CN113419258B - 一种定位异常检测方法及其相关设备 - Google Patents
一种定位异常检测方法及其相关设备 Download PDFInfo
- Publication number
- CN113419258B CN113419258B CN202110770028.3A CN202110770028A CN113419258B CN 113419258 B CN113419258 B CN 113419258B CN 202110770028 A CN202110770028 A CN 202110770028A CN 113419258 B CN113419258 B CN 113419258B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- detected
- current
- positioning data
- data
- 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
Links
- 230000005856 abnormality Effects 0.000 title claims abstract description 57
- 238000001514 detection method Methods 0.000 title claims description 42
- 238000000034 method Methods 0.000 claims abstract description 65
- 230000002159 abnormal effect Effects 0.000 claims abstract description 34
- 238000005070 sampling Methods 0.000 claims description 200
- 230000006870 function Effects 0.000 claims description 70
- 230000001133 acceleration Effects 0.000 claims description 38
- 239000013598 vector Substances 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 10
- 230000002411 adverse Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 7
- 230000008859 change Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005314 correlation function Methods 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/396—Determining accuracy or reliability of position or pseudorange measurements
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种定位异常确定方法及其相关设备,该方法包括:在获取到待检测车辆的当前定位数据之后,先利用待检测车辆的历史行驶信息进行位置预测,得到该待检测车辆的当前预测位置,以使该当前预测位置能够尽可能地接近于该待检测车辆在当前时刻下实际所处位置;再根据该当前定位数据与该当前预测位置之间的距离,确定该当前定位数据的置信度,以使该置信度能够较准确地表示出该当前定位数据发生异常的可能性,以便在确定该当前定位数据的置信度低于预设置信度阈值时,确定该当前定位数据发生异常,如此能够准确地检测出发生异常的车辆定位数据,从而能够有效地避免因车辆定位数据发生异常而导致的不良影响。
Description
技术领域
本申请涉及车辆技术领域,具体涉及一种定位异常检测方法及其相关设备。
背景技术
随着车辆技术的发展,参考车辆定位数据进行后续处理的应用场景越来越多(如,碰撞预警等应用场景)。
目前,车辆定位数据通常是由车辆定位系统(如,全球定位系统(GlobalPositioning System,GPS)等)进行实时获取的。
然而,在一些情况(如,车辆定位系统出现定位漂移、该车辆定位系统发生故障、或者该车辆定位系统遭受网络攻击等)下,利用车辆定位系统获取的车辆定位数据会发生异常(也就是,该车辆定位数据会远远偏离车辆实际位置),此时易对那些需要参考该车辆定位数据进行后续处理的应用场景造成十分严重的后果(例如,若在碰撞预警下参考了该车辆定位数据,则会因该车辆定位数据远远偏离车辆实际位置而导致碰撞预警的准确性较低,从而易导致车辆事故的发生)。
发明内容
有鉴于此,本申请实施例提供一种定位异常确定方法及其相关设备,能够准确地检测出发生异常的车辆定位数据,从而能够有效地避免因车辆定位数据发生异常而导致的不良影响。
为解决上述问题,本申请实施例提供的技术方案如下:
本申请实施例提供了一种定位异常检测方法,所述方法包括:
获取待检测车辆的当前定位数据;
利用所述待检测车辆的历史行驶信息进行位置预测,得到所述待检测车辆的当前预测位置;
根据所述当前定位数据与所述当前预测位置之间的距离,确定所述当前定位数据的置信度;
若所述当前定位数据的置信度低于预设置信度阈值,则确定所述当前定位数据发生异常。
在一种可能的实施方式中,所述利用所述待检测车辆的历史行驶信息进行位置预测,得到所述待检测车辆的当前预测位置,包括:
根据所述待检测车辆的历史行驶信息,确定所述待检测车辆对应的预测参考方向、所述待检测车辆对应的预测参考位置、所述待检测车辆对应的预测参考速度、和所述待检测车辆对应的预测参考加速度;
利用所述待检测车辆对应的预测参考方向、所述待检测车辆对应的预测参考位置、所述待检测车辆对应的预测参考速度、和所述待检测车辆对应的预测参考加速度,预测得到所述待检测车辆的当前预测位置。
在一种可能的实施方式中,若所述当前定位数据对应的采样时刻为T,且所述待检测车辆的历史行驶信息包括第T-1个采样时刻的车辆位置数据至第T-N个采样时刻的车辆位置数据,则所述待检测车辆对应的预测参考方向的确定过程,包括:
对所述第T-1个采样时刻的车辆位置数据至所述第T-N个采样时刻的车辆位置数据进行拟合,得到待使用拟合函数;
根据所述第T-1个采样时刻的车辆位置数据和所述待使用拟合函数,确定所述第T-1个采样时刻对应的函数坐标;
根据第T-2个采样时刻的车辆位置数据和所述待使用拟合函数,确定所述第T-2个采样时刻对应的函数坐标;
将所述第T-1个采样时刻对应的函数坐标和所述第T-2个采样时刻对应的函数坐标进行向量连接,得到待使用向量;
根据所述待使用向量的向量方向与预设标准方向之间的夹角,确定所述待检测车辆对应的预测参考方向。
在一种可能的实施方式中,所述待使用拟合函数的确定过程,包括:
获取待使用道路类型;其中,所述待使用道路类型是指所述待检测车辆在所述第T-N个采样时刻至所述第T-1个采样时刻期间所经道路的道路类型;
若所述待使用道路类型为直路,则利用第一拟合方法对所述第T-1个采样时刻的车辆位置数据至所述第T-N个采样时刻的车辆位置数据进行拟合,得到待使用拟合函数;
若所述待使用道路类型为弯路,则利用第二拟合方法对所述第T-1个采样时刻的车辆位置数据至所述第T-N个采样时刻的车辆位置数据进行拟合,得到待使用拟合函数。
在一种可能的实施方式中,若所述待检测车辆的历史行驶信息包括第T-1个采样时刻的车辆位置数据、所述第T-1个采样时刻的车辆行驶速度和所述第T-1个采样时刻的车辆纵向加速度,则所述待检测车辆对应的预测参考位置、所述待检测车辆对应的预测参考速度、和所述待检测车辆对应的预测参考加速度的确定过程包括:
将所述第T-1个采样时刻的车辆位置数据,确定为所述待检测车辆对应的预测参考位置;
将所述第T-1个采样时刻的车辆行驶速度,确定为所述待检测车辆对应的预测参考速度;
将所述第T-1个采样时刻的车辆纵向加速度,确定为所述待检测车辆对应的预测参考加速度。
在一种可能的实施方式中,所述当前定位数据的置信度的确定过程,包括:
将所述当前定位数据与所述当前预测位置之间的距离,确定为待使用距离;
根据所述待使用距离与所述待检测车辆对应的定位精度之间的比值、以及所述预设置信度阈值,确定所述当前定位数据的置信度。
在一种可能的实施方式中,所述方法还包括:
在确定所述当前定位数据的置信度低于预设置信度阈值之后,利用所述当前预测位置,更新所述待检测车辆的历史行驶信息;
和/或,
在确定所述当前定位数据的置信度不低于预设置信度阈值之后,利用所述当前定位数据,更新所述待检测车辆的历史行驶信息。
本申请实施例还提供了一种定位异常检测装置,包括:
定位获取单元,用于获取待检测车辆的当前定位数据;
位置预测单元,用于利用所述待检测车辆的历史行驶信息进行位置预测,得到所述待检测车辆的当前预测位置;
置信度确定单元,用于根据所述当前定位数据与所述当前预测位置之间的距离,确定所述当前定位数据的置信度;
异常确定单元,用于若所述当前定位数据的置信度低于预设置信度阈值,则确定所述当前定位数据发生异常。
本申请实施例还提供了一种定位异常检测设备,包括:存储器,处理器,及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如本申请实施例提供的定位异常检测方法的任一实施方式。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行如本申请实施例提供的定位异常检测方法的任一实施方式。
本申请实施例还提供了一种计算机程序产品,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行本申请实施例提供的定位异常检测方法的任一实施方式。
由此可见,本申请实施例具有如下有益效果:
本申请实施例提供的技术方案中,在获取到待检测车辆的当前定位数据之后,先利用待检测车辆的历史行驶信息进行位置预测,得到该待检测车辆的当前预测位置;再根据该当前定位数据与该当前预测位置之间的距离,确定该当前定位数据的置信度,以便在确定该当前定位数据的置信度低于预设置信度阈值时,确定该当前定位数据发生异常。
其中,因待检测车辆的当前预测位置是依据该待检测车辆的历史行驶信息进行确定的,使得该当前预测位置能够尽可能地接近于该待检测车辆在当前时刻下实际所处位置,从而使得该当前预测位置与当前定位数据之间的距离能够较准确地表示出该当前定位数据相对于该待检测车辆在当前时刻下实际所处位置发生的位置偏差大小,进而使得基于该距离确定的置信度能够准确地表示出该当前定位数据发生异常(也就是,该当前定位数据远远偏离该待检测车辆在当前时刻下实际所处位置)的可能性,以便后续能够基于该置信度确定该当前定位数据是否发生了异常。可见,本申请实施例提供的技术方案能够准确地检测出发生异常的车辆定位数据,从而能够有效地避免因车辆定位数据发生异常而导致的不良影响。
附图说明
图1为本申请实施例提供的一种定位异常检测方法的流程图;
图2为本申请实施例提供的一种定位异常检测装置的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请实施例作进一步详细的说明。
发明人在针对车辆定位数据的研究中发现,车辆定位数据通常是由车辆定位系统进行实时获取的;但是,在一些情况(如,车辆定位系统出现定位漂移、该车辆定位系统发生故障、或者该车辆定位系统遭受网络攻击等)下,由车辆定位系统获取的车辆定位数据会发生异常,此时易对那些需要参考车辆定位数据进行后续处理的应用场景造成十分严重的后果。为了便于理解,下面结合碰撞预警的应用场景进行说明。
作为示例,对于包括M个车辆的碰撞预警来说,第m个车辆可以参考由该M个车辆共享的车辆定位数据进行碰撞预警决策,以避免该第m个车辆与其他M-1个车辆发生碰撞。然而,若上述“由该M个车辆共享的车辆定位数据”中存在至少一个发生异常的车辆定位数据,则会使得该第m个车辆无法获知该M个车辆中至少一个车辆的精确位置,从而使得该第m个车辆无法针对上述“至少一个车辆”进行准确地碰撞预警决策,如此导致该第m个车辆易与上述“至少一个车辆”发生碰撞事故。
基于上述发现可知,为了避免因车辆定位数据发生异常而导致的不良影响,本申请实施例提供了一种定位异常检测方法,该方法包括:获取待检测车辆的当前定位数据;利用该待检测车辆的历史行驶信息进行位置预测,得到该待检测车辆的当前预测位置,以使该当前预测位置能够尽可能地接近于该待检测车辆在当前时刻下实际所处位置;根据该当前定位数据与该当前预测位置之间的距离,确定该当前定位数据的置信度,以使该置信度能够准确地表示出该当前定位数据发生异常(也就是,该当前定位数据远远偏离该待检测车辆在当前时刻下实际所处位置)的可能性;若该当前定位数据的置信度低于预设置信度阈值,则确定该当前定位数据发生异常,如此能够准确地检测出发生异常的车辆定位数据,从而能够有效地避免因车辆定位数据发生异常而导致的不良影响。
另外,本申请实施例不限定定位异常检测方法的执行主体,例如,本申请实施例提供的定位异常检测方法可以应用于终端设备或服务器等数据处理设备。其中,终端设备可以为智能手机、计算机、个人数字助理(Personal Digital Assitant,PDA)或平板电脑等。服务器可以为独立服务器、集群服务器或云服务器。
为了便于理解本申请,下面结合附图对本申请实施例提供的定位异常检测方法进行说明。
参见图1,该图为本申请实施例提供的一种定位异常检测方法的流程图,该定位异常检测方法可以包括S1-S4:
S1:获取待检测车辆的当前定位数据。
其中,待检测车辆是指需要进行定位异常检测的车辆;而且本申请实施例不限定待检测车辆,可以是任一辆安装有车辆定位系统的车辆。
当前定位数据是指由待检测车辆上安装的车辆定位系统在当前时刻下采集到的车辆位置信息(如,经度、纬度等信息)。其中,上述“车辆定位系统”用于实时采集待检测车辆的位置信息;而且本申请实施例不限定上述“车辆定位系统”,可以采用现有的或者未来出现的任一种能够进行针对一个车辆进行定位处理的设备(如,GPS或者北斗定位系统等)进行实施。
另外,本申请实施例不限定当前定位数据的获取方式,例如,当待检测车辆上安装的车辆定位系统是按照预设采样频率进行定位数据采集的,且当前时刻为第T个采样时刻时,在该车辆定位系统采集到第T个采样时刻的车辆定位数据之后,该车辆定位系统可以将该“第T个采样时刻的车辆定位数据”发送给用于执行定位异常检测方法的电子设备,以使该电子设备能够将该“第T个采样时刻的车辆定位数据”作为当前定位数据进行定位异常检测处理。其中,T为正整数。
需要说明的是,上述“电子设备”可以是上述终端设备或服务器等数据处理设备;而且该“电子设备”可以安装在待检测车辆上,也可以独立于该待检测车辆。
S2:利用待检测车辆的历史行驶信息进行位置预测,得到该待检测车辆的当前预测位置。
其中,待检测车辆的历史行驶信息用于描述该待检测车辆在当前时刻(如,第T个采样时刻)之前的行驶轨迹。
另外,本申请实施例不限定待检测车辆的历史行驶信息,例如,若当前定位数据是指上述“第T个个采样时刻的车辆定位数据”,则该待检测车辆的历史行驶信息可以包括第T-1个采样时刻的车辆行驶信息、第T-2个采样时刻的车辆行驶信息、……、以及第T-N个采样时刻的车辆行驶信息。
第T-n个采样时刻的车辆行驶信息用于描述待检测车辆在该第T-n个采样时刻的行驶相关信息(如,行驶位置、行驶速度、行驶加速度等);n为正整数,n≤N,N为正整数。另外,本申请实施例不限定车辆行驶信息,例如,该车辆行驶信息可以包括车辆位置数据、车辆行驶速度和车辆纵向加速度中的至少一个。
待检测车辆的当前预测位置是指基于该待检测车辆的历史行驶信息预测得到的在当前时刻下该待检测车辆所处位置(也就是,基于历史行驶趋势预测得到的在当前时刻下该待检测车辆所处位置),以使该当前预测位置能够尽可能地接近于该待检测车辆在当前时刻下实际所处位置。
另外,本申请实施例不限定S2的实施方式,可以采用现有的或者未来出现的任一种能够基于一个车辆的历史行驶信息进行位置预测的方法(例如,可以利用下文所示的“S2的一种可能的实施方式”)进行实施。
基于上述S2的相关内容可知,在获取到待检测车辆的历史行驶信息之后,可以利用该历史行驶信息针对该待检测车辆在当前时刻(如,第T个采样时刻)下所处位置进行预测,得到该待检测车辆的当前预测位置,以使该当前预测位置能够尽可能地接近于该待检测车辆在当前时刻(如,第T个采样时刻)下实际所处位置,以便后续能够参考该当前预测位置,判断该待检测车辆的当前定位数据是否发生异常。
S3:根据当前定位数据与当前预测位置之间的距离,确定当前定位数据的置信度。
其中,当前定位数据的置信度用于表示该当前定位数据发生异常的可能性(也就是,该当前定位数据的可信程度)。
另外,若当前定位数据与当前预测位置之间的距离为d,则当前定位数据的置信度与该“d”之间呈负相关,也就是,随着该“d”的增大该“当前定位数据的置信度”越小。
此外,本申请实施例不限定S3的实施方式,例如,可以采用现有的或者未来出现的任一种负相关函数(例如,可以采用下文公式(11)所示函数)进行实施。
基于上述S3的相关内容可知,在获取到待检测车辆的当前定位数据和该待检测车辆的当前预测位置之后,可以依据当前定位数据与当前预测位置之间的距离,确定该当前定位数据的置信度。其中,因当前定位数据与当前预测位置之间的距离能够较准确地表示出当前定位数据与当前预测位置之间的位置偏差,从而使得该距离能够较准确地表示出该当前定位数据相对于该待检测车辆在当前时刻下实际所处位置发生的位置偏差大小,进而使得基于该距离确定的置信度能够较准确地表示出该当前定位数据发生异常的可能性(也就是,该当前定位数据的可信程度)。
S4:若当前定位数据的置信度低于预设置信度阈值,则确定当前定位数据发生异常。
本申请实施例中,在获取到当前定位数据的置信度之后,可以判断该当前定位数据的置信度是否低于预设置信度阈值,若是,则表示当前定位数据与当前预测位置(也就是,该待检测车辆在当前时刻下预测所处位置)之间的位置偏差过大,从而表示该当前定位数据的可信程度较低,故可以确定该当前定位数据发生异常;若否,则表示当前定位数据与当前预测位置(也就是,该待检测车辆在当前时刻下预测所处位置)之间的位置偏差较小,从而表示该当前定位数据的可信程度较高,故可以确定该当前定位数据未发生异常。
基于上述S1至S4的相关内容可知,对于本申请实施例提供的定位异常检测方法来说,在获取到待检测车辆的当前定位数据之后,先利用待检测车辆的历史行驶信息进行位置预测,得到该待检测车辆的当前预测位置;再根据该当前定位数据与该当前预测位置之间的距离,确定该当前定位数据的置信度,以便在确定该当前定位数据的置信度低于预设置信度阈值时,确定该当前定位数据发生异常。
其中,因待检测车辆的当前预测位置是依据该待检测车辆的历史行驶信息进行确定的,使得该当前预测位置能够尽可能地接近于该待检测车辆在当前时刻下实际所处位置,从而使得该当前预测位置与当前定位数据之间的距离能够较准确地表示出该当前定位数据相对于该待检测车辆在当前时刻下实际所处位置发生的位置偏差大小,进而使得基于该距离确定的置信度能够准确地表示出该当前定位数据发生异常(也就是,该当前定位数据远远偏离该待检测车辆在当前时刻下实际所处位置)的可能性,以便后续能够基于该置信度确定该当前定位数据是否发生了异常。可见,本申请实施例提供的技术方案能够准确地检测出发生异常的车辆定位数据,从而能够有效地避免因车辆定位数据发生异常而导致的不良影响。
在一种可能的实施方式中,为了进一步提高车辆定位异常的检测准确性,本申请实施例还提供了S2的一种可能的实施方式,其具体可以包括S21-S22:
S21:根据待检测车辆的历史行驶信息,确定该待检测车辆对应的预测参考方向、该待检测车辆对应的预测参考位置、该待检测车辆对应的预测参考速度、和该待检测车辆对应的预测参考加速度。
其中,“待检测车辆对应的预测参考方向”是指针对该待检测车辆在当前时刻下所处位置进行预测时所需参考的方向信息。
另外,本申请实施例不限定“待检测车辆对应的预测参考方向”的确定过程,例如,在一种可能的实施方式中,若当前定位数据对应的采样时刻为T(也就是,当前定位数据是指上述“第T个采样时刻的车辆定位数据”),且该待检测车辆的历史行驶信息包括第T-1个采样时刻的车辆位置数据至第T-N个采样时刻的车辆位置数据,则“待检测车辆对应的预测参考方向”的确定过程,具体可以包括步骤11-步骤15:
步骤11:对第T-1个采样时刻的车辆位置数据至第T-N个采样时刻的车辆位置数据进行拟合,得到待使用拟合函数。
其中,第T-n个采样时刻的车辆位置数据用于描述待检测车辆在该第T-n个采样时刻下所处位置;n为正整数,n≤N,N为正整数。
待使用拟合函数用于表示从第T-N个采样时刻的车辆位置数据到第T-1个采样时刻的车辆位置数据之间的变化规律。
另外,本申请实施例不限定步骤11的实施方式,可以采用现有的或者未来出现的任一种拟合方法进行实施。
实际上,待检测车辆在[第T-1个采样时刻,第T-N个采样时刻]期间可能会经过直路,也可能经过弯路,而且直路对应的车辆位置数据变化规律不同于弯路对应的车辆位置数据变化规律,故为了进一步提高拟合准确性,本申请实施例提供了步骤11的另一种可能的实施方式,其具体可以包括步骤111-步骤113:
步骤111:获取待使用道路类型。
其中,待使用道路类型是指待检测车辆在第T-N个采样时刻至第T-1个采样时刻期间所经道路的道路类型。
另外,本申请实施例不限定待使用道路类型的获取方式,例如,可以先从地图上查询包括第T-N个采样时刻的车辆位置数据至第T-1个采样时刻的车辆位置数据的道路;再将地图中针对该道路所标记的道路类型,确定为待使用道路类型。又如,可以将从第T-N个采样时刻的车辆位置数据到第T-1个采样时刻的车辆位置数据之间的变化趋势分别与至少一个候选道路类型的预设变化趋势进行匹配,并将匹配成功的候选道路类型确定为待使用道路类型。其中,“至少一个候选道路类型”可以包括直路和/或弯路。“预设变化趋势”可以预先设定。
步骤112:若待使用道路类型为直路,则利用第一拟合方法对第T-1个采样时刻的车辆位置数据至第T-N个采样时刻的车辆位置数据进行拟合,得到待使用拟合函数。
其中,第一拟合方法是指适用于针对直路上车辆位置数据的变化规律进行拟合的方法;而且本申请实施例不限定第一拟合方法,例如,第一拟合方法可以是最小二乘法、梯度下降法等。
为了便于理解步骤112,下面以最小二乘法为例进行说明。
假设,第T-1个采样时刻的车辆位置数据为[Xh(T-1),Yh(T-1)],第T-2个采样时刻的车辆位置数据为[Xh(T-2),Yh(T-2)],……(以此类推),第T-N个采样时刻的车辆位置数据为[Xh(T-N),Yh(T-N)]。
作为示例,基于上述假设可知,若第一拟合方法为最小二乘法,则步骤112具体可以包括步骤1121-步骤1122:
步骤1121:从第T-1个采样时刻的车辆位置数据至第T-N个采样时刻的车辆位置数据中筛选出距离当前时刻最近的F个车辆位置数据(也就是,第T-1个采样时刻的车辆位置数据至第T-F个采样时刻的车辆位置数据)。其中,F为正整数,F≤N;而且F可以预先设定(例如,F=6)。
步骤1122:利用公式(1)-公式(7)对第T-1个采样时刻的车辆位置数据至第T-F个采样时刻的车辆位置数据进行拟合,得到待使用拟合函数。
Y=k×x+d (7)
式中,Y=k×x+d表示待使用拟合函数;k表示直线斜率;d表示直线截距;Xh(f)表示第f个采样时刻的车辆位置数据,f为正整数,T-1≤f≤T-F;F表示车辆位置数据的个数。
基于上述步骤112的相关内容可知,在获取到待使用道路类型之后,若确定该待使用道路类型为直路,则可以直接利用第一拟合方法对第T-1个采样时刻的车辆位置数据至第T-N个采样时刻的车辆位置数据进行拟合,得到待使用拟合函数。其中,因第一拟合方法是一种适用于针对直路上车辆位置数据的变化规律进行拟合的方法,使得基于该第一拟合方法拟合得到的待使用拟合函数能够更准确地表示出在直路上依次出现的第T-N个采样时刻的车辆位置数据至第T-1个采样时刻的车辆位置数据的变化规律,从而使得待使用拟合函数更准确,如此有利于提高位置预测准确性。
步骤113:若待使用道路类型为弯路,则利用第二拟合方法对第T-1个采样时刻的车辆位置数据至第T-N个采样时刻的车辆位置数据进行拟合,得到待使用拟合函数。
其中,第二拟合方法是指适用于针对弯路上车辆位置数据的变化规律进行拟合的方法;而且本申请实施例不限定第二拟合方法,例如,第二拟合方法可以是多项式拟合法等。
可见,在获取到待使用道路类型之后,若确定该待使用道路类型为弯路,则可以直接利用第二拟合方法对第T-1个采样时刻的车辆位置数据至第T-N个采样时刻的车辆位置数据进行拟合,得到待使用拟合函数。其中,因第二拟合方法是一种适用于针对弯路上车辆位置数据的变化规律进行拟合的方法,使得基于该第二拟合方法拟合得到的待使用拟合函数能够更准确地表示出在弯路上依次出现的第T-N个采样时刻的车辆位置数据至第T-1个采样时刻的车辆位置数据的变化规律,从而使得待使用拟合函数更准确,如此有利于提高位置预测准确性。
基于上述步骤11的相关内容可知,在获取到第T-1个采样时刻的车辆位置数据至第T-N个采样时刻的车辆位置数据之后,可以直接对该N个车辆位置数据进行拟合,得到待使用拟合函数,以使该待使用拟合函数能够准确地表示出从第T-N个采样时刻的车辆位置数据到第T-1个采样时刻的车辆位置数据之间的变化规律,以便后续能够基于该变化规律预测得到第T个采样时刻的车辆位置数据。
步骤12:根据第T-1个采样时刻的车辆位置数据和待使用拟合函数,确定该第T-1个采样时刻对应的函数坐标。
例如,若第T-1个采样时刻的车辆位置数据为[Xh(T-1),Yh(T-1)],且待使用拟合函数为上述公式(7)所示的函数,则步骤12具体可以包括步骤121-步骤122:
步骤121:将Xh(T-1)确定为“第T-1个采样时刻对应的函数坐标”中横坐标XT-1(也就是,XT-1=Xh(T-1))。
步骤122:将Xh(T-1)代入上述公式(7),得到“第T-1个采样时刻对应的函数坐标”中纵坐标YT-1,以使YT-1=k×XT-1+d=k×Xh(T-1)+d。
基于上述步骤12的相关内容可知,在获取到待使用拟合函数之后,可以利用该待使用拟合函数和第T-1个采样时刻的车辆位置数据,确定该第T-1个采样时刻对应的函数坐标,以使该第T-1个采样时刻对应的函数坐标中横坐标与纵坐标之间的映射关系符合该待使用拟合函数。
步骤13:根据第T-2个采样时刻的车辆位置数据和待使用拟合函数,确定第T-2个采样时刻对应的函数坐标。
需要说明的是,步骤13可以采用上文步骤12的任一实施方式进行实施,只需将上文步骤12的任一实施方式中“第T-1个采样时刻”替换为“第T-2个采样时刻”即可。
步骤14:将第T-1个采样时刻对应的函数坐标和第T-2个采样时刻对应的函数坐标进行向量连接,得到待使用向量。
其中,待使用向量用于描述从第T-2个采样时刻对应的函数坐标到第T-1个采样时刻对应的函数坐标之间的方向信息。例如,若第T-2个采样时刻对应的函数坐标为[XT-2,YT-2],且第T-1个采样时刻对应的函数坐标为[XT-1,YT-1],则该待使用向量为
步骤15:根据待使用向量的向量方向与预设标准方向之间的夹角,确定待检测车辆对应的预测参考方向。
其中,预设标准方向可以预先设定,例如,该预设标准方向可以是车辆所在位置的正北方向。
另外,本申请实施例不限定步骤15的实施方式,例如,若预设标准方向为车辆所在位置的正北方向,车辆所在位置的正北方向设为且待使用向量为/> 则步骤15可以利用公式(8)所示的球面方向计算公式进行实施。
式中,θT-1表示待检测车辆对应的预测参考方向。
可见,因θT-1是参考从第T-2个采样时刻对应的函数坐标指向第T-1个采样时刻对应的函数坐标的方向与预设标准方向之间的夹角确定的,使得该θT-1能够准确地表示出待检测车辆从第T-2个采样时刻到第T-1个采样时刻之间的行驶方向,从而使得基于该θT-1确定的待检测车辆对应的预测参考方向能够准确地表示出待检测车辆从第T-2个采样时刻到第T-1个采样时刻之间的行驶方向,如此能够有效地避免因针对待检测车辆实时采集的方位角随机误差引起的方向不稳定,如此有利于提高位置预测准确性,从而有利于提高定位异常的检测准确性。
基于上述步骤11至步骤15的相关内容可知,在获取到待检测车辆的历史行驶信息之后,可以先利用这些历史行驶信息拟合该待检测车辆对应的行驶轨迹表示函数(如,待使用拟合函数);再利用该行驶轨迹表示函数确定该待检测车辆对应的预测参考方向,以使该预测参考方向能够准确地表示出距离当前时刻最近的车辆行驶方向,以便后续能够基于该预测参考方向针对当前时刻下的车辆位置进行位置预测。
“待检测车辆对应的预测参考位置”是指针对该待检测车辆在当前时刻下所处位置进行预测时所需参考的位置信息。
本申请实施例不限定“待检测车辆对应的预测参考位置”的确定过程,例如,在一种可能的实施方式中,若待检测车辆的历史行驶信息包括第T-1个采样时刻的车辆位置数据,则“待检测车辆对应的预测参考位置”的确定过程可以包括:将该第T-1个采样时刻的车辆位置数据,确定为待检测车辆对应的预测参考位置。
“待检测车辆对应的预测参考速度”是指针对该待检测车辆在当前时刻下所处位置进行预测时所需参考的行驶速度信息。
本申请实施例不限定“待检测车辆对应的预测参考速度”的确定过程,例如,在一种可能的实施方式中,若待检测车辆的历史行驶信息包括第T-1个采样时刻的车辆行驶速度,则“待检测车辆对应的预测参考速度”的确定过程可以包括:将该第T-1个采样时刻的车辆行驶速度,确定为待检测车辆对应的预测参考速度。
“待检测车辆对应的预测参考加速度”是指针对该待检测车辆在当前时刻下所处位置进行预测时所需参考的加速度信息。
本申请实施例不限定“待检测车辆对应的预测参考加速度”的确定过程,例如,在一种可能的实施方式中,若待检测车辆的历史行驶信息包括第T-1个采样时刻的车辆纵向加速度,则“待检测车辆对应的预测参考加速度”的确定过程可以包括:将该第T-1个采样时刻的车辆纵向加速度,确定为待检测车辆对应的预测参考加速度。
基于上述S21的相关内容可知,在获取到待检测车辆的历史行驶信息之后,可以依据该待检测车辆的历史行驶信息,分别确定该待检测车辆对应的预测参考方向、预测参考位置、预测参考速度、及其预测参考加速度,以便后续能够基于这些参考信息针对该待检测车辆在当前时刻下所处位置进行预测。
S22:利用待检测车辆对应的预测参考方向、该待检测车辆对应的预测参考位置、该待检测车辆对应的预测参考速度、和该待检测车辆对应的预测参考加速度,预测得到该待检测车辆的当前预测位置。
需要说明的是,本申请实施例不限定S22的实施方式,例如,若待检测车辆对应的预测参考方向为上文“θT-1”、该待检测车辆对应的预测参考位置为第T-1个采样时刻的车辆位置数据[Xh(T-1),Yh(T-1)]、该待检测车辆对应的预测参考速度为第T-1个采样时刻的车辆行驶速度vT-1、以及该待检测车辆对应的预测参考加速度为第T-1个采样时刻的车辆纵向加速度aT-1,则S22可以利用公式(9)-(10)所示的车辆运动状态方程进行实施。
式中,XP(T)表示待检测车辆的当前预测位置中经度;YP(T)表示待检测车辆的当前预测位置中纬度;τ表示车辆定位数据的采样时间间隔,且τ是根据上文“预设采样频率”确定的;R表示地球半径。
基于上述S21至S22的相关内容可知,在获取到待检测车辆的历史行驶信息之后,可以先依据该历史行驶信息确定该待检测车辆对应的预测参考信息(如,预测参考方向、预测参考位置、预测参考速度和预测参考加速度);再依据该待检测车辆对应的预测参考信息针对该待检测车辆在当前时刻下所处位置进行预测,得到该待检测车辆的当前预测位置,以使该当前预测位置能够尽可能地接近于该待检测车辆在当前时刻下实际所处位置,如此有利于提高车辆定位异常的检测准确性。
在一种可能的实施方式中,为了进一步提高车辆定位异常的检测准确性,本申请实施例还提供了S3的一种可能的实施方式,其具体可以包括S31-S32:
S31:将当前定位数据与当前预测位置之间的距离,确定为待使用距离。
S32:根据待使用距离与待检测车辆对应的定位精度之间的比值、以及预设置信度阈值,确定当前定位数据的置信度。
其中,待检测车辆对应的定位精度用于描述该待检测车辆上安装的车辆定位系统的定位精确程度。另外,本申请实施例不限定待检测车辆对应的定位精度的获取方式,例如,可以从该待检测车辆上安装的车辆定位系统中进行获取(例如,直接从该待检测车辆上安装的车辆定位系统中读取该车辆定位系统的定位精确程度。又如,可以由该待检测车辆上安装的车辆定位系统将该车辆定位系统的定位精确程度发送给用于执行本申请实施例提供的“定位异常检测方法”的电子设备)。
预设置信度阈值可以预先设定,例如,预设置信度阈值可以是0.5。
另外,本申请实施例不限定S32的实施方式,例如,可以利用公式(11)进行实施。
式中,PT表示当前定位数据的置信度;d表示待使用距离(也就是,当前定位数据与当前预测位置之间的距离);m表示待检测车辆对应的定位精度;α表示预设置信度阈值,且0<α<1(例如,α=0.5)。
可见,上述公式(11)是一种负相关函数;而且当d=0时,PT=1,而且该PT=1用于表示当前定位数据与当前预测位置一致,从而表示待检测车辆中安装的车辆定位系统在第T个采样时刻获取到的车辆定位数据是准确的;然而,当d=m时,PT=α,而且该PT=α用于表示当前定位数据与当前预测位置之间的位置偏差达到m,从而表示待检测车辆中安装的车辆定位系统在第T个采样时刻获取到的车辆定位数据恰好在其定位误差的边界上。
基于上述S31至S32的相关内容可知,在获取到待检测车辆的当前定位数据和该待检测车辆的当前预测位置之后,可以参考该当前定位数据与该当前预测位置之间的距离、该待检测车辆对应的定位精度、以及预设置信度阈值,确定该当前定位数据的置信度,以使该置信度能够更准确地表示出该当前定位数据发生异常(也就是,该当前定位数据远远偏离该待检测车辆在当前时刻下实际所处位置)的可能性,如此有利于提高车辆定位异常的检测准确性。
在一种可能的实施方式中,为了进一步提高车辆定位异常的检测准确性,本申请实施例还提供了另一种定位异常检测方法,其除了包括上述S1-S4以外,还包括S5和S6中的至少一个步骤:
S5:在确定当前定位数据的置信度低于预设置信度阈值之后,利用当前预测位置,更新待检测车辆的历史行驶信息。
作为示例,若该待检测车辆的历史行驶信息包括第T-1个采样时刻的车辆位置数据至第T-N个采样时刻的车辆位置数据,则S5具体可以包括:将待检测车辆的当前预测位置作为第T个采样时刻的车辆位置数据,添加至该待检测车辆的历史行驶信息,并将第T-N个采样时刻的车辆位置数据从该待检测车辆的历史行驶信息中删除,以使更新后的历史行驶信息包括第T个采样时刻的车辆位置数据至第T-N+1个采样时刻的车辆位置数据。
基于上述S5的相关内容可知,在确定待检测车辆的当前定位数据的置信度低于预设置信度阈值之后,可以确定该当前定位数据发生异常,故为了提高待检测车辆的历史行驶信息的准确性,可以利用该待检测车辆的当前预测位置,对待检测车辆的历史行驶信息进行更新,以使更新后的历史行驶信息能够包括该待检测车辆的当前预测位置,以便后续能够利用该更新后的历史行驶信息针对下一个采样时刻的车辆定位数据进行定位异常检测。
S6:在确定当前定位数据的置信度高于预设置信度阈值之后,利用当前定位数据,更新待检测车辆的历史行驶信息。
作为示例,若该待检测车辆的历史行驶信息包括第T-1个采样时刻的车辆位置数据至第T-N个采样时刻的车辆位置数据,则S6具体可以包括:将待检测车辆的当前定位数据作为第T个采样时刻的车辆位置数据,添加至该待检测车辆的历史行驶信息,并将第T-N个采样时刻的车辆位置数据从该待检测车辆的历史行驶信息中删除,以使更新后的历史行驶信息包括第T个采样时刻的车辆位置数据至第T-N+1个采样时刻的车辆位置数据。
基于上述S6的相关内容可知,在确定待检测车辆的当前定位数据的置信度不低于预设置信度阈值之后,可以确定该当前定位数据没有发生异常,故可以直接利用该待检测车辆的当前定位数据,对待检测车辆的历史行驶信息进行更新,以使更新后的历史行驶信息能够包括该待检测车辆的当前定位数据,以便后续能够利用该更新后的历史行驶信息针对下一个采样时刻的车辆定位数据进行定位异常检测。
基于上述S5至S6的相关内容可知,在获取到当前定位数据的置信度之后,可以先依据该当前定位数据的置信度与预设置信度阈值之间的相对大小,确定第T个采样时刻的车辆位置数据;再将该第T个采样时刻的车辆位置数据添加至待检测车辆的历史行驶信息,并将第T-N个采样时刻的车辆位置数据从该待检测车辆的历史行驶信息中删除,以使该更新后的历史行驶信息包括第T个采样时刻的车辆位置数据至第T-N+1个采样时刻的车辆位置数据,以便后续能够利用该更新后的历史行驶信息针对下一个采样时刻的车辆定位数据进行定位异常检测。
在一种可能的实施方式中,为了进一步提高车辆定位异常的检测准确性,本申请实施例还提供了又一种定位异常检测方法,其除了包括上述S1-S6以外,还包括S7:
S7:利用待检测车辆的当前行驶状态信息,更新待检测车辆的历史行驶信息。
其中,待检测车辆的当前行驶状态信息用于描述该待检测车辆在当前时刻(如,第T个采样时刻)下所具有的行驶状态。
另外,本申请实施例不限定“当前行驶状态信息”,例如,其可以包括:当前行驶速度和/或当前纵向加速度。其中,“当前行驶速度”是指该待检测车辆在当前时刻(如,第T个采样时刻)下所具有的行驶速度。“当前纵向加速度”是指该待检测车辆在当前时刻(如,第T个采样时刻)下所具有的纵向加速度。
此外,本申请实施例不限定S7的实施方式,例如,若待检测车辆的历史行驶信息包括第T-1个采样时刻的行驶状态信息至第T-N个采样时刻的行驶状态信息,则S7具体可以包括:将待检测车辆的当前行驶信息作为第T个采样时刻的行驶状态信息,添加至该待检测车辆的历史行驶信息,并将第T-N个采样时刻的行驶状态信息从该待检测车辆的历史行驶信息中删除,以使更新后的历史行驶信息包括第T个采样时刻的行驶状态信息至第T-N+1个采样时刻的行驶状态信息。
其中,第T-n个采样时刻的行驶状态信息用于描述该待检测车辆在第T-n个采样时刻下所具有的行驶状态;而且该第T-n个采样时刻的行驶状态信息可以包括该第T-n个采样时刻的车辆行驶速度和/或该第T-n个采样时刻的车辆纵向加速度;n为正整数,n≤N,N为正整数。
基于上述S7的相关内容可知,本申请实施例不仅可以利用待检测车辆在当前时刻下的车辆位置数据(如,当前定位数据或者当前预测位置)更新该待检测车辆的历史行驶信息,还可以利用该待检测车辆在当前时刻下的行驶状态数据(如,当前行驶速度、当前纵向加速度等)更新该待检测车辆的历史行驶信息,以使更新后的历史行驶信息能够更准确地描述出该待检测车辆的行驶轨迹,以便后续能够利用该更新后的历史行驶信息针对下一个采样时刻的车辆定位数据进行更准确地定位异常检测。
基于上述定位异常检测方法的相关内容,本申请实施例还提供了一种定位异常检测装置,下面结合附图进行说明。
参见图2,该图为本申请实施例提供的一种定位异常检测装置的结构示意图。
本申请实施例提供的定位异常检测装置200,包括:
定位获取单元201,用于获取待检测车辆的当前定位数据;
位置预测单元202,用于利用所述待检测车辆的历史行驶信息进行位置预测,得到所述待检测车辆的当前预测位置;
置信度确定单元203,用于根据所述当前定位数据与所述当前预测位置之间的距离,确定所述当前定位数据的置信度;
异常确定单元204,用于若所述当前定位数据的置信度低于预设置信度阈值,则确定所述当前定位数据发生异常。
在一种可能的实施方式中,所述位置预测单元202,包括:
参考信息确定子单元,用于根据所述待检测车辆的历史行驶信息,确定所述待检测车辆对应的预测参考方向、所述待检测车辆对应的预测参考位置、所述待检测车辆对应的预测参考速度、和所述待检测车辆对应的预测参考加速度;
位置预测子单元,用于利用所述待检测车辆对应的预测参考方向、所述待检测车辆对应的预测参考位置、所述待检测车辆对应的预测参考速度、和所述待检测车辆对应的预测参考加速度,预测得到所述待检测车辆的当前预测位置。
在一种可能的实施方式中,所述参考信息确定子单元,包括:
拟合函数确定子单元,用于若所述当前定位数据对应的采样时刻为T,且所述待检测车辆的历史行驶信息包括第T-1个采样时刻的车辆位置数据至第T-N个采样时刻的车辆位置数据,则对所述第T-1个采样时刻的车辆位置数据至所述第T-N个采样时刻的车辆位置数据进行拟合,得到待使用拟合函数;
第一坐标确定子单元,用于根据所述第T-1个采样时刻的车辆位置数据和所述待使用拟合函数,确定所述第T-1个采样时刻对应的函数坐标;
第二坐标确定子单元,用于根据第T-2个采样时刻的车辆位置数据和所述待使用拟合函数,确定所述第T-2个采样时刻对应的函数坐标;
方向向量确定子单元,用于将所述第T-1个采样时刻对应的函数坐标和所述第T-2个采样时刻对应的函数坐标进行向量连接,得到待使用向量;
参考方向确定子单元,用于根据所述待使用向量的向量方向与预设标准方向之间的夹角,确定所述待检测车辆对应的预测参考方向。
在一种可能的实施方式中,所述拟合函数确定子单元,具体用于:获取待使用道路类型;其中,所述待使用道路类型是指所述待检测车辆在所述第T-N个采样时刻至所述第T-1个采样时刻期间所经道路的道路类型;若所述待使用道路类型为直路,则利用第一拟合方法对所述第T-1个采样时刻的车辆位置数据至所述第T-N个采样时刻的车辆位置数据进行拟合,得到待使用拟合函数;若所述待使用道路类型为弯路,则利用第二拟合方法对所述第T-1个采样时刻的车辆位置数据至所述第T-N个采样时刻的车辆位置数据进行拟合,得到待使用拟合函数。
在一种可能的实施方式中,所述参考信息确定子单元,包括:
参考位置确定子单元,用于若所述待检测车辆的历史行驶信息包括第T-1个采样时刻的车辆位置数据,则将所述第T-1个采样时刻的车辆位置数据,确定为所述待检测车辆对应的预测参考位置;
参考速度确定子单元,用于若所述待检测车辆的历史行驶信息包括第T-1个采样时刻的车辆行驶速度,则将所述第T-1个采样时刻的车辆行驶速度,确定为所述待检测车辆对应的预测参考速度;
参考加速度确定子单元,用于若所述待检测车辆的历史行驶信息包括第T-1个采样时刻的车辆纵向加速度,则将所述第T-1个采样时刻的车辆纵向加速度,确定为所述待检测车辆对应的预测参考加速度。
在一种可能的实施方式中,所述置信度确定单元203,具体用于:将所述当前定位数据与所述当前预测位置之间的距离,确定为待使用距离;根据所述待使用距离与所述待检测车辆对应的定位精度之间的比值、以及所述预设置信度阈值,确定所述当前定位数据的置信度。
在一种可能的实施方式中,所述定位异常检测装置200还包括:
第一更新子单元,用于在确定所述当前定位数据的置信度低于预设置信度阈值之后,利用所述当前预测位置,更新所述待检测车辆的历史行驶信息;
和/或,
第二更新子单元,用于在确定所述当前定位数据的置信度不低于预设置信度阈值之后,利用所述当前定位数据,更新所述待检测车辆的历史行驶信息。
基于上述定位异常检测装置200的相关内容可知,对于定位异常检测装置200来说,在获取到待检测车辆的当前定位数据之后,先利用待检测车辆的历史行驶信息进行位置预测,得到该待检测车辆的当前预测位置;再根据该当前定位数据与该当前预测位置之间的距离,确定该当前定位数据的置信度,以便在确定该当前定位数据的置信度低于预设置信度阈值时,确定该当前定位数据发生异常。
其中,因待检测车辆的当前预测位置是依据该待检测车辆的历史行驶信息进行确定的,使得该当前预测位置能够尽可能地接近于该待检测车辆在当前时刻下实际所处位置,从而使得该当前预测位置与当前定位数据之间的距离能够较准确地表示出该当前定位数据相对于该待检测车辆在当前时刻下实际所处位置发生的位置偏差大小,进而使得基于该距离确定的置信度能够准确地表示出该当前定位数据发生异常(也就是,该当前定位数据远远偏离该待检测车辆在当前时刻下实际所处位置)的可能性,以便后续能够基于该置信度确定该当前定位数据是否发生了异常。可见,本申请实施例提供的技术方案能够准确地检测出发生异常的车辆定位数据,从而能够有效地避免因车辆定位数据发生异常而导致的不良影响。
另外,本申请实施例还提供了一种定位异常检测设备,包括:存储器,处理器,及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现本申请实施例提供的定位异常检测方法的任一实施方式。
另外,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行本申请实施例提供的定位异常检测方法的任一实施方式。
另外,本申请实施例还提供了一种计算机程序产品,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行本申请实施例提供的定位异常检测方法的任一实施方式。
需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种定位异常检测方法,其特征在于,所述方法包括:
获取待检测车辆的当前定位数据;
利用所述待检测车辆的历史行驶信息进行位置预测,得到所述待检测车辆的当前预测位置;
根据所述当前定位数据与所述当前预测位置之间的距离,确定所述当前定位数据的置信度;所述置信度是依据预设置信度阈值、以及所述距离与待检测车辆对应的定位精度之间的比值所确定;所述定位精度用于描述所述待检测车辆上安装的车辆定位系统的定位精确程度;所述置信度用于表示所述当前定位数据发生异常的可能性;所述置信度的计算公式为
式中,PT表示所述当前定位数据的置信度;d表示所述当前定位数据与所述当前预测位置之间的距离;m表示所述待检测车辆对应的定位精度;α表示预设置信度阈值;
若所述当前定位数据的置信度低于预设置信度阈值,则确定所述当前定位数据发生异常。
2.根据权利要求1所述的方法,其特征在于,所述利用所述待检测车辆的历史行驶信息进行位置预测,得到所述待检测车辆的当前预测位置,包括:
根据所述待检测车辆的历史行驶信息,确定所述待检测车辆对应的预测参考方向、所述待检测车辆对应的预测参考位置、所述待检测车辆对应的预测参考速度、和所述待检测车辆对应的预测参考加速度;
利用所述待检测车辆对应的预测参考方向、所述待检测车辆对应的预测参考位置、所述待检测车辆对应的预测参考速度、和所述待检测车辆对应的预测参考加速度,预测得到所述待检测车辆的当前预测位置。
3.根据权利要求2所述的方法,其特征在于,若所述当前定位数据对应的采样时刻为T,且所述待检测车辆的历史行驶信息包括第T-1个采样时刻的车辆位置数据至第T-N个采样时刻的车辆位置数据,则所述待检测车辆对应的预测参考方向的确定过程,包括:
对所述第T-1个采样时刻的车辆位置数据至所述第T-N个采样时刻的车辆位置数据进行拟合,得到待使用拟合函数;
根据所述第T-1个采样时刻的车辆位置数据和所述待使用拟合函数,确定所述第T-1个采样时刻对应的函数坐标;
根据第T-2个采样时刻的车辆位置数据和所述待使用拟合函数,确定所述第T-2个采样时刻对应的函数坐标;
将所述第T-1个采样时刻对应的函数坐标和所述第T-2个采样时刻对应的函数坐标进行向量连接,得到待使用向量;
根据所述待使用向量的向量方向与预设标准方向之间的夹角,确定所述待检测车辆对应的预测参考方向。
4.根据权利要求3所述的方法,其特征在于,所述待使用拟合函数的确定过程,包括:
获取待使用道路类型;其中,所述待使用道路类型是指所述待检测车辆在所述第T-N个采样时刻至所述第T-1个采样时刻期间所经道路的道路类型;
若所述待使用道路类型为直路,则利用第一拟合方法对所述第T-1个采样时刻的车辆位置数据至所述第T-N个采样时刻的车辆位置数据进行拟合,得到待使用拟合函数;
若所述待使用道路类型为弯路,则利用第二拟合方法对所述第T-1个采样时刻的车辆位置数据至所述第T-N个采样时刻的车辆位置数据进行拟合,得到待使用拟合函数。
5.根据权利要求2所述的方法,其特征在于,若所述待检测车辆的历史行驶信息包括第T-1个采样时刻的车辆位置数据、所述第T-1个采样时刻的车辆行驶速度和所述第T-1个采样时刻的车辆纵向加速度,则所述待检测车辆对应的预测参考位置、所述待检测车辆对应的预测参考速度、和所述待检测车辆对应的预测参考加速度的确定过程包括:
将所述第T-1个采样时刻的车辆位置数据,确定为所述待检测车辆对应的预测参考位置;
将所述第T-1个采样时刻的车辆行驶速度,确定为所述待检测车辆对应的预测参考速度;
将所述第T-1个采样时刻的车辆纵向加速度,确定为所述待检测车辆对应的预测参考加速度。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在确定所述当前定位数据的置信度低于预设置信度阈值之后,利用所述当前预测位置,更新所述待检测车辆的历史行驶信息;
和/或,
在确定所述当前定位数据的置信度不低于预设置信度阈值之后,利用所述当前定位数据,更新所述待检测车辆的历史行驶信息。
7.一种定位异常检测装置,其特征在于,包括:
定位获取单元,用于获取待检测车辆的当前定位数据;
位置预测单元,用于利用所述待检测车辆的历史行驶信息进行位置预测,得到所述待检测车辆的当前预测位置;
置信度确定单元,用于根据所述当前定位数据与所述当前预测位置之间的距离,确定所述当前定位数据的置信度;所述置信度是依据预设置信度阈值、以及所述距离与待检测车辆对应的定位精度之间的比值所确定;所述定位精度用于描述所述待检测车辆上安装的车辆定位系统的定位精确程度;所述置信度用于表示所述当前定位数据发生异常的可能性;所述置信度的计算公式为
式中,PT表示所述当前定位数据的置信度;d表示所述当前定位数据与所述当前预测位置之间的距离;m表示所述待检测车辆对应的定位精度;α表示预设置信度阈值;
异常确定单元,用于若所述当前定位数据的置信度低于预设置信度阈值,则确定所述当前定位数据发生异常。
8.一种定位异常检测设备,其特征在于,包括:存储器,处理器,及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-6任一项所述的定位异常检测方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行如权利要求1-6任一项所述的定位异常检测方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行权利要求1-6任一项所述的定位异常检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110770028.3A CN113419258B (zh) | 2021-07-07 | 2021-07-07 | 一种定位异常检测方法及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110770028.3A CN113419258B (zh) | 2021-07-07 | 2021-07-07 | 一种定位异常检测方法及其相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113419258A CN113419258A (zh) | 2021-09-21 |
CN113419258B true CN113419258B (zh) | 2024-03-01 |
Family
ID=77720548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110770028.3A Active CN113419258B (zh) | 2021-07-07 | 2021-07-07 | 一种定位异常检测方法及其相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113419258B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114166241A (zh) * | 2021-10-27 | 2022-03-11 | 北京中交兴路车联网科技有限公司 | 一种货运车载终端异常检测方法、装置、存储介质及终端 |
CN115355925B (zh) * | 2022-10-24 | 2023-02-17 | 北京云行在线软件开发有限责任公司 | 车辆定位方法、装置、设备和介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104501807A (zh) * | 2014-12-30 | 2015-04-08 | 杭州云象网络技术有限公司 | 基于地磁场和历史定位轨迹的室内定位方法 |
CN105324682A (zh) * | 2013-07-03 | 2016-02-10 | 三菱重工业株式会社 | 车载器以及欺骗检测方法 |
CN105339809A (zh) * | 2013-07-03 | 2016-02-17 | 三菱重工业株式会社 | 车载器以及欺骗检测方法 |
CN109115231A (zh) * | 2018-08-29 | 2019-01-01 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆定位方法、设备及自动驾驶车辆 |
CN109523830A (zh) * | 2018-11-08 | 2019-03-26 | 中交第公路勘察设计研究院有限公司 | 基于高频高精度定位信息的车辆轨迹预测及碰撞预警方法 |
CN109871599A (zh) * | 2019-01-30 | 2019-06-11 | 西安理工大学 | 一种无人驾驶车辆运行安全指数评价方法 |
CN110377447A (zh) * | 2019-07-17 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 一种异常数据检测方法、装置及服务器 |
CN110908379A (zh) * | 2019-11-29 | 2020-03-24 | 苏州智加科技有限公司 | 基于历史信息的车辆轨迹预测方法、装置及存储介质 |
CN111260950A (zh) * | 2020-01-17 | 2020-06-09 | 清华大学 | 一种基于轨迹预测的轨迹跟踪方法、介质和车载设备 |
CN113053112A (zh) * | 2021-03-10 | 2021-06-29 | 北京星云互联科技有限公司 | 车辆轨迹预测方法、车辆预测轨迹分析方法、装置及车辆 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10296795B2 (en) * | 2017-06-26 | 2019-05-21 | Here Global B.V. | Method, apparatus, and system for estimating a quality of lane features of a roadway |
-
2021
- 2021-07-07 CN CN202110770028.3A patent/CN113419258B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105324682A (zh) * | 2013-07-03 | 2016-02-10 | 三菱重工业株式会社 | 车载器以及欺骗检测方法 |
CN105339809A (zh) * | 2013-07-03 | 2016-02-17 | 三菱重工业株式会社 | 车载器以及欺骗检测方法 |
CN104501807A (zh) * | 2014-12-30 | 2015-04-08 | 杭州云象网络技术有限公司 | 基于地磁场和历史定位轨迹的室内定位方法 |
CN109115231A (zh) * | 2018-08-29 | 2019-01-01 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆定位方法、设备及自动驾驶车辆 |
CN109523830A (zh) * | 2018-11-08 | 2019-03-26 | 中交第公路勘察设计研究院有限公司 | 基于高频高精度定位信息的车辆轨迹预测及碰撞预警方法 |
CN109871599A (zh) * | 2019-01-30 | 2019-06-11 | 西安理工大学 | 一种无人驾驶车辆运行安全指数评价方法 |
CN110377447A (zh) * | 2019-07-17 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 一种异常数据检测方法、装置及服务器 |
CN110908379A (zh) * | 2019-11-29 | 2020-03-24 | 苏州智加科技有限公司 | 基于历史信息的车辆轨迹预测方法、装置及存储介质 |
CN111260950A (zh) * | 2020-01-17 | 2020-06-09 | 清华大学 | 一种基于轨迹预测的轨迹跟踪方法、介质和车载设备 |
CN113053112A (zh) * | 2021-03-10 | 2021-06-29 | 北京星云互联科技有限公司 | 车辆轨迹预测方法、车辆预测轨迹分析方法、装置及车辆 |
Non-Patent Citations (3)
Title |
---|
Meiling Wang et al..An Integrated System Using Federated Kalman Filter for UGV Navigation in GNSS-denied Environment.《2019 Chinese Control Conference (CCC)》.2019,3999-4004. * |
张燕咏等.基于多模态融合的自动驾驶感知及计算.《计算机研究与发展》.2020,第57卷(第9期),1781-1799. * |
朱忠祥等.基于置信度加权的拖拉机组合导航融合定位方法.《农业机械学报》.2013,第44卷(第S1期),210-215. * |
Also Published As
Publication number | Publication date |
---|---|
CN113419258A (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113419258B (zh) | 一种定位异常检测方法及其相关设备 | |
EP1610152B1 (en) | Tracking of a moving object for a self-defence system | |
CN109143224B (zh) | 一种多目标关联方法和装置 | |
CN113923237B (zh) | 水淹显示装置、系统及方法、水淹探测装置及方法、服务器、以及存储介质 | |
US11762074B2 (en) | Position calibration method for infrastructure sensor apparatus, infrastructure sensor apparatus, a non-transitory computer readable medium storing infrastructure sensor system, and position calibration program | |
CN113447923A (zh) | 目标检测方法、装置、系统、电子设备及存储介质 | |
CN113959457B (zh) | 一种自动驾驶车辆的定位方法、装置、车辆和介质 | |
CN111612378A (zh) | 潜在碰撞风险预测方法、装置及计算机设备 | |
CN110889380A (zh) | 一种舰船识别方法、装置及计算机存储介质 | |
CN111279215A (zh) | 目标检测方法和装置、航迹管理方法和装置以及无人机 | |
CN113112643A (zh) | 预测轨迹的评价方法、装置以及电子设备和存储介质 | |
CN110411499B (zh) | 传感器检测识别能力的评估方法及评估系统 | |
CN114019182B (zh) | 零速状态检测方法、装置及电子设备 | |
CN113203424B (zh) | 多传感器的数据融合方法、装置及相关设备 | |
CN111339226B (zh) | 一种基于分类检测网络构建地图方法及装置 | |
CN113640760A (zh) | 基于空情数据的雷达发现概率评估方法及设备 | |
US11195287B2 (en) | Method and device for checking the plausibility of a flow vector hypothesis | |
JP6883236B2 (ja) | 取付角算出装置、取付角評価装置、取付角算出方法および取付角評価方法 | |
CN113033586A (zh) | 目标识别方法及设备 | |
CN111489375B (zh) | 一种信息检测方法、装置及设备 | |
JP2021189062A (ja) | 情報統合装置 | |
CN114779230B (zh) | 一种对象跟踪方法、装置、电子设备及车辆 | |
CN112985455B (zh) | 定位定姿系统的精度评定方法、装置及存储介质 | |
CN117111019B (zh) | 一种基于雷达探测的目标跟踪监控方法和系统 | |
JP2019020338A (ja) | 状態推定装置及びプログラム |
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 |