基于智能手機的地圖匹配方法
【專利摘要】本發(fā)明公開了一種基于智能手機的地圖匹配方法，包括：在智能手機上安裝具有數據采集功能的APP；將智能手機固定在車輛內，開啟具有數據采集功能的APP；駕駛車輛行駛直路和彎道，并人工進行事件標注，獲取加速度傳感器數據；獲取智能手機坐標系與車輛坐標系的對應關系；對獲取的加速度傳感器數據進行校正；對已標注和校正的加速度傳感器數據進行訓練分類，得到道路判別模型；采集實測路況數據，根據道路判別模型判斷道路類別，并結合道路拓撲信息實現地圖匹配。本發(fā)明利用手機傳感器進行彎道檢測并對現有導航系統(tǒng)進行修正能夠一定程度上補償民用GPS系統(tǒng)的精度和地圖系統(tǒng)的不準確，能夠提供更準確的導航服務，使得駕駛行為更加安全。
【專利說明】基于智能手機的地圖匹配方法
【技術領域】
[0001] 本發(fā)明涉及數字地圖及地圖匹配【技術領域】，尤其涉及一種基于智能手機的地圖匹 配方法。
【背景技術】
[0002] 隨著經濟發(fā)展，道路交通日益發(fā)達，人們的出行變得更加便利，傳統(tǒng)的地圖早已成 為歷史，全球定位系統(tǒng)（GlobalPositioningSystem,GPS)為現今人們出行提供了導航輔 助。GPS系統(tǒng)利用多顆衛(wèi)星傳輸的接收端的位置信號的傳輸和校正來實現接收端的位置定 位，24顆衛(wèi)星構成的星座系統(tǒng)已經幾乎可以覆蓋全球。而現在我們常見的車載系統(tǒng)就是 GPS系統(tǒng)與地理信息系統(tǒng)（GeographicInformationSystem,GIS)的結合，利用電子地圖 中的道路位置的地圖信息在一定程度上補償民用GPS定位精度偏低的問題。伴隨無線通信 技術的提升，GPS接收端可以縮小到一個傳感器大小封裝到手機中，因此智能手機平臺搭載 導航系統(tǒng)的模式也日益普及，并且催生出大量先進駕駛輔助系統(tǒng)的應用，它們能夠提供更 加舒適、更好高效，更加安全的服務?，F在已經可以用手機取代傳統(tǒng)車載地圖的功能。
[0003] 然而在復雜路況的情況下，無論是傳統(tǒng)的車載地圖還是手機導航，都存在定位不 準確、部分地理信息缺失的情況，尤其是車輛過隧道、經過彎道等情況下這種不足更加明 顯。因此本專利提出一種基于智能手機平臺，利用手機傳感器判斷車輛彎道狀態(tài)位置信息 的修正車載導航駕駛輔助定位系統(tǒng)。
[0004] 智能手機迅猛發(fā)展，全球市場研究公司（Gartner)數據顯示，2013年第二季度 全球智能手機銷量首次超越了功能手機。同時去年第二季度調查顯示開源手機操作系統(tǒng) 安卓（Android)系統(tǒng)全球市場占有率為79%，形成了一家獨大的局面。人們如此鐘情于 智能手機的原因之一就是，和傳統(tǒng)手機比較，智能手機內置許多簡單便捷的手機應用程序 (Application，APP)，能夠給人們提供更舒適、便捷的生活體驗。而這些APP不少得益于智 能手機內部集成的諸多傳感器。一般情況下，智能手機內部會集成溫度傳感器、重力感應、 距離傳感器、電子羅盤、光線傳感器、三軸陀螺儀、紅外線傳感器等傳感器裝置等，這就給后 續(xù)APP開發(fā)提供了一個強大而便捷的平臺。
[0005]GPS系統(tǒng)起源于上世紀五十年代末期的美國，與六十年代投入使用，最初是為軍事 用途設計，后逐漸開放民用領域，但定位精度遠低于軍用。整個系統(tǒng)由24顆衛(wèi)星組成星座， 定位范圍覆蓋全球98%的區(qū)域。一般來講，完成常用的導航功能需要導航衛(wèi)星和地面接收 設備，導航衛(wèi)星不停的發(fā)出時間和衛(wèi)星的位置，間隔三十秒循環(huán)發(fā)射；由地面的接收機接收 導航衛(wèi)星發(fā)出的消息，測量出已知位置衛(wèi)星和接收機之間的距離，通過綜合多顆衛(wèi)星的數 據進行修正，一般修正過程至少需要4顆衛(wèi)星的信息。一般車載地圖正是利用GPS系統(tǒng)進行 導航。然而對于開放的民用碼來說，由于衛(wèi)星鐘差、衛(wèi)星星歷誤差、電離層延遲誤差、對流層 延遲誤差、多徑效應誤差、接收機噪聲誤差、遮擋物等原因，精度只能達到約20m左右；在地 圖精度較高的情況下，導航精度會相應的提高。然而在彎道，尤其是盤山路等危險路況下的 彎道情況，導航的定位精度仍然不理想，這就需要結合彎道檢測等技術的修正來提升精度。
[0006] 現有技術《基于拓撲結構的地圖匹配算法研究》中通過利用軟件糾偏的方法對車 輛的定位數據與電子地圖數據進行配準糾正，來減小電子地圖的道路信息和GPS定位信息 間的顯示誤差。計算待匹配道路權重、采用模糊匹配策略、去除不連通道路最后采用線性插 值法進行地圖匹配。通過試驗該匹配算法的匹配正確率不低于96%，單點匹配時間不超過 10ms。該方法已應用于實際的工程應用，并取得了良好的效果。
[0007] 現有技術《GPS導航系統(tǒng)中的地圖匹配算法》中利用權值選出匹配路段，并將全球 定位系統(tǒng)（GPS)軌跡點投影到匹配路段上，在交叉路口以平行四邊形匹配準則消除車輛軌 跡點沿道路方向的誤差，通過動態(tài)偏差更新，解決衛(wèi)星換星、大氣云層遮擋、多路徑效應等 因素造成的偏差問題。引入該算法的GPS車載系統(tǒng)在合肥市實地跑車實驗結果表明，其對 于復雜路況仍能進行正確匹配，真實再現車輛行駛情況。
[0008] 由上可見，現有技術多數采用地圖匹配對導航系統(tǒng)進行誤差修正，提升精度。地圖 匹配主要解決：尋找車輛當前行駛的道路以及將當前定位點投影到車輛行駛的道路上。盡 管現有的地圖匹配算法匹配正確率較高，然而仍存在以下不足：
[0009] ( -）行駛道路的選定會影響算法性能，對于不同路段算法的性能存在明顯差異；
[0010](二）耗時較多，由于GPS誤差等原因，在尋找匹配道路的過程中存在較大的時間 損耗；
[0011] (三）GPS能耗高，GPS更新速度在1?50hz不等，因此實時性能優(yōu)勢不明顯；
[0012](四）彎道情況下地圖匹配難度明顯，若車速從50?100km/S，GPS更新速度為 lhz，那么前后GPS點可能差距13. 9?27. 8m不等，這如果是在車輛拐彎處或變化較大的路 段，這種匹配難度就更加顯著。
[0013]目前的方法有采用視頻校正也有采用基于拓撲結構的模式識別算法，但由于需要 額外的采集設備和運算，這種校正方便的便攜性較低，成本預算偏高。而且，一般來說，在直 道和非復雜路段，目前GPS定位精度已經可以基本滿足導航需求，需要迫切提升其精度需 求的往往是彎道路段和復雜路況。
[0014] 因此，針對上述技術問題，有必要提供一種基于智能手機的地圖匹配方法。
【發(fā)明內容】
[0015] 有鑒于此，本發(fā)明的目的在于提供一種基于智能手機的地圖匹配方法，其使用人 們日常所用的智能手機作為平臺工具，通過檢測車輛的運動狀態(tài)，檢測車輛是否處于彎道 處，結合現有的導航系統(tǒng)，對其定位誤差進行修正、導航精度進行提升。
[0016] 為了實現上述目的，本發(fā)明實施例提供的技術方案如下：
[0017] 一種基于智能手機的地圖匹配方法，所述方法包括以下步驟：
[0018] S1、在智能手機上安裝具有數據采集功能的APP;
[0019] S2、將智能手機固定在車輛內，開啟具有數據采集功能的APP;
[0020]S3、駕駛車輛行駛直路和彎道，并人工進行事件標注，獲取加速度傳感器數據；
[0021]S4、獲取智能手機坐標系與車輛坐標系的對應關系；
[0022] S5、對獲取的加速度傳感器數據進行校正；
[0023] S6、對已標注和校正的加速度傳感器數據進行訓練分類，得到道路判別模型；
[0024] S7、采集實測路況數據，根據道路判別模型判斷道路類別，并結合道路拓撲信息實 現地圖匹配。
[0025] 作為本發(fā)明的進一步改進，所述智能手機中的APP采集的數據包括GPS數據和加 速度傳感器數據。
[0026] 作為本發(fā)明的進一步改進，所述加速度傳感器數據包括車輛行駛切線方向、水平 切線方向、以及垂直于水平面向上方向三個方向上的線加速度。
[0027] 作為本發(fā)明的進一步改進，所述GPS數據包括經度、緯度、海拔高度。
[0028] 作為本發(fā)明的進一步改進，所述GPS數據和加速度傳感器數據還包括手機系統(tǒng)時 間和手機從開始到數據獲取的時間。
[0029] 作為本發(fā)明的進一步改進，所述步驟S6具體為：
[0030] 采用監(jiān)督學習方法，訓練加速度傳感器數據并形成道路判別模型，模型建立完成 后，測試數據檢驗道路判別模型的正確率和魯棒性。
[0031] 作為本發(fā)明的進一步改進，所述步驟S6包括：
[0032]S61、數據預處理，對數據進行去臟和去噪處理；
[0033]S62、特征提取，提取數據的時域特征和頻域特征；
[0034]S63、采用監(jiān)督學習方法建立道路判別模型。
[0035] 作為本發(fā)明的進一步改進，所述時域特征包括預處理后的加速度值、每個小段里 加速度值的均值和方差、整段數據的均值和方差；頻域特征包括預處理后的加速度值轉換 到頻域的幅度值、幅度值的均值和方差。
[0036] 作為本發(fā)明的進一步改進，所述道路判別模型的道路類別包括左彎道明顯、右彎 道明顯、直路、左彎道不明顯、右彎道不明顯。
[0037] 本發(fā)明具有以下有益效果：
[0038] 本發(fā)明利用手機傳感器進行彎道檢測并對現有導航系統(tǒng)進行修正能夠一定程度 上補償民用GPS系統(tǒng)的精度和地圖系統(tǒng)的不準確，尤其是在駕駛轉彎行為頻發(fā)的彎道路段 和駕駛行為較為豐富的復雜路段，此種補償能夠提供更準確的導航服務，使得駕駛行為更 加安全。
【專利附圖】
【附圖說明】
[0039] 為了更清楚地說明本發(fā)明實施例或現有技術中的技術方案，下面將對實施例或現 有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明中記載的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下， 還可以根據這些附圖獲得其他的附圖。
[0040] 圖1為本發(fā)明基于智能手機的地圖匹配方法的具體流程圖。
[0041] 圖2a、2b分別為本發(fā)明一【具體實施方式】中智能手機和車輛的坐標示意圖。
[0042] 圖3為本發(fā)明一【具體實施方式】中包含錯誤數據和噪聲數據的原始加速度傳感器 值示意圖。
[0043] 圖4為本發(fā)明一【具體實施方式】中經過數據預處理去臟和去噪后的加速度傳感器 值示意圖。
[0044] 圖5為本發(fā)明一【具體實施方式】中分類方法的模板示意圖。
【具體實施方式】
[0045] 為了使本【技術領域】的人員更好地理解本發(fā)明中的技術方案，下面將結合本發(fā)明實 施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施 例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通 技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都應當屬于本發(fā)明保護 的范圍。
[0046] 本發(fā)明是基于智能手機平臺的彎道檢測進而進行導航地圖修正方法。所采用的智 能手機傳感器，是手機內部內置的加速度傳感器和GPS接收模塊。首先通過加速度傳感器 采集的數據分析，判斷車輛是否行駛過彎道以及彎道情況等信息。接下來通過結合道路拓 撲信息，實現數字地圖和車輛所在道路（彎道或直道）的匹配，以期修正GPS定位誤差和地 圖信息的缺失。
[0047] 參圖1所示，本發(fā)明公開了一種基于智能手機的地圖匹配方法，包括以下步驟：
[0048] 一、行駛道路判別：
[0049]S1、在智能手機上安裝具有數據采集功能的APP;
[0050]S2、將智能手機固定在車輛內，開啟具有數據采集功能的APP;
[0051]S3、駕駛車輛行駛直路和彎道，并人工進行事件標注，獲取加速度傳感器數據；
[0052]S4、獲取智能手機坐標系與車輛坐標系的對應關系；
[0053]S5、對獲取的加速度傳感器數據進行校正；
[0054]S6、對已標注和校正的加速度傳感器數據進行訓練分類，得到道路判別模型。步驟 S6具體包括：
[0055]S61、數據預處理，對數據進行去臟和去噪處理；
[0056]S62、特征提取，提取數據的時域特征和頻域特征；
[0057]S63、采用監(jiān)督學習方法建立道路判別模型。
[0058]二、彎道拓撲信息匹配與車載地圖修正：
[0059]S7、采集實測路況數據，根據道路判別模型判斷道路類別，并結合道路拓撲信息實 現地圖匹配。
[0060] 以下結合【具體實施方式】對本發(fā)明作進一步說明。
[0061] 一、行駛道路類型判斷
[0062]S1、將有數據采集功能的APP安裝智能手機上。
[0063] 基于智能手機平臺編寫數據采集APP，主要有數據采集開始按鍵，以及采集停止按 鍵，并顯示道路類型：明顯彎道開始、明顯彎道結束、不明顯彎道開始、不明顯彎道結束、直 路開始以及直路結束。
[0064] 采集的數據包括GPS數據和加速度傳感器數據，GPS數據格式如表2,加速度傳感 器數據如表1。其中加速度是接下來判斷車輛狀態(tài)的關鍵，它利用慣性原理，能夠感知到加 速力的變化。加速力就是當物體在加速過程中作用在物體上的力，比如晃動、跌落、上升、下 降等各種移動變化都能被其轉化為電信號。而GPS信號中則包括定位、測速和高精度的時 間標準。我們采集到的數據是GPS中的經度、緯度、海拔高度、手機系統(tǒng)時間、以及手機從開 始到數據獲取的時間。
[0065]表1加速度傳感器數據及時間
[00661
[0067]表2GPS數據及時間
[0068]
【權利要求】
1. 一種基于智能手機的地圖匹配方法，其特征在于，所述方法包括以下步驟： 51、 在智能手機上安裝具有數據采集功能的APP ; 52、 將智能手機固定在車輛內，開啟具有數據采集功能的APP ; 53、 駕駛車輛行駛直路和彎道，并人工進行事件標注，獲取加速度傳感器數據； 54、 獲取智能手機坐標系與車輛坐標系的對應關系； 55、 對獲取的加速度傳感器數據進行校正； 56、 對已標注和校正的加速度傳感器數據進行訓練分類，得到道路判別模型； 57、 采集實測路況數據，根據道路判別模型判斷道路類別，并結合道路拓撲信息實現地 圖匹配。
2. 根據權利要求1所述的方法，其特征在于，所述智能手機中的APP采集的數據包括 GPS數據和加速度傳感器數據。
3. 根據權利要求2所述的方法，其特征在于，所述加速度傳感器數據包括車輛行駛切 線方向、水平切線方向、以及垂直于水平面向上方向三個方向上的線加速度。
4. 根據權利要求2所述的方法，其特征在于，所述GPS數據包括經度、緯度、海拔高度。
5. 根據權利要求2所述的方法，其特征在于，所述GPS數據和加速度傳感器數據還包括 手機系統(tǒng)時間和手機從開始到數據獲取的時間。
6. 根據權利要求1所述的方法，其特征在于，所述步驟S6具體為： 采用監(jiān)督學習方法，訓練加速度傳感器數據并形成道路判別模型，模型建立完成后，測 試數據檢驗道路判別模型的正確率和魯棒性。
7. 根據權利要求1所述的方法，其特征在于，所述步驟S6包括： 561、 數據預處理，對數據進行去臟和去噪處理； 562、 特征提取，提取數據的時域特征和頻域特征； 563、 采用監(jiān)督學習方法建立道路判別模型。
8. 根據權利要求7所述的方法，其特征在于，所述時域特征包括預處理后的加速度值、 每個小段里加速度值的均值和方差、整段數據的均值和方差；頻域特征包括預處理后的加 速度值轉換到頻域的幅度值、幅度值的均值和方差。
9. 根據權利要求7所述的方法，其特征在于，所述道路判別模型的道路類別包括左彎 道明顯、右彎道明顯、直路、左彎道不明顯、右彎道不明顯。
【文檔編號】G01C21/30GK104236566SQ201410495525
【公開日】2014年12月24日 申請日期:2014年9月24日 優(yōu)先權日:2014年9月24日
【發(fā)明者】黃曉霞, 陳新平, 王維語, 黃浩權, 王珊珊 申請人:深圳先進技術研究院