车辆定位方法、装置、电子设备和计算机存储介质与流程

本申请涉及计算机技术领域，尤其涉及导航定位技术领域，具体涉及一种车辆定位方法、装置、电子设备和计算机存储介质。

背景技术：

定位是车辆导航极为重要的部分，而人们对定位、导航的精度要求也越来越高。

然而，gps的定位信息存在不准确甚至丢失的情况，例如，高架场景，停车场、隧道。地下道路或密林等，gps的定位信息会产生较大漂移，从几十米到几百米不等，导致定位准确度较低。

技术实现要素：

提供了一种车辆定位方法、装置、电子设备和计算机存储介质。

根据第一方面，提供了一种车辆定位方法，基于历史定位，预测当前行驶的路段，根据预测的当前行驶路段对定位位置进行修正，避免了定位信息波动较大的情况出现，提高了定位准确度，解决了现有技术中gps信号被遮挡时，定位波动较大的问题。

本申请的第二方面提出一种车辆定位装置。

本申请的第三方面提出一种电子设备。

本申请的第四方面提出一种存储有计算机指令的非瞬时计算机可读存储介质。

本申请第一方面实施例提出了一种车辆定位方法，包括：

获取路网信息；

周期性对车辆定位，得到定位位置；

根据各历史周期定位得到的定位位置，从所述路网信息指示的多条路段中，确定所述车辆当前周期行驶的目标路段；

根据所述目标路段，对当前周期的定位位置进行修正，得到处于所述目标路段内的定位位置。

根据第二方面，提供了一种车辆定位装置，装置包括：

获取模块，用于获取路网信息；

定位模块，用于周期性对车辆定位，得到定位位置；

确定模块，用于根据各历史周期定位得到的定位位置，从所述路网信息指示的多条路段中，确定所述车辆当前周期行驶的目标路段；

修正模块，用于根据所述目标路段，对当前周期的定位位置进行修正，得到处于所述目标路段内的定位位置。

根据第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的车辆定位方法。

根据第三方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行第一方面所述的车辆定位方法。

本申请实施例所提供的技术方案可以包含如下的有益效果：

获取路网信息，周期性对车辆定位，得到定位位置，根据各历史周期定位得到的定位位置，从路网信息指示的多条路段中，确定车辆当前周期行驶的目标路段，根据目标路段，对当前周期的定位位置进行修正，得到处于目标路段内的定位位置。通过历史定位，预测当前行驶的路段，根据预测的当前行驶路段对定位位置进行修正，避免了定位信息波动较大的情况出现，提高了定位准确度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1为本申请实施例所提供的一种车辆定位方法的流程示意图；

图2为本申请实施例提供的另一种车辆定位方法的流程示意图；

图3为本申请实施例提供的又一种车辆定位方法的流程示意图；

图4为本申请实施例提供的车辆定位方法的系统框架示意图；

图5为本申请实施例提供的一种车辆定位装置的结构示意图；以及

图6为本申请实施例的车辆定位方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

下面参考附图描述本申请实施例的车辆定位方法、装置、电子设备和计算机存储介质。

图1为本申请实施例所提供的一种车辆定位方法的流程示意图。

如图1所示，该方法包括以下步骤：

步骤101，获取路网信息。

其中，路网信息是指在一定区域内，由各种道路组成的相互联络、交织成网状分布的道路数据。

本实施例中数据服务引擎不仅可以在网络状态良好的情况下获取路网信息，而在无网络状态，也就是离线状态时，也可以加载车辆自身存储的离线数据包，获取路网信息。

在一个实施例中，获取车辆当前的定位信息，将车辆的定位信息输入数据服务引擎中，输出为对应的路网信息，例如为n*n米区域内所有离散化的道路数据，并将离散化的道路数据输入地图数据适配模块，可将离散化的道路数据转化为树状结构，即实现了建立了离散化的道路数据间的关系，生成对应的路网信息。

步骤102，周期性对车辆定位，得到定位位置。

本实施例中，按照预设的定位周期，采集车辆的定位信息，基于定位信息获取定位位置，其中，定位位置包含车辆经度、纬度和航向角信息。

作为一种可能的实现方式，利用车辆中安装的全球定位系统(globalpositioningsystem，gps)周期性的获取定位信息，得到车辆的定位位置。

实际应用中，gps信号若遇到障碍物会影响信号的正常接收而无法定位，例如，在高架桥、停车场、隧道、密林和高楼间等场景下，从而则无法利用gps的信号进行准确定位。作为另一种可能的实现方式，当车辆运行在gps信号因遮挡导致无法正常接收的场景时，则可以在获取的gps信号的基础上，融合车速传感器给出的行驶距离据说和电子罗盘给出的行驶方向数据，对车辆的位置进行推算，以获取较高的定位精度，实现周期性获取车辆的定位位置。

作为第三种可能的实现方式，可通过航位推算(deadreckoning,dr)算法推算出每个周期车辆的定位位置。

作为第四种可能的实现方式，可采用惯性导航设备(inertialmeasurementunit,imu)，周期性对车辆定位，得到车辆的定位位置。

步骤103，根据各历史周期定位得到的定位位置，从路网信息指示的多条路段中，确定车辆当前周期行驶的目标路段。

本实施例中，周期性对车辆位置进行定位，得到车辆的定位位置，其中，周期的时间粒度可以根据实际需求进行设置。例如周期的时间粒度可以为秒、分钟、小时等。周期包含当前周期和历史周期，历史周期是指当前周期之前的各周期，例如，以某一个小时为例，如8:00-9:00，定位周期为5分钟采集一次定位数据以进行定位，当前时刻是8点50分，对应当前的采集周期，则8点至8点50分之间的各周期则对应各历史周期。

本实施例中历史周期对车辆定位得到的定位位置，可指示车辆的运行轨迹和未来运行趋势，可用于对车辆当前周期和未来周期的行驶目标路段进行预测，作为一种可能的实现方式，根据各历史周期定位得到的定位位置，以及路网信息中包含的各条路段，可将各历史周期的定位位置映射至路网信息中对应的路段，从而可生成车辆的行驶轨迹，根据车辆的历史行驶轨迹，可从路网信息指示的多条路段中预测出车辆当前周期行驶的目标路段。

步骤104，根据目标路段，对当前周期的定位位置进行修正，得到处于目标路段内的定位位置。

在本申请的一个实施例中，实际应用中，gps常常因为遇到障碍物影响信号的正常接收，而出现定位波动较大的情况，为此，本实施例中基于确定的目标路段，对当前周期的定位位置进行修正，避免了定位波动较大的情况出现，提高了定位的准确度。进而，根据修正后的定位位置，得到处于目标路段内的定位位置，实现了道路的绑定，以使得后续及时识别是否存在偏航。而现有技术中，导航直接基于gps输出的定位信息进行路段绑定，会因为定位的波动较大，而出现导航无法识别出已经偏航，或者导航误报偏航的问题。

本申请的车辆定位方法中，获取路网信息，周期性对车辆定位，得到定位位置，根据各历史周期定位得到的定位位置，从路网信息指示的多条路段中，确定车辆当前周期行驶的目标路段，根据目标路段，对当前周期的定位位置进行修正，得到处于目标路段内的定位位置。通过历史定位，预测当前行驶的路段，根据预测的当前行驶路段对定位位置进行修正，避免了定位信息波动较大的情况出现，提高了定位准确度，同时通过道路绑定，使得后续可以及时识别车辆是否偏航。

基于上述实施例，本申请实施例提供了另一种车辆定位方法，图2为本申请实施例提供的另一种车辆定位方法的流程示意图。

如图2所示，该方法包含如下步骤：

步骤201，获取路网信息。

其中，路网信息是指在一定区域内，由各种道路组成的相互联络、交织成网状分布的道路数据。

本实施例中数据服务引擎中包含路网信息，数据服务引擎中的路网信息不仅可以在网络状态良好的情况下获取，而在无网络状态，也就是离线状态时，也可以加载车辆自身存储的离线数据包，获取路网信息。

在一个实施例中，获取车辆当前的定位信息，将车辆的定位信息输入数据服务引擎中，输出为对应的路网信息，例如为n*n米区域内所有离散化的道路数据，并将离散化的道路数据输入地图数据适配模块，可将离散化的道路数据转化为树状结构，即实现了建立了离散化的道路数据间的关系，生成对应的路网信息。

步骤202，对每一个周期，采用车辆自身传感器，得到车辆传感数据。

在一个实施例中，车辆上安装有测量车辆运行信息的多种传感器，包含测量加速度的传感器、测量角速度的传感器、测量航向角的传感器，例如，惯性测量单元，(inertialmeasurementunit，imu)。在每一个测量周期，采用车辆自身的传感器得到车辆的传感数据，包含加速度、角速度、航向角等，进而输入车辆上设置的定位模块，进行定位处理。

步骤203，判断相应周期内是否获取到卫星定位数据，若是，执行步骤204，若否，执行步骤205。

在一个实施例中，判断相应周期内是否获取到卫星定位数据，若获取到卫星定位数据，则基于卡尔曼滤波算法，确定车辆的定位信息，即执行后续步骤的204，否则，基于航位推算算法dr，确定车辆的定位信息，即执行步骤205。实现了不论是在可获取到卫星定位数据的情况下，还是无法获取到卫星定位的情况下，均可以实现不受gps信号强弱的影响，对车辆进行定位，获取车辆相应周期的定位位置。

步骤204，若相应周期内获取到卫星定位数据，则根据车辆传感数据对卫星定位数据进行卡尔曼滤波，以得到相应周期的定位更新数据。

其中，定位更新数据，用于指示车辆相较于前一周期的定位位置更新，包含经度差值、维度差值和航向角差值。

在一个实施例中，若相应周期内获取到了卫星定位数据，卫星定位数据包含gps的位置或基于全球卫星定位系统(globalnavigationsatellitesystem，gnss)获取到的车速，则在观测阶段，将车辆传感数据中的加速度、角速度，以及获取到的卫星定位数据输入卡尔曼滤波器，得到车辆的定位更新数据。具体地，通过卡尔曼滤波进行预测时，利用惯性测量单元中的加速度计和角速度计积分得到相对位移和旋转角度，进而，在计算误差阶段，通过车速校正车辆自身传感器确定的速度，并利用gps的位置更新计算位置，在更新阶段，通过计算卡尔曼增益，更新状态量，以获取到精准的实时定位更新数据。

需要说明的是，gps的定位信息在输入卡尔曼滤波器中之前，已经将gps的坐标系转换到了站心坐标系(localcartesiancoordinatescoordinatesystem，enu)。

步骤205，若相应周期内未获取到卫星定位数据，则采用航位推算算法dr，确定相应周期的定位更新数据。

在一个实施例中，若相应周期内未获取到卫星定位数据，也就是说当前车辆可能处于gps信号被遮挡的场景下，例如，高架桥、较长的隧道中等，本实施例中的定位模块会实施航位推算算法dr，推算出相应周期的定位更新数据，实现了即使获取不到gps的定位数据时，也可以基于航位推算算法确定相应周期的定位更新数据。

需要说明的是，本实施例中，航位推算算法dr是在定位模块的dr模块中实现的，若相应周期未获取到卫星定位数据，也可以从dr模块中获取到基于dr算法获取到的相应周期的定位更新位置，避免了在无法接收到gps信号时，无法获取到定位位置。

步骤206，根据各历史周期的定位更新数据，确定各历史周期的定位数据。

由于实际应用场景中，由于不同周期中实时的定位方式可能不同，例如，可以是基于gps定位得到的，也可以是基于dr算法推算得到的，又或者是将gps数据、传感器数据以及dr推算算法融合得到的，从而，输出的定位数据标准不同，为了实现每个周期确定的定位位置数据是基于统一的处理方式和在相同的坐标系中确定的，则获取相应周期的定位更新数据后，该定位更新数据用于指示车辆相较于前一周期的定位位置更新，将该定位更新数据，叠加到前一周期获取到的定位位置上，得到相应周期的定位位置，将即实现了每个周期确定的定位位置的处理方式和坐标系的统一。

例如，以航向角为例，若前一周期的航向角为last_yaw，定位更新数据为delta_yaw，则相应周期的航向角yaw＝last_yaw+delta_yaw，同理，可确定相应周期的经度、维度等定位位置数据。

步骤207，根据各历史周期定位得到的定位位置，确定车辆的行驶轨迹。

在本申请的一个实施例中，根据各历史周期定位得到的定位位置，从路网信息指示的多条路段中，确定在各历史周期车辆行驶的路段，根据在各历史周期车辆行驶的路段，生成用于指示行驶轨迹的路段序列，其中，路段序列中各元素用于指示对应历史周期车辆行驶的路段，实现了将各历史周期定位到的位置与路网信息结合，以生成指示车辆历史行驶轨迹的路段序列，进而基于历史路段序列预测历史周期之后的路段序列。

步骤208，将车辆的行驶轨迹，输入预测模型，以得到车辆当前周期行驶在各条路段中的行驶概率。

其中，预测模型，已学习得到行驶轨迹与各条路段的行驶概率之间的映射关系。

作为一种可能的实现方式，预测模型为隐马尔可夫模型，具体地，将路段序列输入隐马尔可夫模型，得到输出序列和对应的行驶概率，其中，输出序列中各元素，用于指示历史周期之后的各周期车辆行驶的路段，由于训练得到的隐马尔可夫模型可以用于量化不同历史周期定位到的位置之间的相关性，实现了基于全网路段进行预测，提高了历史周期之后各周期车辆行驶轨迹的路段序列预测的准确性。

步骤209，根据行驶概率，从各条路段中，确定目标路段。

作为一种可能的实现方式，隐马尔可夫模型输出的各序列和对应的行驶概率，其中，各序列对应的行驶概率指示了车辆在历史周期之后的各周期将在该路段序列中行驶的置信度，从而，本实施例中将行驶概率最大的路段序列确定为车辆在历史周期之后的各周期将要行驶的路段序列，从而，根据该路段序列，确定当前周期对应的路段，将该路段作为当前周期行驶的目标路段，实现了基于全网路段进行预测，并从预测到的各条路段中，将置信度最高的路段确定为目标路段，提高了当前车辆行驶的目标路段确定的准确性。

步骤210，根据目标路段，对当前周期的定位位置进行修正，得到处于目标路段内的定位位置。

在一个实施例中，将当前周期的定位位置投影至目标路段，得到目标路段内的定位位置，由于初始定位得到的定位位置，存在因gps信号差时导致的较大波动，而定位不准确的问题，通过预测得到的目标路段，将定位位置修正至目标路段，实现了道路的绑定，提高了定位的准确性，而现有技术中，没有对定位的位置进行修正，存在定位波动较大的情况，也没有将定位到的位置和道路绑定，无法及时识别偏航。

本申请实施例的车辆定位方法中，根据各历史周期定位得到的定位位置，确定车辆的历史行驶轨迹，基于训练得到预测模型，得到车辆当前周期行驶的各条路段的行驶概率，基于行驶概率，从各条路段中确定当前周期行驶的目标路段，实现了基于历史周期的行驶轨迹预测当前周期将要行驶的各条路段的行驶概率，提高了目标路段预测的准确性。

基于上述实施例，本实施例还提供了一种车辆定位方法，图3为本申请实施例提供的又一种车辆定位方法的流程示意图，如图3所示，在根据目标路段，对当前周期的定位位置进行修正，得到处于目标路段内的定位位置之后，该方法还可以包含如下步骤：

步骤301，根据修正后的定位位置，从导航路径中，查询当前行驶的导航路段。

在一个实施例中，根据修正后的定位位置，从导航的路径中，查询当前行驶的导航路段中是否包含该定位位置，以确定车辆是否存在偏航。

步骤302，若未查询到导航路段，确定车辆偏航。

在一个实施例中，若未查询到包含该定位位置的导航路段，也就是说当前导航确定的路段不是目标路段，确定车辆偏离了目标路段行驶，即车辆存在偏航，实现了及时确定车辆是否存在偏航，避免车辆实施错误的导航。

步骤303，若查询到导航路段，根据车辆的航向角，确定车辆在导航路段的行驶状态。

其中，行驶状态包括驶入、驶离和主辅路切换。

在一个实施例中，若查询到包含该定位位置的导航路段，则说明当前导航的路段即为目标路段，确定车辆没有偏航，是准确在目标道路上行驶。进而，可以根据车辆的航向角，由于航向角指示了车辆的行驶角度情况，因此，可以用于确定车辆在导航路段的行驶状态。

在一种场景下，根据图2实施例中确定的每一周期相对于前一周期的定位更新数据，其中包含航向角的变化数据，若车辆的航向角变化低于阈值，则确定车辆的行驶角度未发生明显变化，确定车辆在导航路段中行驶。

在另一种场景下，根据图2实施例中确定的每一周期相对于前一周期的定位更新数据，其中包含航向角的变化数据，若车辆的航向角变化大于阈值，则确定车辆的行驶角度发生了明显变化，则确定车辆驶离了导航路段。

在又一种场景下，根据图2实施例中确定的每一周期相对于前一周期的定位更新数据，其中包含航向角的变化数据和经度的变化数据，若车辆的航向角车辆的航向角变化大于阈值，且经度的变化数据指示的横向移动距离大于阈值，则确定车辆发生主辅路切换。

本申请实施例的车辆定位方法中，根据修正后的定位位置，从导航路径中，查询当前行驶的导航路段，若未查询到导航路段，确定车辆偏航，若查询到导航路段，则基于车辆的航向角，确定车辆的是驶入或驶离道路，还是发生主辅路切换，实现了快速、及时发现车辆是否已经偏航，并在没有偏航时，对车辆的行驶状态进行实时监测，以及时了解车辆的行驶情况，避免出现偏航。

实际应用中，在上一实施例的基础上，在查询到导航路段后，导航路段可能属于桥区路段，在本申请的一个实施例中，基于上述图2实施例中输出的每一周期相对于前一周期的定位位置更新数据，其中包含坡度角的变化数据，若查询到导航路段，且导航路段属于桥区路段，则根据车辆的坡度角变化数据，则检测车辆在导航路段是否存在上下桥动作。其中，若坡度角大于等于阈值，则确定车辆在导航路段存在上下桥动作，若坡度角小于阈值，则确定车辆在导航路段没有上下桥动作，实现了确定车辆运行在目标路段后，若基于地图数据中的标识，确定导航路段可能属于桥区路段，则根据坡度角的大小进行上下桥识别，以及时识别车辆的行驶状态，避免再次出现偏航。

为了清楚说明上述实施例，本实施例基于图4的车辆定位方法的系统框架图进行说明。

图4为本申请实施例提供的车辆定位方法的系统框架示意图，如图4所示，车辆定位方法的系统40包含定位模块43，路网匹配模块44、数据服务引擎46和地图匹配适配45。

其中，数据引擎服务46，用于根据当前的定位位置，从路网信息中，确定离散化的道路数据。

地图匹配适配45，用于对离散化的道路数据进行处理，生成对应的路网信息。

定位模块43，用于获取各周期定位到的车辆的定位位置。

路网匹配模块44，用于根据定位模块43定位到的定位位置，从路网信息指示的多条路段中，预测车辆当前周期形式的各条路段。以从各条可能的路段中确定当前周期车辆行驶的目标路段。

定位模块43，还用于根据确定的目标路段对定位位置进行修正，得到处于目标路段内的定位位置。

根据图4所示，本申请实施例的定位方法脱离了导航引擎，即图4中的导航引擎41。其中，定位模块43和路网匹配模块44，与导航引擎41和导航界面层42是相互分离的，本申请的定位模块43和路网匹配模块44不属于导航的一部分，是作为独立模块进行运行的，从而，本申请中在利用定位模块43确定定位位置后，可以将定位位置输入路网匹配模块44，从路网信息指示的多条路径中，确定车辆当前周期行驶的目标路段，进而根据预测的当前行驶路段对定位位置进行修正，避免了gps定位波动较大的情况出现，提高了定位的准确性。并将修正后的定位位置投影至目标路段，得到目标路段内的定位，实现了道路的绑定，以便于及时发现是否存在偏航的情况。

首先，获取路网信息，具体地，获取车辆当前的定位信息，将车辆的定位信息输入数据服务引擎中，输出为对应的路网信息，例如为n*n米区域内所有离散化的道路数据。将离散化的道路数据输入地图数据适配模块，可将离散化的道路数据转化为树状结构，即实现了建立了离散化的道路数据间的关系，生成了对应的路网信息。

其次，周期性的进行车辆定位，获取各历史周期和当前周期的定位位置。具体地，针对每一周期，接收用于确定车辆定位位置的数据，包含利用车辆上设置的各传感器采集的车辆传感器数据，gps的定位数据，gnss的车速数据以及惯性导航装置采集到的数据，以在不同的场景下进行车辆的定位。本申请实施例的定位分为前端定位和后端定位，其中，前端定位为：相应周期中获取到为卫星定位数据，则将车辆传感数据和卫星定位数据输入卡尔曼滤波模块，以得到相应周期的定位更新数据，进而根据确定的相应周期的定位更新数据，叠加至前一周期的定位位置上，确定相应周期的定位位置。后端定位为：相应周期中未获取到为卫星定位数据，则通过航位推算模块，采用航位推算算法，确定相应周期的定位更新数据，叠加至前一周期的定位位置上，确定相应周期的定位位置。也就是说在后端定位时，不需要进行卡尔曼滤波，使得在无法获取到卫星定位信号时，也可以基于硬件的dr确定相应周期的位置，实现了不依赖于卫星定位，满足了不同场景的定位需求。

第三步，根据各历史周期确定的定位位置，输入路网匹配模块44，基于隐马尔可夫预测模型，进行当前周期车辆行驶路段的预测，得到可能的多条路段和对应的概率，并根据预测出的多条路段和对应的概率，确定目标路段，对定位位置进行修正，避免了定位波动较大的情况，提高了定位的准确性，并在修正后将定位位置投影至目标路段，实现了道路的绑定，以便于及时发现是否存在偏航的情况。

第四步，根据修正后的定位位置，从导航路径中查询当前行驶的导航路段，实现了道路的绑定，以及时识别车辆是否偏航，以及识别车辆的行驶状态。而现有技术中，在确定定位位置后，并不进行道路的绑定，无法及时识别偏航的情况。

为了实现上述实施例，本实施例提供了一种车辆定位装置。

图5为本申请实施例提供的一种车辆定位装置的结构示意图。

如图5所示，该车辆定位装置包括：获取模块51、定位模块52、确定模块53和修正模块54。

获取模块51，用于获取路网信息。

定位模块51，用于周期性对车辆定位，得到定位位置。

确定模块53，用于根据各历史周期定位得到的定位位置，从路网信息指示的多条路段中，确定车辆当前周期行驶的目标路段。

修正模块54，用于根据目标路段，对当前周期的定位位置进行修正，得到处于目标路段内的定位位置。

作为本实施例的一种可能的实现方式，确定模块53，包括：

确定单元，用于根据各历史周期定位得到的定位位置，确定所述车辆的行驶轨迹。

预测单元，用于将所述车辆的行驶轨迹，输入预测模型，以得到所述车辆当前周期行驶在各条路段中的行驶概率；其中，所述预测模型，已学习得到行驶轨迹与各条路段的行驶概率之间的映射关系。

所述确定单元，还用于根据所述行驶概率，从各条路段中，确定所述目标路段。

作为本实施例的一种可能的实现方式，上述确定单元，具体用于：

根据各历史周期定位得到的定位位置，从所述路网信息指示的多条路段中，确定在各历史周期所述车辆行驶的路段，根据在各历史周期所述车辆行驶的路段，生成用于指示行驶轨迹的路段序列；其中，所述路段序列中各元素用于指示对应历史周期所述车辆行驶的路段。

作为本实施例的一种可能的实现方式，预测模型为隐马尔可夫模型，上述预测单元，包括：

将所述路段序列输入所述隐马尔可夫模型，得到输出序列和对应的行驶概率；其中，所述输出序列中各元素，用于指示所述历史周期之后的各周期所述车辆行驶的路段。

作为本实施例的一种可能的实现方式，该装置，还包括：

查询确定模块，用于根据修正后的定位位置，从导航路径中，查询当前行驶的导航路段，若未查询到所述导航路段，确定所述车辆偏航。

作为一种可能的实现方式，查询确定模块，还用于：

若查询到所述导航路段，根据所述车辆的航向角，确定所述车辆在所述导航路段的行驶状态；其中，所述行驶状态包括驶入、驶离和主辅路切换。

作为本实施例的一种可能的实现方式，查询确定模块，还用于：

若查询到所述导航路段，且所述导航路段属于桥区路段，则根据所述车辆的坡度角，检测所述车辆在所述导航路段是否存在上下桥动作。

作为本实施例的一种可能的实现方式，上述修正模块54，具体用于：

将所述当前周期的定位位置投影至所述目标路段，得到所述目标路段内的定位位置。

作为本实施例的一种可能的实现方式，上述定位模块52，具体用于：

对每一个周期，采用车辆自身传感器，得到车辆传感数据，若相应周期内获取到卫星定位数据，则根据车辆传感数据对所述卫星定位数据进行卡尔曼滤波，以得到相应周期的定位更新数据；其中，所述定位更新数据，用于指示所述车辆相较于前一周期的定位位置更新，若相应周期内未获取到卫星定位数据，则采用航位推算算法dr，确定相应周期的所述定位更新数据。

需要说明的是，前述对车辆定位方法实施例的解释说明也适用于该实施例的车辆定位装置，此处不再赘述。

本申请实施例的车辆定位装置中，获取路网信息，周期性对车辆定位，得到定位位置，根据各历史周期定位得到的定位位置，从路网信息指示的多条路段中，确定车辆当前周期行驶的目标路段，根据目标路段，对当前周期的定位位置进行修正，得到处于目标路段内的定位位置。通过历史定位，预测当前行驶的路段，根据预测的当前行驶路段对定位位置进行修正，避免了定位信息波动较大的情况出现，提高了定位准确度。

为了实现上述实施例，本申请实施例提出了一种电子设备，包：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如前述方法实施例所述的车辆定位方法。

为了实现上述实施例，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如前述方法实施例所述的车辆定位方法。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图6所示，是根据本申请实施例的车辆定位方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。

存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的车辆定位方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的车辆定位方法。

存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的车辆定位方法对应的程序指令/模块(例如，附图5所示的获取模块51、定位模块52、确定模块53和修正模块54)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的车辆定位方法。

存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据车辆定位方法的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至车辆定位方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

车辆定位方法的方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置603可接收输入的数字或字符信息，以及产生与车辆定位方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，获取路网信息，周期性对车辆定位，得到定位位置，根据各历史周期定位得到的定位位置，从路网信息指示的多条路段中，确定车辆当前周期行驶的目标路段，根据目标路段，对当前周期的定位位置进行修正，得到处于目标路段内的定位位置。通过历史定位，预测当前行驶的路段，根据预测的当前行驶路段对定位位置进行修正，避免了定位信息波动较大的情况出现，提高了定位准确度。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。