[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN115017252A - 一种手机数字车钥匙的行车轨迹智能回放系统 - Google Patents

一种手机数字车钥匙的行车轨迹智能回放系统 Download PDF

Info

Publication number
CN115017252A
CN115017252A CN202210944707.2A CN202210944707A CN115017252A CN 115017252 A CN115017252 A CN 115017252A CN 202210944707 A CN202210944707 A CN 202210944707A CN 115017252 A CN115017252 A CN 115017252A
Authority
CN
China
Prior art keywords
abnormal
vehicle
driving
data
track
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210944707.2A
Other languages
English (en)
Other versions
CN115017252B (zh
Inventor
薛卫平
白英奇
黄海峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangsheng Vehicle Cloud Tech Co ltd
Original Assignee
Hangsheng Vehicle Cloud Tech Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangsheng Vehicle Cloud Tech Co ltd filed Critical Hangsheng Vehicle Cloud Tech Co ltd
Priority to CN202210944707.2A priority Critical patent/CN115017252B/zh
Publication of CN115017252A publication Critical patent/CN115017252A/zh
Application granted granted Critical
Publication of CN115017252B publication Critical patent/CN115017252B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/40—Conversion to or from variable length codes, e.g. Shannon-Fano code, Huffman code, Morse code
    • H03M7/4093—Variable length to variable length coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

本发明涉及数据传输技术领域，具体涉及一种手机数字车钥匙的行车轨迹智能回放系统，包括：数据采集模块，轨迹划分模块，第一参数获取模块，第二参数获取模块，压缩存储模块及回放模块。本发明提供的手机数字车钥匙的行车轨迹智能回放系统，利用定位技术和数据采集技术获取行车过程中的位置信息和行车的状态信息，并通过数据压缩技术对收集到的信息进行基于优先级的压缩和存储来实现小存储量数据和高检索效率的行车轨迹的回放。

Description

一种手机数字车钥匙的行车轨迹智能回放系统
技术领域
本发明涉及数据传输技术领域，具体涉及一种手机数字车钥匙的行车轨迹智能回放系统。
背景技术
手机数字车钥匙是汽车智能化变革下的一项创新技术。受到越来越多的车企的关注，它可以让车主通过智能手机解锁汽车，并对汽车实施相关操作，比如说通过手机数字车钥匙来回放行车轨迹。车辆轨迹记录与回放是汽车驾驶过程中极其重要的功能之一，现有的行车轨迹系统都是基于导航地图进行数据的录入和存储，而后进行地图的绘制和回放。但是行车轨迹回放一般需要保留半年或者半年以上，这种存储方式需要大量的存储空间，相对来说特别浪费资源，并且存储顺序为按照时序存储，在数据量巨大的前提下需要很大的算力去进行数据的检索和定位。
目前，手机数字车钥匙是安装于手机上用于解锁车辆并记录车辆行驶信息的手机软件，该手机软件融合了车辆解锁功能和车辆导航记录回放功能。在手机与车辆间通常采用NFC、蓝牙等通信连接，通过手机数字车钥匙能完成车辆的解锁，并且在GPS信号正常的情况下还可以记录车辆行驶的信息。
在车辆行驶的过程中，位置信息和行车状态信息需要被记录，并将记录的数据压缩后进行存储，在后期根据需要将存储的压缩数据通过解压后，将解压后的记录数据在手机端的地图上回放车辆的行车轨迹；车辆在GPS信号正常的地方，能够将车辆的行车轨迹及轨迹上每一时刻的位置信息和车辆状态信息记录于手机数字车钥匙中，并且能够准确地回放车辆的行车轨迹；但是车辆在GPS信号较差的地方无法精确定位，且也无法将车辆的位置信息和车辆状态信息记录于手机数字车钥匙中，认为是异常行驶路段，难以实时获取准确的行驶轨迹，现有技术中只有通过设置在车辆上的陀螺仪和速度传感器获取车辆的行驶数据，由于陀螺仪在转弯时候收集数据容易产生小误差，引起数据的异常，如果为了压缩存储空间将异常的数据通过有损压缩传输至存储单元中，会造成数据的更加异常，通过这些更加异常的数据进行后续行车轨迹模拟计算的时候会发生更大的偏差，导致回放的模拟行车轨迹不准确。因此，为了能够保证异常行驶路段行驶数据压缩的完整性，且确保后续回放异常行驶轨迹的偏差较小，本发明提供一种手机数字车钥匙的行车轨迹智能回放系统。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种手机数字车钥匙的行车轨迹智能回放系统，包括：
数据采集模块，用于获取车辆异常行驶的行驶数据；并通过手机数字车钥匙获取车辆异常行驶的起始时刻初始坐标和结束时刻终止坐标；其中，所述行驶数据包括车辆异常行驶时采集的位置数据和车辆状态信息；
轨迹划分模块，用于根据行驶数据获取车辆的异常行车轨迹，并拟合获取行车轨迹函数；通过对行车轨迹函数进行高阶求导获取车辆异常行驶时多个转弯的预测位置点；
根据多个预测位置点的坐标获取车辆异常行驶的整体联合差异性；根据多个预测位置点的坐标及车辆异常行驶的整体联合差异性，从多个预测位置点中筛选出多个准确位置点；
根据多个准确位置点将异常行驶轨迹划分为多个异常区间；
第一参数获取模块，用于根据每个异常区间的起始准确位置点的坐标和终止准确位置点的坐标，及每个异常区间中预测位置点的数量获取每个异常区间的分配权值；
根据每个异常区间的分配权值，及所有异常区间的分配权值中的最大值和最小值，获取每个异常区间的权重值；
第二参数获取模块，用于根据行驶数据获取车辆异常行驶结束时刻的模拟终止坐标；根据车辆异常行驶的初始坐标、终止坐标及模拟终止坐标获取异常行车轨迹的整体误差度；根据每个异常区间的权重值及异常行车轨迹的整体误差度获取每个异常区间的误差值；
压缩存储模块，用于根据每个异常区间的误差值与对应的异常区间内行驶数据出现的概率乘积作为权值，对每个异常区间内的行驶数据进行霍夫曼编码并进行无损压缩获取第一压缩数据；并用于获取车辆每次行车过程中车辆正常行驶时的行驶数据，对车辆正常行驶时的行驶数据进行有损压缩获取第二压缩数据，将第一压缩数据和第二压缩数据存储于手机数字车钥匙中；
回放模块，用于将存储的第二压缩数据解压后直接进行回放，第一压缩数据经修正后重构车辆行车轨迹进行回放。
在一实施例中，所述轨迹划分模块中，行车轨迹函数是根据车辆在异常行驶过程中采集的位置数据拟合而成；所述位置数据包括车辆在异常行驶过程中每一时刻的经纬坐标；其中，行车轨迹函数的自变量为经度，因变量为纬度。
在一实施例中，所述多个转弯的预测位置点是按照以下步骤获取：
通过对行车轨迹函数进行二阶求导获取二阶导数函数；同时对行车轨迹函数进行三阶求导获取三阶导数函数；
根据行车轨迹函数中使二阶导数函数等于零且使三阶导数函数不等于零对应的多个坐标点作为多个转弯的预测位置点。
在一实施例中，所述轨迹划分模块中，多个准确位置点是按照以下步骤获取：
根据多个预测位置点中第一个预测位置点的坐标依次与第
Figure DEST_PATH_IMAGE001
个预测位置点的坐标计算获取第一个预测位置点至第
Figure 294354DEST_PATH_IMAGE001
个预测位置点的区间差异性；当区间差异性等于车辆异常行驶的整体联合差异性，则将第
Figure 477073DEST_PATH_IMAGE001
个预测位置点为准确位置点；
再以第
Figure 850286DEST_PATH_IMAGE002
个预测位置点的坐标依次与后续的预测位置点的坐标进行上述计算，依次类比获取多个准确位置点。
在一实施例中，所述车辆异常行驶的整体联合差异性的计算公式如下：
Figure DEST_PATH_IMAGE003
式中，
Figure 714337DEST_PATH_IMAGE004
表示车辆异常行驶的整体联合差异性；
Figure DEST_PATH_IMAGE005
表示第
Figure DEST_PATH_IMAGE007
个预测位置点的坐标；
Figure 918922DEST_PATH_IMAGE008
，
Figure DEST_PATH_IMAGE009
表示预测位置点的总数。
在一实施例中，所述第一参数获取模块中，每个异常区间的分配权值计算公式如下：
Figure DEST_PATH_IMAGE011
式中，
Figure 803701DEST_PATH_IMAGE012
表示第
Figure DEST_PATH_IMAGE013
个异常区间的分配权值；
Figure 805155DEST_PATH_IMAGE014
表示第
Figure 343670DEST_PATH_IMAGE013
个异常区间的起始准确位置点的坐标；
Figure DEST_PATH_IMAGE015
表示第
Figure 746970DEST_PATH_IMAGE013
个异常区间的终止准确位置点的坐标；
Figure 333809DEST_PATH_IMAGE016
为第
Figure 291401DEST_PATH_IMAGE013
个区间内的预测位置点的数量；
Figure DEST_PATH_IMAGE017
为第
Figure 887467DEST_PATH_IMAGE013
个区间内包括预测位置点和准确位置点的数量。
在一实施例中，所述数据采集模块中，还包括用于获取车辆每次行车过程中多个不同时间段的车辆异常行驶的行驶数据；根据轨迹划分模块将每个时间段对应的异常行驶轨迹划分为多个异常区间；
通过第一参数获取模块获取每个时间段对应的每个异常区间的权重值；
通过第二参数获取模块获取每个时间段对应的异常行驶轨迹整体误差度，及对应的每个异常区间的误差值；
通过压缩存储模块将每个时间段对应的每个异常区间的误差值与对应的异常区间内行驶数据出现的概率乘积作为权值，对每个时间段对应的每个异常区间内的行驶数据进行霍夫曼编码进行无损压缩获取第一压缩数据；并将第一压缩数据存储于手机数字车钥匙中。
在一实施例中，所述存储过程中是根据车辆每次行车过程中每个时间段对应的异常行驶轨迹整体误差度，以及每个时间段对应的每个异常区间的权重值对行驶数据进行分层存储。
在一实施例中，所述分层存储是按照以下步骤进行：
建立第一优先存储层，第一优先存储层中每层建立第二优先存储层，第二优先存储层中每层建立第三优先存储层；
根据车辆每次行车过程中多个不同时间段的异常行驶轨迹的整体误差度的加和将每次行车的不同时间段的异常行驶轨迹的行驶数据依次存储于第一优先存储层；
根据每个时间段的异常行驶轨迹中每个异常区间的误差值的加和将每个时间段的异常行驶轨迹的行驶数据依次存储于第一优先存储层中的第二优先存储层；
根据异常行驶轨迹中的每个异常区间的误差值将每个异常区间的行驶数据依次存储于第二优先存储层中的第三优先存储层。
在一实施例中，所述回放模块中，在手机数字车钥匙中回放车辆的行车轨迹时，从压缩存储模块中调取行车过程的第一压缩数据和第二压缩数据，基于时序对第一压缩数据和第二压缩数据进行排序，正常行车时的行驶数据直接进行解压并回放，而异常行车时的行驶数据修正后，重构车辆行车轨迹进行回放。
本发明至少具有如下有益效果：
本发明提供了一种手机数字车钥匙的行车轨迹智能回放系统，该系统通过数据采集模块获取车辆异常行驶的行驶数据，对车辆异常行驶的行驶数据通过对车辆异常行驶的整体误差分析，最大程度地反映每段异常行车轨迹的整体误差，再对每段异常行车轨迹通过拐点进行划分出异常区间，对异常区间进行分析，根据分析结果进行误差分配，判断每个异常区间行驶的路长及误差的累计情况，从而能够获取每个异常区间的异常程度，进而根据异常区间的异常程度的大小对异常行车轨迹中的每个异常区间的行驶数据利用霍夫曼编码算法进行无损压缩，异常程度越大，其编码越短，安全性越高，且能够保证整个异常行车轨迹中的行驶数据的完整性，避免在压缩过程中原本是异常的行驶数据，造成数据的更加异常；实现了小存储量的数据，减少对存储空间的占用；另外，本发明还根据异常程度对行驶数据进行优先级分层存储，提高了后续的检索效率，能够快速地调取异常行驶轨迹的行驶数据，从而实现小存储量数据和高检索效率的行车轨迹的回放。
本发明主要利用陀螺仪定位技术和数据采集技术获取行车过程中的车辆的位置信息和车辆行车过程中的状态信息，并通过数据压缩技术对收集到的行驶数据进行优先级的压缩，并在车辆GPS信号正常的情况下将异常行车轨迹的行驶数据存储于手机数字车钥匙中，同时车辆在GPS信号正常的地方时，将车辆的行车轨迹及轨迹上每一时刻的位置信息和车辆状态信息通过有损压缩记录于手机数字车钥匙中，从而实现小存储量数据，在后期回放的过程中，由于是通过进行优先级的压缩和存储，进而实现高检索效率的行车轨迹的回放。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种手机数字车钥匙的行车轨迹智能回放系统的结构框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种手机数字车钥匙的行车轨迹智能回放系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
手机数字车钥匙是安装于手机上用于解锁车辆并记录车辆行驶信息的手机软件，该手机软件融合了车辆解锁功能和车辆导航记录回放功能。在手机与车辆间通常采用NFC、蓝牙等通信连接，通过手机数字车钥匙能完成车辆的解锁，并且在GPS信号正常的情况下还可以记录车辆行驶的信息。
本发明所针对的场景是，在车辆行驶的过程中，车辆在GPS信号正常的情况下，可将车辆的位置信息和行车状态信息实时行驶数据记录于手机数字车钥匙中，而后根据记录数据在手机数字车钥匙的地图上进行后续的行车轨迹的回放，但是车辆在GPS信号较弱的地方无法精确定位，车辆的本身行驶数据无法实时记录于手机数字车钥匙中，只能通过设置于车辆上的陀螺仪及速度传感器来计算坐标位置，但与GPS信号正常时记录的行驶数据存在较大异常或误差，所以在对行车数据中的异常行驶状态下的异常程度进行计算，而后根据异常度进行数据压缩，并根据异常程度对行驶数据进行优先级分层存储于手机数字车钥匙中，确保异常行驶数据完整性的同时，实现小存储量数据和高检索效率的行车轨迹的回放。
本发明提供的手机数字车钥匙的行车轨迹智能回放系统，主要利用陀螺仪定位技术和数据采集技术获取行车过程中的车辆的位置信息和车辆行车过程中的状态信息，并通过数据压缩技术对收集到的行驶数据进行优先级的压缩，并在车辆GPS信号正常的情况下将异常行车轨迹的行驶数据存储于手机数字车钥匙中，同时车辆在GPS信号正常的地方时，将车辆的行车轨迹及轨迹上每一时刻的位置信息和车辆状态信息通过有损压缩记录于手机数字车钥匙中，从而实现小存储量数据，在后期回放的过程中，由于是通过进行优先级的压缩和存储，进而实现高检索效率的行车轨迹的回放。
下面结合附图具体的说明本发明所提供的一种手机数字车钥匙的行车轨迹智能回放系统的具体方案。
参见图1所示，其示出了本发明一个实施例提供的一种手机数字车钥匙的行车轨迹智能回放系统的结构框图，手机数字车钥匙的行车轨迹智能回放系统包括：数据采集模块，轨迹划分模块，第一参数获取模块，第二参数获取模块，压缩存储模块，以及回放模块；
数据采集模块，用于获取车辆异常行驶的行驶数据；并获取车辆异常行驶的起始时刻初始坐标和结束时刻终止坐标；其中，行驶数据包括车辆异常行驶时采集的位置数据和车辆状态信息；
在本实施例中，数据采集模块，用于利用陀螺仪采集的车辆行驶时的经纬坐标作为位置数据，以及采集行车过程中的车辆状态信息包括行车速度，车辆方向信息；而车辆在正常行驶过程中的位置数据，利用手机数字车钥匙中定位技术进行直接收集，例如GPS、北斗等；而车辆异常行驶的行驶数据主要依靠安装于车辆上陀螺仪及速度传感器等。需要说明的是，记录异常行驶状态起始时刻为
Figure 879694DEST_PATH_IMAGE018
，
Figure 637434DEST_PATH_IMAGE018
时刻的经纬度坐标为初始坐标
Figure DEST_PATH_IMAGE019
，异常行驶状态结束时刻为
Figure 941377DEST_PATH_IMAGE020
，
Figure 482080DEST_PATH_IMAGE020
时刻的经纬度坐标为终止坐标
Figure DEST_PATH_IMAGE021
。需要说明的是，每段异常行驶状态起始时刻和终止时刻的位置信息和车辆状态信息均可以通过手机数字车钥匙进行获取；异常状态起始时刻为丢失GPS信号的最后一个时刻；异常状态终止时刻为重新接收GPS信号的第一个时刻。
轨迹划分模块，用于根据行驶数据获取车辆的异常行车轨迹，并拟合获取行车轨迹函数；通过对行车轨迹函数进行高阶求导获取车辆异常行驶时多个转弯的预测位置点；
根据多个预测位置点的坐标获取车辆异常行驶的整体联合差异性；根据多个预测位置点的坐标及车辆异常行驶的整体联合差异性，从多个预测位置点中筛选出多个准确位置点；
根据多个准确位置点将异常行驶轨迹划分为多个异常区间；
轨迹划分模块中，行车轨迹函数是根据车辆在异常行驶过程中采集的位置数据拟合而成；位置数据包括车辆在异常行驶过程中每一时刻的经纬坐标；其中，行车轨迹函数的自变量为经度，因变量为纬度。
需要说明的是，为了确保异常行车轨迹中的行驶数据在压缩过程中完整性，所以对异常行车轨迹进行选择标记点分区，而后对区间特征进行分析，根据分析结果进行误差分配，根据误差分配的优先级对其行驶数据进行压缩。
在本实施例中，利用行驶数据中的经纬度信息模拟异常行车轨迹，异常行车轨迹是根据利用车辆在异常行驶过程中的起始点和终止点的坐标作为固定点，而后结合行车过程中利用陀螺仪和速度传感器数据计算出的模拟坐标作为变量点进行三角形重构而获得的。
多个转弯的预测位置点是按照以下步骤获取：
通过对行车轨迹函数进行二阶求导获取二阶导数函数；同时对行车轨迹函数进行三阶求导获取三阶导数函数；根据行车轨迹函数中使二阶导数函数等于零且使三阶导数函数不等于零对应的多个坐标点作为多个转弯的预测位置点。
在本实施例中，利用车辆在异常行驶过程中行驶数据的位置数据模拟生成经度关于纬度的函数，即为行车轨迹函数
Figure 922288DEST_PATH_IMAGE022
，而利用
Figure 726296DEST_PATH_IMAGE022
获取多个转弯的预测位置点，具体过程如下所示：
首先对行车轨迹函数
Figure 720797DEST_PATH_IMAGE022
进行高阶求导，由于进行高阶求导的目的在于对于行车轨迹函数
Figure 393087DEST_PATH_IMAGE022
进行拐点的判断，而行车轨迹函数中拐点可初步认为行车轨迹中车辆的大概率转弯的位置。其次获得二阶导函数
Figure DEST_PATH_IMAGE023
和三阶导函数
Figure 687802DEST_PATH_IMAGE024
，接着选择所有使得二阶导函数
Figure DEST_PATH_IMAGE025
且
Figure 193869DEST_PATH_IMAGE026
对应的
Figure 737983DEST_PATH_IMAGE009
个点作为预测位置点
Figure DEST_PATH_IMAGE027
；其中，
Figure 417226DEST_PATH_IMAGE027
表示第
Figure 35289DEST_PATH_IMAGE028
个预测位置点的坐标；预测位置点的具体实际含义为行车轨迹中车辆大概率转弯的位置点。
车辆异常行驶的整体联合差异性的计算公式如下：
Figure 446679DEST_PATH_IMAGE003
式中，
Figure 212510DEST_PATH_IMAGE004
表示车辆异常行驶的整体联合差异性；
Figure 101969DEST_PATH_IMAGE005
表示第
Figure DEST_PATH_IMAGE029
个预测位置点的坐标；
Figure 433593DEST_PATH_IMAGE008
，
Figure 750305DEST_PATH_IMAGE009
表示预测位置点的总数。
Figure 269011DEST_PATH_IMAGE004
表示车辆异常行驶的整体联合差异性；具体是通过方差计算，通过单个的预测位置点与整体所有预测位置点之间的差异值来表示车辆异常行驶的整体联合差异性。
轨迹划分模块中，多个准确位置点是按照以下步骤获取：
根据多个预测位置点中第一个预测位置点的坐标依次与第
Figure 758898DEST_PATH_IMAGE001
个预测位置点的坐标计算获取第一个预测位置点至第
Figure 289236DEST_PATH_IMAGE001
个预测位置点的区间差异性；当区间差异性等于车辆异常行驶的整体联合差异性，则将第
Figure 901483DEST_PATH_IMAGE001
个预测位置点为准确位置点；
再以第
Figure 782852DEST_PATH_IMAGE002
个预测位置点的坐标依次与后续的预测位置点的坐标进行上述计算，依次类比获取多个准确位置点。
在本实施例中，通过获取异常行车轨迹的多个异常区间以区间端点值作为准确位置点，将异常区间以联合整体联合差异性
Figure 404326DEST_PATH_IMAGE004
作为终止条件，具体如下：
首先第一个和第二个预测位置点作为基础，进行第一个和第二个预测位置点作为一个区间计算区间差异性，其计算方式同整体联合差异性的计算公式，而后判断其区间差异性是否与整体联合差异性相等，如果不相等，则继续加下一个预测位置点重新计算，直至到第
Figure 851488DEST_PATH_IMAGE028
个预测位置点
Figure 510002DEST_PATH_IMAGE027
时其区间差异性等于整体联合差异性时，则取该第
Figure 737721DEST_PATH_IMAGE028
个预测位置点作为准确位置点；而后以第
Figure 772673DEST_PATH_IMAGE030
个备选标记点
Figure DEST_PATH_IMAGE031
重新开始进行如上计算，即可完成所有的准确位置点的筛选，依照上述方法获得
Figure 933396DEST_PATH_IMAGE032
个标记点，根据多个准确位置点将异常行驶轨迹划分为多个异常区间；每两个相邻的准确位置点之间的整体数据为一个行车轨迹的异常区间，共有
Figure DEST_PATH_IMAGE033
个行车轨迹异常区间。为便于理解，获取准确位置点过程中，类似与迭代计算，例如，将计算
Figure 90708DEST_PATH_IMAGE004
的公式中的第一个求和数据由1到
Figure 743406DEST_PATH_IMAGE009
变成了计算
Figure 582049DEST_PATH_IMAGE034
=1到
Figure 800541DEST_PATH_IMAGE009
=2的
Figure 66437DEST_PATH_IMAGE004
，相同终止，不相同继续计算
Figure 940852DEST_PATH_IMAGE034
=1到
Figure 707820DEST_PATH_IMAGE009
=3的
Figure 921764DEST_PATH_IMAGE004
，相同终止，不相同继续计算
Figure 155299DEST_PATH_IMAGE034
=1到
Figure 844906DEST_PATH_IMAGE009
=4的
Figure 759773DEST_PATH_IMAGE004
依次计算至，第
Figure 218436DEST_PATH_IMAGE028
个预测位置点
Figure 622872DEST_PATH_IMAGE027
时其区间差异性等于整体联合差异性时，则取该第
Figure 409563DEST_PATH_IMAGE028
个预测位置点作为准确位置点。
在本实施例中，为了明确异常行驶轨迹中每个异常区间的误差，则对每个异常区间进行整体误差分配，以第
Figure 252754DEST_PATH_IMAGE013
个区间为例
Figure DEST_PATH_IMAGE035
，具体如下：
第一参数获取模块，用于根据每个异常区间的起始准确位置点的坐标和终止准确位置点的坐标，及每个异常区间中预测位置点的数量获取每个异常区间的分配权值；
根据每个异常区间的分配权值，及所有异常区间的分配权值中的最大值和最小值，获取每个异常区间的权重值；
第一参数获取模块中，每个异常区间的分配权值计算公式如下：
Figure DEST_PATH_IMAGE037
式中，
Figure 300344DEST_PATH_IMAGE012
表示第
Figure 875682DEST_PATH_IMAGE013
个异常区间的分配权值；
Figure 415248DEST_PATH_IMAGE014
表示第
Figure 62130DEST_PATH_IMAGE013
个异常区间的起始准确位置点的坐标；
Figure 105172DEST_PATH_IMAGE015
表示第
Figure 851411DEST_PATH_IMAGE013
个异常区间的终止准确位置点的坐标；
Figure 737328DEST_PATH_IMAGE016
为第
Figure 797688DEST_PATH_IMAGE013
个异常区间内的预测位置点的数量；
Figure 85449DEST_PATH_IMAGE017
为第
Figure 2590DEST_PATH_IMAGE013
个异常区间内包括预测位置点和准确位置点的总数量。
若计算的
Figure 516748DEST_PATH_IMAGE038
较大，说明该区间内整体的位置变换次数的趋势较大，而位置变化次数较大的情况下更容易出现误差的累积；而后以预测位置点的个数在该异常区间整体轨迹点的个数中占比进行计算
Figure DEST_PATH_IMAGE039
，其中预测位置点为行车过程中行车轨迹函数的拐点位置，而拐点位置为行车过程中模拟轨迹中的车辆方向变化点，基础理论中在行车过程中方向变化时更容易出现误差；最后以整个区间的整体轨迹点的个数进行放大
Figure 708695DEST_PATH_IMAGE040
，整个区间的整体行车轨迹点的个数越多，则说明这个区间实际行驶的路程更长，路程越长，更容易进行误差的累积。其中，整体轨迹点是异常区间内包括预测位置点和准确位置点。
在本实施例中，对每个异常区间进行如上计算，可获得每个区间的分配权值序列
Figure DEST_PATH_IMAGE041
：
Figure DEST_PATH_IMAGE043
而后利用分配权值序列进行每个异常区间的权重值的计算，以第
Figure 319805DEST_PATH_IMAGE013
个异常区间为例，其异常区间权重值
Figure 673426DEST_PATH_IMAGE044
计算方式如下所示：
Figure 533934DEST_PATH_IMAGE046
式中，
Figure DEST_PATH_IMAGE047
为分配权值序列中最小的分配权值；
Figure 529572DEST_PATH_IMAGE048
为分配权值序列中最大的分配权值；
Figure 198451DEST_PATH_IMAGE012
表示第
Figure 660656DEST_PATH_IMAGE013
个异常区间的分配权值；
Figure 8461DEST_PATH_IMAGE044
表示第
Figure 11052DEST_PATH_IMAGE013
个异常区间的权重值。
以上述方式对所有分配权值进行计算，获取每个异常区间的权重值。
在本实施例中，为了给每个异常区间分配误差值，则先要获取整个异常行车轨迹的整体误差度，在通过每个异常区间的权重值进行分配，具体如下：
第二参数获取模块，用于根据行驶数据获取车辆异常行驶结束时刻的模拟终止坐标；根据车辆异常行驶的初始坐标、终止坐标及模拟终止坐标获取异常行车轨迹的整体误差度；根据每个异常区间的权重值及异常行车轨迹的整体误差度获取每个异常区间的误差值；
在本实施例中，为了获得车辆异常行驶时的整体误差，其异常行车轨迹的整体误差度是按照以下步骤获取：
获取车辆异常行驶的初始坐标、终止坐标；在本实施例中，记录异常行驶状态起始时刻为
Figure 3279DEST_PATH_IMAGE018
，
Figure 772738DEST_PATH_IMAGE018
时刻的经纬度坐标为初始坐标
Figure 217626DEST_PATH_IMAGE019
，异常行驶状态结束时刻为
Figure 23908DEST_PATH_IMAGE020
，
Figure 260854DEST_PATH_IMAGE020
时刻的经纬度坐标为终止坐标
Figure 799283DEST_PATH_IMAGE021
。异常状态起始时刻为丢失GPS信号的最后一个时刻；异常状态终止时刻为重新接收GPS信号的第一个时刻；
而后利用现有技术将异常行驶状态中数据采集模块中采集到的陀螺仪数据和速度数据进行行车轨迹数据的模拟计算，获得模拟后的异常行车轨迹，其计算异常行车轨迹中最后一个经纬度坐标记为模拟终止坐标
Figure DEST_PATH_IMAGE049
；
根据车辆异常行驶的初始坐标、终止坐标及模拟终止坐标获取异常行车轨迹的整体误差度；具体计算公式如下：
Figure DEST_PATH_IMAGE051
式中，
Figure 856100DEST_PATH_IMAGE052
表示异常行车轨迹的整体误差度；
Figure 528390DEST_PATH_IMAGE049
表示车辆异常行驶结束时刻的模拟终止坐标；
Figure 823105DEST_PATH_IMAGE019
表示车辆异常行驶的初始坐标；
Figure 63594DEST_PATH_IMAGE021
车辆异常行驶的终止坐标。在本实施例中，利用异常状态下的模拟车辆的异常行车轨迹的模拟终止坐标和初始坐标的差异量与终止坐标以和初始坐标的差异值进行比较，以整个异常行驶的起止坐标进行误差分析，其中初始坐标和终止坐标为实际值，而模拟终止坐标为模拟计算值，以模拟计算值和实际值并通过整个异常行驶区间进行误差计算可以最大程度地反映出模拟的异常行车轨迹的整体误差。需要说明的是，在本实施例中主要根据车辆行驶的实际情况进行获取异常行车轨迹的整体误差，不会出现每个异常行车轨迹的起始点和终止点为同一坐标点。
为了能够最真实反映异常行车轨迹中每个异常区间行驶数据的误差，则将异常行车轨迹的整体误差分配于异常行车轨迹中每个异常区间，具体如下：
最后根据每个异常区间的权重值进行误差的分配，以第
Figure 873287DEST_PATH_IMAGE013
个异常区间为例，其分配后的误差值为
Figure DEST_PATH_IMAGE053
计算方式为：
Figure DEST_PATH_IMAGE055
式中，
Figure 818109DEST_PATH_IMAGE053
表示第
Figure 373855DEST_PATH_IMAGE013
个异常区间的误差值；
Figure 909879DEST_PATH_IMAGE044
表示第
Figure 613393DEST_PATH_IMAGE013
个异常区间的权重值；
Figure 237272DEST_PATH_IMAGE052
表示异常行车轨迹的整体误差度
至此，获得所有的异常行车轨迹中每个异常区间的分配后的误差值
Figure 303317DEST_PATH_IMAGE056
，误差值
Figure 416767DEST_PATH_IMAGE056
，即为异常区间中行驶数据的异常程度。
压缩存储模块，用于根据每个异常区间的误差值与对应的异常区间内行驶数据出现的概率乘积作为权值，对每个异常区间内的行驶数据进行霍夫曼编码并进行无损压缩获取第一压缩数据；并将第一压缩数据进行存储。
在本实施例中，上述是对车辆在一次行车过程中的一段异常行驶状态下的不同异常区间中行驶数据的异常程度进行计算，而后根据异常程度对异常行车轨迹的行驶数据进行利用霍夫曼编码算法进行无损压缩，具体方式为：
以第
Figure 545260DEST_PATH_IMAGE013
个异常区间为例，常规的霍夫曼编码方式为根据第
Figure 35147DEST_PATH_IMAGE058
个异常区间内的每个数据在所有异常区间中出现概率作为权值进行编码，而数据出现概率在本实施例中不能体现异常数据的异常程度，根据第
Figure 690119DEST_PATH_IMAGE058
个异常区间的误差值与对应的第
Figure 443311DEST_PATH_IMAGE058
个异常区间内行驶数据出现的概率乘积作为权值，对第
Figure 121417DEST_PATH_IMAGE058
个异常区间内行驶数据进行霍夫曼编码并进行无损压缩，获取第一压缩数据；并将第一压缩数据进行存储。
在本实施例中，数据采集模块中，还包括用于获取车辆每次行车过程中多个不同时间段的车辆异常行驶的行驶数据；
根据轨迹划分模块将每个时间段对应的异常行驶轨迹划分为多个异常区间；
通过第一参数获取模块获取每个时间段对应的每个异常区间的权重值；
通过第二参数获取模块获取每个时间段对应的异常行驶轨迹整体误差度，及对应的每个异常区间的误差值；
通过压缩存储模块将每个时间段对应的每个异常区间的误差值与对应的异常区间内行驶数据出现的概率乘积作为权值，对每个时间段对应的每个异常区间内的行驶数据进行霍夫曼编码并进行无损压缩获取第一压缩数据；并将第一压缩数据进行存储。
压缩存储模块中，还包括用于获取车辆每次行车过程中车辆正常行驶时的行驶数据，对车辆正常行驶时的行驶数据进行有损压缩获取第二压缩数据，并将第二压缩数据进行存储。其中，有损压缩采用预测编码或者变换编码压缩。
存储过程中是根据车辆每次行车过程中每个时间段对应的异常行驶轨迹整体联合差异性，以及每个时间段对应的每个异常区间的权重值对行驶数据进行分层存储。
在本实施例中，对压缩数据的存储时，对于车辆正常行驶时的行驶数据，进行实时有损压缩获取第二压缩数据，并基于时序对第二压缩数据进行单独存储；而对于不同时间段的车辆异常行驶的行驶数据，通过无损压缩获取第一压缩数据后，进行分层存储，另外，在本实施例中，设置两个存储分区分别存储车辆正常行驶时的行驶数据和车辆异常行驶的行驶数据，对于车辆异常行驶的行驶数据对应的第一压缩数据进行分层存储具体步骤如下：
S1、对多次行车过程中的总体数据利用整体误差度进行优先级计算，具体为对每次行车书中所有异常行驶状态下的整体误差度
Figure 211733DEST_PATH_IMAGE052
进行求和，而后对所有的求和值进行升序排序，整体误差度
Figure 658895DEST_PATH_IMAGE052
求和值最小值对应的单次行车过程说明其行驶数据总量较少，所以存储优先级最低；整体误差度
Figure 317409DEST_PATH_IMAGE052
求和值最大值对应的单次行车过程说明其行驶数据总量较多，所有存储优先级最高。
S2、对每次行车过程中所有行驶数据进行基于异常程度的行驶数据存储优先级计算，具体为对所有异常行驶状态下产生的行驶数据对应的整体误差度
Figure 482812DEST_PATH_IMAGE052
进行升序排序，整体误差度
Figure 642397DEST_PATH_IMAGE052
最大的异常行驶状态下产生的行驶数据存储优先级最高；整体误差度
Figure 881749DEST_PATH_IMAGE052
最小的异常行驶状态下产生的行驶数据存储优先级最低。
S3、对每个异常行驶状态下产生的行驶数据存储级进行计算，具体为对单个异常区间对应的行驶数据的异常程度
Figure 773481DEST_PATH_IMAGE053
进行升序排序，异常区间的行驶数据的异常程度
Figure 488497DEST_PATH_IMAGE053
最大的异常区间对应的行驶数据的存储优先级最高，异常区间的行驶数据的异常程度
Figure 858298DEST_PATH_IMAGE053
最小的异常区间对应的行驶数据的存储优先级最低。
S4、最后对所有行驶数据进行基于优先级的分层存储，具体为首先建立第一优先存储层，第一优先存储层中每层建立第二优先存储层，第二优先存储层中每层建立第三优先存储层，第一优先存储层中最高层存储S1中优先级最高的单次行驶数据，而后根据优先级降序进行分层存储直至最低层存储优先级最低的单次行驶数据；第二优先层中最高层存储S2中优先级最高的异常行驶状态下产生的行驶数据，而后根据优先级降序进行分层存储直至最低层存储优先级最低的异常行驶状态下产生的行驶数据；第三优先存储层中最高层存储S3中优先级最高的优先级对应的行驶数据而后根据优先级降序进行分层存储直至最低层存储优先级最低的行驶数据。
回放模块，用于将存储的压缩数据解压后重构车辆每次行车的轨迹并传输至显示端进行回放。在本实施例中，为了回放车辆的某次行车轨迹，则首先从压缩存储模块中调取该次行车过程所对应的第一压缩数据和第二压缩数据，基于时序对第一压缩数据和第二压缩数据进行排序，正常行车时的行驶数据直接进行解压并回放，而异常行车时的行驶数据结合历史数据修正后，进行重构行车轨迹再进行回放。需要说明的是，在本实施例中，对行驶数据修正采用大数据修正法或平差修正法。
综上，本发明提供了一种手机数字车钥匙的行车轨迹智能回放系统，该系统通过数据采集模块获取车辆异常行驶的行驶数据，对车辆异常行驶的行驶数据通过对车辆异常行驶的整体误差分析，最大程度地反映每段异常行车轨迹的整体误差，再对每段异常行车轨迹通过拐点进行划分出异常区间，对异常区间进行分析，根据分析结果进行误差分配，判断每个异常区间行驶的路长及误差的累计情况，从而能够获取每个异常区间的异常程度，进而根据异常区间的异常程度的大小对异常行车轨迹中的每个异常区间的行驶数据利用霍夫曼编码算法进行无损压缩，异常程度越大，其编码越短，安全性越高，且能够保证整个异常行车轨迹中的行驶数据的完整性，避免在压缩过程中原本是异常的行驶数据，造成数据的更加异常；实现了小存储量的数据，减少对存储空间的占用；另外，本发明还根据异常程度对行驶数据进行优先级分层存储，提高了后续的检索效率，能够快速地调取异常行驶轨迹的行驶数据，从而实现小存储量数据和高检索效率的行车轨迹的回放。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种手机数字车钥匙的行车轨迹智能回放系统，其特征在于，包括：
数据采集模块，用于获取车辆异常行驶的行驶数据；并通过手机数字车钥匙获取车辆异常行驶的起始时刻初始坐标和结束时刻终止坐标；其中，所述行驶数据包括车辆异常行驶时采集的位置数据和车辆状态信息；
轨迹划分模块，用于根据行驶数据获取车辆的异常行车轨迹，并拟合获取行车轨迹函数；通过对行车轨迹函数进行高阶求导获取车辆异常行驶时多个转弯的预测位置点；
根据多个预测位置点的坐标获取车辆异常行驶的整体联合差异性；根据多个预测位置点的坐标及车辆异常行驶的整体联合差异性，从多个预测位置点中筛选出多个准确位置点；
根据多个准确位置点将异常行驶轨迹划分为多个异常区间；
第一参数获取模块，用于根据每个异常区间的起始准确位置点的坐标和终止准确位置点的坐标，及每个异常区间中预测位置点的数量获取每个异常区间的分配权值；
根据每个异常区间的分配权值，及所有异常区间的分配权值中的最大值和最小值，获取每个异常区间的权重值；
第二参数获取模块，用于根据行驶数据获取车辆异常行驶结束时刻的模拟终止坐标；根据车辆异常行驶的初始坐标、终止坐标及模拟终止坐标获取异常行车轨迹的整体误差度；根据每个异常区间的权重值及异常行车轨迹的整体误差度获取每个异常区间的误差值；
压缩存储模块，用于根据每个异常区间的误差值与对应的异常区间内行驶数据出现的概率乘积作为权值，对每个异常区间内的行驶数据进行霍夫曼编码并进行无损压缩获取第一压缩数据；并用于获取车辆每次行车过程中车辆正常行驶时的行驶数据，对车辆正常行驶时的行驶数据进行有损压缩获取第二压缩数据，将第一压缩数据和第二压缩数据存储于手机数字车钥匙中；
回放模块，用于将存储的第二压缩数据解压后直接进行回放，第一压缩数据经修正后重构车辆行车轨迹进行回放。
2.根据权利要求1所述的一种手机数字车钥匙的行车轨迹智能回放系统，其特征在于，所述轨迹划分模块中，行车轨迹函数是根据车辆在异常行驶过程中采集的位置数据拟合而成；所述位置数据包括车辆在异常行驶过程中每一时刻的经纬坐标；其中，行车轨迹函数的自变量为经度，因变量为纬度。
3.根据权利要求2所述的一种手机数字车钥匙的行车轨迹智能回放系统，其特征在于，所述多个转弯的预测位置点是按照以下步骤获取：
通过对行车轨迹函数进行二阶求导获取二阶导数函数；同时对行车轨迹函数进行三阶求导获取三阶导数函数；
根据行车轨迹函数中使二阶导数函数等于零且使三阶导数函数不等于零对应的多个坐标点作为多个转弯的预测位置点。
4.根据权利要求1所述的一种手机数字车钥匙的行车轨迹智能回放系统，其特征在于，所述轨迹划分模块中，多个准确位置点是按照以下步骤获取：
根据多个预测位置点中第一个预测位置点的坐标依次与第
Figure 21952DEST_PATH_IMAGE001
个预测位置点的坐标计算获取第一个预测位置点至第
Figure 717375DEST_PATH_IMAGE001
个预测位置点的区间差异性；当区间差异性等于车辆异常行驶的整体联合差异性，则将第
Figure 552476DEST_PATH_IMAGE001
个预测位置点为准确位置点；
再以第
Figure 296441DEST_PATH_IMAGE002
个预测位置点的坐标依次与后续的预测位置点的坐标进行上述计算，依次类比获取多个准确位置点。
5.根据权利要求4所述的一种手机数字车钥匙的行车轨迹智能回放系统，其特征在于，所述车辆异常行驶的整体联合差异性的计算公式如下：
Figure 267808DEST_PATH_IMAGE003
式中，
Figure 71816DEST_PATH_IMAGE004
表示车辆异常行驶的整体联合差异性；
Figure 394213DEST_PATH_IMAGE005
表示第
Figure 738607DEST_PATH_IMAGE006
个预测位置点的坐标；
Figure 705426DEST_PATH_IMAGE007
，
Figure 804969DEST_PATH_IMAGE008
表示预测位置点的总数。
6.根据权利要求1所述的一种手机数字车钥匙的行车轨迹智能回放系统，其特征在于，所述第一参数获取模块中，每个异常区间的分配权值计算公式如下：
Figure 224449DEST_PATH_IMAGE009
式中，
Figure 372533DEST_PATH_IMAGE010
表示第
Figure 52913DEST_PATH_IMAGE011
个异常区间的分配权值；
Figure 464303DEST_PATH_IMAGE012
表示第
Figure 167817DEST_PATH_IMAGE011
个异常区间的起始准确位置点的坐标；
Figure 916330DEST_PATH_IMAGE013
表示第
Figure 857741DEST_PATH_IMAGE011
个异常区间的终止准确位置点的坐标；
Figure 236770DEST_PATH_IMAGE014
为第
Figure 489897DEST_PATH_IMAGE011
个区间内的预测位置点的数量；
Figure 183046DEST_PATH_IMAGE015
为第
Figure 510122DEST_PATH_IMAGE011
个区间内包括预测位置点和准确位置点的数量。
7.根据权利要求1所述的一种手机数字车钥匙的行车轨迹智能回放系统，其特征在于，所述数据采集模块中，还包括用于获取车辆每次行车过程中多个不同时间段的车辆异常行驶的行驶数据；根据轨迹划分模块将每个时间段对应的异常行驶轨迹划分为多个异常区间；
通过第一参数获取模块获取每个时间段对应的每个异常区间的权重值；
通过第二参数获取模块获取每个时间段对应的异常行驶轨迹整体误差度，及对应的每个异常区间的误差值；
通过压缩存储模块将每个时间段对应的每个异常区间的误差值与对应的异常区间内行驶数据出现的概率乘积作为权值，对每个时间段对应的每个异常区间内的行驶数据进行霍夫曼编码进行无损压缩获取第一压缩数据；并将第一压缩数据存储于手机数字车钥匙中。
8.根据权利要求7所述的一种手机数字车钥匙的行车轨迹智能回放系统，其特征在于，所述存储过程中是根据车辆每次行车过程中每个时间段对应的异常行驶轨迹整体误差度，以及每个时间段对应的每个异常区间的权重值对行驶数据进行分层存储。
9.根据权利要求8所述的一种手机数字车钥匙的行车轨迹智能回放系统，其特征在于，所述分层存储是按照以下步骤进行：
建立第一优先存储层，第一优先存储层中每层建立第二优先存储层，第二优先存储层中每层建立第三优先存储层；
根据车辆每次行车过程中多个不同时间段的异常行驶轨迹的整体误差度的加和将每次行车的不同时间段的异常行驶轨迹的行驶数据依次存储于第一优先存储层；
根据每个时间段的异常行驶轨迹中每个异常区间的误差值的加和将每个时间段的异常行驶轨迹的行驶数据依次存储于第一优先存储层中的第二优先存储层；
根据异常行驶轨迹中的每个异常区间的误差值将每个异常区间的行驶数据依次存储于第二优先存储层中的第三优先存储层。
10.根据权利要求1所述的一种手机数字车钥匙的行车轨迹智能回放系统，其特征在于，所述回放模块中，在手机数字车钥匙中回放车辆的行车轨迹时，从压缩存储模块中调取行车过程的第一压缩数据和第二压缩数据，基于时序对第一压缩数据和第二压缩数据进行排序，正常行车时的行驶数据直接进行解压并回放，而异常行车时的行驶数据修正后，重构车辆行车轨迹进行回放。
CN202210944707.2A 2022-08-08 2022-08-08 一种手机数字车钥匙的行车轨迹智能回放系统 Active CN115017252B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210944707.2A CN115017252B (zh) 2022-08-08 2022-08-08 一种手机数字车钥匙的行车轨迹智能回放系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210944707.2A CN115017252B (zh) 2022-08-08 2022-08-08 一种手机数字车钥匙的行车轨迹智能回放系统

Publications (2)

Publication Number Publication Date
CN115017252A true CN115017252A (zh) 2022-09-06
CN115017252B CN115017252B (zh) 2022-10-25

Family

ID=83066345

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210944707.2A Active CN115017252B (zh) 2022-08-08 2022-08-08 一种手机数字车钥匙的行车轨迹智能回放系统

Country Status (1)

Country Link
CN (1) CN115017252B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117318729A (zh) * 2023-11-27 2023-12-29 山东济宁运河煤矿有限责任公司 一种煤矿井下防爆电气设备参数管理系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170124115A1 (en) * 2015-10-28 2017-05-04 International Business Machines Corporation High performance and efficient multi-scale trajectory retrieval
CN110716935A (zh) * 2019-10-09 2020-01-21 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) 基于网约车出行的轨迹数据分析与可视化方法及系统
CN114841679A (zh) * 2022-06-29 2022-08-02 陕西省君凯电子科技有限公司 车辆行驶数据的智能管理系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170124115A1 (en) * 2015-10-28 2017-05-04 International Business Machines Corporation High performance and efficient multi-scale trajectory retrieval
CN110716935A (zh) * 2019-10-09 2020-01-21 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) 基于网约车出行的轨迹数据分析与可视化方法及系统
CN114841679A (zh) * 2022-06-29 2022-08-02 陕西省君凯电子科技有限公司 车辆行驶数据的智能管理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JUNJUN SI等: "A Lossless Compression Method for CDR Trajectory Data", 《2022 7TH INTERNATIONAL CONFERENCE ON BIG DATA ANALYTICS (ICBDA)》 *
左一萌: "路网感知的在线轨迹压缩方法", 《软件学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117318729A (zh) * 2023-11-27 2023-12-29 山东济宁运河煤矿有限责任公司 一种煤矿井下防爆电气设备参数管理系统

Also Published As

Publication number Publication date
CN115017252B (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
CN101836084B (zh) 用于产生地图数据的方法及机器以及用于使用地图数据确定路线的方法及导航装置
CN110174117B (zh) 一种电动汽车充电路线规划方法
CN108362293B (zh) 一种基于关键点技术的车辆轨迹匹配方法
US7991549B2 (en) Traffic information system based on travel history
CN112286206B (zh) 自动驾驶的模拟方法、系统、设备、可读存储介质及平台
CN115017252B (zh) 一种手机数字车钥匙的行车轨迹智能回放系统
CA2480474A1 (en) Road information providing system and road information providing apparatus and road information generating method
CN102306194B (zh) 海量gps数据的存储和查询方法
CN111190891B (zh) 一种多语义轨迹数据分段存储方法
CN115436972A (zh) 基于重载货车gps轨迹识别停留点的方法、系统及介质
CN111740981A (zh) 一种汽车gps轨迹数据压缩方法
CN104217588A (zh) 一种实时交通信息获取方法、服务器及系统
JP4619682B2 (ja) 交通情報の生成方法と装置
CN1847793A (zh) 确定包括道路表面数据在内的车辆位置的方法
CN108022006B (zh) 一种数据驱动的可达性概率和区域生成方法
CN115146478A (zh) 基于优化算法的行驶工况构建方法、装置及相关设备
CN1475942A (zh) 管理存储器中地图数据的方法和设备
CN110097074B (zh) 一种基于序列相似度的车辆轨迹压缩方法
CN115129796A (zh) 定位数据分析方法、装置、设备和介质
CN114999162B (zh) 一种道路交通流量获取方法和装置
CN1153177C (zh) 结合无线通讯系统的较佳路径搜寻系统与方法
CN106649341B (zh) 一种数据处理方法及装置
CN114519255A (zh) 车辆轨迹预测方法、装置及存储介质
CN110111564B (zh) 一种基于多元数据的充电桩布置方法
CN112581060A (zh) 基于车辆装卸点的配货需求度检测方法、装置及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant