CN108802769B - Gnss终端在高架上或高架下的检测方法及装置 - Google Patents

Gnss终端在高架上或高架下的检测方法及装置 Download PDF

Info

Publication number
CN108802769B
CN108802769B CN201810554084.1A CN201810554084A CN108802769B CN 108802769 B CN108802769 B CN 108802769B CN 201810554084 A CN201810554084 A CN 201810554084A CN 108802769 B CN108802769 B CN 108802769B
Authority
CN
China
Prior art keywords
gnss
standard deviation
overhead
error standard
direction speed
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
CN201810554084.1A
Other languages
English (en)
Other versions
CN108802769A (zh
Inventor
刘克强
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.)
Qianxun Spatial Intelligence Inc
Original Assignee
Qianxun Spatial Intelligence Inc
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 Qianxun Spatial Intelligence Inc filed Critical Qianxun Spatial Intelligence Inc
Priority to CN201810554084.1A priority Critical patent/CN108802769B/zh
Publication of CN108802769A publication Critical patent/CN108802769A/zh
Application granted granted Critical
Publication of CN108802769B publication Critical patent/CN108802769B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/23—Testing, monitoring, correcting or calibrating of receiver elements

Abstract

本发明提供了一种GNSS终端在高架上或高架下的检测方法，包括将获取的GNSS终端的观测特征值输入随机森林模型，所述的随机森林模型依据所述的观测特征值给出1个以上决策结果，按GNSS终端在高架上或GNSS终端在高架下对决策结果进行分类，占比50％以上的决策结果作为随机森林模型给出GNSS终端在高架上或高架下的判断结果。本发明直接利用GNSS信息，利用机器学习根据高架上下环境中的信号数据学习出相应的模型，可以提高高架上/下分辨的精度，并做到不依赖其他传感器，不需要前期相关上/下坡记录，可以开机即可用。

Description

GNSS终端在高架上或高架下的检测方法及装置
技术领域
本发明涉及智能交通技术领域，具体涉及一种GNSS终端在高架上或高架下的检测方法。
背景技术
为了在道路交通导航中准确规划导航路径，需要准确获取载体的位置，一般的导航软件会利用终端上的GNSS(Global Navigation Satellite System，全球导航卫星系统)设备进行定位，并融合惯性器件和地图匹配技术进行改善，然而，上述设备和技术重点在获取和提高平面定位精度，解决了平面方向上的位置获取和偏移改善问题，但在高程方向上的定位精度仍然不足。
随着社会的城市化进程，城市人口在逐渐增多，随之而来的是对交通的需求日益增长，因此城市内的各类交通基础设施在逐步增加建设和投入使用，其中道路交通设施包括普通道路、高架道路和隧道等，这些复杂的道路设计使城市道路交通趋于立体化。在立体的道路交通环境中，如果高程方向上的精度不足，会产生高架上/下区分错误的问题，从而影响规划的导航路径，并提供错误的引导，导致存在一定的交通事故风险。例如，用户以较高的速度行驶在高架路上，但由于导航系统的判断失误将用户判断在高架下的普通道路上，并规划错误的导航路线并引导用户拐弯或不正确的变道，致使事故风险升高。
为了弥补高程定位精度不高的缺陷，解决上述高架上/下错分问题并提高高架上/下分辨精度，目前已有的技术方案包括利用惯性器件和气压计识别用户上/下坡行为，并结合地图匹配技术，分辨用户是否在高架附近上/下坡，从而推断用户是否在高架路上行驶。但是，现有技术存在的缺点在于：
1)仅利用GNSS的定位信息，结合惯性导航和地图匹配技术无法获取高精度的高程信息，在城市立体道路交通中存在高架上下错分问题。
2)在已知用户初始高架上/下状态后，利用GNSS定位和地图匹配技术，可以识别用户是否在高架路附近，结合惯性器件和气压计，可以分辨和记录用户是否的上/下坡行为，利用上述方案可以提高高架上/下的分辨精度。然而，上述方案需要已知初始高架上/下状态，并需要检测和记录用户的上/下坡历史，并非开机可用。例如，用户在高架上开启导航时，由于没有前期用户在高架上/下的信息和上/下坡记录，因此仍然会导致高架上/下的判断错误。
发明内容
为了解决高架上下错分问题，并避免上述惯性器件和气压计方案的弊端，本发明提出了一种GNSS终端在高架上或高架下的检测方法，利用手机或车载等终端的GNSS模块输出的信息提取相关特征数据，结合机器学习方法和高架上/下真值，学习出可以用来检测终端在高架上/下的模型，并对模型进行评估择优，最终选择随机森林模型并在实际应用中利用该模型判断终端运动在高架道路上还是在高架下的普通道路上。
本发明采用的技术方案如下：
一种GNSS终端在高架上或高架下的检测方法，包括将获取的GNSS终端的观测特征值输入随机森林模型，所述的随机森林模型依据所述的观测特征值给出1个以上决策结果，按GNSS终端在高架上或GNSS终端在高架下对决策结果进行分类，占比50％以上的决策结果作为随机森林模型给出GNSS终端在高架上或高架下的判断结果；
所述的决策结果包括GNSS终端在高架上或GNSS终端在高架下的信息；
所述的特征值包括WGS84经度、WGS84纬度、GNSS高程、方位角、卫星数、北向速度、东向速度、地向速度、北向位置误差标准差、东向位置误差标准差、地向位置误差标准差、北向速度误差标准差、东向速度误差标准差、地向速度误差标准差、几何精度因子、三维定位模糊度和二维定位模糊度之任意几种。
进一步地，所述检测方法还包括模型应用阶段，在模型应用阶段，利用GNSS模块提供的观测数据提取特征，并利用所述特征和模型学习阶段确定的模型来识别高架上/下的状态。
进一步地，在模型应用阶段中，将特征值作为输入，输入至随机森林模型中。
进一步地，所述随机森林模型由不同的样本和特征组合学习出的n个决策树组成，n至少为2。
进一步地，将最优特征值输入后得到n个不同的高架上/下分辨结果，再对n个高架上/下分辨结果进行简单投票，即统计结果中有占比50％以上的决策结果的结果作为最终高架上/下状态的输出。
所述的数据集中特征包括WGS84经度、WGS84纬度、GNSS高程、方位角、卫星数、北向速度、东向速度、地向速度、北向位置误差标准差、东向位置误差标准差、地向位置误差标准差、北向速度误差标准差、东向速度误差标准差、地向速度误差标准差、几何精度因子、三维定位模糊度和二维定位模糊度之任意几种特征值。
本发明还提供了一种GNSS终端在高架上或高架下的检测装置，包括：
GNSS模块，用于提供观测数据，进行特征提取获取GNSS终端的观测特征值；
决策结果生成模块，用于将观测特征值输入随机森林模型，所述随机森林模型依据观测特征值给出1个以上决策结果；
高架上/下判定模块，基于GNSS终端在高架上或GNSS终端在高架下对决策结果进行分类，占比50％以上的决策结果作为随机森林模型给出GNSS终端在高架上或高架下的判断结果。
进一步地，所述的决策结果包括GNSS终端在高架上或GNSS终端在高架下的信息；
所述的特征值包括WGS84经度、WGS84纬度、GNSS高程、方位角、卫星数、北向速度、东向速度、地向速度、北向位置误差标准差、东向位置误差标准差、地向位置误差标准差、北向速度误差标准差、东向速度误差标准差、地向速度误差标准差、几何精度因子、三维定位模糊度和二维定位模糊度之任意几种。
本发明还提供了一种随机森林模型学习方法，收集GNSS终端在高架上和GNSS终端在高架下的观测数据并标记高架上、下真值作为一个数据集，采用“自助采样”(bootstrapping)的方法，产生1组以上的抽样数据，利用各个所述的抽样数据进行相应学习产生各个决策树，但与一般的决策树不同的是，为了在特征选择上添加扰动，在上述决策树分裂度量中选择最优特征的特征备选集并非为全部特征，而是全部特征的子集。
所述的特征值包括WGS84经度、WGS84纬度、GNSS高程、方位角、卫星数、北向速度、东向速度、地向速度、北向位置误差标准差、东向位置误差标准差、地向位置误差标准差、北向速度误差标准差、东向速度误差标准差、地向速度误差标准差、几何精度因子、三维定位模糊度和二维定位模糊度之任意几种。
本发明还提供了一种APP应用终端，所述APP应用终端采用GNSS终端在高架上或高架下的检测方法。
本发明的有益效果在于，可直接利用GNSS信息，利用机器学习根据高架上下环境中的信号数据学习出相应的模型，可以提高高架上/下分辨的精度，并做到不依赖其他传感器，不需要前期相关上/下坡记录，可以开机即可用。
附图说明
图1为本发明基于随机森林的在高架上或高架下的检测方法流程图。
图2随机森林中的三棵树的结构。
具体实施方式
本发明GNSS终端在高架上或高架下的检测方法存在两个步骤，包括前期的模型学习阶段和实时的模型应用阶段，下文中，结合附图和实施例对本发明作进一步阐述。
实施例一：
在模型学习阶段，收集GNSS终端在高架上和GNSS终端在高架下的观测数据作为一个数据集，采用“自助采样”(bootstrapping)的方法，产生1组以上的抽样数据，各个所述的抽样数据相应产生一棵决策树，但与一般的决策树不同的是，为了在特征选择上添加扰动，在上述决策树分裂度量中选择最优特征的特征备选集并非为全部特征，而是全部特征的子集，由此产生的多棵决策树构成随机森林。
所述的数据集包括WGS84经度、WGS84纬度、GNSS高程、方位角、卫星数、北向速度、东向速度、地向速度、北向位置误差标准差、东向位置误差标准差、地向位置误差标准差、北向速度误差标准差、东向速度误差标准差、地向速度误差标准差、几何精度因子、三维定位模糊度和二维定位模糊度之任意几种特征值。
实施例二：
图1为本发明基于随机森林的在高架上或高架下的检测方法流程图，在模型应用阶段，读取终端中GNSS模块提供的信息作为输入特征，包括WGS84经度、WGS84纬度、GNSS高程、方位角、卫星数、北向速度、东向速度、地向速度、北向位置误差标准差、东向位置误差标准差、地向位置误差标准差、北向速度误差标准差、东向速度误差标准差、地向速度误差标准差、GDOP(Geometric Dilution of Precision，几何精度因子)、PDOP(PositionDilution of Precision，三维定位模糊度)、HDOP(Horizontal Dilution of Precision，二维定位模糊度)，分别记为特征{f1，f2...，fm}，m＝17。
将上述特征导入随机森林模型系统中，该系统由训练数据集事先学习获得，即对训练集进行n次自助采样获得n个训练集，并利用该n个训练集训练获得n棵决策树，记为{h1(x)，h2(x)，...，hn(x)}，n＞1。每一棵决策树模型的特征分裂度量为信息增益或基尼指数。假定当前样本集合D中第k类样本所占的比例为pk(k＝1，2，..，|y|)，则集合D的信息熵的定义为公式(1)，基尼值的定义为公式(2)。假定离散特征a有V个可能的取值，若用a来对D进行划分，则会产生V个分支结点，其中第v个结点包含了所有在特征a上取值为av的样本，记为Dv，则用特征a对样本D进行划分所获得的信息增益定义为公式(3)，基尼指数定义为公式(4)。
Figure BDA0001679370290000051
Figure BDA0001679370290000052
Figure BDA0001679370290000053
Figure BDA0001679370290000054
与一般的决策树不同，为了在特征选择上添加扰动，在上述分裂度量中选择最优特征的特征备选集并非为全部特征，而是全部特征的子集，其中全部特征个数为m＝17，每个备选集特征个数为log2m。
当上述GNSS终端特征信息分别进入n棵决策树后，会产生n个高架上/下的判断结果，最终判断结果采用简单多数投票法获得，如公式(5)所示。
Figure BDA0001679370290000055
其中，H(x)表示组合分类模型，hi(x)是单个决策树分类模型，Y表示输出变量(高架上或高架下)，I(·)为示性函数，当括号内等式成立时取1，不成立时取0。
例如，当分裂度量为信息增益，选择的特征为GNSS高程(ALT)、可见卫星数(SV)、GDOP、PDOP、HDOP等，选择决策树的数目为3棵时，随机森林中的三棵树的结构分别如图2所示，其中结果中on表示在高架上，under在高架下：
在实际应用时，实时提取的五个特征值将分别输入三棵决策树中，最终得到三个决策结果，并从这三个决策结果中进行简单投票，即统计结果中占比50％以上的决策结果作为最终高架上/下状态的输出。本领域技术人员应该知道，本实施例只是随机选取五个特征进行决策结果的判定，本领域技术人员可以根据实际情况需要，从中选择有效的特征组合作为输入，进行决策结果的判定，以提高判定结果准确性。
实施例三：
本发明还提供了一种GNSS终端在高架上或高架下的检测装置，包括：
GNSS模块，用于提供观测数据，进行特征提取获取GNSS终端的观测特征值；
决策结果生成模块，用于将观测特征值输入随机森林模型，所述随机森林模型依据观测特征值给出1个以上决策结果；
高架上/下判定模块，基于GNSS终端在高架上或GNSS终端在高架下对决策结果进行分类，占比50％以上的决策结果作为随机森林模型给出GNSS终端在高架上或高架下的判断结果。
优选地，所述的决策结果包括GNSS终端在高架上或GNSS终端在高架下的信息；
所述的特征值包括WGS84经度、WGS84纬度、GNSS高程、方位角、卫星数、北向速度、东向速度、地向速度、北向位置误差标准差、东向位置误差标准差、地向位置误差标准差、北向速度误差标准差、东向速度误差标准差、地向速度误差标准差、几何精度因子、三维定位模糊度和二维定位模糊度之任意几种。
本发明还提供了一种随机森林模型学习方法，收集GNSS终端在高架上和GNSS终端在高架下的观测数据并标记高架上、下真值作为一个数据集，采用“自助采样”(bootstrapping)的方法，产生1组以上的抽样数据，利用各个所述的抽样数据进行相应学习产生各个决策树，但与一般的决策树不同的是，为了在特征选择上添加扰动，在上述决策树分裂度量中选择最优特征的特征备选集并非为全部特征，而是全部特征的子集。
优选地，所述的决策结果包括GNSS终端在高架上或GNSS终端在高架下的信息；
所述的特征值包括WGS84经度、WGS84纬度、GNSS高程、方位角、卫星数、北向速度、东向速度、地向速度、北向位置误差标准差、东向位置误差标准差、地向位置误差标准差、北向速度误差标准差、东向速度误差标准差、地向速度误差标准差、几何精度因子、三维定位模糊度和二维定位模糊度之任意几种。
本发明还提供了一种APP应用终端，所述APP应用终端采用GNSS终端在高架上或高架下的检测方法。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (9)

1.一种GNSS终端在高架上或高架下的检测方法，其特征在于，包括将获取的GNSS终端的观测特征值输入随机森林模型，所述的随机森林模型依据所述的观测特征值给出1个以上决策结果，按GNSS终端在高架上或GNSS终端在高架下对决策结果进行分类，占比50%以上的决策结果作为随机森林模型给出GNSS终端在高架上或高架下的判断结果；
所述的决策结果包括GNSS终端在高架上或GNSS终端在高架下的信息；所述观测特征值无需GNSS终端的上/下坡记录；
所述的特征值包括WGS84经度、WGS84纬度、GNSS高程、方位角、卫星数、北向速度、东向速度、地向速度、北向位置误差标准差、东向位置误差标准差、地向位置误差标准差、北向速度误差标准差、东向速度误差标准差、地向速度误差标准差、几何精度因子、三维定位模糊度和二维定位模糊度之任意几种。
2.如权利要求1所述的一种GNSS终端在高架上或高架下的检测方法，其特征在于，所述检测方法还包括模型应用阶段，在模型应用阶段，利用GNSS模块提供的观测数据提取特征，并利用所述特征和随机森林模型来识别高架上/下的状态。
3.如权利要求2所述的一种GNSS终端在高架上或高架下的检测方法，其特征在于，在模型应用阶段中，将特征值作为输入，输入至随机森林模型中。
4.如权利要求3所述的一种GNSS终端在高架上或高架下的检测方法，其特征在于，所述随机森林模型由不同的样本和特征组合学习出的n个决策树组成，n至少为2。
5.如权利要求4所述的一种GNSS终端在高架上或高架下的检测方法，其特征在于，将最优特征值输入后得到n个不同的高架上/下分辨结果，再对n个高架上/下分辨结果进行简单投票，即统计结果中占比50%以上的决策结果作为最终高架上/下状态的输出。
6.一种GNSS终端在高架上或高架下的检测装置，其特征在于，所述检测装置包括：
GNSS模块，用于提供观测数据，进行特征提取获取GNSS终端的观测特征值；所述观测特征值无需GNSS终端的上/下坡记录；
决策结果生成模块，用于将观测特征值输入随机森林模型，所述随机森林模型依据观测特征值给出1个以上决策结果；
高架上/下判定模块，基于GNSS终端在高架上或GNSS终端在高架下对决策结果进行分类，占比50%以上的决策结果作为随机森林模型给出GNSS终端在高架上或高架下的判断结果；
所述的决策结果包括GNSS终端在高架上或GNSS终端在高架下的信息；
所述的特征值包括WGS84经度、WGS84纬度、GNSS高程、方位角、卫星数、北向速度、东向速度、地向速度、北向位置误差标准差、东向位置误差标准差、地向位置误差标准差、北向速度误差标准差、东向速度误差标准差、地向速度误差标准差、几何精度因子、三维定位模糊度和二维定位模糊度之任意几种。
7.一种随机森林模型学习方法，应用于如权利要求1所述的检测方法中，其特征在于，收集GNSS终端在高架上和GNSS终端在高架下的观测数据并标记高架上、下真值作为一个数据集，采用“自助采样”的方法，产生1组以上的抽样数据集，利用各组抽样数据集进行学习产生各个决策树，在各个决策树分裂度量中选择最优特征的特征备选集为全部特征的子集。
8.如权利要求7所述的一种模型学习方法，其特征在于，所述的决策结果包括GNSS终端在高架上或GNSS终端在高架下的信息；
所述的特征值包括WGS84经度、WGS84纬度、GNSS高程、方位角、卫星数、北向速度、东向速度、地向速度、北向位置误差标准差、东向位置误差标准差、地向位置误差标准差、北向速度误差标准差、东向速度误差标准差、地向速度误差标准差、几何精度因子、三维定位模糊度和二维定位模糊度之任意几种。
9.一种APP应用终端，其特征在于，所述APP应用终端采用如权利要求1-5中任意一项权利要求所述的GNSS终端在高架上或高架下的检测方法。
CN201810554084.1A 2018-05-30 2018-05-30 Gnss终端在高架上或高架下的检测方法及装置 Active CN108802769B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810554084.1A CN108802769B (zh) 2018-05-30 2018-05-30 Gnss终端在高架上或高架下的检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810554084.1A CN108802769B (zh) 2018-05-30 2018-05-30 Gnss终端在高架上或高架下的检测方法及装置

Publications (2)

Publication Number Publication Date
CN108802769A CN108802769A (zh) 2018-11-13
CN108802769B true CN108802769B (zh) 2022-11-18

Family

ID=64089987

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810554084.1A Active CN108802769B (zh) 2018-05-30 2018-05-30 Gnss终端在高架上或高架下的检测方法及装置

Country Status (1)

Country Link
CN (1) CN108802769B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111366164B (zh) * 2018-12-26 2023-12-29 华为技术有限公司 定位方法及电子设备
CN111934896B (zh) * 2019-05-13 2022-07-01 中国移动通信集团湖北有限公司 高架道路终端用户识别方法、装置及计算设备
CN114199262A (zh) * 2020-08-28 2022-03-18 阿里巴巴集团控股有限公司 一种训练位置识别模型的方法、位置识别方法及相关设备
CN114791299B (zh) * 2021-01-25 2024-03-22 深圳市万普拉斯科技有限公司 终端设备运动层间切换的识别方法、装置和设备
CN113792589B (zh) * 2021-08-06 2022-09-09 荣耀终端有限公司 一种高架识别方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1616986A (zh) * 2003-11-12 2005-05-18 日本电气株式会社 Gps定位系统以及对gps终端进行定位的方法
JP2010216955A (ja) * 2009-03-16 2010-09-30 Nippon Telegr & Teleph Corp <Ntt> 車両位置提示方法、及びカーナビゲーション装置
CN102737510A (zh) * 2012-07-03 2012-10-17 浙江大学 一种基于移动智能终端的实时交通路况采集方法
CN104008647A (zh) * 2014-06-12 2014-08-27 北京航空航天大学 一种基于机动车行驶模式的道路交通能耗量化方法
CN104280044A (zh) * 2012-04-17 2015-01-14 常州市新科汽车电子有限公司 导航仪的道路匹配方法
JP2015083930A (ja) * 2013-10-25 2015-04-30 アルパイン株式会社 ナビゲーション装置および高架上下道判定方法
CN106935055A (zh) * 2017-04-07 2017-07-07 北京汽车集团有限公司 车辆信息处理方法和装置
CN107764274A (zh) * 2016-08-17 2018-03-06 厦门雅迅网络股份有限公司 一种判别车辆是否行驶在高架道路的方法
WO2018040838A1 (zh) * 2016-08-29 2018-03-08 广州地铁设计研究院有限公司 一种高架结构bim模型建模设计方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8306942B2 (en) * 2008-05-06 2012-11-06 Lawrence Livermore National Security, Llc Discriminant forest classification method and system
GB201009974D0 (en) * 2010-06-15 2010-07-21 Trinity College Dublin Decentralised autonomic system and method for use inan urban traffic control environment
CN105547309B (zh) * 2015-12-02 2018-11-02 百度在线网络技术（北京）有限公司 一种高架桥道路的识别方法及装置
US10126135B2 (en) * 2015-12-15 2018-11-13 Nissan North America, Inc. Traffic signal timing estimation using an artificial neural network model
CN107462911A (zh) * 2016-06-03 2017-12-12 千寻位置网络有限公司 汽车上下高架的检测方法及其装置
CN106777776A (zh) * 2017-01-10 2017-05-31 长沙理工大学 一种基于支持向量机模型的车辆换道决策方法
CN107403205B (zh) * 2017-07-06 2020-02-07 重庆大学 一种基于随机森林的rfid仓库货包平面定位方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1616986A (zh) * 2003-11-12 2005-05-18 日本电气株式会社 Gps定位系统以及对gps终端进行定位的方法
JP2010216955A (ja) * 2009-03-16 2010-09-30 Nippon Telegr & Teleph Corp <Ntt> 車両位置提示方法、及びカーナビゲーション装置
CN104280044A (zh) * 2012-04-17 2015-01-14 常州市新科汽车电子有限公司 导航仪的道路匹配方法
CN102737510A (zh) * 2012-07-03 2012-10-17 浙江大学 一种基于移动智能终端的实时交通路况采集方法
JP2015083930A (ja) * 2013-10-25 2015-04-30 アルパイン株式会社 ナビゲーション装置および高架上下道判定方法
CN104008647A (zh) * 2014-06-12 2014-08-27 北京航空航天大学 一种基于机动车行驶模式的道路交通能耗量化方法
CN107764274A (zh) * 2016-08-17 2018-03-06 厦门雅迅网络股份有限公司 一种判别车辆是否行驶在高架道路的方法
WO2018040838A1 (zh) * 2016-08-29 2018-03-08 广州地铁设计研究院有限公司 一种高架结构bim模型建模设计方法
CN106935055A (zh) * 2017-04-07 2017-07-07 北京汽车集团有限公司 车辆信息处理方法和装置

Also Published As

Publication number Publication date
CN108802769A (zh) 2018-11-13

Similar Documents

Publication Publication Date Title
CN108802769B (zh) Gnss终端在高架上或高架下的检测方法及装置
CN106969764B (zh) 一种道路匹配方法、装置及车载地图采集系统
Hashemi et al. A critical review of real-time map-matching algorithms: Current issues and future directions
CN111007540A (zh) 用于预测传感器误差的方法和装置
Newson et al. Hidden Markov map matching through noise and sparseness
CN1590965B (zh) 用于在导航系统中检测车辆位置的装置和方法
US8725404B2 (en) Method for updating digital maps using altitude information
CN108627175A (zh) 用于识别车辆位置的系统和方法
CN101952688A (zh) 用于与传感器检测到的对象进行地图匹配的方法
CN102208013A (zh) 风景匹配参考数据生成系统和位置测量系统
KR20220004203A (ko) 기기 포지셔닝을 위한 방법, 장치 및 기기
EP3671278B1 (en) Road surface detection
JP2017142147A (ja) 情報処理装置、軌跡情報生成方法および軌跡情報生成プログラム
US20090143979A1 (en) Position registering apparatus, route retrieving apparatus, position registering method, position registering program, and recording medium
US20220124456A1 (en) Positioning system with floor name vertical positioning
CN110018503B (zh) 车辆的定位方法及定位系统
CN115344655A (zh) 地物要素的变化发现方法、装置及存储介质
KR100510835B1 (ko) 실시간 측량 시스템을 이용하여 제작된 수치지도를적용하는 ｇｉｓ의 구축방법
CN104583721B (zh) 信息处理装置，信息处理方法和程序
CN108981729A (zh) 车辆定位方法和装置
US10704917B2 (en) Image positioning method and image positioning device for using the same
CN111832365A (zh) 车道标记确定方法及装置
Pribe et al. Learning to associate observed driver behavior with traffic controls
US11812342B2 (en) Cellular-based navigation method
CN114396956A (zh) 导航方法及装置、计算设备、存储介质和计算机程序产品

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