CN108151745A - Nmea轨迹差异的自动分析与标识方法 - Google Patents
Nmea轨迹差异的自动分析与标识方法 Download PDFInfo
- Publication number
- CN108151745A CN108151745A CN201711429498.3A CN201711429498A CN108151745A CN 108151745 A CN108151745 A CN 108151745A CN 201711429498 A CN201711429498 A CN 201711429498A CN 108151745 A CN108151745 A CN 108151745A
- Authority
- CN
- China
- Prior art keywords
- difference
- section
- track
- nmea
- tracks
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
- Machines For Laying And Maintaining Railways (AREA)
Abstract
本发明公开一种NMEA轨迹差异的自动分析与标识方法。该方法包括如下步骤：S1、利用NMEA轨迹数据中的时间戳对齐轨迹点；S2、根据轨迹差异的变化情况对轨迹做自动分段，以获得多个差异区间；S3、按各段区间的统计特征或数据特征排序，呈现各所述差异区间。由此，避免人工预处理的缺点(也就是说，不会带来人力成本的，也不会影响导航定位算法优化效率，更不会因为认为确定的区间而掩盖轨迹差异中的其他影响因素，进而，不会影响定位算法的优化结果)，同时，也不会像肉眼搜索轨迹差异的方式那样，在轨迹量大的情况下导致人力成本过高。
Description
技术领域
本发明涉及轨迹的对比技术，尤其涉及NMEA轨迹差异的自动分析与标识方法。
背景技术
在导航定位技术中，通常会有大量的轨迹对比需要。人工操作存在效率与误差的情况。而且因为不同环境中的影响因素不一样需要针对各种环境分别分析，所以需要更精细的轨迹区间划分与自动分析。
目前常用方法有人工预处理方式和肉眼搜索轨迹差异这两种方式。人工预处理方式通常是人工预先处理轨迹数据，按场景划分为各段区间，这种方式的缺点有二：a)会带来人力成本，影响导航定位算法优化效率；b)人为确定的区间会掩盖轨迹差异中的其他影响因素，影响导航定位算法优化结果。肉眼搜索轨迹差异方式是将轨迹数据导入软件中(一般用Google Earth)以图形方式呈现，然后以肉眼搜索轨迹差异，这种方式的缺点有二：a)在轨迹量大的情况下人力成本过高；b)肉眼对图形上的差异大小存在定量不够的问题。
发明内容
本发明解决的问题是人工预处理方式和肉眼搜索轨迹方式至少一个缺点。
为解决上述问题，本发明提供一种NMEA轨迹差异的自动分析与标识方法，其特征是，该方法包括如下步骤：S1、利用NMEA轨迹数据中的时间戳对齐轨迹点；S2、根据轨迹差异的变化情况对轨迹做自动分段，以获得多个差异区间；S3、统计各区间的统计特征或者数据特征，按各段区间的统计特征或数据特征排序，呈现各所述差异区间。
与现有技术相比，本发明至少具有以下优点：
1、由于本发明根据时间戳对齐轨迹点，然后，根据轨迹差异的变化情况对轨迹做自动分段，特别的，得到间隔距离，根据间隔距离而自动完成轨迹差异中自然差异区间段分割，由此，避免人工预处理的缺点(也就是说，不会带来人力成本的，也不会影响导航定位算法优化效率，更不会因为认为确定的区间而掩盖轨迹差异中的其他影响因素，进而，不会影响定位算法的优化结果)，同时，也不会像肉眼搜索轨迹差异的方式那样，在轨迹量大的情况下导致人力成本过高。
2、由于可以以图形或者数据的形式呈现所述轨迹差异，所以，可以有效的形成直观结果，特别是，在Google earth上画出差异轨迹区间所围成的多边形区域，或者在excel表格中以数据表格形式呈现，更能有效的形成直观效果。
3、由于整个自然差异区间划分的过程中一直以轨迹差异的变化情况(比如，具体的差异数值)为判断基准对轨迹做自动分段，而且划分之后的各区间会统计出该区间内的统计特征或者数据特征(极值、均值、方差或各所述区间开始时间戳)，所以，可以保留定量性质。
附图说明
图1是本发明NMEA轨迹差异的自动分析与标识方法的流程图；
图2是轨迹上相邻的轨迹点之间的间隔距离变化示意图；
图3是Google earth上形成的差异区间图示，分别用100，200和300的区块标注出了三个不同的自然差异区间。
具体实施方式
为详细说明本发明的技术内容、构造特征、所达成目的及功效，下面将结合实施例并配合附图予以详细说明。
请参阅图1至图3，本发明NMEA轨迹差异的自动分析与标识方法包括如下步骤：
S1、利用NMEA轨迹数据中的时间戳对齐轨迹点。在该步骤中，NMEA格式中RMC语句自带日期和时间，可以直接联合形成时间截。GLL与GGA等只带时间，在不关注日期的情况下也可形成时间截，因此，利用带时间戳的GGA、GLL和RMC等标记标定出轨迹点及所述时间戳。
S2、根据轨迹差异的变化情况对轨迹做自动分段，以获得多个差异区间；该步骤具体说明如下：(S2a)、对齐后的轨迹点可以计算得到具体间隔距离di(distance)(可以用球面距离方法计算大地上的平面距离)，其计算公式如下：
其中，distance为两点间的球面距离(单位米)、R为地球平均半径(6371000米)、θ为两点球面距离对应球心角(单位弧度)、Δlat为两点间纬度差(单位弧度)、Δlon为两点间经度差(单位弧度)、lat1为某一点的纬度(单位弧度)、lat2为另一点的纬度(单位弧度)。
(S2b)、对比各个相邻的间隔距离，找到间隔距离开始变大的位置，并找到间隔开始变小的位置，得到的两个相邻的间隔距离开始变大的位置即为一个自然差异区间。“间隔距离开始变大的位置”表示图2由“-”变“+”的位置，如图2里的两个红圈min所在处。在一个自然差异区间内间隔距离开始变小的位置即为本区间内差异最大处。同理，间隔距离开始变小的位置表示图2中由“+”变“-”的位置，如图2中max处所示。在图2所示意中，“两个相邻的间隔距离开始变大的位置”就是图2里两个红圈，它们彼此相邻。这两个红圈与所包围部分即为一个自然差异区间。特别的，对步骤S2b进一步包括如下处理：(S2b1)、对比间隔距离时可以引入变化中的误差允许值。变化小于误差允许值时可以认为是测量误差或是距离计算中的误差，视为没有变化。这一误差允许值可以是绝对量也可以是变化所占比例；(S2b2)、对数据头尾处理时可以根据极大值与极小值间隔出现的原理，倒推出头尾的极值类型，首先，极大值与极小值间隔出现的解释：假如两个极大值连续出现，其中一个值为a，另一个为值为b，因为a为极大值，所以a＞b，同样的b为极大值，b＞a两者矛盾。同理，两个极小值也不会连续出现，所以极大值与极小值只能间隔出现。关于头尾的步骤：首先，因为头尾两个距离差异必然为极值：因为如果不为极值，那么必然有同时大于和小于的值，但是头尾处与相邻点只能形成单一的大小关系，与不为极值矛盾。其次，倒推极大极小类型可以用之前提到的极大极小间隔出现原理。例如，区间内部(不含头尾)第一个极值类型为极大，则开头处必为极小。同理，可以得结尾处极值类型。
S3、统计各段区间的统计特征或数据特征，按各段差异区间的统计特征或数据特征排序，呈现各所述差异区间，也就是说将所述各区间呈现为直观的差异区间图形(例如Google Earth上绘制为一个个由轨迹线围成的多边形区域)或呈现为各差异区间的统计数据表格。也就是说，将各区间在该步骤中，(S3a)、排序时可以按自然差异区间的最大差异值为键值做降序排列，另外，统计特征为极值的情况下，按极大值降序排序；统计特征为均值的情况下、按均值降序排序；统计特征为方差的情况下，按方差降序排序。所述数据特征为各所述区间开始时间戳，此种情况下，按时间先后顺序排序。
(S3b)、图形呈现时可以将差异区间范围内的轨迹点以多边形加填充色的方式画在kml文件中，方便用Google Earth之类的软件查看。
(S3c)、数据呈现时，可以明确标注出各自然差异区间的起止时间，以及区间内差异均值，极值，方差等统计量。
综上所述，本发明NMEA轨迹差异的自动分析与标识方法具有如下优点：
1、由于本发明根据时间戳对齐轨迹点，然后，根据轨迹差异的变化情况对轨迹做自动分段，特别的，得到间隔距离，根据间隔距离而自动完成轨迹差异中自然差异区间段分割，由此，避免人工预处理的缺点(也就是说，不会带来人力成本的，也不会影响导航定位算法优化效率，更不会因为认为确定的区间而掩盖轨迹差异中的其他影响因素，进而，不会影响定位算法的优化结果)，同时，也不会像肉眼搜索轨迹差异的方式那样，在轨迹量大的情况下导致人力成本过高。
2、由于可以以图形或者数据的形式呈现所述轨迹差异，所以，可以有效的形成直观结果，特别是，在Google earth上画出差异轨迹区间所围成的多边形区域，或者在excel表格中以数据表格形式呈现，更能有效的形成直观效果。
3、由于整个自然差异区间划分的过程中一直以轨迹差异的变化情况(比如，具体的差异数值)为判断基准对轨迹做自动分段，而且划分之后的各区间会统计出本区间内的统计量(极值、均值、方差)，所以，可以保留定量性质。
Claims (8)
1.一种NMEA轨迹差异的自动分析与标识方法，其特征是，该方法包括如下步骤：
S1、利用NMEA轨迹数据中的时间戳对齐轨迹点；
S2、根据轨迹差异的变化情况对轨迹做自动分段，以获得多个差异区间；
S3、获得各个区间的统计特征或者数据特征，按各段区间的统计特征或数据特征排序，呈现各个所述差异区间。
2.如权利要求1所述的NMEA轨迹差异的自动分析与标识方法，其特征是，所述根据轨迹差异的变化情况对轨迹做自动分段包括如下步骤：
S2a、基于对齐的轨迹点计算距离间隔；
S2b、对比各个相邻的距离间隔，从所述距离间隔中找到距离间隔开始变大和距离间隔开始变小的位置，得到相邻的间隔距离开始变大的位置即为一个自然差异区间作为所述差异区间。
3.如权利要求2所述的NMEA轨迹差异的自动分析与标识方法，其特征是，所述计算距离间隔的具体步骤如下：
其中，distance为两点间的球面距离(单位米)、R为地球平均半径(6371000米)、θ为两点球面距离对应球心角(单位弧度)、Δlat为两点间纬度差(单位弧度)、Δlon为两点间经度差(单位弧度)、lat1为某一点的纬度(单位弧度)、lat2为另一点的纬度(单位弧度)。
4.如权利要求2所述的NMEA轨迹差异的自动分析与标识方法，其特征是，所述对比各个相邻的距离间隔包括误差允许值，若相邻的间隔距离小于误差允许值时可以认为是测量误差或是距离计算中的误差，视为没有变化。
5.如权利要求1所述的NMEA轨迹差异的自动分析与标识方法，其特征是，所述排序包括自然差异区间的最大差异值为键值做降序排列，所述统计特征为极值、均值或者方差，统计特征为极值的情况下，按极大值降序排序；统计特征为均值的情况下、按均值降序排序；统计特征为方差的情况下，按方差降序排序；所述数据特征为各所述区间开始时间戳，此种情况下，按时间先后顺序排序。
6.如权利要求1所述的NMEA轨迹差异的自动分析与标识方法，其特征是，所述呈现是以数据或图形的方式呈现该轨迹差异。
7.如权利要求6所述的NMEA轨迹差异的自动分析与标识方法，其特征是，图形呈现时将差异区间范围内的轨迹点以多边形加填充色的方式画在kml文件中，或者以数据呈现时，标注出各自然差异区间的起止时间以及至少该区间内的差异均值、极值或方差。
8.如权利要求6所述的NMEA轨迹差异的自动分析与标识方法，其特征是，以数据方式呈现该轨迹差异包括呈现为excel中的数据表格，以图形呈现该数据差异包括呈现为googleearth中的图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711429498.3A CN108151745B (zh) | 2017-12-25 | 2017-12-25 | Nmea轨迹差异的自动分析与标识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711429498.3A CN108151745B (zh) | 2017-12-25 | 2017-12-25 | Nmea轨迹差异的自动分析与标识方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108151745A true CN108151745A (zh) | 2018-06-12 |
| CN108151745B CN108151745B (zh) | 2021-07-30 |
Family
ID=62462246
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711429498.3A Active CN108151745B (zh) | 2017-12-25 | 2017-12-25 | Nmea轨迹差异的自动分析与标识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108151745B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109579844A (zh) * | 2018-12-04 | 2019-04-05 | 电子科技大学 | 定位方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103047995A (zh) * | 2012-11-29 | 2013-04-17 | 江苏鸿信系统集成有限公司 | 基于卫星定位技术的gps终端里程统计方法 |
| CN103514233A (zh) * | 2012-06-29 | 2014-01-15 | 北京百度网讯科技有限公司 | 一种轨迹数据核查方法及装置 |
| CN103593430A (zh) * | 2013-11-11 | 2014-02-19 | 胡宝清 | 一种基于移动对象时空信息轨迹分段聚类的方法 |
| CN106646554A (zh) * | 2016-12-08 | 2017-05-10 | 北京三快在线科技有限公司 | 一种gps定位数据的处理方法及装置，电子设备 |
| CN106951455A (zh) * | 2017-02-24 | 2017-07-14 | 河海大学 | 一种相似轨迹分析系统及其分析方法 |
-
2017
- 2017-12-25 CN CN201711429498.3A patent/CN108151745B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103514233A (zh) * | 2012-06-29 | 2014-01-15 | 北京百度网讯科技有限公司 | 一种轨迹数据核查方法及装置 |
| CN103047995A (zh) * | 2012-11-29 | 2013-04-17 | 江苏鸿信系统集成有限公司 | 基于卫星定位技术的gps终端里程统计方法 |
| CN103593430A (zh) * | 2013-11-11 | 2014-02-19 | 胡宝清 | 一种基于移动对象时空信息轨迹分段聚类的方法 |
| CN106646554A (zh) * | 2016-12-08 | 2017-05-10 | 北京三快在线科技有限公司 | 一种gps定位数据的处理方法及装置，电子设备 |
| CN106951455A (zh) * | 2017-02-24 | 2017-07-14 | 河海大学 | 一种相似轨迹分析系统及其分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 俞舜浩: "基于执行轨迹谱分段检测的软件故障定位方法", 《计算机工程与运用》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109579844A (zh) * | 2018-12-04 | 2019-04-05 | 电子科技大学 | 定位方法及系统 |
| CN109579844B (zh) * | 2018-12-04 | 2023-11-21 | 电子科技大学 | 定位方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108151745B (zh) | 2021-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102128626B (zh) | 轨迹显示方法、系统和地图服务器 | |
| CN102800127B (zh) | 一种基于光流优化的三维重建方法及装置 | |
| CN103400373B (zh) | 相机检校控制场人工标志像点坐标自动识别定位方法 | |
| EP2709058A1 (en) | Calibration of camera-based surveillance systems | |
| CN105589875A (zh) | 一种多轨迹绘制的方法及装置 | |
| CN114428809B (zh) | 一种地图数据准确性获取方法、装置及计算机设备 | |
| CN109086745A (zh) | 一种定位方法、装置、设备以及计算机可读存储介质 | |
| CN109856649A (zh) | 导航定位的误差分析方法、装置及存储介质 | |
| CN103200390A (zh) | 监控室内物体移动轨迹的方法 | |
| CN108375985A (zh) | 一种土地三维规划设计平台及其设计方法 | |
| CN111915631A (zh) | 一种基于路径点分析的农机作业面积计算方法 | |
| CN111780772A (zh) | 一种地图盲区车辆定位纠偏方法 | |
| CN117610779A (zh) | 基于cors大数据的测绘地理信息质量监管方法及系统 | |
| CN105405134A (zh) | 一种相机检校标志中心坐标提取方法 | |
| CN108151745A (zh) | Nmea轨迹差异的自动分析与标识方法 | |
| CN110135216A (zh) | 电子地图中车道数变化区域检测方法、装置及存储设备 | |
| CN107451370B (zh) | 一种鲁棒性对称引脚型芯片的绘制方法 | |
| CN112445879A (zh) | 轨迹数据处理方法及装置、介质、终端、服务器 | |
| CN105865436A (zh) | 物体运动轨迹获取方法以及物体运动轨迹获取设备 | |
| CN107133328A (zh) | 管线埋深精度检测方法及装置 | |
| CN114234780B (zh) | 边坡的滑动监测方法及其装置 | |
| CN104933705B (zh) | 一种时空环数据结构进行槽孔检测的方法及装置 | |
| CN116958085A (zh) | 泄漏检测行为合规审核方法、装置、电子设备及存储介质 | |
| CN110332926B (zh) | 基于已知坐标点实现自动计算其他精准坐标点的方法 | |
| CN116934956A (zh) | 三维模型的构建方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |