在經(jīng)濟、貿易和科技的全球化進程不斷取得新進展的今天,全球衛(wèi)星導航系統(tǒng)（GNSS）面向全球海陸空交通提供的導航定位基礎服務,發(fā)揮著越來越重要的作用。但是在全球衛(wèi)星導航系統(tǒng)的使用過程中,接收端設備通常因為一些原因獲取到異常的定位信息,使得用戶后續(xù)應用的過程中需要對接收機輸出的坐標信息進行挖掘判斷,得到更加可靠的定位數(shù)據(jù)。本文研究如何精準識別陸地交通工具中GNSS設備采集的行駛軌跡的異常定位序列,以滿足后續(xù)駕駛狀態(tài)識別以及駕駛意圖預測等需求。在當前已有的異常序列識別工作中,通常通過單一模式判斷序列是否異常。而陸地交通的交通環(huán)境較為復雜,存在多種不同的異常定位序列類型,因此現(xiàn)有的方法難以適用于此種軌跡數(shù)據(jù)的異常序列識別,需要根據(jù)其特有的特征模式分別設計不同的算法。本文主要針對三種典型的異常序列類型,從異常序列類型產(chǎn)生場景等角度設計算法并實際應用,在一定程度上克服當前主流的單一異常序列識別框架難以對復雜的陸地交通軌跡數(shù)據(jù)進行異常定位序列識別的問題。本文對兩千余公里陸地交通軌跡進行分析后,將異常類型分為:（1）在極慢速狀態(tài)下方向多次變化導致的定位異常;（2）在近似勻速直線運動中定位偏差導致的軌跡異... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：54 頁

【學位級別】：碩士

【部分圖文】：

異常類型二示例（藍色箭頭為行駛方向，黃色區(qū)域為異常點序列區(qū)域）

第2章相關基礎9直，對應衛(wèi)星圖像通常為平直道路，而在異常點處明顯偏離前后軌跡。在GNSS定位點序列的特征當中，在1Hz的定位頻率下，異常點的某個鄰域范圍外的速度與方向變化極小，而在異常點該鄰域內，其速度與方向變化較大。在圖2.3中，顯示了在車輛減速停車后等待綠燈放行后繼續(xù)行駛的過程。車輛在行駛過程中，途徑路口時經(jīng)常會遇到按照交通信號燈指示的減速-停止-加速過程，在該場景中也會有異常點（如下圖2.3黃色異常點序列區(qū)域）的出現(xiàn)。該異常的場景我們將其定義為第三類異常：在運動速度變化的情況下定位偏差導致的定位異常。圖2.3異常類型三示例（藍色箭頭為行駛方向，黃色區(qū)域為異常點序列區(qū)域）在該場景中，車輛的行駛方向通常不變而速度先降低后增加。在可視化結果中，與類型二較為相似，軌跡較為平直。但在GNSS定位點序列的特征當中，在1Hz的定位頻率下，異常點的delta鄰域范圍外的速度呈現(xiàn)規(guī)律變化，方向變化較小，而在異常點的delta鄰域內，其方向或加速度變化較大。2.2異常定位序列挖掘流程本文研究在處理數(shù)據(jù)時面向的是單次軌跡的全部定位點序列，因此在采用不同的算法進行異常點判斷之前，需要利用滑動窗內數(shù)據(jù)統(tǒng)計方法進行異常類型的預篩選，根據(jù)預篩選的結果判定存在的異常類型。在經(jīng)由類型判定之后，將可能存在異常點的序列輸入相應類型的特征提取器與類型判別器中進行異常點的判斷。處理流程如下圖2.4所示：

第3章GNSS定位數(shù)據(jù)獲取18定難度。但無論上述何種方式，在本文的工作中，均可視為在終端設備的定位結果基礎上的數(shù)據(jù)挖掘工作。3.2GNSS數(shù)據(jù)獲取3.2.1數(shù)據(jù)采集在本文中，我們根據(jù)需要解決的問題場景，自行收集記錄了28段，共計1958.7分鐘的GNSS設備數(shù)據(jù)，對應距離共計2050.64公里，采集時的運動類型包含步行、跑步、騎行與駕車等多種，時速根據(jù)運動類型與狀態(tài)不同分布在0kph至120kph之間，在不同運動類型下的時速分布符合大部分公眾日常出行情況。經(jīng)度范圍集中在東經(jīng)118.82度至120.38度，緯度范圍多集中在北緯31.88度至北緯32.04度之間。在數(shù)據(jù)采集過程中，設定為WGS-84坐標系，通過GNSS設備采集的數(shù)據(jù)項為：緯度、經(jīng)度、海拔、時間、速度以及位點標記（如下圖3.1），。采集設備為Mi8手機，采集軟件采用GPSLogger2.2.2，采樣定位點頻率為1Hz，輸出文件格式為gpx，可用于在GoogleEarth軟件中的可視化（如下圖3.2，其中紅色軌跡為根據(jù)采集數(shù)據(jù)繪制的路徑）。圖3.1GPX文件內容示例


本文編號：2980027