基于GNSS的异常定位序列挖掘方法研究
发布时间：2021-01-16 02:59
在经济、贸易和科技的全球化进程不断取得新进展的今天,全球卫星导航系统（GNSS）面向全球海陆空交通提供的导航定位基础服务,发挥着越来越重要的作用。但是在全球卫星导航系统的使用过程中,接收端设备通常因为一些原因获取到异常的定位信息,使得用户后续应用的过程中需要对接收机输出的坐标信息进行挖掘判断,得到更加可靠的定位数据。本文研究如何精准识别陆地交通工具中GNSS设备采集的行驶轨迹的异常定位序列,以满足后续驾驶状态识别以及驾驶意图预测等需求。在当前已有的异常序列识别工作中,通常通过单一模式判断序列是否异常。而陆地交通的交通环境较为复杂,存在多种不同的异常定位序列类型,因此现有的方法难以适用于此种轨迹数据的异常序列识别,需要根据其特有的特征模式分别设计不同的算法。本文主要针对三种典型的异常序列类型,从异常序列类型产生场景等角度设计算法并实际应用,在一定程度上克服当前主流的单一异常序列识别框架难以对复杂的陆地交通轨迹数据进行异常定位序列识别的问题。本文对两千余公里陆地交通轨迹进行分析后,将异常类型分为:（1）在极慢速状态下方向多次变化导致的定位异常;（2）在近似匀速直线运动中定位偏差导致的轨迹异...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：54 页
【学位级别】：硕士
【部分图文】：
异常类型二示例（蓝色箭头为行驶方向，黄色区域为异常点序列区域）
第2章相关基础9直，对应卫星图像通常为平直道路，而在异常点处明显偏离前后轨迹。在GNSS定位点序列的特征当中，在1Hz的定位频率下，异常点的某个邻域范围外的速度与方向变化极小，而在异常点该邻域内，其速度与方向变化较大。在图2.3中，显示了在车辆减速停车后等待绿灯放行后继续行驶的过程。车辆在行驶过程中，途径路口时经常会遇到按照交通信号灯指示的减速-停止-加速过程，在该场景中也会有异常点（如下图2.3黄色异常点序列区域）的出现。该异常的场景我们将其定义为第三类异常：在运动速度变化的情况下定位偏差导致的定位异常。图2.3异常类型三示例（蓝色箭头为行驶方向，黄色区域为异常点序列区域）在该场景中，车辆的行驶方向通常不变而速度先降低后增加。在可视化结果中，与类型二较为相似，轨迹较为平直。但在GNSS定位点序列的特征当中，在1Hz的定位频率下，异常点的delta邻域范围外的速度呈现规律变化，方向变化较小，而在异常点的delta邻域内，其方向或加速度变化较大。2.2异常定位序列挖掘流程本文研究在处理数据时面向的是单次轨迹的全部定位点序列，因此在采用不同的算法进行异常点判断之前，需要利用滑动窗内数据统计方法进行异常类型的预筛选，根据预筛选的结果判定存在的异常类型。在经由类型判定之后，将可能存在异常点的序列输入相应类型的特征提取器与类型判别器中进行异常点的判断。处理流程如下图2.4所示：
第3章GNSS定位数据获取18定难度。但无论上述何种方式，在本文的工作中，均可视为在终端设备的定位结果基础上的数据挖掘工作。3.2GNSS数据获取3.2.1数据采集在本文中，我们根据需要解决的问题场景，自行收集记录了28段，共计1958.7分钟的GNSS设备数据，对应距离共计2050.64公里，采集时的运动类型包含步行、跑步、骑行与驾车等多种，时速根据运动类型与状态不同分布在0kph至120kph之间，在不同运动类型下的时速分布符合大部分公众日常出行情况。经度范围集中在东经118.82度至120.38度，纬度范围多集中在北纬31.88度至北纬32.04度之间。在数据采集过程中，设定为WGS-84坐标系，通过GNSS设备采集的数据项为：纬度、经度、海拔、时间、速度以及位点标记（如下图3.1），。采集设备为Mi8手机，采集软件采用GPSLogger2.2.2，采样定位点频率为1Hz，输出文件格式为gpx，可用于在GoogleEarth软件中的可视化（如下图3.2，其中红色轨迹为根据采集数据绘制的路径）。图3.1GPX文件内容示例
本文编号：2980027
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：54 页
【学位级别】：硕士
【部分图文】：
异常类型二示例（蓝色箭头为行驶方向，黄色区域为异常点序列区域）
第2章相关基础9直，对应卫星图像通常为平直道路，而在异常点处明显偏离前后轨迹。在GNSS定位点序列的特征当中，在1Hz的定位频率下，异常点的某个邻域范围外的速度与方向变化极小，而在异常点该邻域内，其速度与方向变化较大。在图2.3中，显示了在车辆减速停车后等待绿灯放行后继续行驶的过程。车辆在行驶过程中，途径路口时经常会遇到按照交通信号灯指示的减速-停止-加速过程，在该场景中也会有异常点（如下图2.3黄色异常点序列区域）的出现。该异常的场景我们将其定义为第三类异常：在运动速度变化的情况下定位偏差导致的定位异常。图2.3异常类型三示例（蓝色箭头为行驶方向，黄色区域为异常点序列区域）在该场景中，车辆的行驶方向通常不变而速度先降低后增加。在可视化结果中，与类型二较为相似，轨迹较为平直。但在GNSS定位点序列的特征当中，在1Hz的定位频率下，异常点的delta邻域范围外的速度呈现规律变化，方向变化较小，而在异常点的delta邻域内，其方向或加速度变化较大。2.2异常定位序列挖掘流程本文研究在处理数据时面向的是单次轨迹的全部定位点序列，因此在采用不同的算法进行异常点判断之前，需要利用滑动窗内数据统计方法进行异常类型的预筛选，根据预筛选的结果判定存在的异常类型。在经由类型判定之后，将可能存在异常点的序列输入相应类型的特征提取器与类型判别器中进行异常点的判断。处理流程如下图2.4所示：
第3章GNSS定位数据获取18定难度。但无论上述何种方式，在本文的工作中，均可视为在终端设备的定位结果基础上的数据挖掘工作。3.2GNSS数据获取3.2.1数据采集在本文中，我们根据需要解决的问题场景，自行收集记录了28段，共计1958.7分钟的GNSS设备数据，对应距离共计2050.64公里，采集时的运动类型包含步行、跑步、骑行与驾车等多种，时速根据运动类型与状态不同分布在0kph至120kph之间，在不同运动类型下的时速分布符合大部分公众日常出行情况。经度范围集中在东经118.82度至120.38度，纬度范围多集中在北纬31.88度至北纬32.04度之间。在数据采集过程中，设定为WGS-84坐标系，通过GNSS设备采集的数据项为：纬度、经度、海拔、时间、速度以及位点标记（如下图3.1），。采集设备为Mi8手机，采集软件采用GPSLogger2.2.2，采样定位点频率为1Hz，输出文件格式为gpx，可用于在GoogleEarth软件中的可视化（如下图3.2，其中红色轨迹为根据采集数据绘制的路径）。图3.1GPX文件内容示例
本文编号：2980027
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/2980027.html
