CN110595794A - 一种面向自动驾驶卡车测试的车速数据清洗方法 - Google Patents
一种面向自动驾驶卡车测试的车速数据清洗方法 Download PDFInfo
- Publication number
- CN110595794A CN110595794A CN201910820968.1A CN201910820968A CN110595794A CN 110595794 A CN110595794 A CN 110595794A CN 201910820968 A CN201910820968 A CN 201910820968A CN 110595794 A CN110595794 A CN 110595794A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle speed
- cleaning
- zero
- test
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
Abstract
本发明公开了一种面向自动驾驶卡车测试的车速数据清洗方法,所述清洗方法包括:(1)时间信息错误数据清洗;(2)车速超出阈值数据清洗;(3)车速零点漂移数据清洗;(4)车速零点错误数据清洗;(5)车速变化超出阈值数据清洗;(6)噪声干扰数据清洗。该清洗方法针对自动驾驶卡车的驾驶行为特点对六类错误车速数据进行清洗,利用本发明的清洗方法进行数据清洗后的数据质量更加真实地反映了自动驾驶卡车实际运行状态,最大程度地接近自动驾驶卡车的驾驶行为特点,为自动驾驶卡车的测试评价分析以及制定相应的自动驾驶卡车安全操作规范奠定了技术基础。
Description
技术领域
本发明属于智能汽车测试评价领域,具体涉及一种面向自动驾驶卡车测试的车速数据清洗方法。
背景技术
目前物流行业快速发展,卡车司机面临很大缺口,将自动驾驶系统安全地应用于商用车辆成为智能化物流发展的一个方向。很显然,卡车司机要经常性的长途驾驶,工作压力巨大,容易造成严重的交通事故。因此,投入自动驾驶卡车来辅助甚至替代卡车司机驾驶俨然成为未来趋势。目前自动驾驶卡车的发展仍然处于初级阶段,例如政策上,自动驾驶在世界范围内并未有明确的法律规定,很多国家甚至不允许自动驾驶汽车上路,更不用提在高速公路上进行自动卡车测试;技术上,目前自动驾驶玩家主要集中在乘用车,针对卡车专门打造的方案可谓少之又少;资金上,自动驾驶是一件比较烧钱的工程,这就导致自动驾驶卡车进入门槛较高,目前无法形成规模化生产和使用。自动驾驶汽车市场化需要经历研发、测试、上路三个阶段,目前我国自动驾驶汽车技术发展主要集中在测试阶段。测试可分为软件在环、硬件在环、车辆在环、测试场测试、道路测试等。测试阶段的驾驶数据可反馈至研发阶段用于产品优化迭代,路测的数据结果可服务于测试阶段,用来丰富真实驾驶场景库与虚拟驾驶场景库的容量,使测试场更好的还原真实行驶环境。在整个测试阶段,驾驶数据是驱动上述过程的重要来源。
目前车辆测试数据采集手段变得异常丰富,例如通过CAN总线技术获取车载实时数据,利用高精度传感器或惯导系统监测车辆运动信息,采用高清摄像头同步录制相应监控画面等。但由于GPS卫星定位、大气层、操作错误以及信号中断等因素的影响,所获取的测试原始数据会有一定的误差。利用这种原始数据进行自动驾驶卡车的测试所评价分析必然存在差异,因此需要对原始的测试数据进行清洗,车辆行驶速度是影响车辆驾驶行为状态的重要因素,且也是自动驾驶卡车测试阶段的核心数据源,因此本发明选择车辆行驶速度作为清洗的首要对象。
因此,发明面向自动驾驶卡车测试的车速数据清洗方法,对于自动驾驶卡车的测试工作有着十分重要的作用和意义。本发明针对自动驾驶营运卡车的驾驶行为特点,对原始测试数据中的车速数据制定清洗规则,制定的数据清洗规则可提高车速数据源的质量,为自动驾驶卡车的测试评价分析以及制定相应的自动驾驶卡车安全操作规范提供可靠的数据源。
发明内容
本发明的目的是针对现有技术中的问题,提供一种改进的面向自动驾驶卡车测试的车速数据清洗方法。
为达到上述目的,本发明采用的技术方案是:
一种面向自动驾驶卡车测试的车速数据清洗方法,所述清洗方法包括:
(1)时间信息错误数据清洗;
(2)车速超出阈值数据清洗;
(3)车速零点漂移数据清洗;
(4)车速零点错误数据清洗;
(5)车速变化超出阈值数据清洗;
(6)噪声干扰数据清洗。
2优选地,步骤(1)的清洗规则为:确认起始数据时间信息是否正确,并计算数据源中前后数据时刻差,若时刻差等于零或小于零,则认为前一个数据时间信息错误进行剔除或交换两行位置。
优选地,步骤(3)的清洗规则为:定义前后车速为零但该车速不为零的数据为疑似零点漂移数据,对比前一数据、后一数据、疑似零点漂移数据的坐标是否一致,若一致,则判定该疑似零点漂移数据为车速零点漂移数据,并将该车速数据修复为零。
优选地,步骤(2)的清洗规则为:对数据源中车速超过设定阈值的数据判定为车速超出阈值错误数据,并对错误数据进行修复。
优选地,步骤(4)的清洗规则为:定义前后车速不为零但该车速为零的数据为零点错误数据,并对错误数据进行修复。
优选地,步骤(5)的清洗规则为:对数据源中前后车速变化超出阈值的数据判定为车速变化超出阈值错误数据,对错误数据进行修复,并对修复后的数据进行验证,若仍然超出阈值,则返回步骤(5)初始状态循环判定、修复直至得出真值数据。
进一步地,利用三次Hermite插值对错误数据进行修复。
优选地,步骤(6)的清洗规则为:计算测试数据的信噪比,并与设定阈值进行比较,若低于设定阈值,则判定测试数据收受到明显信号干扰,需要对数据源整体进行滤波去噪处理。
进一步地,采用卡尔曼滤波或小波变换法对数据源整体进行滤波去噪处理。
优选地,对车速数据进行清洗时,按照步骤(1)~步骤(6)的顺序依次顺序进行。
由于上述技术方案的运用,本发明与现有技术相比具有下列优点:本发明的面向自动驾驶卡车测试的车速数据清洗方法针对自动驾驶卡车的驾驶行为特点对六类错误车速数据进行清洗,利用本发明的清洗方法进行数据清洗后的数据质量更加真实地反映了自动驾驶卡车实际运行状态,最大程度地接近自动驾驶卡车的驾驶行为特点,为自动驾驶卡车的测试评价分析以及制定相应的自动驾驶卡车安全操作规范奠定了技术基础。
附图说明
图1是本发明方法实施的整体流程图;
图2是车速数据清洗规则I流程图;
图3(a)是车速数据清洗规则II流程图;
图3(b)是车速数据修复后结果示例(清洗规则II);
图4(a)是车速数据清洗规则III流程图;
图4(b)是车速数据修复后结果示例(清洗规则III);
图5(a)是车速数据清洗规则IV流程图;
图5(b)是车速数据修复后结果示例(清洗规则IV);
图6(a)是车速数据清洗规则V流程图;
图6(b)是车速数据修复后结果示例(清洗规则V);
图7(a)是车速数据清洗规则VI流程图;
图7(b)是车速数据修复后结果示例(清洗规则VI)。
具体实施方式
下面结合附图来对本发明的技术方案作进一步的阐述。
车速测试数据来自自动驾驶卡车测试系统,利用高精度定位导航系统测定自动驾驶卡车的地理位置,通过覆盖测试区域高速无线通讯技术传送卡车和测试系统之间的定位数据和控制命令,从而实现了在测试区域内对自动驾驶卡车进行测试评价的目的。
自动驾驶卡车测试系统采集的定位数据存在着一些误差和错误,如果不加以清洗而直接应用,会影响自动驾驶卡车测试分析结果的准确性。自动驾驶卡车测试数据出现误差和错误的原因主要分为GPS设备故障、障碍物遮挡信号、人为原因等因素。GPS设备出现故障,主要有:在一段时间内返回相同的数据,或者返回错误的数据;无线通信装置和GPS接收机的稳定性故障,导致原始数据出现接收时间延迟等。这些故障严重影响分析的精确性,故障所得数据需要全部剔除;GPS发射装置在发射信号时易被高层建筑遮挡,导致无法发射信号或者发射延误,或者当卡车进入地下停车场和隧道时长时间无法向控制中心发射数据或信号中断,此类数据需要进行识别、处理清洗;人为造成GPS数据异常的原因主要是测试人员在短时间内重复启动设备,产生无效数据,无法进行分析应用,需要进行剔除。
自动驾驶卡车具有特征鲜明的驾驶行为特点,如在道路上行驶时具有规定的限速,加减速度也有符合其运行性能的范围,另外自动驾驶卡车具有较为固定的驾驶工况,例如行驶环境、行驶线路、行驶时间、行驶载重等,因此自动驾驶卡车整体的驾驶行为较为平稳,因此可以基于自动驾驶卡车的驾驶行为特点作为车速数据清洗规则制定的重要依据。
数据清洗规则是通过分析“脏数据”的产生原因和存在形式,利用现有的技术手段和方法检测“脏数据”,将“脏数据”转化为满足数据质量要求或应用要求的数据,从而提高数据集的数据质量。数据清洗主要利用回溯思想,从产生脏数据的源头上开始分析,对数据集流经的每一个过程进行考察,从中提取数据清洗的算法、规则和策略等,最后在数据集上应用这些算法、规则和策略来发现“脏数据”和清洗“脏数据”。这些清洗算法、规则和策略的强度,决定了清洗后数据的质量。如图1是本发明面向自动驾驶卡车测试的车速数据清洗方法实施的流程图,其具体实施步骤如下:
步骤(1):时间信息错误数据清洗
对时间信息错误数据清洗是整个自动驾驶卡车车速测试数据清洗的第一步,时间信息的正确排序是后续进行数据分析的前提。在GPS卫星定位系统采集的车辆测试数据中,时间信息错误数据主要形式为某一时刻信息重复记录、时间大小颠倒等,如前一数据的时刻等于或大于后一数据的时刻,即后一数据时刻与前一数据时刻的差值等于0或小于0。时间信息错误数据会导致后续计算涉及加速度信息值计算的错误,如当重复车速测试数据出现时,根据加速度公式计算的值将会无限大,因此对数据信息重复记录、时间大小颠倒数据的清洗是对自动驾驶卡车车速测试数据清洗的首要步骤。
清洗规则I:先人工确认起始数据时间信息是否正确,然后计算数据源中前后数据时刻差,若时刻差等于0或小于0,则认为前一个数据时间信息错误,进行剔除或交换两行位置。表1为自动驾驶卡车部分时间信息错误数据修复后结果示例,如图2为车速数据清洗规则I流程图。
表1时间信息错误数据清洗结果(清洗规则I)
车辆牌号 | 时间信息 | 经度 | 纬度 | 速度 | 方向 | 清洗规则 |
苏BXXX | 2019-03-15 09:12:20 | 120.49547 | 31.63584 | 30 | 东偏南1度 | - |
苏BXXX | 2019-03-15 09:12:21 | 120.49556 | 31.63584 | 31 | 正东方 | 时间信息重复 |
苏BXXX | 2019-03-15 09:12:21 | 120.49556 | 31.63584 | 31 | 正东方 | 剔除该行数据 |
苏BXXX | 2019-03-15 09:12:22 | 120.49566 | 31.63584 | 34 | 正东方 | - |
苏BXXX | …… | …… | …… | …… | …… | …… |
苏BXXX | 2019-03-15 09:45:44 | 120.49736 | 31.63584 | 62 | 东偏北1度 | - |
苏BXXX | 2019-03-15 09:45:46 | 120.49774 | 31.63585 | 65 | 东偏北2度 | 时间大小颠倒 |
苏BXXX | 2019-03-15 09:45:45 | 120.49755 | 31.63585 | 64 | 东偏北2度 | 交换两行位置 |
苏BXXX | 2019-03-15 09:45:47 | 120.49793 | 31.63585 | 66 | 东偏北2度 | - |
步骤(2):车速超出阈值数据清洗
对车速超出阈值数据清洗可作为车速测试数据清洗的第二步。自动驾驶卡车在测试过程中,GPS卫星定位系统因某些因素的影响.导致测试系统采集的某一时刻的车速值偏离实际值,往往明显超出自动驾驶卡车正常的最大车速值,且具有明显的跳跃性。通过相关统计分析,高速公路推荐最高车速限速为100km/h;根据《中华人民共和国道路交通安全法实施条例》规定,对部分营运卡车最高车速限速为100km/h,另根据营运卡车驾驶行为特点,即使在超速行驶状态下,其最高车速也往往低于120km/h。考虑到自动驾驶卡车可能发生自动超车换道等驾驶行为,设置自动驾驶卡车极限车速的阈值为120km/h,在测试阶段通常车速限制较为保守,可设置阈值为80km/h。
清洗规则II:对数据源中车速超过设定阈值的数据判定为车速超出阈值错误数据,并选用适当的插值法进行修复,这里选定三次Hermite插值对错误数据进行修复。图3(a)是车速数据清洗规则II流程图;如图3(b)为自动驾驶卡车在100s间隔内数据源(已经过第一步清洗)出现了2次车速超过阈值(120km/h)的错误数据,利用三次Hermite插值对错误数据进行修复后结果示例。
步骤(3):车速零点漂移数据清洗
对车速零点漂移数据清洗可作为车速测试数据清洗的第三步。当自动驾驶卡车停止运输或长时间处于怠速状态时,GPS卫星定位系统返回测试系统的车速应该持续为0,但因车载终端响应时间过快或者有外界较强的干扰信号等因素时,偶尔会出现车速不为0的跳动现象,因此为了提高数据源的质量,需要修正车速零点漂移数据。
清洗规则III:首先定义前后车速为0但该车速不为0的数据为疑似零点漂移数据,然后对比前一数据、后一数据、疑似数据的经纬度坐标是否一致,若一致则判定该疑似数据为车速零点漂移数据,并将该车速数据修复为0。如图4(a)是车速数据清洗规则III流程图;如图4(b)为自动驾驶卡车在150s间隔内数据源(已经过第二步清洗)出现了3次车速零点漂移的错误数据修复后结果示例。
步骤(4):车速零点错误数据清洗
对车速零点错误数据清洗可作为车速测试数据清洗的第四步。当GPS定位系统收到短时外界较强干扰信号等因素时,会导致返回测试系统的车速突然为0,而其前后仍为正常数据,则称之为车速零点错误数据。
清洗规则IV:定义前后车速不为0但该车速为0的数据为零点错误数据,并选用三次Hermite插值对该点错误数据进行修复。图5(a)是车速数据清洗规则IV流程图;如图5(b)为自动驾驶卡车在100s间隔内数据源(已经过第三步清洗)出现了3次车速零点错误数据修复后结果示例。
步骤(5):车速变化超出阈值数据清洗
对车速变化超出阈值数据清洗可作为车速测试数据清洗的第五步。自动驾驶卡车在测试过程中,GPS卫星定位系统返回测试系统的在某一时刻的车速值与前一时刻车速值相差过大、且又不同于前面几种错误类型,定义为车速变化超出阈值错误数据。根据自动驾驶卡车的驾驶行为特点,卡车在典型行驶工况下,加速度一般不超过2.5m/s2,另绝大部分营运车辆在干燥路面上达到的减速度不超过3.5m/s2,因此可设定车速变化率在-3.5~2.5m/s2范围作为参考阈值。
清洗规则V:对数据源中前后车速变化超出阈值的数据判定为车速变化超出阈值错误数据,并选用三次Hermite插值对错误数据进行修复,并对修复后的数据再进行验证,若仍然超出阈值,则返回步骤(5)初始状态循环判定修复,直至得出真值数据。如图6(a)是车速数据清洗规则V流程图;如图6(b)为自动驾驶卡车在100s间隔内数据源(已经过第四步清洗)出现了两次车速变化超过阈值的错误数据,利用三次Hermite插值对错误数据进行修复后结果示例。
步骤(6):噪声干扰数据清洗规则
对噪声干扰数据清洗可作为车速测试数据清洗的第六步,即最后一步。噪声干扰数据是指GPS卫星信号受到干扰,导致采集到的车速数据和位置数据数值大小出现一定程度的波动(随机误差),其误差大小取决于仪器性能及作业环境的优劣,一般测量噪声值远小于以上各种偏差值,因此可作为最后一步对数据源整体进行去噪滤波,使得车速测试数据更加符合自动驾驶卡车的驾驶行为特点,可采用卡尔曼滤波、小波变换等方法进行滤波去噪。
清洗规则VI:数据源依次进行上述五个步骤的清洗后,计算测试数据的信噪比,并与设定阈值进行比较,若低于设定阈值,则判定测试数据受到明显信号干扰,需要对数据源整体进行滤波去噪处理。本实施例中,采用卡尔曼滤波或小波变换法进行滤波去噪处理。图7(a)是车速数据清洗规则VI流程图;如图7(b)为自动驾驶卡车在100s间隔内数据源(已经过第五步清洗)进行去噪滤波修复后结果示例。
上述的步骤(1)~步骤(6)依次顺序进行,即后一个步骤中进行清洗的初始数据即为前一个步骤清洗后的数据,依次通过上述六个清洗规则即可完成面向自动驾驶卡车测试的车速数据清洗。自动驾驶卡车测试系统采集得到的车辆数据较为丰富,但由于相关采集设备遇到客观原因,车辆测试数据会存在一定错误,本发明针对自动驾驶卡车的驾驶行为特点,对六类错误车速测试数据依次制定了清洗规则,即时间信息错误数据清洗规则、车速超出阈值数据清洗规则、车速零点漂移数据清洗规则、车速零点错误数据清洗规则、车速变化超出阈值数据清洗规则、噪声干扰数据清洗规则。本发明清洗后的数据质量更加真实地反映了自动驾驶卡车在测试阶段的实际运行状态,最大程度地接近自动驾驶卡车的驾驶行为特点,为自动驾驶卡车的测试评价分析以及制定相应的自动驾驶卡车安全操作规范奠定了技术基础。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并加以实施,并不能以此限制本发明的保护范围,凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围内。
Claims (10)
1.一种面向自动驾驶卡车测试的车速数据清洗方法,其特征在于:所述清洗方法包括:
(1)时间信息错误数据清洗;
(2)车速超出阈值数据清洗;
(3)车速零点漂移数据清洗;
(4)车速零点错误数据清洗;
(5)车速变化超出阈值数据清洗;
(6)噪声干扰数据清洗。
2.根据权利要求1所述的面向自动驾驶卡车测试的车速数据清洗方法,其特征在于:步骤(1)的清洗规则为:确认起始数据时间信息是否正确,并计算数据源中前后数据时刻差,若时刻差等于零或小于零,则认为前一个数据时间信息错误进行剔除或交换两行位置。
3.根据权利要求1所述的面向自动驾驶卡车测试的车速数据清洗方法,其特征在于:步骤(3)的清洗规则为:定义前后车速为零但该车速不为零的数据为疑似零点漂移数据,对比前一数据、后一数据、疑似零点漂移数据的坐标是否一致,若一致,则判定该疑似零点漂移数据为车速零点漂移数据,并将该车速数据修复为零。
4.根据权利要求1所述的面向自动驾驶卡车测试的车速数据清洗方法,其特征在于:步骤(2)的清洗规则为:对数据源中车速超过设定阈值的数据判定为车速超出阈值错误数据,并对错误数据进行修复。
5.根据权利要求1所述的面向自动驾驶卡车测试的车速数据清洗方法,其特征在于:步骤(4)的清洗规则为:定义前后车速不为零但该车速为零的数据为零点错误数据,并对错误数据进行修复。
6.根据权利要求1所述的面向自动驾驶卡车测试的车速数据清洗方法,其特征在于:步骤(5)的清洗规则为:对数据源中前后车速变化超出阈值的数据判定为车速变化超出阈值错误数据,并对错误数据进行修复,并对修复后的数据进行验证,若仍然超出阈值,则返回步骤(5)初始状态循环判定、修复直至得出真值数据。
7.根据权利要求4~6中任一项所述的面向自动驾驶卡车测试的车速数据清洗方法,其特征在于:利用三次Hermite插值对错误数据进行修复。
8.根据权利要求1所述的面向自动驾驶卡车测试的车速数据清洗方法,其特征在于:步骤(6)的清洗规则为:计算测试数据的信噪比,并与设定阈值进行比较,若低于设定阈值,则判定测试数据受到明显信号干扰,需要对数据源整体进行滤波去噪处理。
9.根据权利要求8所述的面向自动驾驶卡车测试的车速数据清洗方法,其特征在于:采用卡尔曼滤波或小波变换法对数据源整体进行滤波去噪处理。
10.根据权利要求1所述的面向自动驾驶卡车测试的车速数据清洗方法,其特征在于:对车速数据进行清洗时,按照步骤(1)~步骤(6)的顺序依次顺序进行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910820968.1A CN110595794A (zh) | 2019-09-02 | 2019-09-02 | 一种面向自动驾驶卡车测试的车速数据清洗方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910820968.1A CN110595794A (zh) | 2019-09-02 | 2019-09-02 | 一种面向自动驾驶卡车测试的车速数据清洗方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110595794A true CN110595794A (zh) | 2019-12-20 |
Family
ID=68856822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910820968.1A Withdrawn CN110595794A (zh) | 2019-09-02 | 2019-09-02 | 一种面向自动驾驶卡车测试的车速数据清洗方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110595794A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112748452A (zh) * | 2020-12-11 | 2021-05-04 | 上海城市交通设计院有限公司 | 一种基于路网数据的gps轨迹清洗方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819682A (zh) * | 2012-08-02 | 2012-12-12 | 清华大学 | 一种多阈值空间相关的浮动车数据清洗和修复算法 |
US20130086010A1 (en) * | 2011-09-30 | 2013-04-04 | Johnson Controls Technology Company | Systems and methods for data quality control and cleansing |
CN104504099A (zh) * | 2014-12-29 | 2015-04-08 | 北京交通大学 | 基于位置轨迹的交通出行状态切分方法 |
CN106934876A (zh) * | 2017-03-16 | 2017-07-07 | 广东翼卡车联网服务有限公司 | 一种车辆异常驾驶事件的识别方法及系统 |
CN107843440A (zh) * | 2017-10-30 | 2018-03-27 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆性能测试系统及方法 |
CN108515972A (zh) * | 2018-03-30 | 2018-09-11 | 深圳市中兴物联科技有限公司 | 一种基于信息融合的驾驶行为感知方法及其系统 |
-
2019
- 2019-09-02 CN CN201910820968.1A patent/CN110595794A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130086010A1 (en) * | 2011-09-30 | 2013-04-04 | Johnson Controls Technology Company | Systems and methods for data quality control and cleansing |
CN102819682A (zh) * | 2012-08-02 | 2012-12-12 | 清华大学 | 一种多阈值空间相关的浮动车数据清洗和修复算法 |
CN104504099A (zh) * | 2014-12-29 | 2015-04-08 | 北京交通大学 | 基于位置轨迹的交通出行状态切分方法 |
CN106934876A (zh) * | 2017-03-16 | 2017-07-07 | 广东翼卡车联网服务有限公司 | 一种车辆异常驾驶事件的识别方法及系统 |
CN107843440A (zh) * | 2017-10-30 | 2018-03-27 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆性能测试系统及方法 |
CN108515972A (zh) * | 2018-03-30 | 2018-09-11 | 深圳市中兴物联科技有限公司 | 一种基于信息融合的驾驶行为感知方法及其系统 |
Non-Patent Citations (2)
Title |
---|
CASEY VISINTIN等: "Managing the timing and speed of vehicles reduces wildlife-transport collision risk", 《TRANSPORTATION RESEARCH PART D》 * |
孙川等: "基于营运车辆驾驶行为特点的车速监控数据清洗研究", 《万方》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112748452A (zh) * | 2020-12-11 | 2021-05-04 | 上海城市交通设计院有限公司 | 一种基于路网数据的gps轨迹清洗方法 |
CN112748452B (zh) * | 2020-12-11 | 2022-09-23 | 上海城市交通设计院有限公司 | 一种基于路网数据的gps轨迹清洗方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2016086792A1 (zh) | 一种驾驶行为分析方法及设备 | |
CN111091545B (zh) | 铁路货车滚动轴承轴端螺栓丢失故障的检测方法 | |
DE102004032261A1 (de) | Verfahren zur Verbesserung der GPS-Integrität und Erkennung von Mehrwegestörung unter Verwendung von Trägheitsnavigationssensoren und eines Netzes von mobilen Empfängern | |
CN108466616B (zh) | 一种自动识别碰撞事件的方法、存储介质及车载终端 | |
CN109115231B (zh) | 一种车辆定位方法、设备及自动驾驶车辆 | |
CN112116031B (zh) | 基于路侧设备的目标融合方法、系统、车辆及存储介质 | |
CN109975839B (zh) | 一种车辆卫星定位数据的联合滤波优化方法 | |
DE69732963T2 (de) | Verfahren und vorrichtung zur kalibrierung des differentiellen skalenfaktors in differentiellen gps-integrierten odometersystemen | |
CN111144485B (zh) | 基于xgboost分类算法的车辆事故判断方法和系统 | |
Huang et al. | Design of a fault detection and isolation system for intelligent vehicle navigation system | |
EP1882620A1 (de) | Verfahren zur Bestimmung des Fahrwegs und der Geschwindigkeit eines Fahrzeugs, insbesondere für sicherheitskritische Zugbeeinflussungssysteme | |
EP3155373A1 (de) | Verfahren und system zur anpassung eines navigationssystems | |
CN105929025A (zh) | 一种基于时间与空间连续的车轮踏面与轨道故障检测方法 | |
CN113933858A (zh) | 定位传感器的异常检测方法、装置及终端设备 | |
CN110595794A (zh) | 一种面向自动驾驶卡车测试的车速数据清洗方法 | |
CN109387374B (zh) | 一种车道保持水平评价方法 | |
EP3155454B1 (de) | Verfahren und system zur anpassung eines navigationssystems | |
DE102017000753A1 (de) | Verfahren zur Detektion von Feuchtigkeit in einer Fahrzeugumgebung | |
CN112729366B (zh) | 自动驾驶场地测试的天气模拟设备测试评价方法及装置 | |
EP0715291B1 (de) | Verfahren und Vorrichtung zur Positionsbestimmung eines Fahrzeugs | |
CN115909542A (zh) | 基于预期功能安全的自动驾驶车辆测试方法和测试场 | |
CN105774728A (zh) | 防止误检出车辆碰撞的系统和方法 | |
DE19901532A1 (de) | Vorrichtung und Verfahren zur Ermittlung und Diagnose erhöhten Kraftstoffverbrauchs eines Fahrzeugs | |
EP3673234A1 (de) | Verfahren und vorrichtung zum bestimmen einer hochgenauen position und zum betreiben eines automatisierten fahrzeugs | |
CN114357794A (zh) | 一种基于改进卡尔曼滤波的公交进站停车测评方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191220 |