[发明专利]一种基于历史GPS轨迹数据的网约车超速事件识别方法在审
申请号: | 201811362709.0 | 申请日: | 2018-11-16 |
公开(公告)号: | CN109559507A | 公开(公告)日: | 2019-04-02 |
发明(设计)人: | 付川云;李景轲;高士健;杨思萱;李晓瑞;张昕悦;刘华 | 申请(专利权)人: | 西南交通大学 |
主分类号: | G08G1/01 | 分类号: | G08G1/01;G08G1/054 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 610000 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 道路限速 约车 道路信息 经纬度坐标 轨迹数据 事件识别 超速 超速区间 历史轨迹 路口坐标 坐标转化 偏移 点数据 车速 匹配 判定 储存 转化 保证 | ||
1.一种基于历史GPS轨迹数据的网约车超速事件识别方法,其特征在于,包括以下步骤:
S1:将网约车订单的轨迹数据中的道路信息储存;道路信息包括但不限于道路名、道路限速值和道路经过路口坐标;
S2:将历史轨迹数据GCJ坐标系下经纬度坐标转化成WGS84坐标系下的经纬度坐标,减少偏移,保证精度;
S3:利用坐标转化后的网约车订单轨迹数据,依次获取订单中相邻的轨迹点数据,然后计算出区间平均速度;
S4:利用S1中得到的道路信息,进行道路匹配,获取道路名称及其道路限速值;
S5:比较区间平均速度与所获道路限速值,若区间车速大于道路限速值,则判定其为超速区间。
2.根据权利要求1所述的一种基于历史GPS轨迹数据的网约车超速事件识别方法,其特征在于,上述步骤S5中,若连续的两个区间内均发生超速行为,则将两个超速区间整合为一个超速区间,确认为一起超速事件,并重新计算合并后超速区间的平均速度。
3.根据权利要求1所述的一种基于历史GPS轨迹数据的网约车超速事件识别方法,其特征在于,上述步骤S1中,利用网约车订单的轨迹数据和高德开放平台web“抓路服务”API,将轨迹数据中的经度、纬度、订单ID、时间戳拼接成HTTP请求URL,接收HTTP请求返回的JSON格式数据并解析,将数据中的道路信息储存在道路信息文件中。
4.根据权利要求3所述的一种基于历史GPS轨迹数据的网约车超速事件识别方法,其特征在于,所述步骤S1由以下过程实现:
S101:读取某一订单中所有历史轨迹数据;
S102:轨迹数据中的经度、纬度、订单ID、时间戳共同组成请求参数里的经纬度,车辆唯一标识,GPS时间,另外请求参数中的行驶方向和行驶速度分别默认为30及20;
S103:将服务地址请求参数拼接成HTTP请求的URL,并发送请求;
S104:接收HTTP请求返回的JSON数据,解析JSON数据,将JSON数据中的道路名、道路限速值和道路经过路口的坐标储存在道路信息文件中;
S105:将重复数据利用程序去除,作为道路匹配的源数据。
5.根据权利要求1所述的一种基于历史GPS轨迹数据的网约车超速事件识别方法,其特征在于,所述步骤S2由以下过程实现:
S201:从历史轨迹数据文件中读取某行轨迹数据,从中截取出经度和纬度作为lon0和lat0;
S202:利用经纬度坐标转化函数得到dlon和dlat,将参数dlon、dlat和lon0、lat0进行如下计算得到新的经纬度lon1和lat1;
lon1=2*lon0-dlon,lat1=2*lat0-dlat
S203:更新原轨迹数据中的经纬度坐标信息。
6.根据权利要求1所述的一种基于历史GPS轨迹数据的网约车超速事件识别方法,其特征在于,所述步骤S3由以下过程实现:
S301:依次获取经坐标转换后的网约车订单中相邻的轨迹点数据;
S302:利用半正矢公式及其逆推公式推导球面距离计算算法,计算相邻的两轨迹点距离L(m);
S303:利用订单中原有的时间戳信息,准确计算出相邻的两轨迹点的时间差值Δt(s);
S304:通过公式计算平均速度,并在车辆轨迹数据中添加区间平均速度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南交通大学,未经西南交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811362709.0/1.html,转载请声明来源钻瓜专利网。