存储空间,也增加了后期应用的数据处理复杂度;这类GPS轨迹记录仪的数据记录主要是每秒记录一次、按时间间隔记录、按距离记录等简单固定的模式。目前,关于GPS轨迹数据采集方法的研究不多,大多集中在对上述轨迹记录仪采集数据的后期处理方法上。
发明内容
本发明旨在至少在一定程度上解决上述技术问题。
本发明的首要目的是克服现有的GPS轨迹数据采集方法对轨迹数据记录时包含大量漂移点和信息冗余点、占用了大量的存储空间、后期数据处理复杂度的缺陷,提供一种GPS轨迹数据智能采集方法,该方法能够根据轨迹点的移动模式智能的选择轨迹数据记录规则,并且依据不同轨迹点信息控制轨迹数据质量,在减少轨迹数据采集量的情况下保留丰富的轨迹信息。
本发明的进一步目的是提供一种与上述方法相对应的GPS轨迹数据智能采集装置。
为解决上述技术问题,本发明的技术方案如下:
一种GPS轨迹数据智能采集方法,所述方法包括以下步骤:
S1:实时处理轨迹点接收到的导航电文,解算获取轨迹点的轨迹点信息,所述轨迹点信息包括平面坐标、高程、时刻、速度、方位和综合精度因子,所述综合精度因子表示轨迹点信号质量;
S2:根据轨迹点的轨迹点信息识别轨迹点中的可靠点作为记录首点;
S3:继续实时处理轨迹点接收到的导航电文,解算获取轨迹点的轨迹点信息,根据预设的移动模式划分规则判断轨迹点的移动模式并进入对应的记录模式;
S4:进入到某一记录模式后,检验轨迹点是否满足预设的该模式的数据质量控制标准,若满足该模式的数据质量控制标准,则判断轨迹点是否满足该模式的记录规则,若满足则采集并存储该轨迹点,否则不存储该轨迹点;
所述记录规则是轨迹数据信息含量的控制器,由于不同轨迹运行状态相同行为的表现特征也不尽相同,通过模式划分可以细化识别表现特征的规则更加全面细致的记录轨迹行为特征;例如:并道超车行为,速度小和速度大的情况下超车的轨迹表现特征是有很大区别,速度小情况下超车伴有明显的加速和较大方位角波动,而速度大的情况下超车方位角波动不是很大且加速特征也不是很明显。
S5:当轨迹点超出该模式的数据质量控制标准时,跳转到步骤S3,重新确定轨迹点的移动模式并进入对应的记录模式,依此循环完成轨迹点的采集和记录。
在一种优选的方案中,步骤S2中,采用预设的单点数据质量控制标准和邻域核算的方法识别轨迹信号中的可靠点作为记录首点,具体包括以下步骤:
S21:判断轨迹点的综合精度因子是否满足预设的要求,若满足则跳转到步骤S22,不满足则对下一轨迹点进行识别;
S22:判断距离计算均速度与记录均速度差阀值是否满足预设的要求,若满足则跳转到步骤S23,不满足则对下一轨迹点进行识别。
速度的获取有两种方式,一种是通过获取的相邻两轨迹点经纬度得到的地理坐标计算轨迹点速度;另一种是通过速度传感器获得的速度;距离计算均速度与记录均速度差阀值用于控制两种速度之间的差值范围,这是标志漂移的重要特征;
S23:判断设定时间段内距离的均值与中值差阀值是否满足预设的要求,满足则确认识别出可信首点。
距离的均值与中值差阀值表示设定时间段内单位时间上的距离的均值与单位时间上距离的中值间的差,用于控制起始段的信号漂移问题,无论何种起始移动形式,单位距离变化都是有序的,利用这种有序变化特征可以剔除漂移等变异特征点,从而获得可信首点。
记录首点的识别是为了克服刚开始接收星历文件时,信号不稳定、初次解算耗时等问题,导致的开始记录轨迹点漂移较严重现象,识别出一个可靠的轨迹点作为轨迹首点;记录首点的缺点考虑了不同运动形式下开始记录的情况;针对不同的开始记录时刻运动形式,可能在正常运动时才开机、在停止时开机且停止/开始走动等等),进行首点可信评估,确定轨迹首点;本发明存储的首点并不表示是实际中开始运动的首点,而是可靠数据记录的首点,这可以大大减轻数据应用时轨迹起始点信息提取复杂度;由于实际情况中,用户开始记录时的运动状态特征不可知,需要考虑不同情况下开始记录的首点识别规则。
在一种优选的方案中,步骤S3中,移动模式划分的规则通过对不同交通工具的稳态数据特征分析归类得到,或者通过对GPS轨迹大数据特征识别分类得到。移动模式划分规则是对数据特征做的一次抽象层的分割,用于区分轨迹数据的各稳态运行阶段,也是细化数据质量控制标准和设定模式内记录规则的基础,结合背景知识差异细化数据质量控制标准可以过滤掉绝大多数的漂移点。
在一种优选的方案中,步骤S3中,所述移动模式包括静态模式、徒步模式、助动模式和机动模式。
在一种优选的方案中,所述数据质量控制标准包括以下参数中的一种或多种:综合精度因子、距离最值、高差加速度最值、距离计算均速度与记录均速度差阀值、加速度最值、方向变化加速度。
单位距离最值表征单位时间的轨迹点半径变化的最值,通过相邻轨迹点的经纬度计算得出,计算方式采用现有的先投影成平面坐标再计算距离;
高差加速度最值表征相邻轨迹点高度变化快慢的最值,高差直接通过读取的高程计算得到;
加速度最值表征相邻轨迹点速度变化快慢的最值;速度的获取有两种方式,一种是通过获取的相邻两轨迹点经纬度得到的地理坐标计算轨迹点速度;另一种是通过速度传感器获得的速度;
距离计算均速度与记录均速度差阀值用于控制两种速度之间的差值范围,这是标志漂移的重要特征;
方向变化加速度表征轨迹点方向变化快慢,因为在高速的情况下,移动对象发生方向变化的能力是有限的,计算方向变化加速度所需的方位角通过轨迹点的地理坐标的计算获得。
在一种优选的方案中,所述记录规则包括以下参数中的一种或多种:速度差阀值、距离阀值、单向速度累计差阀值、单向方向差累计阀值;
单位速度差阀值是用于保存连续速度变化大的轨迹信息,即如果轨迹连续平稳运行则不记录期间的冗余信息;
单向速度累计差阀值用于保存单向连续缓慢变化到特定信息结点的信息,单向是区分减速与加速变化特征。
单向方向差累计阀值用于保存轨迹方向变化信息,即保存轨迹中的弯道、并道、超车等信息,单向是区分前进方向的左侧和右侧信息。
本发明GPS轨迹数据智能采集方法包含以下几层规则:(1)、基于移动对象特征类型划分的宏观记录模式层;这一模式层级是通过对移动对象当前状态背景知识识别,控制其当前状态所属的宏观数据采集模式。(2)、轨迹数据质量控制层;通过质量控制层,记录仪在采集数据之前会对当前需要存储的数据质量进行判别,只存储满足质量控制标准的数据点。(3)、轨迹数据信息采集规则层;此层控制轨迹数据信息采集类型和标准,针对不同宏观数据采集模式特征设定信息采集规则使数据采集更加具有针对性。
一种GPS轨迹数据智能采集装置,所述装置包括:
解算模块:用于实时处理轨迹点接收到的导航电文,解算获取轨迹点的轨迹点信息;
记录首点识别模块:用于根据轨迹点的轨迹点信息识别轨迹点中的可靠点作为记录首点;
移动模式识别模块:用于根据预设的移动模式划分规则判断轨迹点的移动模式;
轨迹点记录判断模块:用于检验轨迹点是否满足预设的当前记录模式的数据质量控制标准和记录规则,若满足则采集并存储该轨迹点,否则不存储该轨迹点;
记录模块:用于根据移动模式采用对应的记录规则采集并存储轨迹点。
在一种优选的方案中,所述移动模式包括静态模式、徒步模式、助动模式和机动模式。
在一种优选的方案中,所述数据质量控制标准包括以下参数中的一种或多种:综合精度因子、距离最值、高差加速度最值、距离计算均速度与记录均速度差阀值、加速度最值、方向变化加速度。
在一种优选的方案中,所述记录规则包括以下参数中的一种或多种:速度差阀值、距离阀值、单向速度累计差阀值、单向方向差累计阀值。
与现有技术相比,本发明技术方案的有益效果是:(1)本发明提供的GPS轨迹数据智能采集方法,得到记录首点之后,根据预设的移动模式划分规则判断轨迹点的移动模式并进入对应的记录模式,该记录模式的记录规则是可变的,面向特定应用领域可以设定具有针对性的记录规则;同时,意味着也可以设置通用的记录规则,只要把记录规则设置为最小的应用粒度,采集到的轨迹数据就具有通用性。(2)记录规则的设立,简化了采集数据的信息冗余度,确保数据采集中在保持轨迹线状特征的同时保存轨迹发生中的各类行为特征和异常行为信息;即使采用通用的数据采集规则,即最小应用粒度的信息规则,也能达到较好的数据压缩效果。(3)各种移动模式有其对应数据质量控制标准,通过设定不同的数据质量控制标准可以细化控制数据采集质量,对于目前难以处理的短漂移点具有较好的过滤作用,使采集的轨迹数据具有较高的质量,在减少轨迹数据采集量的情况下保留丰富的轨迹信息。
附图说明
图1为本发明GPS轨迹数据智能采集方法的流程图。
图2为一条轨迹处理前的轨迹图。
图3为使用本发明方法对图3所示该轨迹处理后的对比图。
图4为本发明GPS轨迹数据智能采集装置的示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示,一种GPS轨迹数据智能采集方法,所述方法包括以下步骤:
S1:实时处理轨迹点接收到的导航电文,解算获取轨迹点的轨迹点信息,所述轨迹点信息包括平面坐标、高程、时刻、速度、方位和综合精度因子,所述综合精度因子表示轨迹点信号质量。
S2:根据轨迹点的轨迹点信息识别轨迹点中的可靠点作为记录首点。
在具体实施过程中,步骤S2中,采用预设的单点数据质量控制标准和邻域核算的方法识别轨迹信号中的可靠点作为记录首点,具体包括以下步骤:
S21:判断轨迹点的综合精度因子是否满足预设的要求,若满足则跳转到步骤S22,不满足则对下一轨迹点进行识别;
S22:判断距离计算均速度与记录均速度差阀值是否满足预设的要求,若满足则跳转到步骤S23,不满足则对下一轨迹点进行识别。
速度的获取有两种方式,一种是通过获取的相邻两轨迹点经纬度得到的地理坐标计算轨迹点速度;另一种是通过速度传感器获得的速度;距离计算均速度与记录均速度差阀值用于控制两种速度之间的差值范围,这是标志漂移的重要特征;
S23:判断设定时间段内距离的均值与中值差阀值是否满足预设的要求,满足则确认识别出可信首点。
距离的均值与中值差阀值表示设定时间段内单位时间上的距离的均值与单位时间上距离的中值间的差,用于控制起始段的信号漂移问题,无论何种起始移动形式,单位距离变化都是有序的,利用这种有序变化特征可以剔除漂移等变异特征点,从而获得可信首点。
记录首点的识别是为了克服刚开始接收星历文件时,信号不稳定、初次解算耗时等问题,导致的开始记录轨迹点漂移较严重现象,识别出一个可靠的轨迹点作为轨迹首点;记录首点的缺点考虑了不同运动形式下开始记录的情况;针对不同的开始记录时刻运动形式,可能在正常运动时才开机、在停止时开机且停止/开始走动等等),进行首点可信评估,确定轨迹首点;本发明存储的首点并不表示是实际中开始运动的首点,而是可靠数据记录的首点,这可以大大减轻数据应用时轨迹起始点信息提取复杂度;由于实际情况中,用户开始记录时的运动状态特征不可知,需要考虑不同情况下开始记录的首点识别规则。
S3:继续实时处理轨迹点接收到的导航电文,解算获取轨迹点的轨迹点信息,根据预设的移动模式划分规则判断轨迹点的移动模式并进入对应的记录模式;
在具体实施过程中,步骤S3中,移动模式划分规则通过对不同交通工具的稳态数据特征分析归类得到,或者通过对GPS轨迹大数据特征识别分类得到。移动模式划分规则是对数据特征做的一次抽象层的分割,用于区分轨迹数据的各稳态运行阶段,也是细化数据质量控制标准和设定模式内记录规则的基础,结合背景知识差异细化数据质量控制标准可以过滤掉绝大多数的漂移点。
S4:进入到某一记录模式后,检验轨迹点是否满足预设的该模式的数据质量控制标准,若满足该模式的数据质量控制标准,则判断轨迹点是否满足该模式的记录规则,若满足则采集并存储该轨迹点,否则不存储该轨迹点;
所述记录规则是轨迹数据信息含量的控制器,由于不同轨迹运行状态相同行为的表现特征也不尽相同,通过模式划分可以细化识别表现特征的规则更加全面细致的记录轨迹行为特征;例如:并道超车行为,速度小和速度大的情况下超车的轨迹表现特征是有很大区别,速度小情况下超车伴有明显的加速和较大方位角波动,而速度大的情况下超车方位角波动不是很大且加速特征也不是很明显。
S5:当轨迹点超出该模式的数据质量控制标准时,跳转到步骤S3,重新确定轨迹点的移动模式并进入对应的记录模式,依此循环完成轨迹点的采集和记录。
在具体实施过程中,步骤S3中,所述移动模式包括静态模式、徒步模式、助动模式和机动模式,静态模式、徒步模式、助动模式和机动模式下轨迹点的移动速度分别为0-2.5km/h、2.5-16km/h、16-30km/h和30-350km/h,各移动模式下的数据质量控制标准和记录规则的参数如表1所示。
表1
表1中个参数的含义如下:
综合精度因子表示轨迹点信号质量,由导航点为解算得到;
单位距离最值表征单位时间的轨迹点半径变化的最值,通过相邻轨迹点的经纬度计算得出,计算方式采用现有的先投影成平面坐标再计算距离;
高差加速度最值表征相邻轨迹点高度变化快慢的最值,高差直接通过读取的高程计算得到;
加速度最值表征相邻轨迹点速度变化快慢的最值;速度的获取有两种方式,一种是通过获取的相邻两轨迹点经纬度得到的地理坐标计算轨迹点速度;另一种是通过速度传感器获得的速度;
距离计算均速度与记录均速度差阀值用于控制两种速度之间的差值范围,这是标志漂移的重要特征;
方向变化加速度表征轨迹点方向变化快慢,因为在高速的情况下,移动对象发生方向变化的能力是有限的,计算方向变化加速度所需的方位角通过轨迹点的地理坐标的计算获得。
单位速度差阀值是用于保存连续速度变化大的轨迹信息,即如果轨迹连续平稳运行则不记录期间的冗余信息;
单向速度累计差阀值用于保存单向连续缓慢变化到特定信息结点的信息,单向是区分减速与加速变化特征。
单向方向差累计阀值用于保存轨迹方向变化信息,即保存轨迹中的弯道、并道、超车等信息,单向是区分前进方向的左侧和右侧信息。
本发明提供的GPS轨迹数据智能采集方法,得到记录首点之后,根据预设的移动模式划分规则判断轨迹点的移动模式并进入对应的记录模式,该记录模式的记录规则是可变的,面向特定应用领域可以设定具有针对性的记录规则;同时,意味着也可以设置通用的记录规则,只要把记录规则设置为最小的应用粒度,采集到的轨迹数据就具有通用性。
记录规则的设立,简化了采集数据的信息冗余度,确保数据采集中在保持轨迹线状特征的同时保存轨迹发生中的各类行为特征和异常行为信息;即使采用通用的数据采集规则,即最小应用粒度的信息规则,也能达到较好的数据压缩效果。
各种移动模式有其对应数据质量控制标准,通过设定不同的数据质量控制标准可以细化控制数据采集质量,对于目前难以处理的短漂移点具有较好的过滤作用,使采集的轨迹数据具有较高的质量,在减少轨迹数据采集量的情况下保留丰富的轨迹信息。
本实施例以目前每秒一次记录的出行轨迹数据作为源数据,通过开发的应用程序模拟发明实施例中的参数规则对源轨迹数据实施存储模拟。为了检验本发明的有效性,选择了不同情景的出行轨迹数据,使源数据涵盖了大多数交通工具条件和各类道路条件;通过对一百多万个源轨迹点实施存储模拟,结果显示:对于从出行开始直到出行结束连续记录的轨迹可以达到70%以上的压缩率;对于出行中的有效记录(非停留)轨迹可以达到45%左右的压缩率,当然这是在保留最小粒度应用信息的前提下;
图2为一条轨迹处理前的轨迹图,图3使用本发明提供的方法对该轨迹处理后的对比图,可以发现,本发明可以过滤掉绝大多数的漂移点和冗余信息点,且最大程度的保留了小行程信息。
实施例2
如图4所示,一种GPS轨迹数据智能采集装置,所述装置包括:
解算模块1:用于实时处理轨迹点接收到的导航电文,解算获取轨迹点的轨迹点信息;
记录首点识别模块2:用于根据轨迹点的轨迹点信息识别轨迹点中的可靠点作为记录首点;
移动模式识别模块3:用于根据预设的移动模式划分规则判断轨迹点的移动模式;
轨迹点记录判断模块4:用于检验轨迹点是否满足预设的当前记录模式的数据质量控制标准和记录规则,若满足则采集并存储该轨迹点,否则不存储该轨迹点;
记录模块5:用于根据移动模式采用对应的记录规则采集并存储轨迹点。
在具体实施过程中,所述移动模式包括静态模式、徒步模式、助动模式和机动模式。
在具体实施过程中,所述数据质量控制标准包括以下参数中的一种或多种:综合精度因子、距离最值、高差加速度最值、距离计算均速度与记录均速度差阀值、加速度最值、方向变化加速度。
在具体实施过程中,所述记录规则包括以下参数中的一种或多种:速度差阀值、距离阀值、单向速度累计差阀值、单向方向差累计阀值。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (4)
1.一种GPS轨迹数据智能采集方法,其特征在于,所述方法包括以下步骤:
S1:实时处理轨迹点接收到的导航电文,解算获取轨迹点的轨迹点信息,所述轨迹点信息包括平面坐标、高程、时刻、速度、方位和综合精度因子,所述综合精度因子表示轨迹点信号质量;
S2:根据轨迹点的轨迹点信息识别轨迹点中的可靠点作为记录首点;
S3:继续实时处理轨迹点接收到的导航电文,解算获取轨迹点的轨迹点信息,根据预设的移动模式划分规则判断轨迹点的移动模式并进入对应的记录模式;
S4:进入到某一记录模式后,检验轨迹点是否满足预设的该记录模式的数据质量控制标准,若满足该记录模式的数据质量控制标准,则判断轨迹点是否满足该记录模式的记录规则,若满足则采集并存储该轨迹点,否则不存储该轨迹点;
所述数据质量控制标准包括以下参数中的一种或多种:综合精度因子、距离最值、高差加速度最值、距离计算均速度与记录均速度差阀值、加速度最值、方向变化加速度;所述记录规则包括以下参数中的一种或多种:速度差阀值、距离阀值、单向速度累计差阀值、单向方向差累计阀值;
S5:当轨迹点超出该记录模式的数据质量控制标准时,跳转到步骤S3,重新确定轨迹点的移动模式并进入对应的记录模式,依此循环完成轨迹点的采集和记录。
2.根据权利要求1所述的GPS轨迹数据智能采集方法,其特征在于,步骤S2中,采用预设的单点数据质量控制标准和邻域核算的方法识别轨迹信号中的可靠点作为记录首点,具体包括以下步骤:
S21:判断轨迹点的综合精度因子是否满足预设的要求,若满足则跳转到步骤S22,不满足则对下一轨迹点进行识别;
S22:判断距离计算均速度与记录均速度差阀值是否满足预设的要求,若满足则跳转到步骤S23,不满足则对下一轨迹点进行识别;
S23:判断设定时间段内距离的均值与中值差阀值是否满足预设的要求,满足则确认识别出可信首点。
3.根据权利要求1所述的GPS轨迹数据智能采集方法,其特征在于,步骤S3中,移动模式划分的规则通过对不同交通工具的稳态数据特征分析归类得到,或者通过对GPS轨迹大数据特征识别分类得到。
4.根据权利要求1所述的GPS轨迹数据智能采集方法,其特征在于,步骤S3中,所述移动模式包括静态模式、徒步模式、助动模式和机动模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510491691.4A CN105160872B (zh) | 2015-08-12 | 2015-08-12 | 一种gps轨迹数据智能采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510491691.4A CN105160872B (zh) | 2015-08-12 | 2015-08-12 | 一种gps轨迹数据智能采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105160872A CN105160872A (zh) | 2015-12-16 |
CN105160872B true CN105160872B (zh) | 2018-01-19 |
Family
ID=54801710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510491691.4A Expired - Fee Related CN105160872B (zh) | 2015-08-12 | 2015-08-12 | 一种gps轨迹数据智能采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105160872B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528589B (zh) * | 2016-09-14 | 2019-09-13 | 北京航空航天大学 | 数据管理方法及装置 |
CN106776902A (zh) * | 2016-11-30 | 2017-05-31 | 北京锐安科技有限公司 | 路径轨迹的分析方法及装置 |
CN107289925B (zh) * | 2017-05-25 | 2021-03-05 | 北京奇鱼时代科技有限公司 | 一种绘制用户轨迹的方法和装置 |
CN107705548A (zh) * | 2017-11-10 | 2018-02-16 | 北京市计量检测科学研究院 | 网约车计程计时检测系统及检测方法 |
CN108802767A (zh) * | 2018-05-24 | 2018-11-13 | 佛山市竣智文化传播股份有限公司 | 一种基于无源卫星定位的运动轨迹记录方法、设备及装置 |
CN109031371B (zh) * | 2018-06-13 | 2020-11-03 | 山东众云教育科技有限公司 | 一种基于持续定位信息的路线平滑方法及系统 |
CN111488413A (zh) * | 2019-01-28 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 一种轨迹特征点判断方法、轨迹记录方法和相关装置 |
CN111198875A (zh) * | 2019-12-26 | 2020-05-26 | 深圳市元征科技股份有限公司 | 车辆定位数据筛选方法、装置、车载设备及存储介质 |
CN111090112A (zh) * | 2019-12-31 | 2020-05-01 | 深圳市乐途宝网络科技有限公司 | 设备gps定位取点方法、装置、终端设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101357643A (zh) * | 2008-08-21 | 2009-02-04 | 北京交通大学 | 数字轨道地图辅助gps实现精确列车定位方法及系统 |
JP2011203202A (ja) * | 2010-03-26 | 2011-10-13 | Casio Computer Co Ltd | 測位装置、軌跡情報記憶方法、プログラム |
CN102708680A (zh) * | 2012-06-06 | 2012-10-03 | 北京交通大学 | 基于agps技术的交通出行方式识别方法 |
CN104504099A (zh) * | 2014-12-29 | 2015-04-08 | 北京交通大学 | 基于位置轨迹的交通出行状态切分方法 |
CN104751631A (zh) * | 2015-03-13 | 2015-07-01 | 同济大学 | 基于gps定位和模糊理论判断出行链交通方式的方法 |
-
2015
- 2015-08-12 CN CN201510491691.4A patent/CN105160872B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101357643A (zh) * | 2008-08-21 | 2009-02-04 | 北京交通大学 | 数字轨道地图辅助gps实现精确列车定位方法及系统 |
JP2011203202A (ja) * | 2010-03-26 | 2011-10-13 | Casio Computer Co Ltd | 測位装置、軌跡情報記憶方法、プログラム |
CN102708680A (zh) * | 2012-06-06 | 2012-10-03 | 北京交通大学 | 基于agps技术的交通出行方式识别方法 |
CN104504099A (zh) * | 2014-12-29 | 2015-04-08 | 北京交通大学 | 基于位置轨迹的交通出行状态切分方法 |
CN104751631A (zh) * | 2015-03-13 | 2015-07-01 | 同济大学 | 基于gps定位和模糊理论判断出行链交通方式的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105160872A (zh) | 2015-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105160872B (zh) | 一种gps轨迹数据智能采集方法 | |
CN106781479B (zh) | 一种基于手机信令数据实时获取高速公路运行状态的方法 | |
CN105096611B (zh) | 一种道路车辆检测系统及方法 | |
CN109050535A (zh) | 一种基于车辆姿态的快速地形工况辨识方法 | |
CN106652445B (zh) | 一种公路交通事故判别方法及装置 | |
CN105138779B (zh) | 车载gps时空轨迹大数据优选方法及系统 | |
CN103593430B (zh) | 一种基于移动对象时空信息轨迹分段聚类的方法 | |
CN109410586A (zh) | 一种基于多元数据融合的交通状态检测方法 | |
CN101965600B (zh) | 行驶模式信息获取装置及其行驶模式信息获取方法 | |
CN109598943A (zh) | 车辆违章的监控方法、装置及系统 | |
CN109191840A (zh) | 一种基于智能终端的实时交通状况判定方法 | |
CN109241349A (zh) | 一种基于深度学习的监控视频多目标分类检索方法及系统 | |
CN106846806A (zh) | 基于Isolation Forest的城市道路交通异常检测方法 | |
CN107705551A (zh) | 交通路况的评估方法以及装置 | |
CN105785411A (zh) | 一种基于区域划分的异常轨迹检测方法 | |
CN106408026A (zh) | 用户出行方式的识别方法和装置 | |
CN105447504A (zh) | 一种交通模式行为识别方法及相应的识别模型构建方法 | |
CN107103775A (zh) | 一种基于群智计算的道路质量检测方法 | |
CN107195180A (zh) | 一种基于电警数据的交通出行轨迹提取方法和装置 | |
CN110222667A (zh) | 一种基于计算机视觉的开放道路交通参与者数据采集方法 | |
CN108091137A (zh) | 一种信号灯控制方案的评价方法及装置 | |
CN114359877B (zh) | 基于融合特征的无人履带车辆道路类型识别方法和系统 | |
CN110194041A (zh) | 多源信息融合的自适应车身高度调节方法 | |
CN109410576A (zh) | 多源数据融合的路况分析方法、装置、存储介质及系统 | |
CN107590486A (zh) | 运动目标识别方法和系统、自行车流量统计方法和设备 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180119 Termination date: 20180812 |
|
CF01 | Termination of patent right due to non-payment of annual fee |