一种生成平滑轨迹的方法及终端与流程

1.本发明涉及数据分析领域，尤其涉及一种生成平滑轨迹的方法及终端。


背景技术：

2.大车行驶记录仪设备的定位数据多是来自于北斗系统或gps系统的信号，而因存储成本和通信成本等考虑，经纬度定位数据通常每分钟只记录一次。在短距离多道路路段或曲线路段行驶时，根据行驶记录仪设备所采集的相邻2分钟的定位信息只能粗略确定该车行驶轨迹是一条直线，无法定位车辆在该时间段内的实际行驶道路；特别是在曲线行驶道路中，对于判断车辆经过事故地点的准确性也存在一定误差，无法直观获取到车辆的行驶轨迹。


技术实现要素：

3.本发明所要解决的技术问题是：提供一种生成平滑轨迹的方法及终端，实现对行车轨迹的高精度还原。
4.为了解决上述技术问题，本发明采用的一种技术方案为：
5.一种生成平滑轨迹的方法，包括步骤：
6.按照时间顺序分别获取第一时刻对应的第一行车数据和第二时刻对应的第二行车数据；
7.将所述第一时刻至所述第二时刻的时间区间划分为第一预设数量的第一子时刻，并根据所述第一行车数据和第二行车数据计算每一所述第一子时刻对应的位置预测数据；
8.根据所述预测数据得到所述第一时刻至所述第二时刻的平滑轨迹。
9.为了解决上述技术问题，本发明采用的另一种技术方案为：
10.一种生成平滑轨迹的终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
11.按照时间顺序分别获取第一时刻对应的第一行车数据和第二时刻对应的第二行车数据；
12.将所述第一时刻至所述第二时刻的时间区间划分为第一预设数量的第一子时刻，并根据所述第一行车数据和第二行车数据计算每一所述第一子时刻对应的位置预测数据；
13.根据所述预测数据得到所述第一时刻至所述第二时刻的平滑轨迹。
14.本发明的有益效果在于：按照时间顺序获取两个已知行车数据的时刻及其对应的行车数据，并将两个时刻之间的的时间区间进行分段得到多个子时刻，根据行车数据对每个子时刻所处位置进行预测，即将两点之间的连线细化为多个点的连线，从而实现轨迹曲线的平滑，并且预测是基于获取到的行车数据，保证了轨迹预测的精度。
附图说明
15.图1为本发明实施例的一种生成平滑轨迹的方法的步骤流程图；
16.图2为本发明实施例的一种生成平滑轨迹的终端的结构示意图；
17.图3为本发明实施例的一种生成平滑轨迹的方法的流程示意图；
18.图4为本发明实施例的一种速度-转角示意图；
19.图5为本发明实施例的一种生成平滑轨迹的示意图；
20.标号说明：
21.1、一种生成平滑轨迹的终端；2、处理器；3、存储器。
具体实施方式
22.为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
23.请参照图1，一种生成平滑轨迹的方法，包括步骤：
24.按照时间顺序分别获取第一时刻对应的第一行车数据和第二时刻对应的第二行车数据；
25.将所述第一时刻至所述第二时刻的时间区间划分为第一预设数量的第一子时刻，并根据所述第一行车数据和第二行车数据计算每一所述第一子时刻对应的位置预测数据；
26.根据所述预测数据得到所述第一时刻至所述第二时刻的平滑轨迹。
27.从上述描述可知，本发明的有益效果在于：按照时间顺序获取两个已知行车数据的时刻及其对应的行车数据，并将两个时刻之间的的时间区间进行分段得到多个子时刻，根据行车数据对每个子时刻所处位置进行预测，即将两点之间的连线细化为多个点的连线，从而实现轨迹曲线的平滑，并且预测是基于获取到的行车数据，保证了轨迹预测的精度。
28.进一步地，所述第一行车数据包括车速集合、定位数据及转角集合；
29.所述获取第一时刻对应的第一行车数据包括：
30.将所述第一时刻的前一时刻至所述第一时刻的时间区间划分为第二预设数量的第二子时刻，获取每一所述第二子时刻对应的车速和转角，得到车速集合和转角集合；
31.获取所述第一时刻对应的当前位置，得到所述定位数据；
32.所述第二行车数据与所述第一行车数据的数据结构相同。
33.由上述描述可知，因通常导航设备进行两次定位的时间间隔较长，但是如车速和转角这类的行车数据可以实时获取，在获取一时刻的定位数据的同时，也获取该时刻的前一时刻至该时刻的所有行车数据，为进行两个已知定位数据的时刻之间的轨迹预测提供了准确的参考数据，从而提高了最终确认的轨迹的精度。
34.进一步地，所述第一预设数量等于所述第二预设数量；
35.所述根据所述第一行车数据和第二行车数据计算每一所述第一子时刻对应的位置预测数据包括：
36.以所述第一时刻对应的定位数据作为起点，所述第二时刻对应的定位数据作为终点，根据所述第二时刻对应的车速集合和转角集合得到每一所述第一子时刻对应的第一位置数据；
37.以所述第一时刻对应的定位数据作为终点，所述第二时刻对应的定位数据作为起点，根据所述第二时刻对应的车速集合和转角集合得到每一所述第一子时刻对应的第二位
置数据；
38.计算所述第一位置数据和所述第二位置数据的均值，得到所述位置预测数据。
39.由上述描述可知，使第一预设数量等于第二预设数量，则每一第一子时刻都会对应一组已知的行车数据，能够更加方便地进行预测，无需进行转换，同时，将已知位置数据的两个时刻点分别作为起点，根据车速和转角计算每一第一子时刻对应的预测位置，最终将每一子时刻对应的两个预测位置进行平均，提高了预测结果的准确性，最终实现高精度的轨迹预测。
40.进一步地，所述定位数据为经纬度数据。
41.由上述描述可知，采用经纬度数据作为定位数据，因已知的定位数据通常是经纬度数据，无需进行坐标的转换，同时，通过经纬度定位已是一个成熟的技术，方便使用。
42.进一步地，所述以所述第一时刻对应的定位数据作为起点，所述第二时刻对应的定位数据作为终点，根据所述第二时刻对应的车速集合和转角集合得到每一所述第一子时刻对应的第一位置数据包括：
43.以所述第一时刻对应的定位数据作为起点，遍历所述第一子时刻，当遍历到目标第一子时刻时，获取所述目标第一子时刻与前一第一子时刻的时间差、前一第一子时刻的第一位置数据及所述目标第一子时刻对应的车速和转角，根据所述车速及所述时间差得到所述目标第一子时刻对应的前进距离，并根据所述前一第一子时刻的第一位置数据、所述前进距离及所述转角得到所述目标第一子时刻的第一位置数据。
44.进一步地，所述以所述第一时刻对应的定位数据作为终点，所述第二时刻对应的定位数据作为起点，根据所述第二时刻对应的车速集合和转角集合得到每一所述第一子时刻对应的第二位置数据包括：
45.以所述第二时刻对应的定位数据作为起点，遍历所述第一子时刻，当遍历到目标第一子时刻时，获取所述目标第一子时刻与后一第一子时刻的时间差、后一第一子时刻的第一位置数据及所述目标第一子时刻对应的车速和转角，根据所述车速及所述时间差得到所述目标第一子时刻对应的前进距离，并根据所述后一第一子时刻的第一位置数据、所述前进距离及所述转角得到所述目标第一子时刻的第二位置数据。
46.由上述描述可知，已知一个时刻的定位数据、其与下一时刻之间的时间差和下一个时刻的车速及转角，就能够得到一个车辆在该时间差之中通过的距离即前进距离，根据前进距离、转角和一个时刻的定位数据就能确定下一个时刻的定位数据，通过这种方式遍历第一子时刻就能得到每一第一子时刻对应的第一位置数据，实现将两个已知轨迹点细化为多个轨迹点；并且，由于是根据前一第一子时刻的数据算出后一第一子时刻的数据，有可能会造成误差的累计，计算第一时刻至第二时刻及第二时刻至第一时刻两个方向的数据，能够在一定程度上消除累计误差，使得结果更加精确。
47.进一步地，所述根据所述车速及所述时间差得到所述目标第一子时刻对应的前进距离包括：
48.li＝vi×
t；
49.其中，li表示所述目标第一子时刻对应的前进距离；vi表示所述目标第一子时刻对应的车速；t表示所述时间差。
50.由上述描述可知，通过目标第一子时刻对应的车速和其与前一第一子时刻或后一
第一子时刻之间的时间差计算得到前进距离，实现对前进距离的预测。
51.进一步地，所述根据所述前一第一子时刻的第一位置数据、所述前进距离及所述转角得到所述目标第一子时刻的第一位置数据包括：
[0052][0053][0054]
其中，(lat
i+1
，lon
i+1
)表示所述目标第一子时刻的第一位置数据；(lati，loni)表示所述前一第一子时刻的第一位置数据；θ
(i+1)
表示所述转角；l
(i+1)
表示所述前进距离。
[0055]
进一步地，所述根据所述后一第一子时刻的第一位置数据、所述前进距离及所述转角得到所述目标第一子时刻的第二位置数据包括：
[0056][0057][0058]
其中，(lat
i-1
，lon
i-1
)表示所述目标第一子时刻的第二位置数据；(lati，loni)表示所述后一第一子时刻的第一位置数据；θ
(i-1)
表示所述转角；l
(i-1)
表示所述前进距离。
[0059]
由上述描述可知，将第一位置数据和第二位置数据的计算转换为经纬度计算，实现第一位置数据和第二位置数据的经纬度表示，方便直接与已知地图进行比对重合，方便使用平滑后的轨迹。
[0060]
请参照图2，一种生成平滑轨迹的终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种生成平滑轨迹的方法中的步骤。
[0061]
本发明上述一种生成平滑轨迹的方法能够适用于生成平滑的行车轨迹，以下通过具体实施方式进行说明。
[0062]
请参照图1，本发明的实施例一为：
[0063]
一种生成平滑轨迹的方法，包括步骤：
[0064]
s1、按照时间顺序分别获取第一时刻对应的第一行车数据和第二时刻对应的第二行车数据；
[0065]
其中，第一行车数据包括车速集合、定位数据及转角集合；
[0066]
所述获取第一时刻对应的第一行车数据包括：
[0067]
将所述第一时刻的前一时刻至所述第一时刻的时间区间划分为第二预设数量的第二子时刻，获取每一所述第二子时刻对应的车速和转角，得到车速集合和转角集合；获取所述第一时刻对应的当前位置，得到所述定位数据；
[0068]
所述第二行车数据与所述第一行车数据的数据结构相同，具体的：
[0069]
所述获取第二时刻对应的第二行车数据包括：
[0070]
将所述第二时刻的前一时刻至所述第二时刻的时间区间划分为第二预设数量的
第二子时刻，获取每一所述第二子时刻对应的车速和转角，得到车速集合和转角集合；获取所述第二时刻对应的当前位置，得到所述定位数据；
[0071]
在一种可选的实施方式中，定位数据为经纬度数据；
[0072]
s2、将所述第一时刻至所述第二时刻的时间区间划分为第一预设数量的第一子时刻，并根据所述第一行车数据和第二行车数据计算每一所述子时刻对应的位置预测数据；
[0073]
在一种可选的实施方式中，第一预设数量等于第二预设数量，则无需再次进行计算使第一子时刻和第二子时刻对应，第二子时刻与第一子时刻重叠；若第一预设数量与第二预设数量不等，则要根据第二子时刻对应的车速和转角估计第一子时刻的车速和转角；
[0074]
在第一预设数量与第二预设数量相等时，s2中所述根据所述第一行车数据和第二行车数据计算每一所述子时刻对应的位置预测数据包括：
[0075]
s21、以所述第一时刻对应的定位数据作为起点，所述第二时刻对应的定位数据作为终点，根据所述第二时刻对应的车速集合和转角集合得到每一所述第一子时刻对应的第一位置数据，包括：
[0076]
以所述第一时刻对应的定位数据作为起点，遍历所述第一子时刻，当遍历到目标第一子时刻时，获取所述目标第一子时刻与前一第一子时刻的时间差、前一第一子时刻的第一位置数据及所述目标第一子时刻对应的车速和转角，根据所述车速及所述时间差得到所述目标第一子时刻对应的前进距离，并根据所述前一第一子时刻的第一位置数据、所述前进距离及所述转角得到所述目标第一子时刻的第一位置数据；
[0077]
s22、以所述第一时刻对应的定位数据作为终点，所述第二时刻对应的定位数据作为起点，根据所述第二时刻对应的车速集合和转角集合得到每一所述第一子时刻对应的第二位置数据，包括：
[0078]
以所述第二时刻对应的定位数据作为起点，遍历所述第一子时刻，当遍历到目标第一子时刻时，获取所述目标第一子时刻与后一第一子时刻的时间差、后一第一子时刻的第一位置数据及所述目标第一子时刻对应的车速和转角，根据所述车速及所述时间差得到所述目标第一子时刻对应的前进距离，并根据所述后一第一子时刻的第一位置数据、所述前进距离及所述转角得到所述目标第一子时刻的第二位置数据；
[0079]
在s21和s22中，将第一子时刻按照时间顺序排序，则目标第一子时刻用i+1表示时，其前一第一子时刻用i表示；目标第一子时刻用i-1表示时，其后一第一子时刻用i表示；可以知道，i只是一种遍历过程中方便区分顺序关系的下标表示，也可取目标第一子时刻为i，其前一第一子时刻为i-1，其后一第一子时刻为i+1，在此不做约束；
[0080]
则目标第一子时刻对应的前进距离包括：
[0081]
li＝vi×
t；
[0082]
其中，li表示所述目标第一子时刻对应的前进距离；vi表示所述目标第一子时刻对应的车速；t表示所述时间差；
[0083]
在一种可选的实施方式中，还可用第一子时刻与前一第一子时刻或后一第一子时刻车速的均值计算前进距离，则在s21中，l
i+1
＝(v
i+1
+vi)/2
×
t，在s22中，l
i-1
＝(v
i-1
+vi)/2
×
t；
[0084]
则s21中所述根据所述前一第一子时刻的第一位置数据、所述前进距离及所述转角得到所述目标第一子时刻的第一位置数据包括：
[0085][0086][0087]
其中，(lat
i+1
，lon
i+1
)表示所述目标第一子时刻的第一位置数据；(lati，loni)表示所述前一第一子时刻的第一位置数据；θ
(i+1)
表示所述转角；l
(i+1)
表示所述前进距离；
[0088]
在s21和s22中还包括：当遍历到与第一时刻或第二时刻为同一时刻的判别第一子时刻时，计算所述判别第一子时刻对应的第一位置数据/第二位置数据与第一时刻/第二时刻对应的定位数据的差，若该差超过阈值，则调整前进距离中的数据取值；在一种可选的实施方式中，当遍历到与第一时刻或第二时刻为同一时刻的判别第一子时刻时，第一位置数据/第二位置数据取与第一时刻/第二时刻对应的定位数据；
[0089]
s22中所述根据所述后一第一子时刻的第一位置数据、所述前进距离及所述转角得到所述目标第一子时刻的第二位置数据包括：
[0090][0091][0092]
其中，(lat
i-1
，lon
i-1
)表示所述目标第一子时刻的第二位置数据；(lati，loni)表示所述后一第一子时刻的第一位置数据；θ
(i-1)
表示所述转角；l
(i-1)
表示所述前进距离；
[0093]
其中，在计算首个目标第一子时刻的第一位置数据时，需要获取第一时刻或第二时刻的定位数据，具体的：在s21中，首个目标第一子时刻的前一第一子时刻不属于第二时刻对应的第一子时刻，故其相关数据不在第二时刻的第二行车数据中，此时需要获取第一子时刻的定位数据进行计算，在s22中的后一第一子时刻同理；
[0094]
s23、计算所述第一位置数据和所述第二位置数据的均值，得到所述位置预测数据；
[0095]
s3、根据所述预测数据得到所述第一时刻至所述第二时刻的平滑轨迹；
[0096]
在一种可选的实施方式中，根据位置预测数据得到位置预测数据对应的经纬度点，连接经纬度点得到平滑轨迹。
[0097]
实施例二
[0098]
本技术的实施例二为：
[0099]
一种生成平滑轨迹的方法，其与实施例1的不同之处在于，还包括：
[0100]
s01、获取待预测车辆在预设时间段内的行车数据和定位数据，并通过时刻信息关联所述行车数据和所述定位数据；
[0101]
在一种可选的实施方式中，获取待预测车辆一天内的行车数据和定位数据，具体的，通过行车记录仪、行车传感器等获取行车数据，通过gps记录仪等记录车辆经纬度位置的装置获取车辆的位置数据；
[0102]
此时，因行车数据的获取频率大于定位数据的获取频率，则以定位数据的获取时
刻作为划分点，将行车数据划分为不同集合；即假设第一时刻获取到定位数据，第一时刻对应的行车数据为第一时刻的前一时刻至第一时刻内的行车数据。
[0103]
s02、遍历所述时刻信息，遍历到第一时刻时，获取第一时刻的后一时刻即第二时刻，执行s1-s3中的各个步骤，直至预设时间段内的所有时刻均遍历完成，得到车辆在预设时间段内的平滑轨迹预测。
[0104]
请参照图3-图5，本发明的实施例三为：
[0105]
将上述的一种生成平滑轨迹的方法应用于实际场景中：
[0106]
a1、采集车辆当天行车数据，包括时刻、车速、定位数据、转角；
[0107]
在一种可选的实施方式中，转角为航向角，可由方向盘转角计算；
[0108]
记第0分钟时刻位置为(lat,lon)，以为坐标原点，正北及正东方向建立直角坐标系如图4；
[0109]
第1分钟时刻位置为p1(lat’,lon’)，第0分钟到第1分钟内采集速度分别记为：vi＝[v1,v2，
……
，v
58
]，第0分钟到第1分钟内采集方向盘角度并推算出航向角记为：θi＝[θ1,θ2，
……
，θ
58
]；
[0110]
则记第0分钟到第1分钟内每秒行驶距离为li＝[l1，l2，
……
，l
58
]，从第1分钟到第0分钟的每秒行驶距离为l'i＝[l'1,l'2，
……
，l'
58
]；(因第0分钟和第1分钟两个时刻的位置信息已知，故在本实施例中不再进行计算)
[0111]
a2，根据p0(lat,lon)依次推算第1s、2s
……
58s的行驶距离li和第一位置数据的经纬度位置(lati，loni)；
[0112]
第i秒的行驶距离计算参考：
[0113]
li＝vi*t；
[0114]
经纬度计算参考如下公式：
[0115][0116][0117]
其中θi为车辆方向角，r为地球半径；
[0118]
第i秒所在经纬度位置为：(lati，loni)
[0119]
根据p1(lat’,lon’)依次反向推出第59s、58s
……
1s行驶距离l'i和第二位置数据的经纬度数据(lat'i，lon'i)：
[0120]
第(i-1)秒的行驶距离计算参考：
[0121]
l
(i-1)
＝v
(i-1)
*t
[0122]
经纬度计算参考如下公式：
[0123][0124][0125]
从第1分钟位置反推出第0分钟位置时，第1分钟到第0分钟的方向盘角度记为：θ'i＝[(θ1+180
°
),(θ2+180
°
),
……
(θ
59
+180
°
)]；
[0126]
a3、计算第一位置数据和第二位置数据的均值，得到预测数据，第i秒预测数据的经纬度数据：
[0127]
a4、计算完成当天所有分钟曲线后，得到当天的平滑轨迹。
[0128]
请参照图2，本发明的实施例四为：
[0129]
一种生成平滑轨迹的终端1，包括处理器2、存储器3及存储在存储器3上并可在所述处理器2上运行的计算机程序，所述处理器2执行所述计算机程序时实现实施例一、实施例二或实施例三中的各个步骤。
[0130]
综上所述，本发明提供了一种生成平滑轨迹的方法及终端，通过在记录车辆定位数据的同时记录车辆的行车数据，行车数据包括速度和转角，将获取定位数据的时间间隔划分为多个子时间间隔得到多个子时刻，根据已知的定位数据、速度和转角对每个子时刻对应的位置数据进行预测，将相隔较远的两个定位数据对应的点通过行车数据细化为多个点的组合，使得行车轨迹的连线更加平滑；同时，在计算两个定位数据之间的点预测时，将两个定位数据分别作为起点进行计算，因计算过程中是基于前一个点的位置数据得到后一个点的位置数据，会造成误差的累计，从两个方向分别进行计算预测会降低累计误差的影响，使得最终得到的平滑轨迹更加接近车辆的真实轨迹，从而为车辆的事故评定等场景提供可靠的参考数据。
[0131]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。