CN113734242A - 一种基于统计特征的地铁列车精确定位方法 - Google Patents
一种基于统计特征的地铁列车精确定位方法 Download PDFInfo
- Publication number
- CN113734242A CN113734242A CN202111190729.6A CN202111190729A CN113734242A CN 113734242 A CN113734242 A CN 113734242A CN 202111190729 A CN202111190729 A CN 202111190729A CN 113734242 A CN113734242 A CN 113734242A
- Authority
- CN
- China
- Prior art keywords
- beacon
- statistical characteristics
- positioning
- poserr
- alignposerr
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000009434 installation Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 4
- 238000003032 molecular docking Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 4
- 230000009466 transformation Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/025—Absolute localisation, e.g. providing geodetic coordinates
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种基于统计特征的地铁列车精确定位方法,包括:获取历史统计特征;根据历史统计特征拟合出多项式;根据本次停站前定位信标统计特征和多项式,计算预测本次停站的停站定位误差。解决了目前定位信标的定位误差大的问题,提高了列车进站对齐时的定位精度,并不会增加地铁建设、运营、和设备改造等成本。
Description
技术领域
本发明涉及地铁列车定位方法。
背景技术
信标是安装在地铁轨道上的物理器件,当地铁列车经过信标上方时,会通过车载天线读取信标中的信息。用于提供列车位置信息的信标称为定位信标。但定位信标的定位精度较差。传统上认为,定位信标的定位误差是主要由于其使用的电磁物理技术和环境因素造成的,在电磁物理理论上无法是减小的,所以为了克服定位信标定位精度差造成停站定位精度不够,目前的研究主要集中在增加额外的定位技术手段,来实现列车在进站时的精确定位。例如:专利(CN201921340602.6)介绍了一种使用雷达辅助停站定位的方法。专利(CN201610074698.0)介绍了一种使用移动通信基站定位的方法。专利(CN201911308746.8)介绍了一种使用二维码定位的方法。专利(CN201922416193.X)介绍了一种使用有源信标定位的方法。以上,这些研究的方法都会增加额外的硬件定位设备,增加了地铁建设和运营成本,对既有地铁线路还会增加设备改造成本.
发明内容
本发明的目的在于提供一种基于统计特征的地铁列车精确定位方法,解决了目前定位信标的定位误差大的问题,提高了列车进站对齐时的定位精度,并不会增加地铁建设、运营、和设备改造等成本。
实现上述目的的技术方案是:
一种基于统计特征的地铁列车精确定位方法,包括:
获取历史统计特征;
根据历史统计特征拟合出多项式;
根据本次停站前定位信标统计特征和多项式,计算预测本次停站的停站定位误差。
优选的,所述获取历史统计特征,包括:
在停靠站台之前,检测到前倒数第n个,倒数第n-1个,…,倒数第2个和倒数第1个定位信标后,计算∑BeaconPosErrn;其中,n≥2且为正整数;BeaconPosErrn=SSn(n+1)-Tn(n+1),称为信标定位误差n;SSn(n+1)是在检测到定位信标n+1和定位信标n之间,车载计算机测量的行驶距离;Tn(n+1)是定位信标n+1和定位信标n之间的实际安装距离;
将∑BeaconPosErrn与对应的AlignPosErr组成元组[∑BeaconPosErrn,AlignPosErr]存储为历史统计特征;其中,AlignPosErr为在列车车头达到站台的停车点时,车载计算机计算出的位置与停车点的位置之间的差值,称为停站定位误差。
优选的,判断是否有足够的[∑BeaconPosErrn,AlignPosErr]元组用于拟合公式;若数量超过预设组,则认定数量足够,根据历史统计特征拟合出多项式;否则,认定数量不足。
优选的,多项式为:
AlignPosErrpredict=Km*(∑BeaconPosErrn)^m…+K2*(∑BeaconPosErrn)^2+K1*(∑BeaconPosErrn)^1+K0*(∑BeaconPosErrn)^0
其中,(Km,…,K2,K1,K0)是用历史统计特征拟合出的多项式的参数;m≥2且为正整数。
优选的,当本次停站结束后,将真实的AlignPosErr与∑BeaconPosErrn组成元组[∑BeaconPosErrn,AlignPosErr],并存储为历史统计特征。
本发明的有益效果是:本发明针对现有的定位信标的定位误差大,通过定位信标的统计特征对进站期间的定位误差进行预测和补偿,有效解决了目前定位信标的定位误差大的问题,提高了列车进站对齐时的定位精度,提高运行效率和乘客舒适度。无需增加额外的硬件定位设备,不会增加地铁建设、运营和设备改造等成本。
附图说明
图1是本发明的基于统计特征的地铁列车精确定位方法的流程图;
图2是本发明中倒数第二信标没有误差时,列车停站时的定位误差的示意图;
图3是本发明中倒数第三信标没有误差时,列车停站时的定位误差的示意图;
图4是本发明中信标定位误差n的示意图;
图5是本发明中停站定位误差的示意图。
具体实施方式
下面将结合附图对本发明作进一步说明。
请参阅图1-5,本发明的基于统计特征的地铁列车精确定位方法,包括下列步骤:
步骤S1,在停靠站台之前,检测到前倒数第n个,倒数第n-1个,…,倒数第2个和倒数第1个定位信标后,计算∑BeaconPosErrn。
其中,n≥2且为正整数;BeaconPosErrn=SSn(n+1)-Tn(n+1),称为信标定位误差n;SSn(n+1)是在检测到定位信标n+1和定位信标n之间,车载计算机测量的行驶距离;Tn(n+1)是定位信标n+1和定位信标n之间的实际安装距离。如图4所示。
具体地,首先,我们假设在检测到停站前倒数第二信标P-Beacon2时没有任何误差,车载计算机测距方法没有任何误差,信标安装也没有误差,那么停站时的定位误差Y,就会完全等于检测到最后一个信标P-Beacon1时的信标定位误差X,而最后一个信标定位误差X等于VOBC(车载控制器)检测到P-Beacon2和P-Beacon1之间,列车车载计算机计算出的行驶距离SS12减去信标P-Beacon1和P-Beacon2之间的安装物理距离T12,即|Y|=|X|=|SS12-T12|,如下图2。
然后,再假设在检测到停站前倒数第三信标P-Beacon3时没有任何误差,车载计算机测距方法没有任何误差,信标安装也没有误差,那么|Y|=|X|=|(SS12+SS23)-(T12+T23)|=|(SS12-T12)+(SS23-T23)|,如下图3。
但是,信标的检测,信标的安装,车载计算机测距方法都是有误差的,所以在工程中,停站定位误差Y,并不会严格等于|(SS12-T12)+(SS23-T23)+...+(SSn(n+1)-Tn(n+1))|,但他们有相关性,他们相关程度随着定位信标安装环境和设备电气特性等等这些影响定位误差因素的不同而不同。
AlignPosErr为:在列车车头达到站台的停车点时,车载计算机计算出的位置与停车点的位置之间的差值,称为停站定位误差。如图5所示。利用历史数据,对信标定位误差AlignPosErr与∑BeaconPosErrn进行线性或者多项式拟合,再利用拟合好的方程式,未来在检测到停站前最后一个P-Beacon时,提前对AlignPosErr进行预测,在停站前使用预测出AlignPosErr对定位结果进行补偿,以提高停站时的定位精度。
步骤S2,将∑BeaconPosErrn与对应的AlignPosErr组成元组[∑BeaconPosErrn,AlignPosErr]存储为历史统计特征。
步骤S3,判断是否有足够的该站台的[∑BeaconPosErrn,AlignPosErr]元组用于拟合公式;若数量超过预设组(例如H组,H值根据实际情况优化),则认定数量足够,根据历史统计特征拟合出多项式;否则,认定数量不足,不进行停站定位误差的预测,等待足够的数据。
步骤S4,根据历史统计特征拟合出多项式:
AlignPosErrpredict=Km*(∑BeaconPosErrn)^m…+K2*(∑BeaconPosErrn)^2+K1*(∑BeaconPosErrn)^1+K0*(∑BeaconPosErrn)^0
其中,(Km,…,K2,K1,K0)是用历史统计特征拟合出的多项式的参数;m≥2且为正整数。
步骤S5,根据本次停站前定位信标统计特征(即:BeaconPosErrn)和多项式,计算预测本次停站的停站定位误差。
步骤S6,当本次停站结束后,将真实的AlignPosErr与∑BeaconPosErrn组成元组[∑BeaconPosErrn,AlignPosErr],并存储为历史统计特征,供后续停站预测使用。
综上,本发明可以减少列车停站前爬行阶段的时长,来预测并纠正减小停站定位误差,提高运行效率和乘客舒适度。
以上实施例仅供说明本发明之用,而非对本发明的限制,有关技术领域的技术人员,在不脱离本发明的精神和范围的情况下,还可以作出各种变换或变型,因此所有等同的技术方案也应该属于本发明的范畴,应由各权利要求所限定。
Claims (5)
1.一种基于统计特征的地铁列车精确定位方法,其特征在于,包括:
获取历史统计特征;
根据历史统计特征拟合出多项式;
根据本次停站前定位信标统计特征和多项式,计算预测本次停站的停站定位误差。
2.根据权利要求1所述的基于统计特征的地铁列车精确定位方法,其特征在于,所述获取历史统计特征,包括:
在停靠站台之前,检测到前倒数第n个,倒数第n-1个,…,倒数第2个和倒数第1个定位信标后,计算∑BeaconPosErrn;其中,n≥2且为正整数;BeaconPosErrn=SSn(n+1)-Tn(n+1),称为信标定位误差n;SSn(n+1)是在检测到定位信标n+1和定位信标n之间,车载计算机测量的行驶距离;Tn(n+1)是定位信标n+1和定位信标n之间的实际安装距离;
将∑BeaconPosErrn与对应的AlignPosErr组成元组[∑BeaconPosErrn,AlignPosErr]存储为历史统计特征;其中,AlignPosErr为在列车车头达到站台的停车点时,车载计算机计算出的位置与停车点的位置之间的差值,称为停站定位误差。
3.根据权利要求2所述的基于统计特征的地铁列车精确定位方法,其特征在于,判断是否有足够的[∑BeaconPosErrn,AlignPosErr]元组用于拟合公式;若数量超过预设组,则认定数量足够,根据历史统计特征拟合出多项式;否则,认定数量不足。
4.根据权利要求2所述的基于统计特征的地铁列车精确定位方法,其特征在于,多项式为:
AlignPosErrpredict=Km*(∑BeaconPosErrn)^m…+K2*(∑BeaconPosErrn)^2+
K1*(∑BeaconPosErrn)^1+K0*(∑BeaconPosErrn)^0
其中,(Km,…,K2,K1,K0)是用历史统计特征拟合出的多项式的参数;m≥2且为正整数。
5.根据权利要求2所述的基于统计特征的地铁列车精确定位方法,其特征在于,当本次停站结束后,将真实的Ali gnPosErr与∑BeaconPosEr rn组成元组[∑BeaconPosErrn,AlignPosErr],并存储为历史统计特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111190729.6A CN113734242B (zh) | 2021-10-13 | 2021-10-13 | 一种基于统计特征的地铁列车精确定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111190729.6A CN113734242B (zh) | 2021-10-13 | 2021-10-13 | 一种基于统计特征的地铁列车精确定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113734242A true CN113734242A (zh) | 2021-12-03 |
CN113734242B CN113734242B (zh) | 2023-05-12 |
Family
ID=78726547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111190729.6A Active CN113734242B (zh) | 2021-10-13 | 2021-10-13 | 一种基于统计特征的地铁列车精确定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113734242B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030222981A1 (en) * | 2002-06-04 | 2003-12-04 | Kisak Jeffrey James | Locomotive wireless video recorder and recording system |
US20040140405A1 (en) * | 2002-01-10 | 2004-07-22 | Meyer Thomas J. | Train location system and method |
CN105501257A (zh) * | 2016-01-22 | 2016-04-20 | 上海富欣智能交通控制有限公司 | 轨道交通列车定位误差计算方法及其位置计算方法 |
CN107139973A (zh) * | 2017-05-04 | 2017-09-08 | 暨南大学 | 一种基于rfid技术的轨道交通地面信标定位装置及列车定位方法 |
CN107150703A (zh) * | 2017-05-04 | 2017-09-12 | 暨南大学 | 一种基于rfid地面信标的轨道交通列车线路拟合定位方法 |
CN107215355A (zh) * | 2017-05-08 | 2017-09-29 | 苏州华启智能科技有限公司 | 地铁广播系统中根据列车速度计算行驶距离的方法及地铁广播系统 |
CN110356435A (zh) * | 2019-06-12 | 2019-10-22 | 北京全路通信信号研究设计院集团有限公司 | 一种基于电子信标的列车自动驾驶系统 |
CN110509958A (zh) * | 2019-08-29 | 2019-11-29 | 交控科技股份有限公司 | 轨道交通定位系统及方法 |
US20200189633A1 (en) * | 2018-12-14 | 2020-06-18 | Thales Canada Inc | Rail vehicle obstacle avoidance and vehicle localization |
DE102019207462A1 (de) * | 2019-05-22 | 2020-11-26 | Robert Bosch Gmbh | Verfahren zum Zielbremsen eines Fahrzeugs |
-
2021
- 2021-10-13 CN CN202111190729.6A patent/CN113734242B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040140405A1 (en) * | 2002-01-10 | 2004-07-22 | Meyer Thomas J. | Train location system and method |
US20030222981A1 (en) * | 2002-06-04 | 2003-12-04 | Kisak Jeffrey James | Locomotive wireless video recorder and recording system |
CN105501257A (zh) * | 2016-01-22 | 2016-04-20 | 上海富欣智能交通控制有限公司 | 轨道交通列车定位误差计算方法及其位置计算方法 |
CN107139973A (zh) * | 2017-05-04 | 2017-09-08 | 暨南大学 | 一种基于rfid技术的轨道交通地面信标定位装置及列车定位方法 |
CN107150703A (zh) * | 2017-05-04 | 2017-09-12 | 暨南大学 | 一种基于rfid地面信标的轨道交通列车线路拟合定位方法 |
CN107215355A (zh) * | 2017-05-08 | 2017-09-29 | 苏州华启智能科技有限公司 | 地铁广播系统中根据列车速度计算行驶距离的方法及地铁广播系统 |
US20200189633A1 (en) * | 2018-12-14 | 2020-06-18 | Thales Canada Inc | Rail vehicle obstacle avoidance and vehicle localization |
DE102019207462A1 (de) * | 2019-05-22 | 2020-11-26 | Robert Bosch Gmbh | Verfahren zum Zielbremsen eines Fahrzeugs |
CN110356435A (zh) * | 2019-06-12 | 2019-10-22 | 北京全路通信信号研究设计院集团有限公司 | 一种基于电子信标的列车自动驾驶系统 |
CN110509958A (zh) * | 2019-08-29 | 2019-11-29 | 交控科技股份有限公司 | 轨道交通定位系统及方法 |
Non-Patent Citations (1)
Title |
---|
李飞;孙永全;邓国华;: "基于轨道交通的室内定位系统" * |
Also Published As
Publication number | Publication date |
---|---|
CN113734242B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110758476B (zh) | 一种列车定位方法及系统 | |
CN104064024A (zh) | 一种基于历史数据的公交车辆到站时间预测方法 | |
EP3074784A1 (en) | Apparatus and method for generating assistance data with vertical access areas and predicted vertical movement models | |
CN111968398B (zh) | 公共交通工具的运行状态确定方法、装置、终端及介质 | |
CN105096642A (zh) | 考虑gps数据延迟影响的实时公交到站时间预测方法 | |
CN102538817A (zh) | 一种基于全球定位系统的里程统计方法 | |
CN113066302B (zh) | 车辆信息预测方法、装置及电子设备 | |
CN102077113B (zh) | 用于向地图对象分配地理位置的当前测量值的设备和方法 | |
CN110203253A (zh) | 一种非固定式虚拟应答器实现方法 | |
CN103010265A (zh) | 适用于cbtc系统的静止列车定位方法 | |
CN113254569A (zh) | 定位纠偏方法及装置 | |
CN107221183B (zh) | 一种公共交通工具实时报站方法及装置 | |
CN103198552A (zh) | 一种获取加气站等候车辆队列信息的方法 | |
CN115009329A (zh) | 一种基于北斗卫星的列车初始定位计算方法及定位系统 | |
CN113734242A (zh) | 一种基于统计特征的地铁列车精确定位方法 | |
CN110728309B (zh) | 一种基于铁路信号与北斗定位的行车轨迹聚类方法 | |
CN110081890B (zh) | 一种结合深度网络的动态k最近邻地图匹配方法 | |
CN114872763A (zh) | 一种基于卫星定位确定列车相对于应答器的位置的方法 | |
CN112399338B (zh) | 异常位置数据的确定方法、装置、计算机设备及存储介质 | |
CN103605905A (zh) | 一种城市轨道交通首班车发车时间计算方法 | |
US11100799B2 (en) | Method for operating a system for checking parking probabilities, system, computer program and computer program product | |
CN111923963B (zh) | 一种列车定位方法及装置 | |
CN113077648A (zh) | 公交车辆实时站点预测方法和系统 | |
CN110171447A (zh) | 确定支线走行公里的方法、装置和系统 | |
CN112767732B (zh) | 一种停车位置确定方法、装置以及电子设备 |
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 |