基于衛(wèi)星定位信號的車輛行駛里程計算方法①

郝汪洋 ,申 飛 ,張 俊 ,羅東鋒 ,劉 靜

1(中國科學(xué)院 強磁場科學(xué)中心,合肥 230031)2(中國科學(xué)技術(shù)大學(xué),合肥 230026)

基于衛(wèi)星定位信號的車輛行駛里程計算方法①

郝汪洋1,2,申 飛1,張 俊1,羅東鋒1,2,劉 靜1,2

1(中國科學(xué)院 強磁場科學(xué)中心,合肥 230031)2(中國科學(xué)技術(shù)大學(xué),合肥 230026)

本文針對當前各種車聯(lián)網(wǎng)應(yīng)用服務(wù)中,基于車輛實時經(jīng)緯度信息的里程計算與統(tǒng)計誤差問題,提出一種低采樣頻率下的車輛行駛里程計算方法.首先對起點進行信任度驗證,消除起點漂移帶來的影響; 然后采用連續(xù)大角度過濾、大距離過濾、大速度過濾、大加速度過濾相結(jié)合的方法進行噪點過濾; 在此基礎(chǔ)上,采用速度插值與角度插值相結(jié)合的方法對彎道進行里程補償; 另外,針對丟點數(shù)據(jù),采用基于路徑規(guī)劃的電子地圖調(diào)用方式進行里程補償,進一步提高算法的準確性.經(jīng)實驗驗證,在較低的位置信號采樣頻率下,該方法仍有較高的里程計算精確度和執(zhí)行效率.

里程計算; 車聯(lián)網(wǎng); 起點校驗; 信任度; 彎道補償

物聯(lián)網(wǎng)技術(shù)的飛速發(fā)展及不斷普及,日益深刻地影響著人們的生活.車聯(lián)網(wǎng)[1,2]技術(shù)作為物聯(lián)網(wǎng)[3]技術(shù)在交通領(lǐng)域中的分支,以全球定位系統(tǒng)以及無線通信技術(shù)為基礎(chǔ),利用手持或者車載無線定位設(shè)備實時獲取車輛信息[4],為用戶提供綜合服務(wù).例如在日常生活中,網(wǎng)約車平臺的興起在為人們出行提供便利的同時,在一定程度上減少了資源的浪費,降低了環(huán)境污染; 在政企事業(yè)公務(wù)用車管理中,車輛管理信息平臺可方便的實現(xiàn)車輛的監(jiān)督管理,通過平臺進行合理調(diào)度可以減少車輛的空載率,提高車輛的使用效率[5].

車輛行駛里程計算作為車聯(lián)網(wǎng)應(yīng)用的一個基礎(chǔ)服務(wù),為車聯(lián)網(wǎng)多種業(yè)務(wù)應(yīng)用提供支撐.例如,打車軟件基于里程進行計費,物流公司的油費管理,公務(wù)用車的費用計算與透明化監(jiān)督等.因此,如何實現(xiàn)車輛行駛里程的精準計算有著很高的應(yīng)用價值.傳統(tǒng)的車輛行駛里程計算方法主要有曲線擬合法、拓撲法和圖元計算法等[6],但它們都具有算法復(fù)雜度較高的缺點,并不適用于當前車聯(lián)網(wǎng)技術(shù)與云計算、大數(shù)據(jù)融合應(yīng)用場景下,終端接入規(guī)模大,計算量高的車輛管理云服務(wù)平臺.相比傳統(tǒng)的里程計技術(shù),基于圖像處理的視覺里程計[7]具有使用場景更多、計算更精準等特點.根據(jù)系統(tǒng)所配置相機數(shù)其可以分為單目視覺里程計[8]和立體視覺里程計[9].但視覺里程計的裝備成本較高,暫時并不適合于大規(guī)模車輛行駛里程的計算.為滿足當前各種車輛管理平臺在云計算平臺上集中部署條件下,車載終端高并發(fā)接入、大規(guī)模計算的要求,本文利用衛(wèi)星定位系統(tǒng),采用折線累加的方式實現(xiàn)里程計算[10].

在基于經(jīng)緯度數(shù)據(jù)計算和統(tǒng)計車輛行駛里程時,由于建筑物反射,信號測量誤差等原因,容易出現(xiàn)“漂移”(是指采集到的實時定位點在真實坐標位置附近波動)現(xiàn)象; 尤其是在車輛啟動時,由于電壓不穩(wěn)或者位于信號盲區(qū)等原因,容易造成起始點的定位漂移,而起點的漂移對后期噪點過濾以及里程計算會產(chǎn)生較大的影響; 高速行駛的車輛在轉(zhuǎn)彎時若仍采用傳統(tǒng)的坐標累積計算方法,容易出現(xiàn)較大的誤差; 天氣、隧道、車載終端斷電等原因,會出現(xiàn)較大范圍的信號丟失現(xiàn)象,也易造成里程計算出現(xiàn)嚴重誤差.提高經(jīng)緯度數(shù)據(jù)的采集頻率可以在一定程度上降低上述因素帶來的干擾,提高里程計算的準確度.然而由于高頻率數(shù)據(jù)采集會對衛(wèi)星定位信號的接收、存儲與計算帶來很大的挑戰(zhàn)[11],無形中增加了系統(tǒng)構(gòu)建的成本,不滿足集中部署的車輛管理云服務(wù)平臺大規(guī)模數(shù)據(jù)存儲、計算要求.因此,本文提出一種針對低信號采樣頻率下的車輛行駛里程計算方法,在保證計算結(jié)果準確度的同時,降低算法的復(fù)雜度.

1 方法概述

針對車輛行駛里程計算中由起點漂移、噪點干擾、車輛轉(zhuǎn)彎和軌跡丟點等原因所導(dǎo)致的里程計算不準問題,本文設(shè)計并實現(xiàn)了一種基于衛(wèi)星定位信號的車輛行駛里程計算方法.方法總體框圖如圖1所示,主要由起點校驗、噪點過濾、彎道補償和丟點補償四部分構(gòu)成.輸入為低采樣頻下獲取的車載終端數(shù)據(jù)集合每個數(shù)據(jù)包含車牌號、時間、經(jīng)度、緯度、車輛所在單位、速度六個維度.首先采用基于信任度的校驗方法對起點進行合理性驗證; 之后采用連續(xù)大角度、大距離、大速度、大加速度過濾相結(jié)合的方法進行噪點過濾; 然后采用速度插值與角度插值相結(jié)合的方法對彎道數(shù)據(jù)進行補償; 特別地,針對大范圍的丟點情況,采用基于路徑規(guī)劃的方式進行丟點補償,以得到更加精準的里程數(shù)據(jù).

圖1 方法總體框圖

2 各模塊的算法設(shè)計與實現(xiàn)

2.1 起點校驗

取出前10個信號,根據(jù)各點距離起點的時間間隔將第2點至第10點分別賦予權(quán)重根據(jù)起點被其它各點的信任程度來綜合計算起點的信任度.為了量化各點之間的信任程度,定義置信距離測度d1n,如式(1).

其中,v1,vn分別表示起點和第n點的瞬時速度,為兩點間時間差,l1n為 兩點間歐式距離.當d1n在合理的閾值范圍內(nèi)時,說明第n個點對起點起支持作用; 反之則稱第n個點到起點是不可信的.

圖2 起點校驗示意圖

起點和其余各點的置信距離測度構(gòu)成一個一維矩陣Dn,稱為置信距離矩陣:

置信距離矩陣描述了各點對起點的支持程度,d1n的置信閾值可由經(jīng)驗獲得,本文取于是可以定義各點到起點的關(guān)系矩陣Rn:

2.2 噪點過濾

將起點信號進行校驗后,本文以大速度過濾、大加速度過濾和大距離過濾相結(jié)合的方法進行噪點過濾,并提出了連續(xù)大角度過濾的策略,具體流程如圖3所示.其中大速度過濾、大距離過濾、大加速度過濾是以所采集信號的速度、時間等為條件進行其合理性驗證,將不滿足條件的信號進行過濾.

2.2.1 定義

定義1.航向角:表示連續(xù)兩個采樣點的行駛方向與緯度之間的夾角.

定義2.航向角度差:表示三個采樣點所形成的航向的夾角.

圖3 噪點過濾流程圖

2.2.2 連續(xù)大角度過濾

在車輛靜止或者緩慢行駛時,由于信號的漂移特性,會出現(xiàn)所獲取的信號在實際位置周圍無規(guī)律波動的現(xiàn)象,如圖4所示.

圖4 連續(xù)大角度過濾

(1)首先根據(jù)信號的經(jīng)緯度計算其航向,取相鄰兩點A、B,其中A經(jīng)緯度坐標計為經(jīng)緯度坐標計為根據(jù)公式(4)計算其航向角度.

(2)根據(jù)上述公式計算連續(xù)三個信號的航向角度差,如圖4中,ABC三個采樣點的航向角度差為139.14°;

(3)當連續(xù)三個采樣點航向角度差大于 90°時,計數(shù)器加1,同時繼續(xù)計算航向角度差,當計數(shù)器大于等于3時則判定信號出現(xiàn)漂移,對其進行過濾.

2.3 彎道補償

傳統(tǒng)的折線累加法進行里程計算并未考慮轉(zhuǎn)彎引起誤差,如圖5(a)所示.而曲線擬合、樣條插值等方法的復(fù)雜度較高,并不不適用于大規(guī)模的車輛管理系統(tǒng).因此本文提出了角度插值與速度插值相結(jié)合的彎道補償算法.

圖5 彎道補償

車輛在進行轉(zhuǎn)彎時其運行軌跡類似于一段圓弧,根據(jù)轉(zhuǎn)彎角度的不同其補償大小不同,如圖5(b)所示.具體算法流程如下:

第1步.根據(jù)公式(4)計算連續(xù)兩點航向角;

其中v2和v3為p2、p3兩點速度,PI為圓周率,為p2、p3兩點時間差,L為p2、p3兩點歐式距離,和 β分別為速度權(quán)重和角度權(quán)重.

2.4 丟點補償

針對由于陰天、車載終端斷電等原因所導(dǎo)致的大范圍丟點問題,本文采用基于路徑規(guī)劃的里程補償方

法進行里程補償,算法如下:

輸出:里程補償值L

//計算每兩點之間的歐式距離

通過基于數(shù)字地圖調(diào)用的里程補償方法,在一定程度上解決了由于大范圍丟點所導(dǎo)致的里程計算不準問題.如圖6 所示,(a)中定位信號發(fā)生丟點現(xiàn)象,(b)中通過基于路徑規(guī)劃策略的數(shù)字地圖調(diào)用方法對里程數(shù)據(jù)進行補償,提高了里程計算的精確率.

圖6 彎道補償

3 實驗結(jié)果及分析

3.1 數(shù)據(jù)采集及測試環(huán)境

本文通過車載終端進行位置數(shù)據(jù)的采集,采樣頻率分別為 10、20、30秒.所采集數(shù)據(jù)的格式為:CarID,DAOTime,Longitude,Latitude,Company,v.其中CarID 為車牌號,DAOTime 為信號生成時間,Longitude,Latitude 為信號經(jīng)緯度,Company 為車所在單位,v 為車輛速度.

測試環(huán)境為普通PC機,配置如下:

CPU:主頻 3.1 GHz 四核; 內(nèi)存:8 GB

磁盤:500 GB; 軟件環(huán)境:JDK1.8.0_65、mysql5.6

3.2 準確度測試

本文使用Java編程語言進行算法實現(xiàn),首先進行算法準確度的測試.針對建筑物、天氣、隧道等行駛環(huán)境對車輛里程計算的影響,本次測試共使用四輛車作為測試標本,采樣間隔為 10 s,其中車輛 No.1、No.2、No.3為城市中普通上下班測試,車輛No.4為長途測試,車輛No.3行駛環(huán)境多為市內(nèi)建筑比較密集區(qū)域.所獲得的軌跡圖如圖7所示,圖中紅色痕跡為車輛行駛軌跡.以單次行程作為最小單元對車輛軌跡進行分割,得到多組測試軌跡樣本數(shù)據(jù),如表1所示.

為對比不同采樣頻率下的實驗效果,將采樣間隔為10秒的數(shù)據(jù)進行抽稀,獲得采樣間隔為30秒的數(shù)據(jù).以車輛碼表數(shù)為基準,對比本文所提方法與傳統(tǒng)折線累加法的實驗結(jié)果,如表2 所示.由表可見,在不同采樣率,本文方法較傳統(tǒng)折線累加法的里程統(tǒng)計誤差均得到明顯降低,且在不同的測試環(huán)境下,均有較高的里程計算準確率.

3.3 效率測試

執(zhí)行效率是衡量算法能夠適用于大規(guī)模系統(tǒng)平臺的基本條件,本文以算法執(zhí)行時間作為衡量算法執(zhí)行效率的指標.表3為對比本文方法與傳統(tǒng)折線累加法的實驗結(jié)果,由表3可見:本文方法在不同采樣頻率下的執(zhí)行效率與傳統(tǒng)折線累加法相近.

圖7 測試軌跡圖

表1 衛(wèi)星定位信號采集數(shù)據(jù)集

綜上所述,較傳統(tǒng)折線累加法,本文所提算法在保證較高執(zhí)行效率的同時,具有更高的里程統(tǒng)計精度.

4 結(jié)語

在車聯(lián)網(wǎng)技術(shù)飛速發(fā)展的今天,隨著集中部署的車輛管理云服務(wù)平臺的建設(shè),設(shè)計一個低復(fù)雜度高精確度的車輛行駛里程計算方法將有效地提高平臺的運行效率.基于此,本文提出了一種基于經(jīng)緯度數(shù)據(jù)的車輛行駛里程計算方法.該方法可以有效地解決由于起點漂移、車輛轉(zhuǎn)彎、丟點等問題導(dǎo)致的里程計算不準問題.實驗結(jié)果表明該方法在保證算法的同時能有效地提高車輛行駛里程計算的精度.

表2 算法準確度測試結(jié)果

表3 算法執(zhí)行時間測試結(jié)果

1劉小洋,伍民友.車聯(lián)網(wǎng):物聯(lián)網(wǎng)在城市交通網(wǎng)絡(luò)中的應(yīng)用.計算機應(yīng)用,2012,32(4):900–904.

2Gerla M,Lee EK,Pau G,et al.Internet of vehicles:From intelligent grid to autonomous cars and vehicular clouds.Proc.of 2014 IEEE World Forum on Internet of Things (WFIoT).Seoul,Korea.2014.241–246.

3王保云.物聯(lián)網(wǎng)技術(shù)研究綜述.電子測量與儀器學(xué)報,2009,23(12):1–7.

4孫棣華,劉衛(wèi)寧,宋偉.一種適于智能交通系統(tǒng)的交通信息采集及監(jiān)控系統(tǒng).電子技術(shù)應(yīng)用,2002,28(1):33–35.

5張李勇,騰繼濤,張飛舟.基于GPS的運營車輛監(jiān)控調(diào)度.計算機工程,2004,30(1):48–49,57.

6方濤.利用GPS統(tǒng)計車輛行駛里程的方法研究[碩士學(xué)位論文].南京:東南大學(xué),2003.

7李宇波,朱效洲,盧惠民,等.視覺里程計技術(shù)綜述.計算機應(yīng)用研究,2012,29(8):2801–2805,2810.

8郭磊,徐友春,李克強,等.基于單目視覺的實時測距方法研究.中國圖象圖形學(xué)報,2006,11(1):74–81.[doi:10.11834/jig.20060112]

9康軼非,宋永端,宋宇,等.動態(tài)環(huán)境下基于旋轉(zhuǎn)-平移解耦的立體視覺里程計算法.機器人,2014,36(6):758–768.

10任賦,陳挺,黃運峰,等.一種基于無線網(wǎng)絡(luò)和 gps 位置信息實時統(tǒng)計汽車行駛里程的方法:CN,CN101470012.2009-07-01.

11李娜,李陽,魏大利,等.一種里程計算的自適應(yīng)修正方法:CN,CN102981173A.2013-03-20.

Vehicle Mileage Calculation Method Based on Satellite Positioning Signals

HAO Wang-Yang1,2,SHEN Fei1,ZHANG Jun1,LUO Dong-Feng1,2,LIU Jing1,21(High Magnetic Field Laboratory,Chinese Academy of Sciences,Hefei 230031 China)2(University of Science and Technology of China,Hefei 230026,China)

Aiming at the problem of mileage calculation and statistical error based on vehicle real-time latitude and longitude information in the current application of vehicle networking,this paper presents a method of computing the vehicle mileage under low frequency of signal sampling.Firstly,the trustworthiness of the starting point is verified to eliminate the influence of the starting point drift.Secondly,the continuous large-angle filter,large distance filter,large speed filter,and large acceleration filter are combined to eliminate the noise.On this basis,velocity interpolation and angular interpolation are combined to compensate for the curve.In addition,for the lost data,mileage compensation is made based on the path planning method of electronic map calls,to further improve the accuracy of the algorithm.Experiments show that this algorithm still has high accuracy and efficiency at the lower position signal sampling frequency.

mileage calculation; internet of vehicle; starting point calibration; degree of trust; curve interpolation

郝汪洋,申飛,張俊,羅東鋒,劉靜.基于衛(wèi)星定位信號的車輛行駛里程計算方法.計算機系統(tǒng)應(yīng)用,2017,26(10):201–206.http://www.c-sa.org.cn/1003-3254/6010.html

國家自然科學(xué)基金(61273323)

2017-01-18; 采用時間:2017-02-23