郝汪洋 ,申 飛 ,張 俊 ,羅東鋒 ,劉 靜

1(中國(guó)科學(xué)院 強(qiáng)磁場(chǎng)科學(xué)中心,合肥 230031)2(中國(guó)科學(xué)技術(shù)大學(xué),合肥 230026)

基于衛(wèi)星定位信號(hào)的車輛行駛里程計(jì)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(guó)科學(xué)院 強(qiáng)磁場(chǎng)科學(xué)中心,合肥 230031)2(中國(guó)科學(xué)技術(shù)大學(xué),合肥 230026)

本文針對(duì)當(dāng)前各種車聯(lián)網(wǎng)應(yīng)用服務(wù)中,基于車輛實(shí)時(shí)經(jīng)緯度信息的里程計(jì)算與統(tǒng)計(jì)誤差問題,提出一種低采樣頻率下的車輛行駛里程計(jì)算方法.首先對(duì)起點(diǎn)進(jìn)行信任度驗(yàn)證,消除起點(diǎn)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(jìn)行噪點(diǎn)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(duì)彎道進(jìn)行里程補(bǔ)償; 另外,針對(duì)丟點(diǎn)數(shù)據(jù),采用基于路徑規(guī)劃的電子地圖調(diào)用方式進(jìn)行里程補(bǔ)償,進(jìn)一步提高算法的準(zhǔn)確性.經(jīng)實(shí)驗(yàn)驗(yàn)證,在較低的位置信號(hào)采樣頻率下,該方法仍有較高的里程計(jì)算精確度和執(zhí)行效率.

里程計(jì)算; 車聯(lián)網(wǎng); 起點(diǎn)校驗(yàn); 信任度; 彎道補(bǔ)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(shí)時(shí)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(tái)的興起在為人們出行提供便利的同時(shí),在一定程度上減少了資源的浪費(fèi),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(tái)可方便的實(shí)現(xiàn)車輛的監(jiān)督管理,通過平臺(tái)進(jìn)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(jì)算作為車聯(lián)網(wǎng)應(yīng)用的一個(gè)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(jìn)行計(jì)費(fèi),物流公司的油費(fèi)管理,公務(wù)用車的費(fèi)用計(jì)算與透明化監(jiān)督等.因此,如何實(shí)現(xiàn)車輛行駛里程的精準(zhǔn)計(jì)算有著很高的應(yīng)用價(jià)值.傳統(tǒng)的車輛行駛里程計(jì)算方法主要有曲線擬合法、拓?fù)浞ê蛨D元計(jì)算法等[6],但它們都具有算法復(fù)雜度較高的缺點(diǎn),并不適用于當(dāng)前車聯(lián)網(wǎng)技術(shù)與云計(jì)算、大數(shù)據(jù)融合應(yīng)用場(chǎng)景下,終端接入規(guī)模大,計(jì)算量高的車輛管理云服務(wù)平臺(tái).相比傳統(tǒng)的里程計(jì)技術(shù),基于圖像處理的視覺里程計(jì)[7]具有使用場(chǎng)景更多、計(jì)算更精準(zhǔn)等特點(diǎn).根據(jù)系統(tǒng)所配置相機(jī)數(shù)其可以分為單目視覺里程計(jì)[8]和立體視覺里程計(jì)[9].但視覺里程計(jì)的裝備成本較高,暫時(shí)并不適合于大規(guī)模車輛行駛里程的計(jì)算.為滿足當(dāng)前各種車輛管理平臺(tái)在云計(jì)算平臺(tái)上集中部署條件下,車載終端高并發(fā)接入、大規(guī)模計(jì)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(shí)現(xiàn)里程計(jì)算[10].

在基于經(jīng)緯度數(shù)據(jù)計(jì)算和統(tǒng)計(jì)車輛行駛里程時(shí),由于建筑物反射,信號(hào)測(cè)量誤差等原因,容易出現(xiàn)“漂移”(是指采集到的實(shí)時(shí)定位點(diǎn)在真實(shí)坐標(biāo)位置附近波動(dòng))現(xiàn)象; 尤其是在車輛啟動(dòng)時(shí),由于電壓不穩(wěn)或者位于信號(hào)盲區(qū)等原因,容易造成起始點(diǎn)的定位漂移,而起點(diǎn)的漂移對(duì)后期噪點(diǎn)過濾以及里程計(jì)算會(huì)產(chǎn)生較大的影響; 高速行駛的車輛在轉(zhuǎn)彎時(shí)若仍采用傳統(tǒng)的坐標(biāo)累積計(jì)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(huì)出現(xiàn)較大范圍的信號(hào)丟失現(xiàn)象,也易造成里程計(jì)算出現(xiàn)嚴(yán)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(jì)算的準(zhǔn)確度.然而由于高頻率數(shù)據(jù)采集會(huì)對(duì)衛(wèi)星定位信號(hào)的接收、存儲(chǔ)與計(jì)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(tái)大規(guī)模數(shù)據(jù)存儲(chǔ)、計(jì)算要求.因此,本文提出一種針對(duì)低信號(hào)采樣頻率下的車輛行駛里程計(jì)算方法,在保證計(jì)算結(jié)果準(zhǔn)確度的同時(shí),降低算法的復(fù)雜度.

1 方法概述

針對(duì)車輛行駛里程計(jì)算中由起點(diǎn)漂移、噪點(diǎn)干擾、車輛轉(zhuǎn)彎和軌跡丟點(diǎn)等原因所導(dǎo)致的里程計(jì)算不準(zhǔn)問題,本文設(shè)計(jì)并實(shí)現(xiàn)了一種基于衛(wèi)星定位信號(hào)的車輛行駛里程計(jì)算方法.方法總體框圖如圖1所示,主要由起點(diǎn)校驗(yàn)、噪點(diǎn)過濾、彎道補(bǔ)償和丟點(diǎn)補(bǔ)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(gè)數(shù)據(jù)包含車牌號(hào)、時(shí)間、經(jīng)度、緯度、車輛所在單位、速度六個(gè)維度.首先采用基于信任度的校驗(yàn)方法對(duì)起點(diǎn)進(jìn)行合理性驗(yàn)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(jìn)行噪點(diǎn)過濾; 然后采用速度插值與角度插值相結(jié)合的方法對(duì)彎道數(shù)據(jù)進(jìn)行補(bǔ)償; 特別地,針對(duì)大范圍的丟點(diǎn)情況,采用基于路徑規(guī)劃的方式進(jìn)行丟點(diǎn)補(bǔ)償,以得到更加精準(zhǔn)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(jì)與實(shí)現(xiàn)

2.1 起點(diǎn)校驗(yàn)

取出前10個(gè)信號(hào),根據(jù)各點(diǎn)距離起點(diǎn)的時(shí)間間隔將第2點(diǎn)至第10點(diǎn)分別賦予權(quán)重根據(jù)起點(diǎn)被其它各點(diǎn)的信任程度來綜合計(jì)算起點(diǎn)的信任度.為了量化各點(diǎn)之間的信任程度,定義置信距離測(cè)度d1n,如式(1).

其中,v1,vn分別表示起點(diǎn)和第n點(diǎn)的瞬時(shí)速度,為兩點(diǎn)間時(shí)間差,l1n為 兩點(diǎn)間歐式距離.當(dāng)d1n在合理的閾值范圍內(nèi)時(shí),說明第n個(gè)點(diǎn)對(duì)起點(diǎn)起支持作用; 反之則稱第n個(gè)點(diǎn)到起點(diǎn)是不可信的.

圖2 起點(diǎn)校驗(yàn)示意圖

起點(diǎn)和其余各點(diǎn)的置信距離測(cè)度構(gòu)成一個(gè)一維矩陣Dn,稱為置信距離矩陣:

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

2.2 噪點(diǎn)過濾

將起點(diǎn)信號(hào)進(jìn)行校驗(yàn)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(jìn)行噪點(diǎn)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(hào)的速度、時(shí)間等為條件進(jìn)行其合理性驗(yàn)證,將不滿足條件的信號(hào)進(jìn)行過濾.

2.2.1 定義

定義1.航向角:表示連續(xù)兩個(gè)采樣點(diǎn)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(gè)采樣點(diǎn)所形成的航向的夾角.

圖3 噪點(diǎn)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(shí),由于信號(hào)的漂移特性,會(huì)出現(xiàn)所獲取的信號(hào)在實(shí)際位置周圍無規(guī)律波動(dòng)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(hào)的經(jīng)緯度計(jì)算其航向,取相鄰兩點(diǎn)A、B,其中A經(jīng)緯度坐標(biāo)計(jì)為經(jīng)緯度坐標(biāo)計(jì)為根據(jù)公式(4)計(jì)算其航向角度.

(2)根據(jù)上述公式計(jì)算連續(xù)三個(gè)信號(hào)的航向角度差,如圖4中,ABC三個(gè)采樣點(diǎn)的航向角度差為139.14°;

(3)當(dāng)連續(xù)三個(gè)采樣點(diǎn)航向角度差大于 90°時(shí),計(jì)數(shù)器加1,同時(shí)繼續(xù)計(jì)算航向角度差,當(dāng)計(jì)數(shù)器大于等于3時(shí)則判定信號(hào)出現(xiàn)漂移,對(duì)其進(jìn)行過濾.

2.3 彎道補(bǔ)償

傳統(tǒng)的折線累加法進(jìn)行里程計(jì)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(bǔ)償算法.

圖5 彎道補(bǔ)償

車輛在進(jìn)行轉(zhuǎn)彎時(shí)其運(yùn)行軌跡類似于一段圓弧,根據(jù)轉(zhuǎn)彎角度的不同其補(bǔ)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(jì)算連續(xù)兩點(diǎn)航向角;

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

2.4 丟點(diǎn)補(bǔ)償

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

法進(jìn)行里程補(bǔ)償,算法如下:

輸出:里程補(bǔ)償值L

//計(jì)算每?jī)牲c(diǎn)之間的歐式距離

通過基于數(shù)字地圖調(diào)用的里程補(bǔ)償方法,在一定程度上解決了由于大范圍丟點(diǎn)所導(dǎo)致的里程計(jì)算不準(zhǔn)問題.如圖6 所示,(a)中定位信號(hào)發(fā)生丟點(diǎn)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(duì)里程數(shù)據(jù)進(jìn)行補(bǔ)償,提高了里程計(jì)算的精確率.

圖6 彎道補(bǔ)償

3 實(shí)驗(yàn)結(jié)果及分析

3.1 數(shù)據(jù)采集及測(cè)試環(huán)境

本文通過車載終端進(jìn)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(hào),DAOTime 為信號(hào)生成時(shí)間,Longitude,Latitude 為信號(hào)經(jīng)緯度,Company 為車所在單位,v 為車輛速度.

測(cè)試環(huán)境為普通PC機(jī),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(zhǔn)確度測(cè)試

本文使用Java編程語言進(jìn)行算法實(shí)現(xiàn),首先進(jìn)行算法準(zhǔn)確度的測(cè)試.針對(duì)建筑物、天氣、隧道等行駛環(huán)境對(duì)車輛里程計(jì)算的影響,本次測(cè)試共使用四輛車作為測(cè)試標(biāo)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(cè)試,車輛No.4為長(zhǎng)途測(cè)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(duì)車輛軌跡進(jìn)行分割,得到多組測(cè)試軌跡樣本數(shù)據(jù),如表1所示.

為對(duì)比不同采樣頻率下的實(shí)驗(yàn)效果,將采樣間隔為10秒的數(shù)據(jù)進(jìn)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(zhǔn),對(duì)比本文所提方法與傳統(tǒng)折線累加法的實(shí)驗(yàn)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(jì)誤差均得到明顯降低,且在不同的測(cè)試環(huán)境下,均有較高的里程計(jì)算準(zhǔn)確率.

3.3 效率測(cè)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(tái)的基本條件,本文以算法執(zhí)行時(shí)間作為衡量算法執(zhí)行效率的指標(biāo).表3為對(duì)比本文方法與傳統(tǒng)折線累加法的實(shí)驗(yàn)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(cè)試軌跡圖

表1 衛(wèi)星定位信號(hào)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(shí),具有更高的里程統(tǒng)計(jì)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(tái)的建設(shè),設(shè)計(jì)一個(gè)低復(fù)雜度高精確度的車輛行駛里程計(jì)算方法將有效地提高平臺(tái)的運(yùn)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(jì)算方法.該方法可以有效地解決由于起點(diǎn)漂移、車輛轉(zhuǎn)彎、丟點(diǎn)等問題導(dǎo)致的里程計(jì)算不準(zhǔn)問題.實(shí)驗(yàn)結(jié)果表明該方法在保證算法的同時(shí)能有效地提高車輛行駛里程計(jì)算的精度.

表2 算法準(zhǔn)確度測(cè)試結(jié)果

表3 算法執(zhí)行時(shí)間測(cè)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(jì)算機(jī)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(cè)量與儀器學(xué)報(bào),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(yùn)營(yíng)車輛監(jiān)控調(diào)度.計(jì)算機(jī)工程,2004,30(1):48–49,57.

6方濤.利用GPS統(tǒng)計(jì)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(jì)技術(shù)綜述.計(jì)算機(jī)應(yīng)用研究,2012,29(8):2801–2805,2810.

8郭磊,徐友春,李克強(qiáng),等.基于單目視覺的實(shí)時(shí)測(cè)距方法研究.中國(guó)圖象圖形學(xué)報(bào),2006,11(1):74–81.[doi:10.11834/jig.20060112]

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

10任賦,陳挺,黃運(yùn)峰,等.一種基于無線網(wǎng)絡(luò)和 gps 位置信息實(shí)時(shí)統(tǒng)計(jì)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(jì)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(hào)的車輛行駛里程計(jì)算方法.計(jì)算機(jī)系統(tǒng)應(yīng)用,2017,26(10):201–206.http://www.c-sa.org.cn/1003-3254/6010.html

國(guó)家自然科學(xué)基金(61273323)

2017-01-18; 采用時(shí)間:2017-02-23