[發(fā)明專利]一種基于多傳感器數(shù)據(jù)融合的高架橋路段識別方法

在審

• 申請?zhí)枺?/td>: 202111326382.3
• 申請日: 2021-11-10
• 公開（公告）號: CN114065497A
• 公開（公告）日: 2022-02-18
• 發(fā)明（設(shè)計(jì)）人: 史秀紡;甘帥;張文安;劉浩淼;沈林強(qiáng);付明磊;楊旭升
• 申請（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F17/18;G06F119/02
• 代理公司: 杭州天正專利事務(wù)所有限公司 33201
• 代理人: 王兵

1.一種基于多傳感器數(shù)據(jù)融合的高架橋路段識別方法，其特征在于，包括如下步驟：

(1)將智能手機(jī)固定于行駛中的車輛中，確保手機(jī)不會隨著車輛顛簸發(fā)生滑動(dòng)；

(2)收集當(dāng)前位置傳感器所產(chǎn)生的數(shù)據(jù)，所述數(shù)據(jù)包括當(dāng)前車輛的線性加速度信息和GNSS信息；所述GNSS信息包括車輛速度信息和當(dāng)前接收到的衛(wèi)星數(shù)量信息；

(3)計(jì)算當(dāng)前時(shí)刻所接收到衛(wèi)星數(shù)量相對于前N個(gè)位置的方差，作為區(qū)分車輛是否在高架橋上的一個(gè)特征；

(4)將步驟(2)接收到的線性加速度與閾值l_s1和閾值l_s2進(jìn)行比較分類；將步驟(2)接收到的GNSS中速度與閾值v_s進(jìn)行比較分類；將步驟(3)中得到的方差與閾值d_s進(jìn)行比較分類；

(5)將分類后的數(shù)據(jù)輸入構(gòu)建好的決策樹模型進(jìn)行識別，輸出車輛當(dāng)前位置。

2.根據(jù)權(quán)利要求1所述一種基于多傳感器數(shù)據(jù)融合的高架橋路段識別方法，其特征在于，所述步驟(3)中，詳細(xì)步驟如下：

(3.1)傳感器獲得的初始接收的衛(wèi)星數(shù)量到當(dāng)前位置接收的衛(wèi)星數(shù)量序列為[o₁，o₂，o₃，…，o_t]；

(3.2)若當(dāng)前位置t＜N，計(jì)算當(dāng)前位置方差：

式中，初始位置到當(dāng)前位置所接收衛(wèi)星數(shù)量的平均值

(3.3)若當(dāng)前位置t≥N，計(jì)算當(dāng)前位置方差：

式中，當(dāng)前位置到前N個(gè)位置的平均值

3.根據(jù)權(quán)利要求1所述一種基于多傳感器數(shù)據(jù)融合的高架橋路段識別方法，其特征在于，所述步驟(4)中，詳細(xì)步驟如下：

(4.1)提前采集不同高架區(qū)域和不同車流量情況下車內(nèi)不同品牌智能手機(jī)獲得的上述三種數(shù)據(jù)；分析比對同種數(shù)據(jù)，選擇能夠有效區(qū)分車輛行駛于高架和地面道路的數(shù)值作為閾值；

(4.2)線性加速度選取兩個(gè)閾值l_s1和l_s2，其l_s1＞l_s2，具體值此處不做限定；通過所述兩個(gè)閾值對當(dāng)前得到的線性加速度a_i進(jìn)行分類，若l_s1≥a_i≥l_s2，將其歸為一類；若a_i＞l_s1 ora_i＜l_s2，將其歸為另一類；

(4.3)速度選取一個(gè)閾值v_s，具體值此處不做限定；通過所述閾值對當(dāng)前速度v_i進(jìn)行分類，若v_i＞v_s，將其歸為一類；若v_i≤v_s，將其歸為一類；

(4.4)接收到衛(wèi)星數(shù)量的方差選取一個(gè)閾值d_s，具體值此處不做限定；通過所述閾值對當(dāng)前接收衛(wèi)星數(shù)量方差δ_t進(jìn)行分類，若δ_t＞d_s，將其歸為一類；若δ_t≤d_s，將其歸為一類。

4.根據(jù)權(quán)利要求3所述一種基于多傳感器數(shù)據(jù)融合的高架橋識別方法，其特征在于，根據(jù)步驟(4.1)所述提前采集不同高架區(qū)域和不同車流量情況下車內(nèi)不同品牌智能手機(jī)獲得的上述三種數(shù)據(jù)，利用步驟(4.2)～步驟(4.4)對所采集的數(shù)據(jù)進(jìn)行分類后使用決策樹算法進(jìn)行訓(xùn)練，得到高架橋識別決策樹模型。