CN106056953A - 基于低精度gps数据获取交通道路信息的方法 - Google Patents
基于低精度gps数据获取交通道路信息的方法 Download PDFInfo
- Publication number
- CN106056953A CN106056953A CN201610334494.6A CN201610334494A CN106056953A CN 106056953 A CN106056953 A CN 106056953A CN 201610334494 A CN201610334494 A CN 201610334494A CN 106056953 A CN106056953 A CN 106056953A
- Authority
- CN
- China
- Prior art keywords
- gps data
- road
- information
- precision gps
- low precision
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
Abstract
本发明提出了一种基于低精度GPS数据获取交通道路信息的方法,用于解决现有技术中存在的成本高和数据时效性低的技术问题,包括如下步骤:迭代道路信息已知的交通道路上低精度GPS数据点的最优中心分离线;计算该道路上各低精度GPS数据点到最优中心分离线的距离矢量;迭代该道路上低精度GPS数据点的最优距离矢量置信区间;利用距离矢量方差建立道路宽度离散函数;利用最优距离矢量置信区间和道路宽度离散函数计算道路信息未知的交通道路的斜率和宽度。本发明利用低精度GPS数据的拟高斯分布、对称分布和误差特性,挖掘交通道路信息,具有成本低和获取信息时效性高的特点,可用于在较短时间内低成地获取高时效性的交通道路信息。
Description
技术领域
本发明属于交通信息控制领域,涉及一种获取交通道路信息的方法,具体涉及一种基于低精度GPS数据获取交通道路信息的方法,可用于在较短时间内低成地获取交通道路信息。
背景技术
交通道路信息是交通领域研究工作的必备数据材料,它需要能够准确的描述道路拓扑结构以及道路宽度。具备精准的交通道路信息是研究车辆分布、车辆密度、节点度以及区域连通性等交通特性的前提条件。传统的交通道路信息是通过地面测量的方式获取,通常采用激光传感器、视觉系统,通过专用数据采集车辆收集交通道路原始信息,然后对收集到的交通道路原始信息进行数据整合。由于地面测量受到地理因素的限制,采集数据进度较慢,采集成本较高且时间长,在许多交通道路信息尚未完成获取完成时,该道路的拓扑结构就已经放生了变化,另外在后续的信息维护工作中也需要通过实际的地面工作采集数据,将耗费较高的劳动成本。为了解决地面测量方式获取交通道路信息及维护信息工作周期过长的缺陷,当前航空测量已经被广泛应用于交通道路信息获取工作中。航空测量不会受到地理因素的影响,能够一次性采集大量信息,加快数据采集进度,但是相对地面测量,利用航空设备采集信息会增加数据采集和数据传输成本,同时由于数据处理技术的不成熟,导致在后期的交通道路信息整合以及维护工作中,仅仅依靠图像处理技术也将会花费较高时间成本。
随着全球定位系统,即GPS的广泛应用,大量移动终端的位置信息以及运动状况能够被及时采集,并且上传到GPS数据中心。然而,最初由于数据存储技术和数据处理技术的不成熟,仅仅只有部分在当时被认为有用的GPS数据,如旅游巴士的经纬度数据等会被保存下来,而大量其他的数据,如公交车和出租车的位置数据、速率数据以及方向数据等都被视为冗余数据,并未进行处理和存储。直到本世纪初,基于大量GPS数据可用于维护交通道路信息的观点,过去冗余的GPS数据开始被用来挖掘交通道路信息。由于装备GPS设备的移动终端在移动过程中具有时空限制,如汽车必须行驶在车道上且在限定的速度以内,因此通过复杂的数据清洗过程,删除误差较大的数据后,将GPS数据点按时间戳顺序连接后便能够获取简单的道路拓扑信息。为了提高获取道路信息的精度和信息量,对于GPS数据特性的数学分析逐渐被应用于信息获取方法中。Tao Guo等人在论文“Towards High Accuracy RoadMaps Generation from Massive GPS Traces Data,”(published in Proceedings ofthe 2007IEEE International Geoscience&Remote Sensing Symposium,Barcelona,ESP,2007,pp.667-670.)提出了一种基于海量GPS轨迹数据绘制道路地图的方法。该方法针对交通道路上GPS数据点呈现对称分布的特性,利用最小二乘法直接拟合这些GPS数据点,将拟合出来的直线视为道路中线。论文中将该方法被称为“ROAD Map Reverse Update”(反向地图更新),即通过采集的位置数据更新交通道路信息。然而,由于缺少对于数据特性的深入分析,导致交通道路的精度不够高,内容不够全面。虽然结果不够理想,但是它依然开启了获取交通道路信息的新方向。目前,Kichun Jo等人在论文“Generation of a PreciseRoadway Map for Autonomous Cars,”(published in Intelligent TransportationSystems,IEEE Transactions on,2014,vol.15,no.3,pp.925-937)中,提出了一种利用自动汽车生成道路地图的方法。该方法首先通过专用车辆装载高精度GPS接收机在特定区域内行驶,经过一段时间或行驶一定距离后采集车辆的GPS数据;其次,一种利用固定间隔最优平滑理论将GPS数据整合为交通道路几何数据;最后,利用B-spline道路模型构成完整的道路信息。基于GPS数据采集快速和采集范围广阔的特性,将极大的缩短地图绘制周期。然而高精度GPS数据获取需要昂贵的专属采集设备以及采集周期,同时缺乏利用GPS数据特性研究道路宽度的工作。因此,如何降低交通道路信息获取成本以及获取时间,如何增加获取信息的完整性依旧是值得研究的方向。
发明内容
本发明的目的在于克服上述现有技术存在的缺陷,提出了一种基于低精度GPS数据获取交通道路信息的方法,用于解决现有技术中存在的成本高和数据时效性低的技术问题。
本发明的具体技术思路是:当前利用高精度GPS数据获取交通道路信息的方法中,数据收集周期长,会影响所获取交通道路信息的时效性,且数据源成本高。相对于高精度GPS数据,低精度GPS数据具有来源途径广泛和成本低廉的特点。使用低精度GPS数据作为数据源,可以降低数据收集过程的成本,提高数据收集过程的效率,然而低精度GPS数据的数据质量不高,数据分布杂乱,不能够直接使用,需要经过数据分析和处理。通过利用低精度GPS数据拟高斯分布、对分布特性以及误差特性对低精度GPS数据进行分析处理,运用复杂度较低的最小二乘法挖掘交通道路的斜率和宽度信息,可以降低了获取交通道路信息工作的复杂度,提高了所获取道路信息的时效性。
根据上述技术思路,实现本发明目的采取的技术方案,包括如下步骤:
步骤1,获取目标固定区域内至少一个运动目标的低精度GPS数据点集信息以及该固定区域中一条交通道路的斜率k和宽度w,并统计该道路上低精度GPS数据点数量的总数n;
步骤2,对获取的固定区域中一条交通道路上的低精度GPS数据点的最优中心分离线进行迭代,设迭代次数为i,初始化i=0,按如下步骤实现:
步骤2a,利用排列组合方法,对获取的固定区域中一条交通道路上的n-i个低精度GPS数据点进行组合,获得种组合方式;
步骤2b,利用最小二乘法,分别对获得的种组合方式中的低精度GPS数据点进行拟合,获得斜率集合{kj}和截距集合{lj},其中
步骤2c,计算获得的斜率集合{kj}与获取的固定区域中一条交通道路的道路信息斜率k的差值集合{Δj},其中
步骤2d,遍历计算出的差值集合{Δj},获得该差值集合{Δj}的最小值Δr,并记录该最小值的下标r;
步骤2e,设获得的差值集合{Δj}的最小值Δr的门限Δl,其中Δl≤10-4;
步骤2f,比较获得的最小值Δr与最小值门限Δl大小,若Δr≤Δl,则将斜率kr和截距lr选定为该道路上低精度GPS数据点最优中心分离线数据;若Δr>Δl,i=i+1,执行步骤2g;
步骤2g,判断迭代次数是否等于5,若是,则将斜率kr和截距lr选定为该道路上低精度GPS数据点最优中心分离线数据;否则,执行步骤2a;
步骤3,利用选定的最优中心分离线数据和该道路上低精度GPS数据点包含的经纬度信息,计算获取的固定区域的一条交通道路上低精度GPS数据点到中心分离线的距离矢量;
步骤4,设定初始距离矢量置信区间为[a1,b1]和该区间[a1,b1]的缩短步长d,其中a1≤-8m,b1≥8m,0m<d≤1m;
步骤5,利用设定的初始距离矢量置信区间[a1,b1]的缩短步长d,对该初始距离矢量置信区间[a1,b1]进行迭代,设迭代次数为x,其中x=1,具体步骤如下:
步骤5a,利用最小二乘法,拟合距离矢量置信区间[ax,bx]内GPS数据点,求取获取的固定区域中一条交通道路的拟合直线斜率Kx;
步骤5b,利用设定的缩短步长d,将距离矢量置信区间[ax,bx]缩小为[ax+1,bx+1],其中bx+1-ax+1-d=bx-ax;
步骤5c,判断缩短后区间上限和下限的大小,即ax+1和bx+1的大小,若bx+1<3m或ax+1>-3m,执行骤(5d);若bx+1≥3m且ax+1≤-3m,x=x+1,执行步骤5a;
步骤5d,建立获取的固定区域中一条交通道路的拟合直线斜率集{Km},其中m=1,2,3,...,x,并计算拟合直线斜率集{Km}中各值与该道路最优中心分离线斜率kr的差值cm=|Km-kr|,构成差值集{cm};
步骤5e,遍历构成的差值集{cm},得到该差值集{cm}最小值ct的编号t,其中1≤t≤x,其对应的距离矢量置信区间[at,bt]即为最优距离矢量置信区间;
步骤6,利用选定的最优中心分离线数据kr和lr以及获取的固定区域中一条交通道路的宽度w,建立道路宽度离散函数L=f(D),具体实现步骤如下:
步骤6a:计算获取的固定区域中一条交通道路上低精度GPS数据点到最优中心分离线的距离矢量的方差δ;
步骤6b:利用计算的距离矢量的方差δ,建立道路宽度离散函数L=f(D),其中
步骤7,选取固定区域内一条道路信息未知的交通道路上的低精度GPS数据点集;
步骤8,利用最小二乘法,拟合选取的数据点集,得到选取的固定区域内一条道路信息未知的交通道路的拟合直线的斜率信息k'和截距信息l',并计算选取的固定区域内一条道路信息未知的交通道路上各低精度GPS数据点到拟合直线的距离矢量;
步骤9,利用最小二乘法,拟合该信息未知交通道路上距离矢量在最优距离矢量置信区间[at,bt]内的低精度GPS数据点,获得最优拟合直线斜率信息k”和截距信息l”,并将该最优拟合直线斜率信息k”和截距信息l”作为该道路的结构信息;
步骤10,利用计算的结构信息,计算该道路上各低精度GPS数据点到最优拟合直线的距离矢量和该距离矢量的方差D,并将计算的方差D带入道路宽度离散函数L=f(D),获得选取的固定区域内一条道路信息未知的交通道路的宽度信息L。
本发明与现有技术相比,具有以下优点:
1.本发明由于数据源采用的是低精度GPS数据,其可以通过大量公交车、出租及旅游巴士等公共车辆采集上传,也可以由私家车以及个人移动终端采集上传,具有价格低廉、数据来源途径广泛、信息更新快速以及信息覆盖面积广阔的特点与现有技术中采用的高精度GPS数据相比,有效的降低了数据源的成本以及数据获取过程的时间。
2.本发明由于在道路信息获取过程中考虑了低精度GPS数据对称分布、拟高斯分布特性和误差特性,可计算当前固定区域内部分已知道路信息的交通道路上低精度GPS数据点最优距离矢量置信区间并建立道路宽度离散函数,通过低精度GPS数据点最优距离矢量置信区间和道路宽度离散函数可直接获取交通道路的斜率信息和宽度信息,与现有技术需要使用复杂的图像处理和数据整合技术相比,极大的缩短了数据获取过程的时间,提高了获取数据的时效性。
附图说明
图1为本发明实现的流程框图。
具体实施方式
以下结合附图和实施例,对本发明作进一步详细说明:
参照图1,本发明包括如下步骤:
步骤1,获取目标固定区域内至少一个运动目标的低精度GPS数据点集信息以及该固定区域中一条交通道路的斜率k和宽度w,并统计该道路上低精度GPS数据点数量的总数n。
从低精度GPS数据中获取道路信息,首先需要获取固定区域内至少一个运动目标的低精度GPS数据,详细包括运动目标的位置、速率和行驶方向,且随着数据集中包含的运动目标数量越多,最终所获取的道路信息精度将越高,信息量将越大。为了提高数据质量,需要将获取的低精度GPS数据信息进行清洗,其中具体步骤如下:
(1a)计算所述低精度GPS数据集中多个时间戳连续数据点在移动方向的平均值设方向偏移门限th,其中20°≤th≤30°;
(1b)利用所述低精度GPS数据集中多个时间戳连续数据点中,各数据点包含的运动目标移动方向角θ,计算其与平均值的差值
(1c)判断所述差值与方向偏移门限th之间的大小,若删除该数据点。
在一个较大的固定区域内,所有低精度GPS数据的误差特性是可以视为相同的,因此,利用固定区域中至少一条道路的道路信息斜率k和宽度w以及该道路上的低精度GPS数据点数量的总数n,便能够有效的分析该固定区域内低精度GPS数据点分布特性,并且随着已知信息的道路的数量以及该道路上GPS数据点数量越多,对该区域内低精度GPS数据的分布特性研究结果越精准。
步骤2,对获取的固定区域中一条交通道路上的低精度GPS数据点的最优中心分离线进行迭代,设迭代次数为i,初始化i=0,按如下步骤实现:
步骤2a:利用排列组合方法,对获取的固定区域中一条交通道路上的n-i个低精度GPS数据点进行组合,获得种组合方式;
步骤2b:利用最小二乘法,分别对获得的种组合方式中的低精度GPS数据点进行拟合,获得斜率集合{kj}和截距集合{lj},其中
步骤2c:计算获得的斜率集合{kj}与获取的固定区域中一条交通道路的道路信息斜率k的差值集合{Δj},其中
步骤2d:遍历计算出的差值集合{Δj},获得该差值集合{Δj}的最小值Δr,并记录该最小值的下标r;
步骤2e:设获得的差值集合{Δj}的最小值Δr的门限Δl,其中Δl≤10-4;
步骤2f:比较获得的最小值Δr与最小值门限Δl大小,若Δr≤Δl,则将斜率kr和截距lr选定为该道路上低精度GPS数据点最优中心分离线数据;若Δr>Δl,i=i+1,执行步骤2g;
步骤2g:判断迭代次数是否等于5,若是,则将斜率kr和截距lr选定为该道路上低精度GPS数据点最优中心分离线数据;否则,执行步骤2a。
这里根据移动目标的低精度GPS数据点沿实际道路中心对称分布的特性,利用最小二乘法从GPS数据点中拟合出移动目标行驶道路的近似斜率和截距作为中心分离线信息,可用于研究该道路上低精度GPS数据点的实际分布特性。为了克服低精度GPS数据中随机误差对拟合结果带来的影响,通过对该道路上n-i个低精度GPS数据点进行排列组合,在种组合中拟合出与运动目标实际行驶道路斜率最相近的中心分离线。将最小值Δr的门限Δl设定为Δl≤10-4可以确保拟合结果具有较高的精度。通常在i等于2时便能够获取精度满足要求的中心分离线,为了确保在小数据量的情况下也能够拟合出满足精度要求的中心分离线,这里将i的上限设为4。
步骤3,利用选定的最优中心分离线数据和该道路上低精度GPS数据点包含的经纬度信息,计算获取的固定区域的一条交通道路上低精度GPS数据点到中心分离线的距离矢量。
这里通过计算道路上低精度GPS数据点到中心分离线的距离矢量,可用于分析低精度GPS数据点在随机误差下的拟高斯分布特性。
步骤4,设定初始距离矢量置信区间为[a1,b1]和该区间[a1,b1]的缩短步长d,其中a1≤-8m,b1≥8m,0m<d≤1m。
步骤5,利用设定的初始距离矢量置信区间[a1,b1]的缩短步长d,对该初始距离矢量置信区间[a1,b1]进行迭代,设迭代次数为x,其中x=1,具体步骤如下:
步骤5a:利用最小二乘法,拟合距离矢量置信区间[ax,bx]内GPS数据点,求取获取的固定区域中一条交通道路的拟合直线斜率Kx;
步骤5b:利用设定的缩短步长d,将距离矢量置信区间[ax,bx]缩小为[ax+1,bx+1],其中bx+1-ax+1-d=bx-ax;
步骤5c:判断缩短后区间上限和下限的大小,即ax+1和bx+1的大小,若bx+1<3m或ax+1>-3m,执行骤(5d);若bx+1≥3m且ax+1≤-3m,x=x+1,执行步骤5a;
步骤5d:建立获取的固定区域中一条交通道路的拟合直线斜率集{Km},其中m=1,2,3,...,x,并计算拟合直线斜率集{Km}中各值与该道路最优中心分离线斜率kr的差值cm=|Km-kr|,构成差值集{cm};
步骤5e:遍历构成的差值集{cm},得到该差值集{cm}最小值ct的编号t,其中1≤t≤x,其对应的距离矢量置信区间[at,bt]即为最优距离矢量置信区间。
利用GPS数据拟高斯分布特性以及通常情况下与真实位置误差10m的特点,设定初始计算距离矢量置信区间为[a1,b1]与该区间缩短步长d,其中a1≤-10m,b1≥10m,0.5m<d≤1m。这里按照缩短步长d,逐步缩小距离矢量置信区间[a1,b1],可以找到最优置信区间[at,bt],其中距离矢量在[at,bt]内的距离矢量数据在理论上具有对称分布特性,即利用最小二乘法拟合后,可以获得与该道路上中心分离线斜率最相近的拟合结果。实际中,数据的误差特性会导致该区间内的距离矢量数据不具备完全对称分布特性,但这样的误差所带来的影响较小,可以忽略不计。
步骤6,利用选定的最优中心分离线数据kr和lr以及获取的固定区域中一条交通道路的宽度w,建立道路宽度离散函数L=f(D),具体实现步骤如下:
步骤6a:计算获取的固定区域中一条交通道路上低精度GPS数据点到最优中心分离线的距离矢量的方差δ;
步骤6b:利用计算的距离矢量的方差δ,建立道路宽度离散函数L=f(D),其中
步骤(6b)中所述的道路宽度离散函数L=f(D),按如下步骤实现:
6b1,基于低精度GPS数据的拟高斯分布特性,即在宽度为w的交通道路上,所采集到的低精度GPS数据点,沿该道路的中心呈现方差为δ高斯分布;
6b2,当行驶道路宽度增加为2w时,所采集到的低精度GPS数据点方差将变为δ+0.25w2;
6b3,当行驶道路宽度增加为3w时,所采集到的低精度GPS数据点方差将变为δ+0.67w2;
6b4,当行驶道路宽度增加为4w时,所采集到的低精度GPS数据点方差将变为δ+1.25w2。
因此,可以根据低精度GPS数据点沿其中心分离线的方差值,确定道路宽度。为了提高道路宽度离散函数精度,通常w表示单车道的宽度。建立道路宽度离散函数L=f(D)后,通过计算实际道路上低精度GPS数据点沿其中心分离线的距离矢量方差D,可以获得该道路的宽度L。
步骤7,选取固定区域内一条道路信息未知的交通道路上的低精度GPS数据点集。
利用上述方法获取道路信息首先需要获取目标路段上的低精度GPS数据点集。
步骤8,利用最小二乘法,拟合选取的数据点集,得到选取的固定区域内一条道路信息未知的交通道路的拟合直线的斜率信息k'和截距信息l',并计算选取的固定区域内一条道路信息未知的交通道路上各低精度GPS数据点到拟合直线的距离矢量。
通过最小二乘拟合后,可以获取该道路上低精度GPS数据点的拟合直线,将拟合直线作为最优中心分离线的近似分离线。计算各低精度GPS数据点到拟合直线的距离矢量后,可以获得低精度GPS数据点的分布特性。
步骤9,利用最小二乘法,拟合该信息未知交通道路上距离矢量在最优距离矢量置信区间[at,bt]内的低精度GPS数据点,获得最优拟合直线斜率信息k”和截距信息l”,并将该最优拟合直线斜率信息k”和截距信息l”作为该道路的结构信息。
得到低精度GPS数据点分布特性后,选出最优置信区间[at,bt]中低精度GPS数据,即对称性最优的低精度GPS点,对它们进行拟合,可以获得道路的斜率信息k”和截距信息l”作为该道路的结构信息。
步骤10,利用计算的结构信息,计算该道路上各低精度GPS数据点到最优拟合直线的距离矢量和该距离矢量的方差D,并将计算的方差D带入道路宽度离散函数L=f(D),获得选取的固定区域内一条道路信息未知的交通道路的宽度信息L。
通过计算该道路上的各低精度GPS数据点到最优拟合直线的距离矢量方差D,可以直接运用已经建立的道路宽度离散函数L=f(D)获取该道路的宽度信息。
以上描述仅是本发明的一个具体实例,不构成对本发明的任何限制,显然对于本领域的专业人员来说,在了解了本发明内容和原理后,都可能在不背离本发明原理、结构的情况下,进行形式和细节上的各种修正和改变,但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。
Claims (4)
1.一种基于低精度GPS数据获取交通道路信息的方法,包括如下步骤:
(1)获取目标固定区域内至少一个运动目标的低精度GPS数据点集信息以及该固定区域中一条交通道路的斜率k和宽度w,并统计该道路上低精度GPS数据点数量的总数n;
(2)对获取的固定区域中一条交通道路上的低精度GPS数据点的最优中心分离线进行迭代,设迭代次数为i,初始化i=0,按如下步骤实现:
(2a)利用排列组合方法,对获取的固定区域中一条交通道路上的n-i个低精度GPS数据点进行组合,获得种组合方式;
(2b)利用最小二乘法,分别对获得的种组合方式中的低精度GPS数据点进行拟合,获得斜率集合{kj}和截距集合{lj},其中
(2c)计算获得的斜率集合{kj}与获取的固定区域中一条交通道路的道路信息斜率k的差值集合{Δj},其中
(2d)遍历计算出的差值集合{Δj},获得该差值集合{Δj}的最小值Δr,并记录该最小值的下标r;
(2e)设获得的差值集合{Δj}的最小值Δr的门限Δl,其中Δl≤10-4;
(2f)比较获得的最小值Δr与最小值门限Δl大小,若Δr≤Δl,则将斜率kr和截距lr选定为该道路上低精度GPS数据点最优中心分离线数据;若Δr>Δl,i=i+1,执行步骤(2g);
(2g)判断迭代次数是否等于5,若是,则将斜率kr和截距lr选定为该道路上低精度GPS数据点最优中心分离线数据;否则,执行步骤(2a)。
(3)利用选定的最优中心分离线数据和该道路上低精度GPS数据点包含的经纬度信息,计算获取的固定区域的一条交通道路上低精度GPS数据点到中心分离线的距离矢量;
(4)设定初始距离矢量置信区间为[a1,b1]和该区间[a1,b1]的缩短步长d,其中a1≤-14m,b1≥14m,0m<d≤1m;
(5)利用设定的初始距离矢量置信区间[a1,b1]的缩短步长d,对该初始距离矢量置信区间[a1,b1]进行迭代,设迭代次数为x,其中x=1,具体步骤如下:
(5a)利用最小二乘法,拟合距离矢量置信区间[ax,bx]内GPS数据点,求取获取的固定区域中一条交通道路的拟合直线斜率Kx;
(5b)利用设定的缩短步长d,将距离矢量置信区间[ax,bx]缩小为[ax+1,bx+1],其中bx+1-ax+1-d=bx-ax;
(5c)判断缩短后区间上限和下限的大小,即ax+1和bx+1的大小,若bx+1<3m或ax+1>-3m,执行骤(5d);若bx+1≥3m且ax+1≤-3m,x=x+1,执行步骤(5a);
(5d)建立获取的固定区域中一条交通道路的拟合直线斜率集{Km},其中m=1,2,3,...,x,并计算拟合直线斜率集{Km}中各值与该道路最优中心分离线斜率kr的差值cm=|Km-kr|,构成差值集{cm};
(5e)遍历构成的差值集{cm},得到该差值集{cm}最小值ct的编号t,其中1≤t≤x,其对应的距离矢量置信区间[at,bt]即为最优距离矢量置信区间;
(6)利用选定的最优中心分离线数据kr和lr以及获取的固定区域中一条交通道路的宽度w,建立道路宽度离散函数L=f(D),具体实现步骤如下:
(6a)计算获取的固定区域中一条交通道路上低精度GPS数据点到最优中心分离线的距离矢量的方差δ;
(6b)利用计算的距离矢量的方差δ,建立道路宽度离散函数L=f(D),其中
(7)选取固定区域内一条道路信息未知的交通道路上的低精度GPS数据点集;
(8)利用最小二乘法,拟合选取的数据点集,得到选取的固定区域内一条道路信息未知的交通道路的拟合直线的斜率信息k'和截距信息l',并计算选取的固定区域内一条道路信息未知的交通道路上各低精度GPS数据点到拟合直线的距离矢量;
(9)利用最小二乘法,拟合该信息未知交通道路上距离矢量在最优距离矢量置信区间[at,bt]内的低精度GPS数据点,获得最优拟合直线斜率信息k″和截距信息l″,并将该最优拟合直线斜率信息k″和截距信息l″作为该道路的结构信息;
(10)利用计算的结构信息,计算该道路上各低精度GPS数据点到最优拟合直线的距离矢量和该距离矢量的方差D,并将计算的方差D带入道路宽度离散函数L=f(D),获得选取的固定区域内一条道路信息未知的交通道路的宽度信息L。
2.根据权利要求1所述的基于低精度GPS数据获取交通道路信息的方法,其特征在于:步骤(1)中所述的数据集信息,采用经过清洗的数据集信息。
3.根据权利要求1所述的基于低精度GPS数据获取交通道路信息的方法,其特征在于:步骤(5e)中所述最优距离矢量置信区间[at,bt],是指距离矢量数据具有对称性的数值区间。
4.根据权利要求1所述的基于低精度GPS数据获取交通道路信息的方法,其特征在于:步骤(6b)中所述的道路宽度离散函数L=f(D),按如下步骤实现:
(6b1)基于低精度GPS数据的拟高斯分布特性,即在宽度为w的交通道路上,所采集到的低精度GPS数据点,沿该道路的中心呈现方差为δ高斯分布;
(6b1)当行驶道路宽度增加为2w时,所采集到的低精度GPS数据点方差将变为δ+0.25w2;
(6b3)当行驶道路宽度增加为3w时,所采集到的低精度GPS数据点方差将变为δ+0.67w2;
(6b4)当行驶道路宽度增加为4w时,所采集到的低精度GPS数据点方差将变为δ+1.25w2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610334494.6A CN106056953B (zh) | 2016-05-19 | 2016-05-19 | 基于低精度gps数据获取交通道路信息的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610334494.6A CN106056953B (zh) | 2016-05-19 | 2016-05-19 | 基于低精度gps数据获取交通道路信息的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106056953A true CN106056953A (zh) | 2016-10-26 |
CN106056953B CN106056953B (zh) | 2018-04-17 |
Family
ID=57177197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610334494.6A Active CN106056953B (zh) | 2016-05-19 | 2016-05-19 | 基于低精度gps数据获取交通道路信息的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106056953B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112596457A (zh) * | 2020-12-09 | 2021-04-02 | 厦门牧云数据技术有限公司 | 一种餐厨处置收运智能控制方法及系统 |
CN112749242A (zh) * | 2020-11-30 | 2021-05-04 | 北方工业大学 | 一种基于共享单车gps数据的路网拓扑重建方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030061493A (ko) * | 2002-01-14 | 2003-07-22 | 팅크웨어(주) | 이동 통신망을 이용한 교통 정보 수집 시스템 |
CN1963847A (zh) * | 2005-11-07 | 2007-05-16 | 同济大学 | 预测公交车到站的方法 |
CN104134349A (zh) * | 2014-08-07 | 2014-11-05 | 北京航空航天大学 | 一种基于交通多源数据融合的公交路况处理系统及方法 |
CN104851300A (zh) * | 2015-01-23 | 2015-08-19 | 江苏大学 | 基于物联网的适用于车辆悬架控制的道路工况预辨识系统 |
CN104882018A (zh) * | 2015-05-08 | 2015-09-02 | 江苏大学 | 基于车联网的用于车辆悬架控制的道路工况预辨识系统 |
-
2016
- 2016-05-19 CN CN201610334494.6A patent/CN106056953B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030061493A (ko) * | 2002-01-14 | 2003-07-22 | 팅크웨어(주) | 이동 통신망을 이용한 교통 정보 수집 시스템 |
CN1963847A (zh) * | 2005-11-07 | 2007-05-16 | 同济大学 | 预测公交车到站的方法 |
CN104134349A (zh) * | 2014-08-07 | 2014-11-05 | 北京航空航天大学 | 一种基于交通多源数据融合的公交路况处理系统及方法 |
CN104851300A (zh) * | 2015-01-23 | 2015-08-19 | 江苏大学 | 基于物联网的适用于车辆悬架控制的道路工况预辨识系统 |
CN104882018A (zh) * | 2015-05-08 | 2015-09-02 | 江苏大学 | 基于车联网的用于车辆悬架控制的道路工况预辨识系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112749242A (zh) * | 2020-11-30 | 2021-05-04 | 北方工业大学 | 一种基于共享单车gps数据的路网拓扑重建方法 |
CN112749242B (zh) * | 2020-11-30 | 2023-04-07 | 北方工业大学 | 一种基于共享单车gps数据的路网拓扑重建方法 |
CN112596457A (zh) * | 2020-12-09 | 2021-04-02 | 厦门牧云数据技术有限公司 | 一种餐厨处置收运智能控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106056953B (zh) | 2018-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106646518B (zh) | 基于三阶贝塞尔曲线及插值的gps轨迹数据补全方法 | |
CN105371857B (zh) | 一种基于公交车gnss时空轨迹数据建构路网拓扑的装置及方法 | |
CN109946731B (zh) | 一种基于模糊自适应无迹卡尔曼滤波的车辆高可靠融合定位方法 | |
CN102183256B (zh) | 行进车队的地图匹配方法 | |
CN110132238B (zh) | 用于地形影像数字高程模型的无人机测绘方法 | |
CN108036794A (zh) | 一种高精度地图生成系统及生成方法 | |
CN110146910A (zh) | 一种基于gps与激光雷达数据融合的定位方法及装置 | |
CN105241465B (zh) | 一种道路更新的方法 | |
CN106023589A (zh) | 一种基于卡口数据的车辆轨迹重构方法 | |
CN105573318A (zh) | 基于概率分析的环境构建方法 | |
CN105246153A (zh) | 一种室内指纹定位数据库高密度快速采集方法 | |
CN104966408A (zh) | 一种gps定位数据补偿方法 | |
CN106568456A (zh) | 基于gps/北斗定位和云计算平台的不停车收费方法 | |
CN101408434B (zh) | 移动终端零位漂移双模定位和单模定位方法 | |
CN116202533B (zh) | 一种基于地形重构的车辆轨迹导航规划方法及设备 | |
CN104034337B (zh) | 一种浮动车地理位置点的地图匹配方法及装置 | |
Knoop et al. | Automated lane identification using precise point positioning an affordable and accurate GPS technique | |
CN105427592B (zh) | 基于浮动车的导航电子地图转向代价计算方法 | |
CN109816982A (zh) | 基于共享单车轨迹的虚拟路网非机动车道属性修正方法 | |
CN103678925B (zh) | 基于辅助信源的航迹分类方法 | |
CN106056953B (zh) | 基于低精度gps数据获取交通道路信息的方法 | |
CN105185103A (zh) | 一种路段行程时间的管理控制方法 | |
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 | |
CN104504245A (zh) | 一种应用gps出行调查数据识别出行和活动的方法 | |
Siebler et al. | Train localization with particle filter and magnetic field measurements |
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 |