CN116819582B - 一种巡查打卡控制方法及系统 - Google Patents
一种巡查打卡控制方法及系统 Download PDFInfo
- Publication number
- CN116819582B CN116819582B CN202311087369.6A CN202311087369A CN116819582B CN 116819582 B CN116819582 B CN 116819582B CN 202311087369 A CN202311087369 A CN 202311087369A CN 116819582 B CN116819582 B CN 116819582B
- Authority
- CN
- China
- Prior art keywords
- track
- track point
- point
- distance
- points
- 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
- 238000004080 punching Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000002245 particle Substances 0.000 claims description 81
- 238000004422 calculation algorithm Methods 0.000 claims description 33
- 238000007689 inspection Methods 0.000 claims description 28
- 238000001914 filtration Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000009795 derivation Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012300 Sequence Analysis Methods 0.000 description 7
- 230000004927 fusion Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 208000034699 Vitreous floaters Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种巡查打卡控制方法及系统,通过获取巡河人员当前轨迹点位置信息,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中;根据轨迹点的经纬度,分别计算得到未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率;若距离和速率满足预设的距离和速率阈值范围时,则保留当前轨迹点;根据轨迹点的方向判断是否是拐点,若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向一致时,则保留该轨迹点;将保留的轨迹点添加到过滤后的轨迹点集合数组中。本发明定位准确度高、轨迹纠偏效果好、巡河有效性判断高。
Description
技术领域
本发明涉及巡查打卡控制技术领域,尤其公开了一种巡查打卡控制方法及系统。
背景技术
巡河是河长的主要职责之一。巡查打卡是促进河湖长高效履职的重要手段。巡查打卡重点查看了河道卫生、河流水面是否存在漂浮物等情况。使用手机巡查打卡,不仅方便高效,及时反馈、处理河道问题,而且能够查看各级河长巡河情况,增强河长的责任心和自觉性,推动河道问题得到及时解决,实现河道长效管护。然而,现有巡查打卡控制方法存在着当前定位准确度差、轨迹纠偏效果不好和巡河有效性判断差的技术问题。
因此,现有巡查打卡控制方法中存在的上述缺陷,是目前亟待解决的技术问题。
发明内容
本发明提供了一种巡查打卡控制方法及系统,旨在解决现有巡查打卡控制方法中存在的上述缺陷。
本发明的一方面涉及一种巡查打卡控制方法,包括以下步骤:
获取巡河人员当前轨迹点位置信息,判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中;
根据轨迹点的经纬度,分别计算得到未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率;
判断距离和速率是否满足预设的距离和速率阈值范围,若距离和速率满足预设的距离和速率阈值范围时,则保留当前轨迹点;
根据轨迹点的方向判断是否是拐点,若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向一致时,则保留该轨迹点;若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向不一致时,则舍弃该轨迹点;
将保留的轨迹点添加到过滤后的轨迹点集合数组中,生成轨迹动态展示在页面上,并生成相应的地图轨迹数据;
当巡河结束之后,对当前巡河数据进行有效性判断,在检测地图轨迹数据的时候,对其巡河记录的距离和速率进行校验,对平均速率进行运动方式校验,当平均速率超过正常速率阈值时,则判断当前巡河数据异常。
进一步地,获取巡河人员当前轨迹点位置信息,判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中的步骤包括:
使用BiLSTM时序预测模型来预测当前轨迹点的位置偏移量;
利用高斯核函数来调整偏移因子对当前轨迹点最终位置结果的预估,并通过控制权重来减少对当前轨迹点最终位置结果的影响。
进一步地,获取巡河人员当前轨迹点位置信息,判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中的步骤包括:
基于马尔可夫链蒙特卡洛方法改进粒子滤波算法,将经过数据清洗和点位过滤的轨迹点数据作为样本点,得到初始粒子集合;
使用MH算法对巡河人员第k-1步的所有粒子进行重要性采样,得到巡河人员第k步的预测粒子集合;
根据获取到的预测粒子集合,结合定位坐标,计算粒子的权重,然后加权求和得到当前轨迹点坐标;
循环执行,直至对每一步轨迹点数据的坐标进行修正。
进一步地,根据轨迹点的经纬度,分别计算得到未过滤轨迹点集数组中其余两个轨迹点与当前轨迹点的距离和速率的步骤中,设当前轨迹点A的经纬度为(LonA,LatA),另一个轨迹点B的经纬度为(LonB,LatB),按照0度经线的基准,东经取经度的正值,西经取经度负值,北纬取90-纬度值,南纬取90+纬度值,经过上述处理过后的两点被计为(MLonA,MLatA)和(MLonB,MLatB),则根据三角推导,得到两点距离的如下公式所示:
C=sin(MLatA)×sin(MLatB)×cos(MLonA-MLonB)
+cos(MLatA)×cos(MLatB)
其中,C为弧度值,MLonA为A点处理后的经度,MLatA为A点处理后的纬度,MLonB为B点处理后的经度,MLatB为B点处理后的纬度;
Distance=R×arccos(C)×PI/180
其中,Distance为AB两点间距离,R为地球半径,C为弧度值,PI为圆周率;
根据当前点位和缓存数组内的点位做距离求和,速率V通过求出的距离Distance与所设定的时间阈值time得出:
V=Distance/time
其中,V为AB两点间的速率,Distance为AB两点间距离,time为设定的时间阈值。
进一步地,判断距离和速率是否满足预设的距离和速率阈值范围,若距离和速率满足预设的距离和速率阈值范围时,则保留当前轨迹点的步骤中,将得出来的速率V跟预设的行走速率阈值和骑行速率阈值作比较,如果得出来的速率V在行走速率阈值和骑行速率阈值内的话,则将所选取的当前轨迹点作为有效点。
本发明的另一方面涉及一种巡查打卡控制系统,包括:
定位精度判断模块,用于获取巡河人员当前轨迹点位置信息,判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中;
距离和速率计算模块,用于根据轨迹点的经纬度,分别计算得到未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率;
距离和速率判断模块,用于判断距离和速率是否满足预设的距离和速率阈值范围,若距离和速率满足预设的距离和速率阈值范围时,则保留当前轨迹点;
拐点判断模块,用于根据轨迹点的方向判断是否是拐点,若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向一致时,则保留该轨迹点;若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向不一致时,则舍弃该轨迹点;
生成模块,用于将保留的轨迹点添加到过滤后的轨迹点集合数组中,生成轨迹动态展示在页面上,并生成相应的地图轨迹数据;
有效性判断模块,用于当巡河结束之后,对当前巡河数据进行有效性判断,在检测地图轨迹数据的时候,对其巡河记录的距离和速率进行校验,对平均速率进行运动方式校验,当平均速率超过正常速率阈值时,则判断当前巡河数据异常。
进一步地,定位精度判断模块包括:
预测单元,用于使用BiLSTM时序预测模型来预测当前轨迹点的位置偏移量;
预估单元,用于利用高斯核函数来调整偏移因子对当前轨迹点最终位置结果的预估,并通过控制权重来减少对当前轨迹点最终位置结果的影响。
进一步地,定位精度判断模块包括:
初始粒子集合获取单元,用于基于马尔可夫链蒙特卡洛方法改进粒子滤波算法,将经过数据清洗和点位过滤的轨迹点数据作为样本点,得到初始粒子集合;
预测粒子集合获取单元,用于使用MH算法对巡河人员第k-1步的所有粒子进行重要性采样,得到巡河人员第k步的预测粒子集合;
计算单元,用于根据获取到的预测粒子集合,结合定位坐标,计算粒子的权重,然后加权求和得到当前轨迹点坐标;
修正单元,用于循环执行,直至对每一步轨迹点数据的坐标进行修正。
进一步地,距离和速率计算模块中,设当前轨迹点A的经纬度为(LonA,LatA),另一个轨迹点B的经纬度为(LonB,LatB),按照0度经线的基准,东经取经度的正值,西经取经度负值,北纬取90-纬度值,南纬取90+纬度值,经过上述处理过后的两点被计为(MLonA,MLatA)和(MLonB,MLatB),则根据三角推导,得到两点距离的如下公式所示:
C=sin(MLatA)×sin(MLatB)×cos(MLonA-MLonB)
+cos(MLatA)×cos(MLatB)
其中,C为弧度值,MLonA为A点处理后的经度,MLatA为A点处理后的纬度,MLonB为B点处理后的经度,MLatB为B点处理后的纬度;
Distance=R×arccos(C)×PI/180
其中,Distance为AB两点间距离,R为地球半径,C为弧度值,PI为圆周率;
根据当前点位和缓存数组内的点位做距离求和,速率V通过求出的距离Distance与所设定的时间阈值time得出:
V=Distance/time
其中,V为AB两点间的速率,Distance为AB两点间距离,time为设定的时间阈值。
进一步地,距离和速率判断模块中,将得出来的速率V跟预设的行走速率阈值和骑行速率阈值作比较,如果得出来的速率V在行走速率阈值和骑行速率阈值内的话,则将所选取的当前轨迹点作为有效点。
本发明所取得的有益效果为:
本发明提供一种巡查打卡控制方法及系统,通过获取巡河人员当前轨迹点位置信息,判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中;根据轨迹点的经纬度,分别计算得到未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率;判断距离和速率是否满足预设的距离和速率阈值范围,若距离和速率满足预设的距离和速率阈值范围时,则保留当前轨迹点;根据轨迹点的方向判断是否是拐点,若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向一致时,则保留该轨迹点;若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向不一致时,则舍弃该轨迹点;将保留的轨迹点添加到过滤后的轨迹点集合数组中,生成轨迹动态展示在页面上,并生成相应的地图轨迹数据;当巡河结束之后,对当前巡河数据进行有效性判断,在检测地图轨迹数据的时候,对其巡河记录的距离和速率进行校验,对平均速率进行运动方式校验,当平均速率超过正常速率阈值时,则判断当前巡河数据异常。本发明提供的巡查打卡控制方法及系统,基于时间序列分析和改进粒子滤波的多源融合精密定位,定位准确度高;采用轨迹纠偏算法对轨迹进行纠偏,轨迹纠偏效果好,对巡河平均速率进行运动方式校验,巡河有效性判断高。
附图说明
图1为本发明提供的巡查打卡控制方法一实施例的流程示意图;
图2为图1中所示的获取巡河人员当前轨迹点位置信息,判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中的步骤第一实施例的细化流程示意图;
图3为图1中所示的获取巡河人员当前轨迹点位置信息,判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中的步骤第二实施例的细化流程示意图;
图4为本发明提供的巡查打卡控制系统一实施例的功能框图;
图5为图4中所示的定位精度判断模块第一实施例的功能模块示意图;
图6为图5中所示的定位精度判断模块第二实施例的功能模块示意图。
附图标号说明:
10、定位精度判断模块;20、距离和速率计算模块;30、距离和速率判断模块;40、拐点判断模块;50、生成模块;60、有效性判断模块;11、预测单元;12、预估单元;13、初始粒子集合获取单元;14、预测粒子集合获取单元;15、计算单元;16、修正单元。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
如图1和图2所示,本发明第一实施例提出一种巡查打卡控制方法,包括以下步骤:
步骤S100、获取巡河人员当前轨迹点位置信息,判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中。
判断是否打开GPS,若识别到GPS打开时,则开始记录轨迹,获取巡河人员当前轨迹点位置信息,并且判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中。若当前轨迹点位置的精度小于或等于预设的定位精度阈值时,则将舍弃当前轨迹点,将当前轨迹点不放入未过滤轨迹点集数组中。
步骤S200、根据轨迹点的经纬度,分别计算得到未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率。
根据据轨迹点的经纬度,采用定位准确度算法处理,分别计算得到未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率。其余三个轨迹点位置的精度大于预设的定位精度阈值。
设当前轨迹点A的经纬度为(LonA,LatA),另一个轨迹点B的经纬度为(LonB,LatB),按照0度经线的基准,东经取经度的正值,西经取经度负值,北纬取90-纬度值,南纬取90+纬度值,经过上述处理过后的两点被计为(MLonA,MLatA)和(MLonB,MLatB),则根据三角推导,得到两点距离的如下公式所示:
C=sin(MLatA)×sin(MLatB)×cos(MLonA-MLonB)
+cos(MLatA)×cos(MLatB) (1)
公式(1)中,C为弧度值,MLonA为A点处理后的经度,MLatA为A点处理后的纬度,MLonB为B点处理后的经度,MLatB为B点处理后的纬度;
Distance=R×arccos(C)×PI/180 (2)
公式(2)中,Distance为AB两点间距离,R为地球半径,C为弧度值,PI为圆周率;
根据当前点位和缓存数组内的点位做距离求和,速率V通过求出的距离Distance与所设定的时间阈值time得出:
V=Distance/time (3)
公式(3)中,V为AB两点间的速率,Distance为AB两点间距离,time为设定的时间阈值。
步骤S300、判断距离和速率是否满足预设的距离和速率阈值范围,若距离和速率满足预设的距离和速率阈值范围时,则保留当前轨迹点。
判断分别计算得到的未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率是否满足预设的距离和速率阈值范围,若分别计算得到的未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率满足预设的距离和速率阈值范围时,则保留当前轨迹点。将得出来的速率V跟预设的行走速率阈值和骑行速率阈值作比较,如果得出来的速率V在行走速率阈值和骑行速率阈值内的话,则将所选取的当前轨迹点作为有效点。
步骤S400、根据轨迹点的方向判断是否是拐点,若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向一致时,则保留该轨迹点;若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向不一致时,则舍弃该轨迹点。
根据轨迹点的方向判断未过滤轨迹点集数组中轨迹点是否是拐点,若未过滤轨迹点集数组中其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向一致时,则保留该轨迹点;若未过滤轨迹点集数组中其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向不一致时,则在未过滤轨迹点集数组中舍弃该轨迹点。其中,拐点拐点,又称反曲点,在数学上指改变曲线向上或向下方向的点,直观地说拐点是使切线穿越曲线的点(即曲线的凹凸分界点)。
步骤S500、将保留的轨迹点添加到过滤后的轨迹点集合数组中,生成轨迹动态展示在页面上,并生成相应的地图轨迹数据。
将保留的轨迹点添加到过滤后的轨迹点集合数组中,并将保留的轨迹点进行汇总成线,生成巡河人员轨迹;将生成的轨迹动态展示在页面上,并生成相应的地图轨迹数据。
步骤S600、当巡河结束之后,对当前巡河数据进行有效性判断,在检测地图轨迹数据的时候,对其巡河记录的距离和速率进行校验,对平均速率进行运动方式校验,当平均速率超过正常速率阈值时,则判断当前巡河数据异常。
当识别到巡河人员巡河结束之后,对当前巡河数据进行有效性判断,在检测地图轨迹数据的时候,对巡河人员巡河记录的距离和速率进行校验,对平均速率进行运动方式校验,当平均速率超过正常速率阈值时,则判断当前巡河数据异常。运动方式可以为步行方式,也可以为骑行方式。平均速率仅设置了上限限制,不设置下限限制,当速率超过正常阈值之后,会与巡河人员的运动方式相结合进行巡河数据异常判断。
本实施例提供的巡查打卡控制方法,通过获取巡河人员当前轨迹点位置信息,判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中;根据轨迹点的经纬度,分别计算得到未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率;判断距离和速率是否满足预设的距离和速率阈值范围,若距离和速率满足预设的距离和速率阈值范围时,则保留当前轨迹点;根据轨迹点的方向判断是否是拐点,若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向一致时,则保留该轨迹点;若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向不一致时,则舍弃该轨迹点;将保留的轨迹点添加到过滤后的轨迹点集合数组中,生成轨迹动态展示在页面上,并生成相应的地图轨迹数据;当巡河结束之后,对当前巡河数据进行有效性判断,在检测地图轨迹数据的时候,对其巡河记录的距离和速率进行校验,对平均速率进行运动方式校验,当平均速率超过正常速率阈值时,则判断当前巡河数据异常。本实施例提供的巡查打卡控制方法,基于时间序列分析和改进粒子滤波的多源融合精密定位,定位准确度高;采用轨迹纠偏算法对轨迹进行纠偏,轨迹纠偏效果好,对巡河平均速率进行运动方式校验,巡河有效性判断高。
进一步地,如图2所示,图2为图1中所示的步骤S100第一实施例的细化流程示意图,在本实施例中,步骤S100包括:
步骤S110、使用BiLSTM时序预测模型来预测当前轨迹点的位置偏移量。
为了处理实际定位误差,引入BiLSTM(Bi-directional Long Short-TermMemory)时序预测模型结合高斯滤波算法。BiLSTM模型能够捕捉时间序列数据的长期依赖关系,用于预测目标测点的位置偏移量。
步骤S120、利用高斯核函数来调整偏移因子对当前轨迹点最终位置结果的预估,并通过控制权重来减少对当前轨迹点最终位置结果的影响。
通过高斯滤波算法,利用高斯核函数来调整偏移因子对最终结果的预估,并通过控制权重来减少其对结果的影响,从而得到更准确的定位结果。
本实施例提供的巡查打卡控制方法,通过使用BiLSTM时序预测模型来预测当前轨迹点的位置偏移量;利用高斯核函数来调整偏移因子对当前轨迹点最终位置结果的预估,并通过控制权重来减少对当前轨迹点最终位置结果的影响。本实施例提供的巡查打卡控制方法,基于时间序列分析和改进粒子滤波的多源融合精密定位,定位准确度高;采用轨迹纠偏算法对轨迹进行纠偏,轨迹纠偏效果好,对巡河平均速率进行运动方式校验,巡河有效性判断高。
优选地,如图3所示,图3为图1中所示的步骤S100第二实施例的细化流程示意图,第一实施例的基础上,步骤S100还包括:
步骤S130、基于马尔可夫链蒙特卡洛方法改进粒子滤波算法,将经过数据清洗和点位过滤的轨迹点数据作为样本点,得到初始粒子集合。
基于马尔可夫链蒙特卡洛方法改进粒子滤波算法,将经过数据清洗和点位过滤的巡河人员的点位数据作为样本点,得到点位数据的初始粒子集合。
步骤S140、使用MH算法对巡河人员第k-1步的所有粒子进行重要性采样,得到巡河人员第k步的预测粒子集合。
采用MH(Metropilis-Hastings)算法对巡河人员第k-1步的所有粒子进行重要性采样,得到巡河人员第k步新的预测粒子集合。
步骤S150、根据获取到的预测粒子集合,结合定位坐标,计算粒子的权重,然后加权求和得到当前轨迹点坐标。
根据获取到的新的预测粒子集合,并结合定位坐标计算粒子的权重,然后加权求和得到当前位置坐标。
步骤S160、循环执行,直至对每一步轨迹点数据的坐标进行修正。
按照上序步骤循环执行,直至对巡河人员每一步轨迹点数据的坐标进行修正。
本实施例提供的巡查打卡控制方法,使用MH算法对巡河人员第k-1步的所有粒子进行重要性采样,得到巡河人员第k步的预测粒子集合;使用MH算法对巡河人员第k-1步的所有粒子进行重要性采样,得到巡河人员第k步的预测粒子集合;根据获取到的预测粒子集合,结合定位坐标,计算粒子的权重,然后加权求和得到当前轨迹点坐标;循环执行,直至对每一步轨迹点数据的坐标进行修正。本实施例提供的巡查打卡控制方法,基于时间序列分析和改进粒子滤波的多源融合精密定位,定位准确度高;采用轨迹纠偏算法对轨迹进行纠偏,轨迹纠偏效果好,对巡河平均速率进行运动方式校验,巡河有效性判断高。
如图4所示,图4为本发明提供的巡查打卡控制系统一实施例的功能框图,在本实施例中,该巡查打卡控制系统包括定位精度判断模块10、距离和速率计算模块20、距离和速率判断模块30、拐点判断模块40、生成模块50和有效性判断模块60,其中,定位精度判断模块10,用于获取巡河人员当前轨迹点位置信息,判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中;距离和速率计算模块20,用于根据轨迹点的经纬度,分别计算得到未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率;距离和速率判断模块30,用于判断距离和速率是否满足预设的距离和速率阈值范围,若距离和速率满足预设的距离和速率阈值范围时,则保留当前轨迹点;拐点判断模块40,用于根据轨迹点的方向判断是否是拐点,若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向一致时,则保留该轨迹点;若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向不一致时,则舍弃该轨迹点;生成模块50,用于将保留的轨迹点添加到过滤后的轨迹点集合数组中,生成轨迹动态展示在页面上,并生成相应的地图轨迹数据;有效性判断模块60,用于当巡河结束之后,对当前巡河数据进行有效性判断,在检测地图轨迹数据的时候,对其巡河记录的距离和速率进行校验,对平均速率进行运动方式校验,当平均速率超过正常速率阈值时,则判断当前巡河数据异常。
定位精度判断模块10判断是否打开GPS,若识别到GPS打开时,则开始记录轨迹,获取巡河人员当前轨迹点位置信息,并且判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中。若当前轨迹点位置的精度小于或等于预设的定位精度阈值时,则将舍弃当前轨迹点,将当前轨迹点不放入未过滤轨迹点集数组中。
距离和速率计算模块20根据据轨迹点的经纬度,采用定位准确度算法处理,分别计算得到未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率。其余三个轨迹点位置的精度大于预设的定位精度阈值。
设当前轨迹点A的经纬度为(LonA,LatA),另一个轨迹点B的经纬度为(LonB,LatB),按照0度经线的基准,东经取经度的正值,西经取经度负值,北纬取90-纬度值,南纬取90+纬度值,经过上述处理过后的两点被计为(MLonA,MLatA)和(MLonB,MLatB),则根据三角推导,得到两点距离的如下公式所示:
C=sin(MLatA)×sin(MLatB)×cos(MLonA-MLonB)
+cos(MLatA)×cos(MLatB) (4)
公式(4)中,C为弧度值,MLonA为A点处理后的经度,MLatA为A点处理后的纬度,MLonB为B点处理后的经度,MLatB为B点处理后的纬度;
Distance=R×arccos(C)×PI/180 (5)
公式(5)中,Distance为AB两点间距离,R为地球半径,C为弧度值,PI为圆周率;
根据当前点位和缓存数组内的点位做距离求和,速率V通过求出的距离Distance与所设定的时间阈值time得出:
V=Distance/time (6)
公式(6)中,V为AB两点间的速率,Distance为AB两点间距离,time为设定的时间阈值。
距离和速率判断模块30判断分别计算得到的未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率是否满足预设的距离和速率阈值范围,若分别计算得到的未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率满足预设的距离和速率阈值范围时,则保留当前轨迹点。将得出来的速率V跟预设的行走速率阈值和骑行速率阈值作比较,如果得出来的速率V在行走速率阈值和骑行速率阈值内的话,则将所选取的当前轨迹点作为有效点。
拐点判断模块40根据轨迹点的方向判断未过滤轨迹点集数组中轨迹点是否是拐点,若未过滤轨迹点集数组中其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向一致时,则保留该轨迹点;若未过滤轨迹点集数组中其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向不一致时,则在未过滤轨迹点集数组中舍弃该轨迹点。其中,拐点拐点,又称反曲点,在数学上指改变曲线向上或向下方向的点,直观地说拐点是使切线穿越曲线的点(即曲线的凹凸分界点)。
生成模块50将保留的轨迹点添加到过滤后的轨迹点集合数组中,并将保留的轨迹点进行汇总成线,生成巡河人员轨迹;将生成的轨迹动态展示在页面上,并生成相应的地图轨迹数据。
有效性判断模块60当识别到巡河人员巡河结束之后,对当前巡河数据进行有效性判断,在检测地图轨迹数据的时候,对巡河人员巡河记录的距离和速率进行校验,对平均速率进行运动方式校验,当平均速率超过正常速率阈值时,则判断当前巡河数据异常。运动方式可以为步行方式,也可以为骑行方式。平均速率仅设置了上限限制,不设置下限限制,当速率超过正常阈值之后,会与巡河人员的运动方式相结合进行巡河数据异常判断。
本实施例提供的巡查打卡控制系统,采用定位精度判断模块10、距离和速率计算模块20、距离和速率判断模块30、拐点判断模块40、生成模块50和有效性判断模块60,通过获取巡河人员当前轨迹点位置信息,判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中;根据轨迹点的经纬度,分别计算得到未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率;判断距离和速率是否满足预设的距离和速率阈值范围,若距离和速率满足预设的距离和速率阈值范围时,则保留当前轨迹点;根据轨迹点的方向判断是否是拐点,若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向一致时,则保留该轨迹点;若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向不一致时,则舍弃该轨迹点;将保留的轨迹点添加到过滤后的轨迹点集合数组中,生成轨迹动态展示在页面上,并生成相应的地图轨迹数据;当巡河结束之后,对当前巡河数据进行有效性判断,在检测地图轨迹数据的时候,对其巡河记录的距离和速率进行校验,对平均速率进行运动方式校验,当平均速率超过正常速率阈值时,则判断当前巡河数据异常。本实施例提供的巡查打卡控系统,基于时间序列分析和改进粒子滤波的多源融合精密定位,定位准确度高;采用轨迹纠偏算法对轨迹进行纠偏,轨迹纠偏效果好,对巡河平均速率进行运动方式校验,巡河有效性判断高。
进一步地,请见图5,图5为图4中所示的定位精度判断模块第一实施例的功能模块示意图,在本实施例中,定位精度判断模块10包括预测单元11和预估单元12,其中,预测单元11,用于使用BiLSTM时序预测模型来预测当前轨迹点的位置偏移量;预估单元12,用于利用高斯核函数来调整偏移因子对当前轨迹点最终位置结果的预估,并通过控制权重来减少对当前轨迹点最终位置结果的影响。
预测单元11为了处理实际定位误差,引入BiLSTM(Bi-directional Long Short-Term Memory)时序预测模型结合高斯滤波算法。BiLSTM模型能够捕捉时间序列数据的长期依赖关系,用于预测目标测点的位置偏移量。
预估单元12通过高斯滤波算法,利用高斯核函数来调整偏移因子对最终结果的预估,并通过控制权重来减少其对结果的影响,从而得到更准确的定位结果。
本实施例提供的巡查打卡控制系统,通过使用BiLSTM时序预测模型来预测当前轨迹点的位置偏移量;利用高斯核函数来调整偏移因子对当前轨迹点最终位置结果的预估,并通过控制权重来减少对当前轨迹点最终位置结果的影响。本实施例提供的巡查打卡控制系统,基于时间序列分析和改进粒子滤波的多源融合精密定位,定位准确度高;采用轨迹纠偏算法对轨迹进行纠偏,轨迹纠偏效果好,对巡河平均速率进行运动方式校验,巡河有效性判断高。
优选地,参见图6,图6为图5中所示的定位精度判断模块第二实施例的功能模块示意图,在本实施例中,定位精度判断模块10包括初始粒子集合获取单元13、预测粒子集合获取单元14、计算单元15和修正单元16,其中,初始粒子集合获取单元13,用于基于马尔可夫链蒙特卡洛方法改进粒子滤波算法,将经过数据清洗和点位过滤的轨迹点数据作为样本点,得到初始粒子集合;预测粒子集合获取单元14,用于使用MH算法对巡河人员第k-1步的所有粒子进行重要性采样,得到巡河人员第k步的预测粒子集合;计算单元15,用于根据获取到的预测粒子集合,结合定位坐标,计算粒子的权重,然后加权求和得到当前轨迹点坐标;修正单元16,用于循环执行,直至对每一步轨迹点数据的坐标进行修正。
初始粒子集合获取单元13基于马尔可夫链蒙特卡洛方法改进粒子滤波算法,将经过数据清洗和点位过滤的巡河人员的点位数据作为样本点,得到点位数据的初始粒子集合。
预测粒子集合获取单元14采用MH(Metropilis-Hastings)算法对巡河人员第k-1步的所有粒子进行重要性采样,得到巡河人员第k步新的预测粒子集合。
计算单元15根据获取到的新的预测粒子集合,并结合定位坐标计算粒子的权重,然后加权求和得到当前位置坐标。
修正单元16按照上序步骤循环执行,直至对巡河人员每一步轨迹点数据的坐标进行修正。
本实施例提供的巡查打卡控制系统,定位精度判断模块10采用初始粒子集合获取单元13、预测粒子集合获取单元14、计算单元15和修正单元16,使用MH算法对巡河人员第k-1步的所有粒子进行重要性采样,得到巡河人员第k步的预测粒子集合;使用MH算法对巡河人员第k-1步的所有粒子进行重要性采样,得到巡河人员第k步的预测粒子集合;根据获取到的预测粒子集合,结合定位坐标,计算粒子的权重,然后加权求和得到当前轨迹点坐标;循环执行,直至对每一步轨迹点数据的坐标进行修正。本实施例提供的巡查打卡控制系统,基于时间序列分析和改进粒子滤波的多源融合精密定位,定位准确度高;采用轨迹纠偏算法对轨迹进行纠偏,轨迹纠偏效果好,对巡河平均速率进行运动方式校验,巡河有效性判断高。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种巡查打卡控制方法,其特征在于,包括以下步骤:
获取巡河人员当前轨迹点位置信息,判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中;
根据轨迹点的经纬度,分别计算得到所述未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率;
判断所述距离和速率是否满足预设的距离和速率阈值范围,若所述距离和速率满足预设的距离和速率阈值范围时,则保留当前轨迹点;
根据轨迹点的方向判断是否是拐点,若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向一致时,则保留该轨迹点;若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向不一致时,则舍弃该轨迹点;
将保留的轨迹点添加到过滤后的轨迹点集合数组中,生成轨迹动态展示在页面上,并生成相应的地图轨迹数据;
当巡河结束之后,对当前巡河数据进行有效性判断,在检测所述地图轨迹数据的时候,对其巡河记录的距离和速率进行校验,对平均速率进行运动方式校验,当所述平均速率超过正常速率阈值时,则判断当前巡河数据异常;
所述获取巡河人员当前轨迹点位置信息,判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中的步骤包括:
使用BiLSTM时序预测模型来预测当前轨迹点的位置偏移量;
利用高斯核函数来调整偏移因子对当前轨迹点最终位置结果的预估,并通过控制权重来减少对当前轨迹点最终位置结果的影响。
2.如权利要求1所述的一种巡查打卡控制方法,其特征在于,所述获取巡河人员当前轨迹点位置信息,判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中的步骤包括:
基于马尔可夫链蒙特卡洛方法改进粒子滤波算法,将经过数据清洗和点位过滤的轨迹点数据作为样本点,得到初始粒子集合;
使用MH算法对巡河人员第k-1步的所有粒子进行重要性采样,得到巡河人员第k步的预测粒子集合;
根据获取到的所述预测粒子集合,结合定位坐标,计算粒子的权重,然后加权求和得到当前轨迹点坐标;
循环执行,直至对每一步轨迹点数据的坐标进行修正。
3.如权利要求2所述的一种巡查打卡控制方法,其特征在于,所述根据轨迹点的经纬度,分别计算得到所述未过滤轨迹点集数组中其余两个轨迹点与当前轨迹点的距离和速率的步骤中,设当前轨迹点A的经纬度为(LonA,LatA),另一个轨迹点B的经纬度为(LonB,LatB),按照0度经线的基准,东经取经度的正值,西经取经度负值,北纬取90-纬度值,南纬取90+纬度值,经过上述处理过后的两点被计为(MLonA,MLatA)和(MLonB,MLatB),则根据三角推导,得到两点距离的如下公式所示:
C=sin(MLatA)×sin(MLatB)×cos(MLonA-MLonB)+cos(MLatA)×cos(MLatB)
其中,C为弧度值,MLonA为A点处理后的经度,MLatA为A点处理后的纬度,MLonB为B点处理后的经度,MLatB为B点处理后的纬度;
Distance=R×arccos(C)×PI/180
其中,Distance为AB两点间距离,R为地球半径,C为弧度值,PI为圆周率;
根据当前点位和缓存数组内的点位做距离求和,速率V通过求出的距离Distance与所设定的时间阈值time得出:
V=Distance/time
其中,V为AB两点间的速率,Distance为AB两点间距离,time为设定的时间阈值。
4.如权利要求3所述的一种巡查打卡控制方法,其特征在于,所述判断所述距离和速率是否满足预设的距离和速率阈值范围,若所述距离和速率满足预设的距离和速率阈值范围时,则保留当前轨迹点的步骤中,将得出来的速率V跟预设的行走速率阈值和骑行速率阈值作比较,如果得出来的速率V在行走速率阈值和骑行速率阈值内的话,则将所选取的当前轨迹点作为有效点。
5.一种巡查打卡控制系统,其特征在于,包括:
定位精度判断模块(10),用于获取巡河人员当前轨迹点位置信息,判断当前轨迹点位置的定位精度是否大于预设的定位精度阈值,若当前轨迹点位置的精度大于预设的定位精度阈值时,则将当前轨迹点放入未过滤轨迹点集数组中;
距离和速率计算模块(20),用于根据轨迹点的经纬度,分别计算得到所述未过滤轨迹点集数组中其余三个轨迹点与当前轨迹点的距离和速率;
距离和速率判断模块(30),用于判断所述距离和速率是否满足预设的距离和速率阈值范围,若所述距离和速率满足预设的距离和速率阈值范围时,则保留当前轨迹点;
拐点判断模块(40),用于根据轨迹点的方向判断是否是拐点,若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向一致时,则保留该轨迹点;若其余三个轨迹点中一个轨迹点的方向与其余两个轨迹点的方向不一致时,则舍弃该轨迹点;
生成模块(50),用于将保留的轨迹点添加到过滤后的轨迹点集合数组中,生成轨迹动态展示在页面上,并生成相应的地图轨迹数据;
有效性判断模块(60),用于当巡河结束之后,对当前巡河数据进行有效性判断,在检测所述地图轨迹数据的时候,对其巡河记录的距离和速率进行校验,对平均速率进行运动方式校验,当所述平均速率超过正常速率阈值时,则判断当前巡河数据异常;
所述定位精度判断模块(10)包括:
预测单元(11),用于使用BiLSTM时序预测模型来预测当前轨迹点的位置偏移量;
预估单元(12),用于利用高斯核函数来调整偏移因子对当前轨迹点最终位置结果的预估,并通过控制权重来减少对当前轨迹点最终位置结果的影响。
6.如权利要求5所述的巡查打卡控制系统,其特征在于,所述定位精度判断模块(10)包括:
初始粒子集合获取单元(13),用于基于马尔可夫链蒙特卡洛方法改进粒子滤波算法,将经过数据清洗和点位过滤的轨迹点数据作为样本点,得到初始粒子集合;
预测粒子集合获取单元(14),用于使用MH算法对巡河人员第k-1步的所有粒子进行重要性采样,得到巡河人员第k步的预测粒子集合;
计算单元(15),用于根据获取到的所述预测粒子集合,结合定位坐标,计算粒子的权重,然后加权求和得到当前轨迹点坐标;
修正单元(16),用于循环执行,直至对每一步轨迹点数据的坐标进行修正。
7.如权利要求6所述的巡查打卡控制系统,其特征在于,所述距离和速率计算模块(20)中,设当前轨迹点A的经纬度为(LonA,LatA),另一个轨迹点B的经纬度为(LonB,LatB),按照0度经线的基准,东经取经度的正值,西经取经度负值,北纬取90-纬度值,南纬取90+纬度值,经过上述处理过后的两点被计为(MLonA,MLatA)和(MLonB,MLatB),则根据三角推导,得到两点距离的如下公式所示:
C=sin(MLatA)×sin(MLatB)×cos(MLonA-MLonB)+cos(MLatA)×cos(MLatB)
其中,C为弧度值,MLonA为A点处理后的经度,MLatA为A点处理后的纬度,MLonB为B点处理后的经度,MLatB为B点处理后的纬度;
Distance=R×arccos(C)×PI/180
其中,Distance为AB两点间距离,R为地球半径,C为弧度值,PI为圆周率;
根据当前点位和缓存数组内的点位做距离求和,速率V通过求出的距离Distance与所设定的时间阈值time得出:
V=Distance/time
其中,V为AB两点间的速率,Distance为AB两点间距离,time为设定的时间阈值。
8.如权利要求7所述的巡查打卡控制系统,其特征在于,所述距离和速率判断模块(30)中,将得出来的速率V跟预设的行走速率阈值和骑行速率阈值作比较,如果得出来的速率V在行走速率阈值和骑行速率阈值内的话,则将所选取的当前轨迹点作为有效点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311087369.6A CN116819582B (zh) | 2023-08-28 | 2023-08-28 | 一种巡查打卡控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311087369.6A CN116819582B (zh) | 2023-08-28 | 2023-08-28 | 一种巡查打卡控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116819582A CN116819582A (zh) | 2023-09-29 |
CN116819582B true CN116819582B (zh) | 2023-11-10 |
Family
ID=88122459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311087369.6A Active CN116819582B (zh) | 2023-08-28 | 2023-08-28 | 一种巡查打卡控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116819582B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008065421A (ja) * | 2006-09-05 | 2008-03-21 | Matsushita Electric Ind Co Ltd | 走行軌跡管理システム |
CN108133611A (zh) * | 2016-12-01 | 2018-06-08 | 中兴通讯股份有限公司 | 车辆行驶轨迹监测方法及系统 |
CN108509576A (zh) * | 2018-03-28 | 2018-09-07 | 浙江知水信息技术有限公司 | 一种基于电子地图的巡查轨迹错误点位的过滤优化方法 |
CN109214107A (zh) * | 2018-09-26 | 2019-01-15 | 大连海事大学 | 一种船舶航行行为在线预测方法 |
CN109767141A (zh) * | 2019-03-07 | 2019-05-17 | 辽宁北斗卫星导航平台有限公司 | 一种铁路巡检的监控方法、装置、介质及设备 |
CN110542914A (zh) * | 2019-09-10 | 2019-12-06 | 江西理工大学 | 一种3s无缝集成的土地执法野外动态巡查方法 |
CN112731488A (zh) * | 2020-12-08 | 2021-04-30 | 青岛积成电子股份有限公司 | 一种巡检员gps巡线行走轨迹的自动纠偏方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112904897B (zh) * | 2021-01-26 | 2022-02-15 | 华中科技大学 | 一种用于水下精确投放海洋传感器的轨迹优化方法及设备 |
-
2023
- 2023-08-28 CN CN202311087369.6A patent/CN116819582B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008065421A (ja) * | 2006-09-05 | 2008-03-21 | Matsushita Electric Ind Co Ltd | 走行軌跡管理システム |
CN108133611A (zh) * | 2016-12-01 | 2018-06-08 | 中兴通讯股份有限公司 | 车辆行驶轨迹监测方法及系统 |
CN108509576A (zh) * | 2018-03-28 | 2018-09-07 | 浙江知水信息技术有限公司 | 一种基于电子地图的巡查轨迹错误点位的过滤优化方法 |
CN109214107A (zh) * | 2018-09-26 | 2019-01-15 | 大连海事大学 | 一种船舶航行行为在线预测方法 |
CN109767141A (zh) * | 2019-03-07 | 2019-05-17 | 辽宁北斗卫星导航平台有限公司 | 一种铁路巡检的监控方法、装置、介质及设备 |
CN110542914A (zh) * | 2019-09-10 | 2019-12-06 | 江西理工大学 | 一种3s无缝集成的土地执法野外动态巡查方法 |
CN112731488A (zh) * | 2020-12-08 | 2021-04-30 | 青岛积成电子股份有限公司 | 一种巡检员gps巡线行走轨迹的自动纠偏方法 |
Non-Patent Citations (2)
Title |
---|
TARGET CLASSIFICATION BASED ON RADAR TRACK USING BILSTM;Hanqing Li等;《IET International Radar Conference (IET IRC 2020)》;全文 * |
一种基于高斯混合模型的轨迹预测算法;乔少杰;金琨;韩楠;唐常杰;格桑多吉;Louis Alberto GUTIERREZ;;软件学报(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116819582A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11927447B2 (en) | Method for accelerometer-assisted navigation | |
CN102722706B (zh) | 基于粒子滤波的红外弱小目标检测与跟踪方法及装置 | |
CN104183127A (zh) | 交通监控视频检测方法和装置 | |
CN110954132B (zh) | Grnn辅助自适应卡尔曼滤波进行导航故障识别的方法 | |
CN108364305B (zh) | 基于改进型dsst的车载摄像视频目标跟踪方法 | |
CN108398701B (zh) | 车辆定位方法和装置 | |
CN116522270B (zh) | 用于智慧海绵城市的数据处理系统 | |
CN111750854A (zh) | 车辆定位方法、装置、系统及存储介质 | |
CN114063056A (zh) | 一种船舶航迹融合方法、系统、介质和设备 | |
CN109564270A (zh) | 定位信息确定方法及装置 | |
CN104076381B (zh) | 实时精密单点定位方法 | |
CN115331430B (zh) | 一种智能网联车路谱采集分析方法及系统 | |
CN114445404A (zh) | 基于亚像素边缘检测的结构振动响应自动识别方法及系统 | |
US9967818B2 (en) | Method and system for an accurate energy-efficient outdoor localization on a mobile device | |
CN116819582B (zh) | 一种巡查打卡控制方法及系统 | |
CN104091352A (zh) | 基于结构相似度的视觉跟踪方法 | |
CN116432144B (zh) | 一种基于载波通信的数据融合系统 | |
CN117593601A (zh) | 一种基于深度学习的水尺验潮方法 | |
CN105607218A (zh) | 一种基于模糊熵的影像自动对焦方法测数据传输装置和方法 | |
CN112907663A (zh) | 定位方法、计算机程序产品、装置及系统 | |
CN115236772A (zh) | 一种漂流观测仪数据质量控制系统及其方法 | |
CN108549865A (zh) | 一种基于深度学习的公共场所人流量调节辅助方法及系统 | |
EP3499419A1 (en) | Information processing method, information processing apparatus, and program | |
CN114043991B (zh) | 一种检测异常驾驶行为的方法、装置及计算设备 | |
CN116702940B (zh) | 一种航速优化方法及系统 |
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 |