[发明专利]一种基于道路环境智能识别的车辆轨迹填充方法

说明书

本发明公开了一种基于道路环境智能识别的车辆轨迹填充方法，其步骤为：1)通过集成GPS接收器和惯性测量单元(IMU)的即插即用设备采集车辆数据，并对采集的数据进行必要的预处理；2)根据日常驾驶的经验及客观路段类型的存在，对城市的道路环境进行分类，并利用IMU测量的车辆角速度信息，对轨迹对应的道路环境进行智能识别；3)结合采集的GPS/IMU数据及道路环境的智能识别结果，利用GRU神经网络，建立学习模型，填充轨迹。特别地，通过将神经算术逻辑单元(NALU)集成到轨迹填充模型中，可以应对在复杂匝道路段时GPS中断的挑战。本发明方法具有适用范围广、恢复轨迹精度高、成本低、设备即插即用和可靠性好等优点。

技术领域

本发明主要涉及智能交通系统中的车辆位置轨迹收集技术，尤其涉及一种基于对道路环境进行智能识别，进而对缺失车辆轨迹进行填充的方法，涵盖了道路环境对单一神经网络模型的效果影响以及网络模型改进的性能提升和兼顾数据采集的便捷性和经济性。

背景技术

近几十年以来，随着社会经济的快速发展，城市乃至任意道路上的车辆越来越多，因此产生的轨迹数据呈指数式增加。特别是随着移动互联网、各种定位技术以及基于位置服务等技术的飞速发展，车辆轨迹数据因为其重要的社会和应用价值显得越来越重要。近些年，基于车辆轨迹数据的研究越来越多，例如：驾驶员行为调查/分类，行程时间/距离估计，车联网和车辆能量/排放评估等等。车辆的轨迹可以揭示有意义的场景的结构，并推断发生的事件。此外，足够多的车辆轨迹可以帮助生成基础的数字路线图。另一方面，由于移动设备的技术进步设备，大量的车辆轨迹数据可通过移动传感器获得，如配备智能手机(或带有GPS模块的移动设备)的车辆。轨迹相关应用的研究取决于数据的可用性和完整性，特别是关于个体驾驶员/车辆行为建模及其应用的研究。然而，移动设备提取数据通常是不完整的，这就需要大规模部署和可靠的数据收集方法。汽车导航系统往往是严重异构的，这使得在大规模部署场景下难以获取轨迹数据，具体来说，没有统一的接口用于各种车型，以便从各种车内导航中检索实用而精确的轨迹数据系统。另外，由于GPS信号的阻塞，尤其是在城市环境中GPS中断是不可避免的。

现有的研究主要利用的是直接数据融合的优点，在复杂路段上表现并不好。集成数字地图是帮助重建轨迹的一种方式。然而，具备道路信息并及时更新需要大量的部署成本。因此，价格敏感的第三方服务提供商并不喜欢应用这些技术。相反，一个低成本的即插即用设备更适合大规模部署的车辆轨迹收集。同时，在不同道路环境下GPS发生中断，传统的单一模型并不能对所有道路都具有很好的适用性。因此，具有道路环境识别并对不同道路建立合适模型的方案有着广阔的前景。

发明内容

为了解决以上技术问题，本发明提出了一种利用即插即用IMU传感器及GPS接收器采集数据，可以对道路环境进行智能识别，并融合GPS数据及IMU数据的车辆轨迹填充方法。

本发明提出的技术方案为：

一种基于道路环境智能识别的车辆轨迹填充方法，包括以下步骤：

S1：采集数据，并数据预处理：

在车辆上安装GPS接收器和IMU传感器，进行轨迹数据采集；

通过IMU传感器测量车辆t时刻的加速度数据和角速度数据，以表示在t时刻的车辆运动信息；

通过GPS接收器获取车辆的实时经纬度信息s_t＝(x_t,y_t)，并对GPS位置数据进行预处理，得到预处理GPS位置数据后的对应t时刻数据分别表示t时刻车辆的速度，方向角，加速度和角速度；

S2：进行道路环境分类及智能识别；

将道路环境分为三种基本类型：

I)“直线”路段；II)直角转弯；III)匝道；

利用采集的IMU数据对道路环境进行智能识别；