[發明專利]一種基于智能手機的行人路網道路坡度信息提取方法

在審

• 申請號: 202011302980.2
• 申請日: 2020-11-19
• 公開（公告）號: CN112527930A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 周寶定;雷霞;汪馳升
• 申請（專利權）人: 深圳大學
• 主分類號: G06F16/29
• 分類號: G06F16/29;G06F16/23;G06F16/215;G06F30/27;G06N20/00;G01C9/00
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 朱陽波

1.一種基于智能手機的行人路網道路坡度信息提取方法，其特征在于，所述方法包括：

基于智能手機獲取行人行走過程中多傳感器的變化數據，并對所述傳感器的變化數據進行預處理，得到預處理后的傳感數據；

將預處理后的傳感數據作為基礎特征數據，提取所述傳感數據中的特征值用于機器學習算法的學習，實現算法對道路坡度值的提取；

將算法獲取的道路坡度值信息更新至地圖數據中，獲得含有三維坡度信息的地圖數據。

2.根據權利要求1所述的基于智能手機的行人路網道路坡度信息提取方法，其特征在于，所述基于智能手機獲取行人行走過程中多傳感器的變化數據，并對所述傳感的變化數據進行預處理，得到預處理后的傳感數據的步驟包括：

基于智能手機獲取行人行走中多傳感器的數據變化；

對獲取的傳感器的數據進行剔除無效數據與濾波噪聲數據的預處理；其中，所述無效數據的剔除是指刪除行人非運動狀態下的智能手機所記錄的數據，所述噪聲數據的濾波通過濾波器進行降噪處理。

3.根據權利要求1所述的基于智能手機的行人路網道路坡度信息提取方法，其特征在于，所述將預處理后的傳感數據作為基礎特征數據，提取所述傳感數據中的特征值用于機器學習算法的學習，實現算法對道路坡度值的提取的步驟包括：

將預處理后的傳感數據作為基礎特征數據，對所述傳感數據進行采樣；通過確定的窗口長度，以滑窗方式進行數據采樣獲得多個樣本數據；

根據獲得的多個樣本數據計算對應的特征值，并保留樣本第一條時間戳數據，以此構建所需要的數據集；將部分數據標注坡度值用于訓練回歸模型，獲得適用于道路坡度值的坡度預測模型；

通過獲得的坡度預測模型，預測各樣本的道路坡度值，實現模型對道路坡度信息的獲取。

4.根據權利要求1所述的基于智能手機的行人路網道路坡度信息提取方法，其特征在于，所述將算法獲取的道路坡度值信息更新至地圖數據中，獲得含有三維坡度信息的地圖數據的步驟包括：

通過數據融合與地圖匹配，將坡度預測模型得到的道路坡度值更新至行人路網數據中，獲得含有三維坡度信息的地圖數據。

5.根據權利要求1所述的基于智能手機的行人路網道路坡度信息提取方法，其特征在于，所述將算法獲取的道路坡度值信息更新至地圖數據中，獲得含有三維坡度信息的地圖數據包括：

通過融合處理，使得行人行走軌跡數據獲得對應的道路坡度信息；通過樣本與原始數據的時間戳對比，根據數據采樣長度推出各樣本對應的原始數據段，并將樣本坡度值與GPS數據進行融合；

基于最短距離的匹配方法，將各路段的坡度信息匹配至已有行人路網數據中的各位置點；

通過經緯度數據計算路段GPS點與路網位置點之間的距離，確定距離指標最小的點對，將GPS點的坡度值賦予最近的路網位置點，實現將獲取的道路坡度值信息更新至地圖數據中，即可獲得含有三維坡度信息的地圖數據。

6.根據權利要求1所述的基于智能手機的行人路網道路坡度信息提取方法，其特征在于，所述傳感數據包括：智能手機的加速度計獲取的加速度數據、氣壓計獲取的氣壓數據、以及全球定位系統獲取的定位數據與高程數據。

7.根據權利要求2所述的基于智能手機的行人路網道路坡度信息提取方法，其特征在于，所述無效數據的剔除是指刪除行人非運動狀態下的智能手機所記錄的數據的步驟包括：

處理無效數據前，先對原始數據直接進行窗口采樣處理，獲得多個數據段，對應獲得多個樣本；

提取樣本中各時間點的重力加速度數據，對每個樣本單獨提取與判斷；基于重力加速度計算的方差進行判斷，當方差值低于設定閾值時，則定義對應數據無效進行刪除。

8.根據權利要求4所述的基于智能手機的行人路網道路坡度信息提取方法，其特征在于，所述數據融合是將各樣本的坡度預測值與對應行走軌跡段的GPS數據進行合并；構建數據集時各樣本保留了第一條時間戳數據，通過原始數據與各樣本的時間戳比對，根據數據采樣長度獲取樣本指向的原始數據段，并融合GPS數據與樣本的坡度預測值。