网站原创摘 要：针对不同方式下生成的电子地图的所产生各种误差和拐点不精确等现象,本文提出了通过对车辆监控平台接收的班线客货运车辆GPS/北斗双模车载终端回传的大量定位数据的位置信息进行提取匹配和二次聚类算法分析,实现了对原始图层特定路段进行路线和拐点进行较为准确的纠偏,经过该算法纠偏后的数字地图与实际道路进行对比后,其经过纠偏后的道路图层拓扑与实际道路及拐点的拓扑对应准确性明显提高.与传统算法相比,该算法通过对大量班线车辆和所有车辆的定位信息进行二次动态聚类分析,不近可以快速的实现对复杂道路和拐点的算法分析,同时也提高了地图纠偏的准确性.
关 键 词 ：K-means聚类算法；地图纠偏；GPS/北斗双模
中图分类号：TP335
定位导航、地理信息系统以及无线通信三种技术通过现代信息技术融合,形成了GPS/北斗车辆监控调度系统.近年来随着这三项技术的迅猛发展,GPS/北斗车辆定位管理的应用已越来越成熟.数字地图是存贮在计算机中的矢量图形数据,是地理信息系统的抽象或数学模型,因此数字地图是一组地理空间数据的集合,即按照一定的地理框架组合的,带有确定坐标和属性标志的,描述地理要素和现象的离散数据.数字地图一般利用地形原图或者影像图,对其进行扫描数字化或手持设备式数字化,数字地图的半面位置精确度取决于来源地图的准确性和数字化方式的精确度,不同方式下产生的电子地图的误差不同,需要进行进一步校正纠偏.车辆监控平台实时接收其监管下的所有在线车辆的位置信息汇报并进行存储,实现实时对车辆的跟踪和监管,对车辆进行远程调度和控制,提高了道路运输车辆的运输效率和安全保障,而且为定位和导航怎么写作方面提供了技术支持,更为了智能交通系统的发展起到了重要的现实意义.本文研究了基于大量班线运输车辆GPS/北斗双模车载终端回传的定位数据,对其中的根据经纬度,方向,高度等位置信息进行数据处理和聚类分析,实现了在图层上进行道路和线路拐点的准确纠偏.
| 有关论文范文主题研究: | 关于地理信息系统的论文例文 | 大学生适用: | 本科论文、硕士毕业论文 |
|---|---|---|---|
| 相关参考文献下载数量: | 53 | 写作解决问题: | 本科论文怎么写 |
| 毕业论文开题报告: | 论文模板、论文总结 | 职称论文适用: | 论文发表、职称评副高 |
| 所属大学生专业类别: | 本科论文怎么写 | 论文题目推荐度: | 免费选题 |
1.算法分析
1.1 定位数据字节提取
根据交通运输部颁布的《道路运输车辆卫星定位系统终端通讯协议及数据格式》JT/T808协议提出的数据要求、通信协议格式来设计平台与车载终端之间的数据通讯、命令传递等底层通讯模块.车载终端以808协议为基础通过gprs/3g/s网络向运营平台上报数据,平台接收到数据后解析并保存到数据库中.位置信息汇报消息体由位置基本信息和位置附加信息项列表组成,位置信息基本信息数据格式总共21个字节,其中0到4字节为报警标志,4到8字节为状态位,8到12字节为以度为单位的纬度值乘以10的六次方,精确到万分之一度,12到16字节为以度为单位的纬度值乘以10的六次方,精确到万分之一度,16到18字节为高程,18到20字节为速度,20到21字节为方向位,其中定义0-359度,正北为0,顺时针,第21字节为上报时间位.
1.2 K-means聚类算法分析
聚类就是对大量未知标注的数据集,按照数据的内在相似性将数据集划分为多个类别,使类别内的数据相似度较大而类别间的数据相似度较小.k-means是划分方法中较经典的聚类算法之一.由于该算法的效率高,所以在对大规模数据进行聚类时被广泛应用.k-means算法以k为参数,把n个对象分成k个簇,使簇内具有较高的相似度,而簇间的相似度较低.k-means算法的处理过程如下：首先,随机地把n和个样本分成K类（2≤K≤N）,以一个k行n列的矩阵A表示,其中 ,U为正定矩阵.
2.算法实现
首先我们检测设监控平台每天对n辆车辆进行实时监控,为了提高接收数据的准确度,平台下发指令让车载终端每5秒回传一次定位数据,部分回传入库数据如表1所示,提取其中的经纬度和方向字段,即为该车辆当时所在的地点和行车前进方向,考虑到班线行车途中车辆在同一固定行进路线的不确定性,选取10度为缓冲识别区,即同一辆车在可辨经纬度范围内,行进方向角偏差为10度以内均可视为方向角未改变,车辆沿该路段直线行驶,将其他方向交叉点视为拐点.并考虑到由于车辆天线故障或sim卡信号盲区等原因,用算法滤除无效的经纬度异常定位信息.
2.1 对于路段分段的纠偏实现
首先选取待纠偏的某个路段,并在该路段匹配到的车辆定位位置信息,根据每次上传间隔的前后方向角度差值确定车辆所在的路段的间隔分段的起始点和结束点,由于动态信息上传时间间隔为5s,所以可以将起始点和结束点在一定冗余度范围内看做直线,作为纠偏后的路线轨迹记录.流程图如图1所示：
2.2 对于各个路段拐点的纠偏实现
选取待纠偏的电子地图的路段拐点定位信息为集合,首先将集合中的原始拐点作为初始拐点聚类中心,采用k-means聚类算法,分别对所有车辆在一定范围内的GPS回传定位数据进行处理,对每辆车所回传的形式轨迹分析后选出新的聚类中心后,再次对所有车辆的每个拐点的进行聚类分析后的新的拐点,作为二次纠偏,最大限度的提高拐点纠偏的准确性.流程图如图2所示：
3.实验结果
本文依据某企业提供的回传定位数据,对福建省福州市部分主要干道进行了道路分段匹配和拐点纠偏,利用Mapinfo的二次开发控件MAPX5.02,在VB6.0开发环境下实现算法.将经过纠偏后的电子地图与百度卫星地图比对后,发现经过本算法纠偏后的地图明显与卫星地图的实际道路和拐点更加匹配.
4.结束语
本文利用车辆监控平台接收的大量车辆的定位信息并对其有效字节进行分析和聚类算法,在实际应用中可以快速实现对电子地图的准确纠偏,在拐点的纠偏上进行了基于多点多车的二次聚类实现,提高了针对道路拐点纠偏的可靠性,通过对道路图层道路节点信息的纠偏,不仅可以提高精度,还可以校正道路图层中的拓扑错误,并可以随着平台数据库不断存储的所有车辆定位数据的更新可以再次进行重复纠偏,进一步提高纠偏后数字地图的准确性,可以快速实现动态纠偏.