CN105608985A - 一种带有道路纵向坡度的增强型数字矢量地图制作方法 - Google Patents
一种带有道路纵向坡度的增强型数字矢量地图制作方法 Download PDFInfo
- Publication number
- CN105608985A CN105608985A CN201510989858.XA CN201510989858A CN105608985A CN 105608985 A CN105608985 A CN 105608985A CN 201510989858 A CN201510989858 A CN 201510989858A CN 105608985 A CN105608985 A CN 105608985A
- Authority
- CN
- China
- Prior art keywords
- road
- information
- vehicle
- head fall
- node
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
- G09B29/008—Touring maps or guides to public transport networks
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
Abstract
本发明公开了一种带有道路纵向坡度的增强型数字矢量地图制作方法,本方法首先选定道路,确定道路起始点与终点;通过搭载了卫星定位系统和纵向加速度传感器的车辆,采集道路的位置、车辆的状态信息;然后将经纬度坐标转化为平面坐标,并将转化后平面坐标表示的位置作为道路的节点;通过基于多传感器信息的道路纵向坡度估计算法,估计出每个节点位置的道路纵向坡度;最后将节点位置以及纵向坡度信息,利用数字地图制作软件制作成带有道路纵向坡度的增强型数字矢量地图。
Description
技术领域
本发明属于地理信息系统领域,涉及一种带有道路纵向坡度的增强型数字矢量地图制作方法。
背景技术
数字地图是通过数字化的方法,把城市地理信息以一定的格式存储起来,并能以连续地图的形式呈现出来,本质上是一个城市地理数据库。数字地图可提供丰富的基于位置的服务,为人们的生活带来了极大的便利。然而目前的数字地图存在以下问题:数字地图精度较低,无法通过已有信息进一步计算获得精度较高的道路坡度等信息;地图信息匮乏,一般仅包含位置信息,而对于一些人们关注的重要信息,例如道路的航向、曲率、坡度、附近楼层的高度等信息并没有包含;数字地图目前制作复杂、专业性要求很高,需要掌握空间变换、几何变换算法、矢量与栅格数据模型等;除了对专业性有很高的要求,传统数字地图制作过程中很多测绘工作需要由人工来完成,工作量大且效率不高,制作成本相对较高。
针对上述问题,近几年国内外开始关注增强型数字矢量地图,其不仅包含了普通地图所包含的位置信息,还包含了一些特有的信息,例如道路的航向、坡度、路边房屋的高度等,增强型数字矢量地图相对于普通数字地图具有更加广泛的运用前景。本专利提出了一种带有道路纵向坡度的增强型数字矢量地图制作方法。传统的道路坡度测量设备(坡度测量仪、全站仪、水平仪等),当需要测量道路里程较长时,往往因为测量工作量太大、数据采集方式复杂,难以满足大规模应用的需求。因此本发明使用了多传感器信息采集车辆进行道路坡度的采集,简单易行、效率高。带有道路纵向坡度的增强型数字矢量地图包含了道路纵向坡度信息,其在车辆主动安全等领域有着广泛的应用。例如,近几年客车在山区道路翻车事故频繁发生,造成巨大的人员财产损失,司机对当前路况判断失误以及缺乏对复杂环境中路况的提前预警是事故发生的主要原因之一。其中道路的纵向坡度是一种非常重要的道路信息,道路的纵向坡度对于车辆档位控制、速度控制有着重要的参考价值,司机提前获得准确的道路纵向坡度信息可以有效的避免车辆出现翻车等一系列事故。因此制作带有道纵向路坡度的增强型数字矢量地图,有着重要的现实意义。
发明内容
本发明提出了一种带有道纵向路坡度的增强型数字矢量地图的制作方法,已解决现有数字地图制作工作量大、过程复杂、精度不够高、缺乏道路的纵向坡度信息(其在车辆主动安全领域有着广泛的应用)的问题。
本发明提出一种带有道路纵向坡度的增强型数字矢量地图制作方法。首先选定道路,确定道路起始点与终点;通过多传感器信息采集车辆,采集道路的位置、车辆的状态信息;然后将道路位置的经纬度坐标转化为平面坐标,并将转化后平面坐标表示的位置作为道路的节点;通过基于多传感器信息的道路纵向坡度估计算法,估计出每个节点位置的道路纵向坡度;最后将节点位置以及纵向坡度信息,利用数字地图制作软件制作成带有道路纵向坡度的增强型数字矢量地图。
具体实施步骤包括:
具体实施步骤包括:
步骤一、首先选定道路;
首先将需要测绘的道路进行分割,选定需要进行量测的部分,确定需要测绘部分的起始点与终点。本专利所适用的道路为高速公路以及一级、二级公路,且所适用的道路光滑连续,不包含交叉路口。鉴于步骤二所采用的高斯-克吕格投影在局部范围精度较高,因此选择的道路长度不超过5km。
步骤二、通过多传感器信息采集车辆,采集道路位置以及车辆的状态等信息;
本方法采用了多传感器信息采集车辆,其搭载的卫星定位系统可以实时输出道路位置Ri(LiBi)、车辆的垂直速度VZ,i、车辆的水平速度VXY,i以及卫星定位系统接收到的卫星数Nsat,i,其中Li、Bi分别表示经度、纬度;纵向加速度传感器输出车辆纵向加速度信息Ai,其中i表示开始采集后接收到的信息的序号,i=1,2,3....。通过同时开始采集多种传感器信息并统一各个传感器信息输出频率(输出频率均为20Hz),保证采集序号相同的信息一一对应。同一时刻所采集的信息有:车辆所在位置的经纬度信息Ri(LiBi)、车辆的垂直速度VZ,i、车辆的水平速度VXY,i、卫星定位系统接收到的卫星数Nsat,i以及车辆纵向的加速度Ai。车辆在信息采集的过程中需要保持车辆平稳运行,以保证车身与地面尽量平行,减小在估计道路纵向坡度时因为车身倾斜而产生的误差。同时采集车辆的胎压需要保持一致,避免因车辆胎压不同导致的道路坡度估计误差。道路信息采集过程中为了保证采集的信息密度均匀,车速要保持匀速,且车速在55-65km/h范围以内,这样保证采集的道路位置信息的间距适中,所采集的位置信息间距在0.764-0.903m之间。由于道路中车道之间基本平行,所以本专利选取行进方向左侧车道来提取道路的纵向坡度信息,且采集过程中采集车辆沿车道中心行驶。
步骤三、将采集到经纬度坐标转化成平面坐标,并将转化后平面坐标表示的位置作为道路的节点;
由于制作地图需要平面直角坐标系坐标,本发明采用较为成熟的3度带高斯-克吕格投影方法,将经纬度坐标Ri(LiBi)投影为高斯平面直角坐标系坐标Pi(xiyi),xi为坐标转换后对应的平面直角坐标系的纵坐标(北向位置),yi为坐标转换后对应的平面直角坐标系的横坐标(东向位置)。根据起始点R1(L1B1)选定R0(L0B0)作为高斯-克吕格投影的原点,其中L0=3D,D为(L1/3)四舍五入取整的值,B0=0°。经纬度坐标Ri(LiBi)转换公式如下所示:
式(1)为高斯投影公式的泰勒级数展开式,式中省去了7次以上高次项,其中为赤道至纬度Bi的子午线弧长,且 l为所求点的经度Li与L0之差,t=tanBi,η=e′cosBi,e′为椭球第二偏心率,N为通过所求点的卯酉圈曲率半径,C0,C1,C2,C3,C4为与点位无关的系数,仅有椭球体长半轴、短半轴、第一偏心率等参数确定。目前矢量地图多采用点的连线来表示道路,所以本发明将转换后平面坐标Pi(xiyi)所表示的位置作为道路的节点Ni(xiyi),通过节点的连线表示道路。
步骤四、通过基于多传感器信息的道路纵向坡度估计算法,估计出节点处的道路纵向坡度;
本发明提出了一种基于多传感器信息的道路纵向坡度估计算法。该算法通过基于高精度卫星定位系统的道路纵向坡度估计模型和基于车辆纵向加速度传感器的道路纵向坡度估计模型融合得出精度更高、鲁棒性更好的道路纵向坡度估计值。本发明中坡度采用百分比法表示。
1)基于高精度卫星定位系统的道路纵向坡度估计模型,利用高精度卫星定位系统的数据估计出道路坡度。具体的估计方式:通过高精度卫星定位系统获取车辆的垂直速度VZ,i和水平速度VXY,i,然后根据公式
得出道路纵向坡度θ1,i。
2)基于车辆纵向加速度传感器的道路纵向坡度估计模型,利用多传感器信息采集车辆获取到车辆的状态信息结合车辆的运动学模型估计出道路坡度。具体的估计方式:根据采集的车辆纵向加速度Ai,考虑到信息采集车辆通常行驶在匀速状态(车辆的纵向加速为重力加速度在纵向上的分量),然后通过公式
得出道路纵向坡度θ2,i,其中g为重力加速度g=9.8m/s2。
本算法依据卫星定位系统接收到的卫星数,将两种道路纵向坡度估计模型的结果进行融合,得出精度更高、鲁棒性更好的道路纵向坡度。最终的道路纵向坡度θi可由融合公式
θi=α1×θ1,i+α2×θ2,i(4)
获得,其中α1、α2分别为两种模型的融合系数,α1、α2的取值由当时卫星定位系统接收到的卫星数决定,具体的取值如下表所示:
卫星数(Nsat,i) | α1 | α2 |
Nsat,i>9 | 1 | 0 |
9≥Nsat,i>6 | 0.8 | 0.2 |
6≥Nsat,i>4 | 0.6 | 0.4 |
4≥Nsat,i | 0 | 1 |
步骤五、将节点的位置信息Ni(xiyi)以及纵向坡度信息θi通过数字地图制作软件制作成带有道路纵向坡度的增强型数字矢量地图。
根据获得到的节点位置信息Ni(xiyi)以及该节点的道路纵向坡度信息θi通过数字地图自作软件生成带有道路坡度的增强型数字矢量地图。首先利用节点的连线来表示所选取的道路,然后通过增加节点的坡度信息列表的方式将对应节点的道路纵向坡度信息增加到地图上。
有益效果如下:
本方法采用的基于多传感器信息的道路纵向坡度估计算法,估计出道路的纵向坡度,该算法结合了多种传感器的优点,避免了单一传感器的不足,精度高、鲁棒性好;通过信息采集车辆进行道路信息以及车辆状态信息的采集,不需要大量的人工测绘工作,实施方便;本发明所制作的数字地图在原有位置信息的基础上增加了道路的纵向坡度信息,在车辆主动安全领域有着广泛的应用。
附图说明
图1为本发明所提方法的流程框图;
图2为本发明采用的多传感器信息采集车辆示意图;
图3为基于高精度卫星定位系统的道路纵向坡度估计模型和基于车辆纵向加速度传感器的道路纵向坡度估计模型示意图。
具体实施方式
数字地图是通过数字化的方法,把城市地理信息以一定的格式存储起来,并能以连续地图的形式呈现出来,本质上是一个城市地理数据库。数字地图可提供丰富的基于位置的服务,为人们的生活带来了极大的便利。然而目前的数字地图存在以下问题:数字地图精度较低,无法通过已有信息进一步计算获得精度较高的道路坡度等信息;地图信息匮乏,一般仅包含位置信息,而对于一些人们关注的重要信息,例如道路的航向、曲率、坡度、附近楼层的高度等信息并没有包含;数字地图目前制作复杂、专业性要求很高,需要掌握空间变换、几何变换算法、矢量与栅格数据模型等;除了对专业性有很高的要求,传统数字地图制作过程中很多测绘工作需要由人工来完成,工作量大且效率不高,制作成本相对较高。
针对上述问题,近几年国内外开始关注增强型数字矢量地图,其不仅包含了普通地图所包含的位置信息,还包含了一些特有的信息,例如道路的航向、坡度、路边房屋的高度等,增强型数字矢量地图相对于普通数字地图具有更加广泛的运用前景。本专利提出了一种带有道路纵向坡度的增强型数字矢量地图制作方法。传统的道路坡度测量设备(坡度测量仪、全站仪、水平仪等),当需要测量道路里程较长时,往往因为测量工作量太大、数据采集方式复杂,难以满足大规模应用的需求。因此本发明使用了多传感器信息采集车辆进行道路坡度的采集,简单易行、效率高。带有道路纵向坡度的增强型数字矢量地图包含了道路纵向坡度信息,其在车辆主动安全等领域有着广泛的应用。例如,近几年客车在山区道路翻车事故频繁发生,造成巨大的人员财产损失,司机对当前路况判断失误以及缺乏对复杂环境中路况的提前预警是事故发生的主要原因之一。其中道路的纵向坡度是一种非常重要的道路信息,道路的纵向坡度对于车辆档位控制、速度控制有着重要的参考价值,司机提前获得准确的道路纵向坡度信息可以有效的避免车辆出现翻车等一系列事故。因此制作带有道纵向路坡度的增强型数字矢量地图,有着重要的现实意义。
本发明提出一种带有道路纵向坡度的增强型数字矢量地图制作方法。首先选定道路,确定道路起始点与终点;通过搭载了卫星定位系统和纵向加速度传感器的多传感器信息采集车辆,采集道路的位置、车辆的状态信息;然后将经纬度坐标转化为平面坐标,并将转化后平面坐标表示的位置作为道路的节点;通过基于多传感器信息的道路纵向坡度估计算法,估计出每个节点位置的道路纵向坡度;最后将节点位置以及纵向坡度信息,利用数字地图制作软件制作成带有道路纵向坡度的增强型数字矢量地图。本方发明采用的基于多传感器信息的道路纵向坡度估计算法,该算法结合了多种传感器的优点,避免了单一传感器的不足,精度高、鲁棒性好;通过信息采集车辆进行道路信息以及车辆状态信息的采集,不需要大量的人工测绘工作,实施方便;所制作的数字地图在原有位置信息的基础上增加了道路的纵向坡度信息,在车辆主动安全领域有着广泛的应用。
实施方式中卫星定位系统为高精度(水平定位精度的圆概率误差[CEP]小于0.02m)、高频(输出频率大于等于20Hz)、多模(兼容全球定位系统、北斗导航系统)的卫星定位系统,系统可以输出位置信息,水平速度和垂直速度、接收机收到的卫星数;纵向加速度传感器采用高精度(随机偏差1mg以内)、高频(输出频率大于等于20Hz)的加速度传感器,传感器可以输出纵向加速度。卫星定位系统天线安装在车顶中心位置;纵向加速度传感器安装在车辆的质心位置,方向与车辆纵轴一致。
具体实施步骤包括:
步骤一、首先选定道路;
首先将需要测绘的道路进行分割,选定需要进行量测的部分,确定需要测绘部分的起始点与终点。本专利所适用的道路为高速公路以及一级、二级公路,且所适用的道路光滑连续,不包含交叉路口。鉴于步骤二所采用的高斯-克吕格投影在局部范围精度较高,因此选择的道路长度不超过5km。
步骤二、通过多传感器信息采集车辆,采集道路位置以及车辆的状态等信息;
本方法采用了多传感器信息采集车辆,其搭载的卫星定位系统可以实时输出道路位置Ri(LiBi)、车辆的垂直速度VZ,i、车辆的水平速度VXY,i以及卫星定位系统接收到的卫星数Nsat,i,其中Li、Bi分别表示经度、纬度;纵向加速度传感器输出车辆纵向加速度信息Ai,其中i表示开始采集后接收到的信息的序号,i=1,2,3....。通过同时开始采集多种传感器信息并统一各个传感器信息输出频率(输出频率均为20Hz),保证采集序号相同的信息一一对应。同一时刻所采集的信息有:车辆所在位置的经纬度信息Ri(LiBi)、车辆的垂直速度VZ,i、车辆的水平速度VXY,i、卫星定位系统接收到的卫星数Nsat,i以及车辆纵向的加速度Ai。车辆在信息采集的过程中需要保持车辆平稳运行,以保证车身与地面尽量平行,减小在估计道路纵向坡度时因为车身倾斜而产生的误差。同时采集车辆的胎压需要保持一致,避免因车辆胎压不同导致的道路坡度估计误差。道路信息采集过程中为了保证采集的信息密度均匀,车速要保持匀速,且车速在55-65km/h范围以内,这样保证采集的道路位置信息的间距适中,所采集的位置信息间距在0.764-0.903m之间。由于道路中车道之间基本平行,所以本专利选取行进方向左侧车道来提取道路的纵向坡度信息,且采集过程中采集车辆沿车道中心行驶。本发明采用了多传感器信息采集车辆进行道路信息的采集,相对于利用坡度测量仪、全站仪、电磁波测距仪等设备(需要技术人员在目标道路进行大量测量工作),该方法只需要将车辆在选定道路驶过就可以通过传感器采集对应的信息,简单易行、效率较高。
步骤三、将采集到经纬度坐标转化成平面坐标,并将转化后平面坐标表示的位置作为道路的节点;
由于制作地图需要平面直角坐标系坐标,本发明采用较为成熟的3度带高斯-克吕格投影方法,将经纬度坐标Ri(LiBi)投影为高斯平面直角坐标系坐标Pi(xiyi),xi为坐标转换后对应的平面直角坐标系的纵坐标(北向位置),yi为坐标转换后对应的平面直角坐标系的横坐标(东向位置)。根据起始点R1(L1B1)选定R0(L0B0)作为高斯-克吕格投影的原点,其中L0=3D,D为(L1/3)四舍五入取整的值,B0=0°。经纬度坐标Ri(LiBi)转换公式如下所示:
式(1)为高斯投影公式的泰勒级数展开式,式中省去了7次以上高次项,其中为赤道至纬度Bi的子午线弧长,且 l为所求点的经度Li与L0之差,t=tanBi,η=e′cosBi,e′为椭球第二偏心率,N为通过所求点的卯酉圈曲率半径,C0,C1,C2,C3,C4为与点位无关的系数,仅有椭球体长半轴、短半轴、第一偏心率等参数确定。目前矢量地图多采用点的连线来表示道路,所以本发明将转换后平面坐标Pi(xiyi)所表示的位置作为道路的节点Ni(xiyi),通过节点的连线表示道路。具体的坐标转化步骤以及参数详见参考文献(刘基余.卫星定位系统卫星导航定位原理与方法.北京:科学出版社,2003.229-379)、(胡伍生,高成发.卫星定位系统测量原理及其应用.北京:人民交通出版社,2004.1-101.)。
步骤四、通过基于多传感器信息的道路纵向坡度估计算法,估计出节点处的道路纵向坡度;
本发明提出了一种基于多传感器信息的道路纵向坡度估计算法。该算法通过基于高精度卫星定位系统的道路纵向坡度估计模型和基于车辆纵向加速度传感器的道路纵向坡度估计模型融合得出精度更高、鲁棒性更好的道路纵向坡度估计值。本发明中坡度采用百分比法表示。
1)基于高精度卫星定位系统的道路纵向坡度估计模型,利用高精度卫星定位系统的数据估计出道路坡度。具体的估计方式:通过高精度卫星定位系统获取车辆的垂直速度VZ,i和水平速度VXY,i,然后根据公式
得出道路纵向坡度θ1,i。
2)基于车辆纵向加速度传感器的道路纵向坡度估计模型,利用多传感器信息采集车辆获取到车辆的状态信息结合车辆的运动学模型估计出道路坡度。具体的估计方式:根据采集的车辆纵向加速度Ai,考虑到信息采集车辆通常行驶在匀速状态(车辆的纵向加速为重力加速度在纵向上的分量),然后通过公式
得出道路纵向坡度θ2,i,其中g为重力加速度g=9.8m/s2。
本算法依据卫星定位系统接收到的卫星数,将两种道路纵向坡度估计模型的结果进行融合,得出精度更高、鲁棒性更好的道路纵向坡度。最终的道路纵向坡度θi可由融合公式
θi=α1×θ1,i+α2×θ2,i(4)
获得,其中α1、α2分别为两种模型的融合系数,α1、α2的取值由当时卫星定位系统接收到的卫星数决定,具体的取值如下表所示:
卫星数(Nsat,i) | α1 | α2 |
Nsat,i>9 | 1 | 0 |
9≥Nsat,i>6 | 0.8 | 0.2 |
6≥Nsat,i>4 | 0.6 | 0.4 |
4≥Nsat,i | 0 | 1 |
鉴于基于高精度卫星定位系统的道路纵向坡度估计模型易受到周围环境的影响(例如:周围环境遮挡严重时,卫星定位系统接收到卫星数较少,此时卫星定位系统获得的数据精度较低),因此本发明当卫星定位系统接收到卫星数较少的情况下,融合了不易受到环境影响的基于车辆纵向加速度传感器的道路纵向坡度估计模型,避免了单一传感器的不足,使得道路纵向坡度估计精度更高、鲁棒性更好,在周围环境遮挡时也能得出较为准确的道路坡度信息。
步骤五、将节点的位置信息Ni(xiyi)以及纵向坡度信息θi通过数字地图制作软件制作成带有道路纵向坡度的增强型数字矢量地图。
根据获得到的节点位置信息Ni(xiyi)以及该节点的道路纵向坡度信息θi通过数字地图自作软件生成带有道路坡度的增强型数字矢量地图。首先利用节点的连线来表示所选取的道路,然后通过增加节点的坡度信息列表的方式将对应节点的道路纵向坡度信息增加到地图上。例如,数字地图制作软件MapInfo以列表的形式组织所有图形和信息数据,每一个信息在地图中都可以被理解成一个图层。本实施方式通过MapInfo制作带有道路纵向坡度的增强型数字矢量地图,具体步骤如下:首先将得到的节点位置信息和节点处纵向坡度信息分别制作成信息列表,并转换成MapInfo可以打开的文件格式;然后用MapInfo打开节点位置的信息列表,并根据位置信息创建节点,生成道路;最后将节点处的纵向坡度信息列表添加进地图中,生成包含道路纵向坡度的增强型矢量数字地图。具体的数字地图的制作可以参考文献(王家耀,李志林,武芳.数字地图综合进展.北京:科学出版社,2011)、(王家耀,孙群,王光霞,江南,吕晓华.地图学原理与方法.北京:科学出版社,2006)、(吴秀琳,刘永革,王利军.Mapinfo9.5中文版标准教程.北京:清华大学出版,2009)。
Claims (1)
1.一种带有道路纵向坡度的增强型数字矢量地图制作方法;首先选定道路,确定道路起始点与终点;通过多传感器信息采集车辆,采集道路的位置、车辆的状态信息;然后将道路位置的经纬度坐标转化为平面坐标,并将转化后平面坐标表示的位置作为道路的节点;通过基于多传感器信息的道路纵向坡度估计算法,估计出每个节点位置的道路纵向坡度;最后将节点位置以及纵向坡度信息,利用数字地图制作软件制作成带有道路纵向坡度的增强型数字矢量地图;
具体实施步骤包括:
具体实施步骤包括:
步骤一、首先选定道路;
首先将需要测绘的道路进行分割,选定需要进行量测的部分,确定需要测绘部分的起始点与终点;本方法所适用的道路为高速公路以及一级、二级公路,且所适用的道路光滑连续,不包含交叉路口;鉴于步骤二所采用的高斯-克吕格投影在局部范围精度较高,因此选择的道路长度不超过5km;
步骤二、通过多传感器信息采集车辆,采集道路位置以及车辆的状态等信息;
本方法采用了多传感器信息采集车辆,其搭载的卫星定位系统可以实时输出道路位置Ri(LiBi)、车辆的垂直速度VZ,i、车辆的水平速度VXY,i以及卫星定位系统接收到的卫星数Nsat,i,其中Li、Bi分别表示经度、纬度;纵向加速度传感器输出车辆纵向加速度信息Ai,其中i表示开始采集后接收到的信息的序号,i=1,2,3....;通过同时开始采集多种传感器信息并统一各个传感器信息输出频率(输出频率均为20Hz),保证采集序号相同的信息一一对应;同一时刻所采集的信息有:车辆所在位置的经纬度信息Ri(LiBi)、车辆的垂直速度VZ,i、车辆的水平速度VXY,i、卫星定位系统接收到的卫星数Nsat,i以及车辆纵向的加速度Ai;车辆在信息采集的过程中需要保持车辆平稳运行,以保证车身与地面尽量平行,减小在估计道路纵向坡度时因为车身倾斜而产生的误差;同时采集车辆的胎压需要保持一致,避免因车辆胎压不同导致的道路坡度估计误差;道路信息采集过程中为了保证采集的信息密度均匀,车速要保持匀速,且车速在55-65km/h范围以内,这样保证采集的道路位置信息的间距适中,所采集的位置信息间距在0.764-0.903m之间;由于道路中车道之间基本平行,所以本方法选取行进方向左侧车道来提取道路的纵向坡度信息,且采集过程中采集车辆沿车道中心行驶;
步骤三、将采集到经纬度坐标转化成平面坐标,并将转化后的平面坐标表示的位置作为道路的节点;
由于制作地图需要平面直角坐标系坐标,本方法采用较为成熟的3度带高斯-克吕格投影方法,将经纬度坐标Ri(LiBi)投影为高斯平面直角坐标系坐标Pi(xiyi),xi为坐标转换后对应的平面直角坐标系的纵坐标(北向位置),yi为坐标转换后对应的平面直角坐标系的横坐标(东向位置);根据起始点R1(L1B1)选定R0(L0B0)作为高斯-克吕格投影的原点,其中L0=3D,D为(L1/3)四舍五入取整的值,B0=0°;经纬度坐标Ri(LiBi)转换公式如下所示:
式(1)为高斯投影公式的泰勒级数展开式,式中省去了7次以上高次项,其中为赤道至纬度Bi的子午线弧长,且 l为所求点的经度Li与L0之差,t=tanBi,η=e′cosBi,e′为椭球第二偏心率,N为通过所求点的卯酉圈曲率半径,C0,C1,C2,C3,C4为与点位无关的系数,仅有椭球体长半轴、短半轴、第一偏心率等参数确定;目前矢量地图多采用点的连线来表示道路,所以本方法将转换后平面坐标Pi(xiyi)所表示的位置作为道路的节点Ni(xiyi),通过节点的连线表示道路;
步骤四、通过基于多传感器信息的道路纵向坡度估计算法,估计出节点处的道路纵向坡度;
本方法提出了一种基于多传感器信息的道路纵向坡度估计算法。该算法通过基于高精度卫星定位系统的道路纵向坡度估计模型和基于车辆纵向加速度传感器的道路纵向坡度估计模型融合得出精度更高、鲁棒性更好的道路纵向坡度估计值。本方法中坡度采用百分比法表示。
1)基于高精度卫星定位系统的道路纵向坡度估计模型,利用高精度卫星定位系统的数据估计出道路坡度。具体的估计方式:通过高精度卫星定位系统获取车辆的垂直速度VZ,i和水平速度VXY,i,然后根据公式
得出道路纵向坡度θ1,i;
2)基于车辆纵向加速度传感器的道路纵向坡度估计模型,利用多传感器信息采集车辆获取到车辆的状态信息结合车辆的运动学模型估计出道路坡度;具体的估计方式:根据采集的车辆纵向加速度Ai,考虑到信息采集车辆通常行驶在匀速状态(车辆的纵向加速为重力加速度在纵向上的分量),然后通过公式
得出道路纵向坡度θ2,i,其中g为重力加速度g=9.8m/s2;
本算法依据卫星定位系统接收到的卫星数,将两种道路纵向坡度估计模型的结果进行融合,得出精度更高、鲁棒性更好的道路纵向坡度。最终的道路纵向坡度θi可由融合公式
θi=α1×θ1,i+α2×θ2,i(4)
获得,其中α1、α2分别为两种模型的融合系数,α1、α2的取值由当时卫星定位系统接收到的卫星数决定,具体的取值如下表所示:
步骤五、将节点的位置信息Ni(xiyi)以及纵向坡度信息θi通过数字地图制作软件制作成带有道路纵向坡度的增强型数字矢量地图;
根据获得到的节点位置信息Ni(xiyi)以及该节点的道路纵向坡度信息θi通过数字地图自作软件生成带有道路坡度的增强型数字矢量地图;首先利用节点的连线来表示所选取的道路,然后通过增加节点的坡度信息列表的方式将对应节点的道路纵向坡度信息增加到地图上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510989858.XA CN105608985B (zh) | 2015-12-24 | 2015-12-24 | 一种带有道路纵向坡度的增强型数字矢量地图制作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510989858.XA CN105608985B (zh) | 2015-12-24 | 2015-12-24 | 一种带有道路纵向坡度的增强型数字矢量地图制作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105608985A true CN105608985A (zh) | 2016-05-25 |
CN105608985B CN105608985B (zh) | 2018-03-20 |
Family
ID=55988887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510989858.XA Active CN105608985B (zh) | 2015-12-24 | 2015-12-24 | 一种带有道路纵向坡度的增强型数字矢量地图制作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105608985B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110103823A (zh) * | 2019-05-21 | 2019-08-09 | 东南大学 | 一种基于增强型数字地图的车辆侧翻事前预警方法 |
CN113076604A (zh) * | 2021-04-28 | 2021-07-06 | 安徽江淮汽车集团股份有限公司 | 道路滑行试验方法、装置、设备及存储介质 |
CN114771547A (zh) * | 2022-06-21 | 2022-07-22 | 北京清研宏达信息科技有限公司 | 一种自动驾驶公交车的重量估算方法、装置、公交车及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001296122A (ja) * | 2000-04-17 | 2001-10-26 | Mitsubishi Motors Corp | 道路勾配検出装置 |
JP2005069841A (ja) * | 2003-08-25 | 2005-03-17 | Hino Motors Ltd | 道路勾配計測システム |
CN102175463A (zh) * | 2011-02-12 | 2011-09-07 | 东南大学 | 一种基于改进卡尔曼滤波的汽车路试制动性能检测方法 |
CN102556075A (zh) * | 2011-12-15 | 2012-07-11 | 东南大学 | 一种基于改进扩展卡尔曼滤波的车辆运行状态估计方法 |
CN102765388A (zh) * | 2012-07-03 | 2012-11-07 | 清华大学 | 一种基于多信息融合的整车控制方法 |
CN102779411A (zh) * | 2012-08-10 | 2012-11-14 | 北京航空航天大学 | 自动获取道路坡度的方法 |
CN103158718A (zh) * | 2013-03-25 | 2013-06-19 | 北京科技大学 | 基于油门踏板位置和车速的道路纵向坡度检测装置及方法 |
CN103407451A (zh) * | 2013-09-03 | 2013-11-27 | 东南大学 | 一种道路纵向附着系数估计方法 |
CN103434511A (zh) * | 2013-09-17 | 2013-12-11 | 东南大学 | 一种车速与道路附着系数的联合估计方法 |
CN104751534A (zh) * | 2015-03-11 | 2015-07-01 | 中国重汽集团济南动力有限公司 | 一种基于gps的道路及车辆使用信息采集方法 |
-
2015
- 2015-12-24 CN CN201510989858.XA patent/CN105608985B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001296122A (ja) * | 2000-04-17 | 2001-10-26 | Mitsubishi Motors Corp | 道路勾配検出装置 |
JP2005069841A (ja) * | 2003-08-25 | 2005-03-17 | Hino Motors Ltd | 道路勾配計測システム |
CN102175463A (zh) * | 2011-02-12 | 2011-09-07 | 东南大学 | 一种基于改进卡尔曼滤波的汽车路试制动性能检测方法 |
CN102556075A (zh) * | 2011-12-15 | 2012-07-11 | 东南大学 | 一种基于改进扩展卡尔曼滤波的车辆运行状态估计方法 |
CN102765388A (zh) * | 2012-07-03 | 2012-11-07 | 清华大学 | 一种基于多信息融合的整车控制方法 |
CN102779411A (zh) * | 2012-08-10 | 2012-11-14 | 北京航空航天大学 | 自动获取道路坡度的方法 |
CN103158718A (zh) * | 2013-03-25 | 2013-06-19 | 北京科技大学 | 基于油门踏板位置和车速的道路纵向坡度检测装置及方法 |
CN103407451A (zh) * | 2013-09-03 | 2013-11-27 | 东南大学 | 一种道路纵向附着系数估计方法 |
CN103434511A (zh) * | 2013-09-17 | 2013-12-11 | 东南大学 | 一种车速与道路附着系数的联合估计方法 |
CN104751534A (zh) * | 2015-03-11 | 2015-07-01 | 中国重汽集团济南动力有限公司 | 一种基于gps的道路及车辆使用信息采集方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110103823A (zh) * | 2019-05-21 | 2019-08-09 | 东南大学 | 一种基于增强型数字地图的车辆侧翻事前预警方法 |
CN113076604A (zh) * | 2021-04-28 | 2021-07-06 | 安徽江淮汽车集团股份有限公司 | 道路滑行试验方法、装置、设备及存储介质 |
CN114771547A (zh) * | 2022-06-21 | 2022-07-22 | 北京清研宏达信息科技有限公司 | 一种自动驾驶公交车的重量估算方法、装置、公交车及存储介质 |
CN114771547B (zh) * | 2022-06-21 | 2022-09-23 | 北京清研宏达信息科技有限公司 | 一种自动驾驶公交车的重量估算方法、装置、公交车及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105608985B (zh) | 2018-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100357987C (zh) | 城市路网交通流区间平均速度的获取方法 | |
CN102147261B (zh) | 一种交通车辆gps数据地图匹配的方法与系统 | |
CN104197945B (zh) | 一种基于低采样率浮动车数据的全局投票地图匹配方法 | |
CN102175463B (zh) | 一种基于改进卡尔曼滤波的汽车路试制动性能检测方法 | |
CN108036794A (zh) | 一种高精度地图生成系统及生成方法 | |
CN106156267B (zh) | 一种面向高速公路的车道级增强型矢量数字地图制作方法 | |
CN102928816A (zh) | 一种面向隧道环境的车辆高可靠组合定位方法 | |
CN106197460B (zh) | 一种应用gps出行数据进行出行目的地预测的方法 | |
CN105677899A (zh) | 一种包含道路行进方向的增强型矢量数字地图制作方法 | |
CN106203735A (zh) | 一种机动车驾驶员驾驶行为能耗特征测算方法 | |
CN102779411A (zh) | 自动获取道路坡度的方法 | |
CN104990554B (zh) | Gnss盲区中基于vanet车辆间协作的惯性导航定位方法 | |
CN102226700B (zh) | 一种用于立交桥路网电子地图匹配的方法 | |
CN103093088A (zh) | 陡坡和弯曲道路的安全评估方法 | |
CN105096590B (zh) | 交通信息生成方法和交通信息生成设备 | |
CN105608985A (zh) | 一种带有道路纵向坡度的增强型数字矢量地图制作方法 | |
CN104507097A (zh) | 一种基于WiFi位置指纹的半监督训练方法 | |
CN104900057A (zh) | 一种城市快速路主辅道的浮动车地图匹配方法 | |
CN104386126A (zh) | 一种确定履带车辆实际转向半径的方法 | |
CN105427739B (zh) | 一种基于卡尔曼滤波的道路坡度增强型数字地图制作方法 | |
CN105371864A (zh) | 一种通过上报gps信息取得车辆里程的方法及系统 | |
CN103236159B (zh) | 基于卫星定位、obd、无线通讯的交通路况采集方法 | |
CN112462401B (zh) | 基于浮动车轨迹数据的城市峡谷快速探测方法及装置 | |
CN102201035A (zh) | 一种计算前方道路弯度/坡度的预估方法 | |
CN107121134B (zh) | 一种基于gps的车载公路线形测量方法 |
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 |