本发明涉及一种公交车辆行驶轨迹跟踪方法。
背景技术：
目前的公交车辆行驶轨迹跟踪方法采用车载gps定位技术、rfid定位技术或视频检测器定位技术中的一种。
车载gps定位技术是利用gps车载定位与导航技术，根据公交路线安排，结合车辆发回的各种信息(如交通阻塞、机车故障等)，适时将调度命令发送给司机，及时调整车辆运行情况。该技术还可以应用于车辆、路线和道路等有关数据的查询功能，便于实现有效管理。
该技术的优点是：采集点密集，当车载供电时，每5秒即会获得一条数据。其缺点是：存在定位偏移现象(特别是在有遮挡物的地方，如高架、隧道下面)。
rfid定位技术是将车载射频卡安装在公交车辆上，用于存储运营车辆的id信息，它是由天线、微处理器和存储器组成。近端信息采集传输设备主要由rfid无线射频读卡器装置、前置通信模块、室外设备机箱等部分组成。
视频检测器定位技术可以大范围的对公交车辆进行检测和识别。视频检测的基本原理是对摄像机得到的图像进行计算机处理，进而对视频中的运动物体进行检测。视频车辆检测器主要由外场摄像机、数据传输设备和视频处理器组成。外场摄像机将道路上的交通视频图像拍摄下来，经数据传输设备传给视频处理器。视频处理器通过相应的算法检测得到车辆的速度和数量。
rfid定位技术及视频检测器定位技术的优点是：定位精度相对gps较高。其缺点是：成本高，因此定位点相对稀疏，密集度偏低；布设位置及角度要求较高。
技术实现要素：
本发明目的是将车载gps定位技术、rfid定位技术及视频检测器定位技术融合在一起实现公交车辆行驶轨迹的跟踪。
为了达到上述目的，本发明的技术方案是提供了一种基于多数据源的公交车辆行驶轨迹跟踪方法，其特征在于，包括以下步骤：
步骤1、获取当前采样时刻t的gps定位数据glt(xlt，ylt)，依据上一采样时刻t-s的融合定位数据ft-s(xft-s，yft-s)计算得到上一采样时刻至当前采样时刻的行程车速vgt，随后以gps定位数据glt(xlt，ylt)为中心，取沿线上游的点位集合{sln1}、下游的点位集合{sln2}，从速度矩阵表中查找点位落在{sln1}和{sln2}中，且速度落在[vgt-5km/h，vgt+5km/h]区间内的样本个数ng；
获取t时刻的rfid定位数据rt(xt，yt)，依据上一采样时刻t-s的融合定位数据ft-s(xft-s，yft-s)计算得到上一采样时刻至当前采样时刻的行程车速vrt，随后以rfid定位数据rt(xt，yt)为中心，取沿线上游的点位集合{sln1}、下游的点位集合{sln2}，从速度矩阵表中查找点位落在{sln1}和{sln2}中，且速度落在[vrt-5km/h，vrt+5km/h]区间内的样本个数nr；
获取t时刻的视频检测器定位数据vt(xt，yt)，依据上一采样时刻t-s的融合定位数据ft-s(xft-s，yft-s)计算得到上一采样时刻至当前采样时刻的行程车速vvt，随后以视频检测器定位数据vt(xt，yt)为中心，取沿线上游的点位集合{sln1}、下游的点位集合{sln2}，从速度矩阵表中查找点位落在{sln1}和{sln2}中，且速度落在[vvt-5km/h，vvt+5km/h]区间内的样本个数nv；
步骤2、基于t时刻的行程车速vgt、样本个数ng、行程车速vrt、样本个数nr、行程车速vvt、样本个数nv计算融合后行程车速vft＝(ng*vgt+nr*vrt+nv*vvt)/(ng+nr+nv)；
步骤3、计算时间段s内的行驶距离lft＝vft*s；
步骤4、根据上一采样时刻t-s的融合定位数据ft-s(xft-s，yft-s)和行驶距离lft在上下行线路点位集合sl中寻找与ft-s(xft-s，yft-s)+lft最匹配的点位作为当前采样时刻的融合定位数据ft(xft，yft)；
步骤5、将vft以及对应的当前采样时刻t及融合定位数据ft(xft，yft)存入速度时空分布矩阵表，然后等待下一个采样时刻后再返回步骤1。
优选地，在所述步骤1中，所述行程车速vgt的计算公式为：
式中，sl1(x1，y1)表示沿着子线路开行方向，在上下行线路点位集合sl中下游最接近ft-s(xft-s，yft-s)的点位；l(sl1(x1，y1)，ft-s(xft-s，yft-s))表示沿着子线路开行方向，从ft-s(xft-s，yft-s)至sl1(x1，y1)的距离，由于sl1(x1，y1)∈{sl}，ft-s(xft-s，yft-s)∈{sl}，所以l(sl1(x1，y1)，
优选地，在所述步骤1中，所述行程车速vrt的计算公式为：
式中，sl1(x1，y1)表示沿着子线路开行方向，在上下行线路点位集合sl中下游最接近ft-s(xft-s，yft-s)的点位；l(sl1(x1，y1)，ft-s(xft-s，yft-s))表示沿着子线路开行方向，从ft-s(xft-s，yft-s)至sl1(x1，y1)的距离；sli(xi，yi)表示在集合{sl}中，处在ft-s(xft-s，yft-s)和glt(xlt，ylt)之间的某个点，且sli(xi，yi)是sli+1(xi+1，yi+1)上游最近的一个点，i＝2，…，m-1；l(sli+1(xi+1，yi+1)，sli(xi，yi))表示沿着子线路开行方向，从sli(xi，yi)至sli+1(xi+1，yi+1)的距离；slm+1(xm+1，ym+1)表示沿着子线路开行方向，上游最接近rt(xt，yt)的点位；l(rt(xt，yt)，slm+1(xm+1，ym+1))表示沿着子线路开行方向，从slm+1(xm+1，ym+1)至rt(xt，yt)的距离。
优选地，在所述步骤1中，所述行程车速vvt的计算公式为：
式中，sl1(x1，y1)表示沿着子线路开行方向，在上下行线路点位集合sl中下游最接近ft-s(xft-s，yft-s)的点位；l(sl1(x1，y1)，ft-s(xft-s，yft-s))表示沿着子线路开行方向，从ft-s(xft-s，yft-s)至sl1(x1，y1)的距离，由于sl1(x1，y1)∈{sl}，ft-s(xft-s，yft-s)∈{sl}，所以l(sl1(x1，y1)，
本发明将车载gps定位技术、rfid定位技术及视频检测器定位技术融合在一起，进行公交车辆行驶轨迹的判定，使得对公交车辆行驶轨迹的跟踪更为准确。
附图说明
图1为本发明的方法流程图。
具体实施方式
为使本发明更显易懂，下面结合附图对本发明的实施例作详细说明：本实施例在本发明技术方案下进行实施，给出了本发明的实施过程和实施效果。本发明的保护范围不限于下述的实施例。
本发明采用了如下概念：
线路：公交车沿着道路开行的有序路段集合叫做公交线路；
子线路：子线路是从公交起点站到终点站的固定有向路段集合所组成的线路，一条公交线路一般由两个开行方向(上下行/里外圈)的子线路构成。
上下行线路点位集合{sl}：沿着子线路的方向，在子线路上按顺序采集的定位点坐标数据的集合，如下所示：
{slup}＝{(x1，y1)，(x2，y2)，...，(xn，yn)}
{sldown}＝{(x1’，y1’)，(x2’，y2’)，...，(xn’，yn’)}
该集合信息为事先采集，采集点越密则本方法的输出结果精度越高，建议点间距
速度时空分布信息表{vts}：该表存储历史上不同日期，不同时间，不同点位的车速信息，数据结构如下所示：
vts＝{(d1，t1，x1，y1，v1)，(d2，t2，x2，y2，v2)，...，(dn，tn，xn，yn，vn)}
执行本发明提供的方法前，需要从调度系统中获取车辆的实时营运信息，信息包括：车辆营运状态：营运状态、非营运状态(维修、保养、加油、充电、班车)；营运状态下车辆的开行方向：上行(里圈)、下行(外圈)。
结合图1，本发明提供的一种基于多数据源的公交车辆行驶轨迹跟踪方法包括以下步骤：
步骤1、获取当前采样时刻t的gps定位数据glt(xlt，ylt)，依据上一采样时刻t-s的融合定位数据ft-s(xft-s，yft-s)计算得到上一采样时刻至当前采样时刻的行程车速vgt，随后以gps定位数据glt(xlt，ylt)为中心，取沿线上游的点位集合{sln1}、下游的点位集合{sln2}，从速度矩阵表中查找点位落在{sln1}和{sln2}中，且速度落在[vgt-5km/h，vgt+5km/h]区间内的样本个数ng。
gps定位数据glt(xlt，ylt)及行程车速vgt的获取步骤为：
步骤1_gps：判断当前采样时刻t有没有gps定位数据，如果没有则等待下一个采样周期再从本步骤开始，如果有则至步骤2_gps；
步骤2_gps：获取当前采样时刻t的gps数据gt(xt，yt)；
步骤3_gps：根据实时营运状态数据判断当前车辆是否处于营运状态，如果否，则直接将gps数据gt(xt，yt)作为最终的融合结果ft(xft，yft)，等待下一个采样周期后再从步骤1_gps开始，如果是，则至步骤4_gps；
步骤4_gps：根据营运状态下车辆的开行方向信息判断当前车辆是往哪个方向开行，然后进入步骤5_gps；；
步骤5_gps：如果当前车辆的开行方向是上行，则从上下行线路点位集合sl中取出线路上行点位集合{slup}，然后进入步骤6_gps；如果是下行，则从上下行线路点位集合sl中取出线路上行点位集合{sldown}，然后进入步骤6_gps；
步骤6_gps：从{slup}或{sldown}中选取距离gt(xt，yt)最近的点glt(xlt，ylt)，将该点位作为对gps数据修正后的gps定位数据，然后至步骤7_gps；
步骤7_gps：尝试获取上一次采样时刻t-s的融合定位值ft-s(xft-s，yft-s)，如果未取到，则将glt(xlt，ylt)作为当前采样周期的融合数据ft(xft，yft)，然后等待下一个采样周期后再从步骤1_gps开始，如果取到了数据，则至步骤8_gps；
步骤8_gps：计算行程车速vgt，行程车速vgt的计算公式为：
式中，sl1(x1，y1)表示沿着子线路开行方向，在上下行线路点位集合sl中下游最接近ft-s(xft-s，yft-s)的点位；l(sl1(x1，y1)，ft-s(xft-s，yft-s))表示沿着子线路开行方向，从ft-s(xft-s，yft-s)至sl1(x1，y1)的距离，由于sl1(x1，y1)∈{sl}，ft-s(xft-s，yft-s)∈{sl}，所以l(sl1(x1，y1)，
步骤9_gps：以gps定位数据glt(xlt，ylt)为中心，取沿线上游的点位集合{sln1}、下游的点位集合{sln2}，从速度矩阵表中查找点位落在{sln1}和{sln2}中，且速度落在[vgt-5km/h，vgt+5km/h]区间内的样本个数ng。
获取t时刻的rfid定位数据rt(xt，yt)，依据上一采样时刻t-s的融合定位数据ft-s(xft-s，yft-s)计算得到上一采样时刻至当前采样时刻的行程车速vrt，随后以rfid定位数据rt(xt，yt)为中心，取沿线上游的点位集合{sln1}、下游的点位集合{sln2}，从速度矩阵表中查找点位落在{sln1}和{sln2}中，且速度落在[vrt-5km/h，vrt+5km/h]区间内的样本个数nr。
rfid定位数据rt(xt，yt)及行程车速vrt的获取步骤为：
步骤1_rfid：判断当前采样时刻t有没有rfid定位数据，如果没有则等待下一个采样周期后再从本步骤开始，如果有则至步骤2_rfid；
步骤2_rfid：获取当前采样时刻t的rfid数据rt(xt，yt)；
步骤3_rfid：根据实时营运状态数据判断当前车辆是否处于营运状态，如果否，则直接将rt(xt，yt)作为最终的融合结果ft(xft，yft)，等待下一个采样周期后再从步骤1_rfid开始，如果是，则至步骤4_rfid；
步骤4_rfid：根据营运状态下车辆的开行方向信息判断当前车辆是往哪个方向开行，然后至步骤5_rfid；
步骤5_rfid：如果当前rfid数据对应的方向与从调度系统中该车辆的开行方向不一致，则等待下一秒后再从步骤1_rfid开始，若一致则至步骤6_rfid；
步骤6_rfid：尝试获取上一次采样时刻t-s的融合定位值ft-s(xft-s，yft-s)，如果未取到，则将rt(xt，yt)作为当前采样周期的融合数据ft(xft，yft)，然后等待下一个采样周期后再从步骤1_rfid开始，如果取到了数据，则至步骤7_rfid；
步骤7_rfid：计算行程车速vrt，行程车速vrt的计算公式为：
式中，sl1(x1，y1)表示沿着子线路开行方向，在上下行线路点位集合sl中下游最接近ft-s(xft-s，yft-s)的点位；l(sl1(x1，y1)，ft-s(xft-s，yft-s))表示沿着子线路开行方向，从ft-s(xft-s，yft-s)至sl1(x1，y1)的距离，由于sl1(x1，y1)∈{sl}，ft-s(xft-s，yft-s)∈{sl}，所以l(sl1(x1，y1)，
步骤8_rfid：以rfid定位数据rt(xt，yt)为中心，取沿线上游的点位集合{sln1}、下游的点位集合{sln2}，从速度矩阵表中查找点位落在{sln1}和{sln2}中，且速度落在[vrt-5km/h，vrt+5km/h]区间内的样本个数nr
获取t时刻的视频检测器定位数据vt(xt，yt)，依据上一采样时刻t-s的融合定位数据ft-s(xft-s，yft-s)计算得到上一采样时刻至当前采样时刻的行程车速vvt，随后以视频检测器定位数据vt(xt，yt)为中心，取沿线上游的点位集合{sln1}、下游的点位集合{sln2}，从速度矩阵表中查找点位落在{sln1}和{sln2}中，且速度落在[vvt-5km/h，vvt+5km/h]区间内的样本个数nv。
视频检测器定位数据vt(xt，yt)及行程车速vvt的获取步骤为：
步骤1_video：判断当前采样时刻t有没有基于视频检测器的定位数据，如果没有则等待下一个采样周期后再从本步骤开始，如果有则至步骤2_video：
步骤2_video：获取t时刻的视频检测器数据vt(xt，yt)；
步骤3_video：根据实时营运状态数据判断当前车辆是否处于营运状态，如果否，则直接将vt(xt，yt)作为最终的融合结果ft(xft，yft)，等待下一个采样周期后再从步骤1_video开始，如果是，则至步骤4_video；
步骤4_video：根据营运状态下车辆的开行方向信息判断当前车辆是往哪个方向开行，然后至步骤5_video；
步骤s_video：如果当前视频监测数据对应的方向与从调度系统中该车辆的开行方向不一致，则等待下一秒后再从步骤1_video开始，若一致则至步骤6_video；
步骤6_video：尝试获取上一次采样时刻t-s的融合定位值ft-s(xft-s，yft-s)，如果未取到，则将vt(xt，yt)作为当前采样周期的融合数据ft(xft，yft)，然后等待下一个采样周期后再从步骤1_rfid开始，如果取到了数据，则至步骤7_video；
步骤7_video：计算行程车速vvt，行程车速vvt的计算公式为：
式中，sl1(x1，y1)表示沿着子线路开行方向，在上下行线路点位集合sl中下游最接近ft-s(xft-s，yft-s)的点位；l(sl1(x1，y1)，ft-s(xft-s，yft-s))表示沿着子线路开行方向，从ft-s(xft-s，yft-s)至sl1(x1，y1)的距离，由于sl1(x1，y1)∈{sl}，ft-s(xft-s，yft-s)∈{sl}，所以l(sl1(x1，y1)，
步骤2、基于t时刻的行程车速vgt、样本个数ng、行程车速vrt、样本个数nr、行程车速vvt、样本个数nv计算融合后行程车速vft＝(ng*vgt+nr*vrt+nv*vvt)/(ng+nr+nv)；
步骤3、计算时间段s内的行驶距离lft＝vft*s；
步骤4、根据上一采样时刻t-s的融合定位数据ft-s(xft-s，yft-s)和行驶距离lft在上下行线路点位集合sl中寻找与ft-s(xft-s，yft-s)+lft最匹配的点位作为当前采样时刻的融合定位数据ft(xft，yft)；
步骤5、将vft以及对应的当前采样时刻t及融合定位数据ft(xft，yft)存入速度时空分布矩阵表，然后等待下一个采样时刻后再返回步骤1。