CN108198418B - 一种结合关键点的交通大数据获取系统 - Google Patents

一种结合关键点的交通大数据获取系统 Download PDF

Info

Publication number
CN108198418B
CN108198418B CN201711472088.7A CN201711472088A CN108198418B CN 108198418 B CN108198418 B CN 108198418B CN 201711472088 A CN201711472088 A CN 201711472088A CN 108198418 B CN108198418 B CN 108198418B
Authority
CN
China
Prior art keywords
data
key point
vehicle
traffic big
traffic
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
CN201711472088.7A
Other languages
English (en)
Other versions
CN108198418A (zh
Inventor
吕双云
沈楠斌
窦海军
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.)
Qingdao Qingzi Engineering Consulting Co.,Ltd.
Original Assignee
徐欢
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 徐欢 filed Critical 徐欢
Priority to CN201711472088.7A priority Critical patent/CN108198418B/zh
Publication of CN108198418A publication Critical patent/CN108198418A/zh
Application granted granted Critical
Publication of CN108198418B publication Critical patent/CN108198418B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing

Abstract

本发明公开了一种结合关键点的交通大数据获取系统，该系统包括浮动车辆、中心处理平台、数据传输模块，在浮动车辆中设置有三轴加速度传感器、三轴陀螺仪、GPS、导航终端、无线通信模块以及微处理器，该导航终端一方面通过对关键点处的交通数据进行密集采集，能够保证对特殊路段的更加精确的数据采集，另一方面，对于数据缺失的路段，本申请通过车辆的导航路径和卡尔曼滤波算法的结合，实现了对数据的完善和补充，能够改善现有技术中交通信息丢失、不完整以及容易产生差错的问题。

Description

一种结合关键点的交通大数据获取系统
技术领域
本申请涉及一种交通大数据获取系统，尤其涉及一种结合关键点数据测量和卡尔曼预测方程的交通大数据获取系统。
背景技术
汽车数量的急剧膨胀在给我们带来出行方便的同时，也给社会发展造成了方方面面的影响，例如汽车尾气的大量排放对城市的空气造成了严重污染，超过道路承载能力的车流量造成的严重拥堵状况。这些问题的产生给有效便捷的出行、大气环境的治理、交通拥堵的缓解和道路的科学规划等带来了巨大的挑战。因而，我们必须采集有效的交通信息，对这些信息进行处理，挖掘其中的价值，从而为生活出行提供有效指南。
交通信息采集技术的不断进步，为实时掌控城市交通的运行状况带来了极大的帮助。城市道路、交叉路口、卡口等都有各种各样的用于采集交通数据的信息系统，这些系统中使用的最重要的技术就是交通信息采集技术，它们无时无刻都会收集到海量的交通数据。车载信息系统作为可移动的信息采集设备，具有很强的灵活性和移动性，它所提供的实时车载数据不仅能为自身车辆提供有效的指导，也能为整个交通网络提供具有很大潜在价值的信息。移动互联网技术、物联网技术和通信技术的不断发展促进了车载信息系统的发展，在信息系统上对多源采集的信息进行处理计算，并通过后台信息网络平台实现对这些数据的共享和交互。
可以利用车载GPS和车载传感器，通过无线通信网络，以实时或接近实时的方式，获取和传输车辆的位置信息，并存储于数据中心的数据库中，从而实现移动车辆建模，以便进行更复杂的应用，如交通流预测、交通出行路径诱导、实时交通导航、位置相关信息服务以及交通行为研究等。然而大规模、高密度信标广播带来巨大的通信开销，很容易引起通信质量的下降，再加上实际通信环境中的遮挡、电磁辐射等因素对信号传输的影响，导致通过GPS/DR采集到的原始车辆位置数据传输过程中出现丢失现象。由此带来的问题主要有车辆位置信息不能被完整、正确提取，后续车辆位置数据使用中容易产生差错。为此本申请提出一种结合关键点数据测量和卡尔曼预测方程的交通大数据获取系统。
发明内容
本申请针对现有技术中交通信息丢失、不完整以及容易产生差错的问题，提出一种结合关键点的交通大数据获取系统。
一种结合关键点的交通大数据获取系统，该系统包括浮动车辆、中心处理平台、数据传输模块，在浮动车辆中设置有三轴加速度传感器、三轴陀螺仪、GPS、导航终端、无线通信模块以及微处理器，其特征在于：导航终端获取目的路径并将该目的路径发送至微处理器，微处理器在接收到目的路径时，计算位于目的路径上的关键点位置并将目的路径发送至中心处理平台，在浮动车辆运行过程中，设置数据采集周期为a秒，所述微处理器每隔a秒接收GPS、三轴加速度传感器和三轴陀螺仪采集的数据，并通过无线通信模块将这些数据上传至中心处理平台；当浮动车辆运行至与关键点的距离n米之内时，设置数据采集周期为b秒，所述微处理器每隔b秒接收GPS、三轴加速度传感器和三轴陀螺仪采集的数据，并通过无线通信模块将这些数据上传至中心处理平台，直到浮动车辆运行至与关键点的距离为n米时，恢复数据采集周期a秒；中心处理平台在接收到浮动车辆的采集数据以及车辆的目的路径后，利用卡尔曼预测方程对丢失或者错误数据进行补充。
所述目的路径为利用用户设置的目的地和出发地获取的导航路径，或者所述目的路径为用户在运动过程中主动选择的路径。
所述关键点为十字路口、三岔路口、拐弯处或者特殊路段起始点。
所述特殊路段为上坡路、隧道、高架桥、或者铁路交叉口。
所述a的取值范围为5-10，b的取值范围为1-5，且a大于b，所属n的取值范围为50-100。
所述错误数据为与前一次采集数据和后一次采集数据相差较大的数据。
利用卡尔曼预测方程对丢失或者错误数据进行补充的步骤为：
车辆的状态表示为向量X＝(x,y,z,ax,ay,az,wx,wy,wz)T，其中x,y,z表示采集点的三轴坐标值，ax,ay,az表示采集点的三轴加速度值，wx,wy,wz表示采集点的三轴角速度值；
状态方程和观测方程为：
Zk+1＝h[Xk+1,vk+1,k+1]，
Xk为k时刻浮动车的9维状态向量；Xk+1为k+1时刻浮动车的9维状态向量；Zk+1为k+1时刻浮动车的9维的观测向量；ωk为系统噪声，vk+1为观测噪声，假设它们是均值为零，的高斯白噪声，且互不相关；为9维向量方程，是Xk，ωk和k的非线性函数；h(·)为9维向量方程，是Xk+1,vk+1和k+1的非线性函数。
本申请一方面通过对关键点处的交通数据进行密集采集，能够保证对特殊路段的更加精确的数据采集，另一方面，对于数据缺失的路段，本申请通过车辆的导航路径和卡尔曼滤波算法的结合，实现了对数据的完善和补充，能够改善现有技术中交通信息丢失、不完整以及容易产生差错的问题。
附图说明
图1是一种结合关键点的交通大数据获取系统构成图；
图2是一种结合关键点的交通大数据获取系统实现过程图。
具体实施方式
下面结合附图对本发明的技术方案作进一步详细说明。
一种结合关键点测量的交通数据获取系统，该系统包括浮动车辆、中心处理平台、数据传输模块，在浮动车辆中设置有三轴加速度传感器、三轴陀螺仪、GPS、导航终端、无线通信模块以及微处理器，该系统执行以下步骤：
导航终端获取目的路径并将该导航路径发送至微处理器，所述目的路径为利用用户设置的目的地和出发地获取的导航路径，或者所述目的路径为用户在运动过程中主动选择的路径。
微处理器在接收到目的路径时，计算位于目的路径上的关键点位置并将目的路径发送至中心处理平台，所述关键点为十字路口、三岔路口、拐弯处或者特殊路段起始点，所述特殊路段可能为上坡路、隧道、高架桥、或者铁路交叉口。
在浮动车辆运行过程中，设置数据采集周期为a秒，a的取值范围为5-10，所述微处理器每隔a秒接收GPS、三轴加速度传感器和三轴陀螺仪采集的数据，并通过无线通信模块将这些数据上传至中心处理平台；
当浮动车辆运行至与关键点的距离n米之内时，n的取值范围为50-100，设置数据采集周期为b秒，b的取值范围为1-5，且a大于b，所述微处理器每隔b秒接收GPS、三轴加速度传感器和三轴陀螺仪采集的数据，并通过无线通信模块将这些数据上传至中心处理平台；中心处理平台在接收到浮动车辆的采集数据以及车辆的目的路径后，利用卡尔曼预测方程对丢失或者错误数据进行补充。错误数据为与前一次采集数据和后一次采集数据相差较大的数据。
利用卡尔曼预测方程对丢失或者错误数据进行补充的步骤为：
车辆的状态表示为向量X＝(x,y,z,ax,ay,az,wx,wy,wz)T，其中x,y,z表示采集点的三轴坐标值，ax,ay,az表示采集点的三轴加速度值，wx,wy,wz表示采集点的三轴角速度值；
状态方程和观测方程为：
Zk+1＝h[Xk+1,vk+1,k+1]，
Xk为k时刻浮动车的9维状态向量；Xk+1为k+1时刻浮动车的9维状态向量；Zk+1为k+1时刻浮动车的9维的观测向量；ωk为系统噪声，vk+1为观测噪声，假设它们是均值为零，的高斯白噪声，且互不相关；为9维向量方程，是Xk，ωk和k的非线性函数；h(·)为9维向量方程，是Xk+1,vk+1和k+1的非线性函数。
以上结合附图对本发明进行了示例性描述。显然，本发明具体实现并不受上述方式的限制。只要是采用了本发明的方法构思和技术方案进行的各种非实质性的改进；或未经改进，将本发明的上述构思和技术方案直接应用于其他场合的，均在本发明的保护范围之内。

Claims (7)

1.一种结合关键点的交通大数据获取系统，该系统包括浮动车辆、中心处理平台、数据传输模块，在浮动车辆中设置有三轴加速度传感器、三轴陀螺仪、GPS、导航终端、无线通信模块以及微处理器，其特征在于：该导航终端获取目的路径并将该路径发送至微处理器，微处理器在接收到目的路径时，计算位于目的路径上的关键点位置并将目的路径发送至中心处理平台，在浮动车辆运行过程中，设置数据采集周期为a秒，所述微处理器每隔a秒接收GPS、三轴加速度传感器和三轴陀螺仪采集的数据，并通过无线通信模块将这些数据上传至中心处理平台；当浮动车辆运行至与关键点的距离n米之内时，设置数据采集周期为b秒，所述微处理器每隔b秒接收GPS、三轴加速度传感器和三轴陀螺仪采集的数据，并通过无线通信模块将这些数据上传至中心处理平台，直到浮动车辆运行至与关键点的距离为n米时，恢复数据采集周期a秒；中心处理平台在接收到浮动车辆的采集数据以及车辆的目的路径后，利用卡尔曼预测方程对丢失或者错误数据进行补充；其中，a大于b。
2.根据权利要求1所述结合关键点的交通大数据获取系统，其特征在于：所述目的路径为利用用户设置的目的地和出发地计算得到的距离最短的导航路径，或者所述目的路径为用户在运动过程中主动选择的路径。
3.根据权利要求1所述结合关键点的交通大数据获取系统，其特征在于：所述关键点为十字路口、三岔路口、拐弯处或者特殊路段起始点。
4.根据权利要求3所述结合关键点的交通大数据获取系统，其特征在于：所述特殊路段为上坡路、隧道、高架桥、或者铁路交叉口。
5.根据权利要求1所述结合关键点的交通大数据获取系统，其特征在于：所述a的取值范围为5-10，b的取值范围为1-5，所述n的取值范围为50-100。
6.根据权利要求1所述结合关键点的交通大数据获取系统，其特征在于：所述错误数据为与前一次采集数据和后一次采集数据相差较大的数据。
7.根据权利要求1所述结合关键点的交通大数据获取系统，其特征在于：利用卡尔曼预测方程对丢失或者错误数据进行补充的步骤为：
车辆的状态表示为向量X＝(x,y,z,ax,ay,az,wx,wy,wz)T，其中x,y,z表示采集点的三轴坐标值，ax,ay,az表示采集点的三轴加速度值，wx,wy,wz表示采集点的三轴角速度值；
状态方程和观测方程为：
Zk+1＝h[Xk+1,vk+1,k+1]，
Xk为k时刻浮动车的9维状态向量；Xk+1为k+1时刻浮动车的9维状态向量；Zk+1为k+1时刻浮动车的9维的观测向量；ωk为系统噪声，vk+1为观测噪声，假设它们是均值为零的高斯白噪声，且互不相关；
为9维向量方程，是Xk，ωk和k的非线性函数；h(·)为9维向量方程，是Xk+1,vk+1和k+1的非线性函数。
CN201711472088.7A 2017-12-29 2017-12-29 一种结合关键点的交通大数据获取系统 Active CN108198418B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711472088.7A CN108198418B (zh) 2017-12-29 2017-12-29 一种结合关键点的交通大数据获取系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711472088.7A CN108198418B (zh) 2017-12-29 2017-12-29 一种结合关键点的交通大数据获取系统

Publications (2)

Publication Number Publication Date
CN108198418A CN108198418A (zh) 2018-06-22
CN108198418B true CN108198418B (zh) 2019-03-19

Family

ID=62586342

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711472088.7A Active CN108198418B (zh) 2017-12-29 2017-12-29 一种结合关键点的交通大数据获取系统

Country Status (1)

Country Link
CN (1) CN108198418B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111999740A (zh) * 2020-07-17 2020-11-27 中国南方电网有限责任公司超高压输电公司广州局 无人机载激光雷达数据获取方法、系统、装置以及介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065471A (zh) * 2012-12-21 2013-04-24 福建工程学院 基于主动信息上报的浮动车信息采集优化方法
CN103035123B (zh) * 2012-12-25 2016-01-20 中国科学院深圳先进技术研究院 一种交通轨迹数据中异常数据获取方法及系统
CN103761876B (zh) * 2014-01-10 2015-12-02 山东大学 基于车路协同的道路交通信息采集方法
US9355560B2 (en) * 2014-01-31 2016-05-31 Here Global B.V. Differentiation of probe reports based on quality
CN104778837B (zh) * 2015-04-14 2017-12-05 吉林大学 一种道路交通运行态势多时间尺度预测方法

Also Published As

Publication number Publication date
CN108198418A (zh) 2018-06-22

Similar Documents

Publication Publication Date Title
CN109643367B (zh) 用于自主车辆导航的众包和分发稀疏地图以及车道测量的方法、系统和可读介质
CN107228676B (zh) 来自连接的车辆队列的地图更新
RU2756439C1 (ru) Определение локализации для работы транспортного средства
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
CN205334746U (zh) 一种基于车路协同技术的车载虚拟道路状态显示系统
DE112020004133T5 (de) Systeme und verfahren zur identifizierung möglicher kommunikationshindernisse
CN105489005B (zh) 一种道路平整指数的采集和分享的方法及系统
CN114402377A (zh) 用于监测交通车道拥塞的系统和方法
CN107407730A (zh) 自主车辆的实时占用地图创建系统
JP5269118B2 (ja) 列車走行実績データ作成システム
CN102928816A (zh) 一种面向隧道环境的车辆高可靠组合定位方法
US8260532B2 (en) Traffic probe in-vehicle map-based process to reduce data communications and improve accuracy
CN101950481A (zh) 一种实时获取道路交通流量云图的方法
CN108627864A (zh) 基于汽车钥匙的定位方法及系统、无人驾驶汽车系统
CN107247275A (zh) 基于公交车的城市gnss脆弱性监测系统及其方法
CN110234960A (zh) 通过闸门决定装置、车辆控制系统、通过闸门决定方法及程序
CN107274721A (zh) 一种智能交通系统中多车辆协作定位方法
CN106093992A (zh) 一种基于cors的亚米级组合定位导航系统及导航方法
Stoll et al. GPS-independent localization for off-road vehicles using ultra-wideband (UWB)
CN108198418B (zh) 一种结合关键点的交通大数据获取系统
Jiménez et al. Limitations of positioning systems for developing digital maps and locating vehicles according to the specifications of future driver assistance systems
CN109946648B (zh) 一种车路协同下基于超宽带的车辆高精度定位方法
CN104251699A (zh) 一种室内空间定位设备及定位方法
CN108885269A (zh) 导航方法、导航装置和导航系统
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

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190225

Address after: No. 306, Jiaojiang District, Jiaojiang District, Taizhou, Zhejiang

Applicant after: Xu Huan

Address before: 317523 Taizhou, Zhejiang province Wenling City zhe town 889 Ze Chai Road, Wenling, Wenling business and trade 9 building two units 708 rooms.

Applicant before: WENLING CHUANGJIA INFORMATION SCIENCE & TECHNOLOGY CO., LTD.

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210210

Address after: 102200 423, 4 / F, block a, Xinhua future city building, 175 Litang Road, Changping District, Beijing

Patentee after: Li Qiannan

Address before: No. 306, Jiaojiang District, Jiaojiang District, Taizhou, Zhejiang

Patentee before: Xu Huan

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210322

Address after: No.49, Donghai West Road, Qingdao, Shandong 266000

Patentee after: Qingdao Engineering Consulting Institute

Address before: 102200 423, 4 / F, block a, Xinhua future city building, 175 Litang Road, Changping District, Beijing

Patentee before: Li Qiannan

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210610

Address after: 266071 1st and 3rd floors, No.49, Donghai West Road, Shinan District, Qingdao, Shandong Province

Patentee after: Qingdao Qingzi Engineering Consulting Co.,Ltd.

Address before: No.49, Donghai West Road, Qingdao, Shandong 266000

Patentee before: Qingdao Engineering Consulting Institute