主辅路识别方法及其系统与流程

本发明涉及车载导航领域，具体说的是主辅路识别方法及其系统。

背景技术：

在车载导航领域中，终端需要根据传感器获取的坐标实时匹配到地图数据的路网上，而在一些较为接近的平行主辅路之间，由于车载GPS精度的限制，往往都不能达到很好的效果。

传统的一些技术为了解决这一问题应运而生：专利《一种车载导航装置及识别主辅路的导航方法》和《导航仪的道路主辅路的匹配方法》结合了车载摄像头和GPS传感器，能够较精准的识别出主辅路以辅助导航，但由于摄像头易于受到周围光环境的影响，在无道路车道线，或是在雨天、夜间能见度较低光线不足的环境下发挥不出效果；专利《一种移动终端的主辅路识别方法及装置》应用了测速装置识别主辅路，但在交通拥堵，行车不顺的交通状态下时，依据速度也会产生错误的识别；论文《地图匹配中快速路出入口车辆行为模式识别》采用了模糊模式识别的方式综合了航向角和速度因素，但同样在行车不顺的交通状态下时或是具有弯道的主辅路中，航向角和速度也会受到极大的干扰，难以在弯道和复杂交通状态环境下实现准确识别。

因此，有必要提供一种主辅路识别方法及系统，以便很好的解决上述问题。

本技术要解决上述技术所面临的问题。本技术借鉴了论文《地图匹配中快速路出入口车辆行为模式识别》中模糊模式识别的思想，结合了陀螺仪与GPS数据，但并不将速度因素纳入到主辅路识别依据之中。这样即克服了摄像头对于光环境的敏感，又排除了交通状况对速度因素的影响。同时本技术也优化了弯道对于陀螺仪的影响，将主辅路识别的道路环境扩大到了弯道。

技术实现要素：

本发明所要解决的技术问题是：提供主辅路识别方法及系统，克服摄像头对于光环境的敏感，排除交通状况的影响，提高主辅路识别准确度，拓展了可识别道路环境。

为了解决上述技术问题，本发明采用的技术方案为：

主辅路识别方法，包括：

依据历史经验数据，预设航向角累积变化值与道路匹配相似度序列最大差值的隶属度函数；

将车辆匹配至地图数据路网；

当车辆进入窗口期，所述窗口期为以车辆前方最近的主辅路分叉点为中心圈定的一范围；

依据实时获取的当前GPS点与所匹配道路的道路匹配相似度，获取窗口期内相邻GPS点的道路匹配相似度最大差值；

依据陀螺仪获取的横摆角速度值变化序列获取窗口期内的航向角累积变化值；

依据所述隶属度函数，分别计算所述道路匹配相似度最大差值和航向角累积变化值的隶属度；

依据所述隶属度，计算包括直行模式和变道模式的综合隶属度。

本发明提供的另一个技术方案为：

主辅路识别系统，包括：

预设模块，用于依据历史经验数据，预设航向角累积变化值与道路匹配相似度序列最大差值的隶属度函数；

匹配模块，用于将车辆匹配至地图数据路网；

第一获取模块，用于当车辆进入窗口期，所述窗口期为以车辆前方最近的主辅路分叉点为中心圈定的一范围；依据实时获取的当前GPS点与所匹配道路的道路匹配相似度，获取窗口期内相邻GPS点的道路匹配相似度最大差值；

第二获取模块，依据陀螺仪获取的横摆角速度值变化序列获取窗口期内的航向角累积变化值；

第一计算模块，用于依据所述隶属度函数，分别计算所述道路匹配相似度最大差值和航向角累积变化值的隶属度；

第二计算模块，用于依据所述隶属度，计算包括直行模式和变道模式的综合隶属度。

本发明的有益效果在于：本发明仅依赖陀螺仪和GPS传感器，利用电子地图数据和地图匹配技术，能够准确识别车辆在靠近主辅路连接道时，是否有变道切换动作，从而确定车辆在经过连接道后是否仍行驶在主路/辅路上。本发明不依靠传统的摄像头影像，因此识别效果不依赖光环境，克服了摄像头对光环境敏感的问题；同时，综合隶属度融合了依据陀螺仪和GPS传感器分别获取的数据作为输入参量，两个输入参量相互独立，互不影响，及时其一失效也不影响识别结果，识别结果的准确性。

附图说明

图1为本发明的主辅路识别方法的流程示意图；

图2为本发明中窗口期在地图数据中的示意图；

图3为本发明弯道补偿步骤中拟合圆的示意图；

图4为本发明实施例一的流程示意图；

图5为本发明的主辅路识别系统的结构组成示意图；

图6为本发明的实施例二的结构组成示意图。

标号说明：

1、预设模块；2、匹配模块；3、第一获取模块；4、第二获取模块；

5、第一计算模块；6、第二计算模块；

41、弯道补偿单元；42、滤波单元；43、判断单元；

51、构造单元；52、计算单元；

61、预设单元；62、分析单元。

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。

本发明最关键的构思在于：仅依据陀螺仪和GPS传感器获取的数据，准确识别在车辆经过主辅路连接道时是否变道。

本发明涉及的技术术语解释:

请参照图1和图2，本发明提供一种主辅路识别方法，包括：

依据历史经验数据，预设航向角累积变化值与道路匹配相似度序列最大差值的隶属度函数；

将车辆匹配至地图数据路网；

当车辆进入窗口期，所述窗口期为以车辆前方最近的主辅路分叉点为中心圈定的一范围；

依据实时获取的当前GPS点与所匹配道路的道路匹配相似度，获取窗口期内相邻GPS点的道路匹配相似度最大差值；

依据陀螺仪获取的横摆角速度值变化序列获取窗口期内的航向角累积变化值；

依据所述隶属度函数，分别计算所述道路匹配相似度最大差值和航向角累积变化值的隶属度；

依据所述隶属度，计算包括直行模式和变道模式的综合隶属度。

进一步的，所述依据陀螺仪获取的横摆角速度值变化序列获取窗口期内的航向角累积变化值，具体为：

对陀螺仪输出的横摆角速度值序列进行弯道补偿，依据对补偿后的横摆角速度值序列的积分结果判断是否存在换道意图。

若窗口期内为直道，则补偿值为0。

由上述描述可知，能够在弯道处识别主辅路，扩大主辅路识别的适用范围。

进一步的，所依据对补偿后的横摆角速度值序列积分的结果判断是否存在换道意图，具体为：

对积分后的横摆角速度值序列进行均值滤波处理，依据滤波后的横摆角速度值序列积分结果判断是否存在换道意图。

由上述描述可知，能够过滤掉车载陀螺仪在车辆行驶过程中获取的夹杂噪声，提高识别精确度。

进一步的，所述依据所述隶属度函数，分别计算所述道路匹配相似度最大差值和航向角累积变化值的隶属度，具体为：

构造直行模式和变道模式组成的模式集合；

以所述航向角累积变化值和道路匹配相似度最大差值为输入构造特征向量，计算各输入构造特征向量的隶属度。

进一步的，所述依据所述隶属度，计算包括直行模式和变道模式的综合隶属度，具体为：

依据预设的所述道路匹配相似度最大差值和航向角累积变化值各自对应的权重值，计算包括直行模式和变道模式的综合隶属度；

依据最大隶属原则对所述综合隶属度进行分析，确定车辆在窗口期内处于直行模式还是变道模式。

请参阅图5，本发明提供的另一个技术方案为：

主辅路识别系统，包括：

预设模块，用于依据历史经验数据，预设航向角累积变化值与道路匹配相似度序列最大差值的隶属度函数；

匹配模块，用于将车辆匹配至地图数据路网；

第一获取模块，用于当车辆进入窗口期，所述窗口期为以车辆前方最近的主辅路分叉点为中心圈定的一范围；依据实时获取的当前GPS点与所匹配道路的道路匹配相似度，获取窗口期内相邻GPS点的道路匹配相似度最大差值；

第二获取模块，用于依据陀螺仪获取的横摆角速度值变化序列窗口期内的获取航向角累积变化值；

第一计算模块，用于依据所述隶属度函数，分别计算所述道路匹配相似度最大差值和航向角累积变化值的隶属度；

第二计算模块，用于依据所述隶属度，计算包括直行模式和变道模式的综合隶属度。

进一步的，所述第二获取模块包括：

弯道补偿单元，用于对陀螺仪输出的横摆角速度值序列进行弯道补偿；

判断单元，用于依据对补偿后的横摆角速度值序列的积分结果判断是否存在换道意图。

进一步的，所述第二获取模块还包括滤波单元，用于对积分后的横摆角速度值序列进行均值滤波处理；

所述判断单元，具体用于依据滤波后的横摆角速度值序列积分结果判断是否存在换道意图。

进一步的，所述第一计算模块包括：

构造单元，用于构造直行模式和变道模式组成的模式集合；

计算单元，用于以所述航向角累积变化值和道路匹配相似度最大差值为输入构造特征向量，计算各输入构造特征向量的隶属度。

进一步的，所述第二计算模块包括：

预设单元，用于依据预设的所述道路匹配相似度最大差值和航向角累积变化值各自对应的权重值，计算包括直行模式和变道模式的综合隶属度；

分析单元，用于依据最大隶属原则对所述综合隶属度进行分析，确定车辆在窗口期内处于直行模式还是变道模式。

实施例一

请参照图2至图4，本实施例提供一种主辅路识别的方法，能够在准确识别车辆在经过主辅路连接道时，是否有切换动作，从而间接判别出车辆在经过连接道后是否仍然行驶在原道路上。

具体的，包括：

(一)前期准备工作：

(1)依据对大量的历史行车经验数据进行统计分析的结果，预设航向角累积变化值与道路匹配相似度序列最大差值的隶属度函数；

(2)定义窗口期为以车辆前方最近的主辅路分叉点为中心圈定的一范围，即以车辆行使前方最近的一个主辅路连接道首点为中心，一定范围内(如前方170米，后方120米)车辆所要经过的道路。所述首点为道路与连接道的分叉点，以图2为例，图2为现实世界中路网的地图化显示，其中两条较粗的线(4点到5点之间，以及8点)表示主路与辅路的连接道，标号1-8所处的点位电子地图数据中组成道路的节点；“首点”指的就是图中每一条道路与连接道分岔的地方，即图2中的4点和8点，需要注意的是：6点不是首点，因为它为汇合点而非分岔点。

(二)数据采集阶段

数据采集阶段，主要是转化并采集窗口期内的数据，采集的数据包括车辆在窗口期内时，对陀螺仪获取的经过弯道补偿的横摆角速度值序列进行积分，依据积分后的序列和通过GPS传感器获取的经过地图匹配后得到的道路匹配相似度。具体的，数据采集阶段可以包括以下步骤：

(1)将车辆匹配至地图数据路网

优选的，可以依据GPS传感器输出的定位信息，通过传统的局部最优的地图匹配技术将车辆匹配至当前行使道路上，并记录下与所匹配的道路的相似度，即当前GPS点与所匹配道路的道路匹配相似度。

局部最优的地图匹配算法可概述为：每次确定一个匹配点，下个点从已经确定的匹配点开始，每次根据距离和方向相似性来找到局部最优边。其将道路与GPS点位的相似度定义为：

S＝w_aa+w_dd；

其中a为GPS点位航向角与道路方位角角度差值，w_a为角度差值部分的权重值；d为GPS点位到道路边的最短欧式距离，w_d为距离部分的权重值，w_d+w_a＝1。

(2)搜索窗口期

判断车辆是否进入窗口期，若判定进入窗口期，则同时执行(3)和(4)。

(3)获取窗口期内各GPS点的道路匹配相似度

实时获取当前GPS点与所匹配道路的道路匹配相似度，即窗口内每个GPS点位与所匹配道路的道路匹配相似度。

(4)进行弯道补偿

陀螺仪z轴的输出值(横摆角速度值序列积分的结果)在车辆转弯时会出现明显变化，但窗口期内的车辆转弯可能并非为切换主辅路而进行的转弯，在车辆行驶在弯道时也会由于道路转弯而被迫转弯，弯道补偿就是要补偿这一部分的陀螺仪z轴变化量，使陀螺仪z轴变化量扣除掉弯道部分的影响。当然，如果是直道，弯道补偿值就为零。

弯道补偿的步骤可分为：

4.1道路节点拟合圆；

由于电子地图数据道路节点和GPS更新的轨迹点相比要稀疏得多。因此，可以利用地图数据道路节点，以三个节点为一组拟合圆。如图3所示，节点2、3和4拟合出圆R₁，节点3、4和5拟合出圆R₂；位于点4与点5之间连接线右侧的以点4为引出端的线为主路与辅路的连接道；

4.2计算GPS点位在拟合圆上的坐标方位角；

GPS更新的频率可以保证在两个道路节点之间至少有一个GPS点位。因此相邻两个GPS点位就可在同一个拟合圆中计算出在圆上投影点的坐标方位角(y轴顺时针夹角)。

如图3所示，可以计算出GPS点位A和B各自在拟合圆R₁上投影点的坐标方位角α和β，GPS点位B和C在拟合圆R₂上的坐标方位角γ和θ。

4.3计算相邻两个GPS点位坐标方位角差值；

如图3所示，可以计算出GPS点位A和B的坐标方位角差值β-α；GPS点位B和C的坐标方位角差值θ-γ。

4.4利用相邻两点坐标方位角差值补偿陀螺仪数据；

利用陀螺仪的z轴数据，可以累加出两个相邻GPS点位之间转过的角度。通过4.3计算出的坐标方位角差值可以补偿该累加的角度。如图3所示，假设GPS点位A和B之间陀螺仪累加角度为G1，B和C之间陀螺仪累加角度为G2，则补偿后的陀螺仪数据分别为G1-(β-α)，G2-(θ-γ)。

(三)数据分析阶段

数据分析阶段分为两个主线，分别分析陀螺仪获取的数据和GPS匹配结果产生的道路匹配相似度。具体的，可以包括以下步骤：

(1)过滤陀螺仪数据序列

由于车载陀螺仪在车辆行驶过程中会夹杂噪声，因此需要对积分后的陀螺仪获取的横摆角速度值序列进行过滤操作，过滤操作的主要步骤又可以分为：

1.1滑动窗口均值滤波；

以一预设的时间段，如3s为一个窗口对横摆角速度值序列进行均值滤波，这个过程主要滤除传感器噪声。

1.2以零轴将序列分割为各个部分；

1.3删除窗口期头、尾分割后的部分；

采用数据采集阶段搜索到的窗口会截断一些连续的波形，窗口期的头尾如果有一些非零值，则为窗口期外的波形在窗口期内的延续，这部分需舍去以排除干扰。

1.4删除相邻的两个正负部分绝对值相加和小于一定阈值的分割后的部分；

陀螺仪z轴记录下的变道过程波形类似于具有正负双峰的正弦曲线，而由于通常主辅路连接道具有一定长度，车辆转向后不会马上恢复到原来的行使方向，因此车辆切换主辅路的波形特征则是一个单峰的曲线，这个过程主要滤除窗口期内非切换意图的变道的影响。

1.5剩余分割后的部分按与窗口期中心点的远近排序，最后选取离中心点最近的那一部分。

(2)计算航向角累积变化值

经过(1)过滤后得到的部分即为窗口期内具有切换意图的横摆角速度值积分后的序列，即航向角累积变化序列；对这部分序列进行累积求和，得到窗口期内存在切换变道意图时的航向角累积变化值。

(3)计算道路匹配相似度最大差值

依据数据采集阶段(3)步获取的每个GPS点位与所匹配道路的道路匹配相似度组成的序列，计算获取其两两之间的最大差值，即窗口期内相邻GPS点的道路匹配相似度最大差值。

(4)分别计算航向角累积变化值和道路匹配相似度最大差值的隶属度

依据前期准备工作中构造的航向角累积变化值和道路匹配相似度序列最大差值各自的隶属度函数，分别计算得到计算航向角累积变化值和道路匹配相似度最大差值的隶属度。具体计算过程可以包括：

4.1构造直行模式和切换模式组成的模式集合R＝{R₁,R₂}；其中，R代表模式集合，R1代表直行模式，R2代表变道模式；

4.2以航向角累计变化值、道路匹配相似度最大差值为输入构造特征向量X＝(v_d,v_s)；其中，X代表特征向量，v_d表示车辆在匝道窗口期内的航向角累积变化值，v_s表示车辆在匝道窗口期内匹配相似度的最大差值

4.3计算获取各特征分量的隶属度。

(5)计算综合隶属度

以加权的方式融合上一步骤中的4.3得到的隶属度值，该步骤也可分为两步：

5.1按照设定的各个特征分量的权重值w_vd、w_vs计算综合隶属度：

其中，w_vd、w_vs分别为航向角累积变化值特征分量和道路匹配相似度最大差值特征分量的权重值，且w_vd+w_vs＝1

为直行状态航向角累积变化分量模糊集的隶属度函数；

为切换状态航向角累积变化分量模糊集的隶属度函数；

v_d表示车辆在匝道窗口期内的航向角累积变化值；

为直行状态道路匹配相似度最大差值分量模糊集的隶属度函数；

R_2vs(v_s)∈[0,1]为切换状态道路匹配相似度最大差值分量模糊集的隶属度函数；

v_s表示车辆在匝道窗口期内匹配相似度的最大差值；

R₁(v)直行模式的综合隶属度；

R₂(v)切换模式的综合隶属度；

5.2根据最大隶属原则确定车辆在窗口期处于直行模式还是切换模式(变道模式)。

本实施例具有以下优点：1、仅利用了陀螺仪数据和GPS传感器数据，没有利用传统的摄像头影像，识别效果不依赖光环境；2、融合了航向角变化值和道路匹配相似度最大差值两个输入参量，这两个量分别由陀螺仪和GPS传感器采集，二者相互独立，互不影响，两个传感器其中之一失效了整体也能输出有效结果；3、航向角变化值采用了弯道补偿，使得本实施例也适用于弯道环境下的主辅路识别。

实施例二

请参照图6，本实施例在实施例一的基础上，提供一种主辅路识别系统，包括：

预设模块1，用于依据历史经验数据，预设航向角累积变化值与道路匹配相似度序列最大差值的隶属度函数；

匹配模块2，用于将车辆匹配至地图数据路网；

第一获取模块3，用于当车辆进入窗口期，所述窗口期为以车辆前方最近的主辅路分叉点为中心圈定的一范围；依据实时获取的当前GPS点与所匹配道路的道路匹配相似度，获取窗口期内相邻GPS点的道路匹配相似度最大差值；

第二获取模块4，依据陀螺仪获取的横摆角速度值变化序列窗口期内的获取航向角累积变化值；具体的，所述第二获取模块包括弯道补偿单元41、滤波单元42和判断单元43；弯道补偿单元41用于对陀螺仪输出的横摆角速度值序列进行弯道补偿；滤波单元52，用于对补偿后的横摆角速度值序列进行均值滤波处理；判断单元43，用于依据对补偿后的横摆角速度值序列的积分结果判断是否存在换道意图；

第一计算模块5，用于依据所述隶属度函数，分别计算所述道路匹配相似度最大差值和航向角累积变化值的隶属度；具体的，第一计算模块5包括构造单元51和计算单元52，构造单元51用于构造直行模式和变道模式组成的模式集合；计算单元52，用于以所述航向角累积变化值和道路匹配相似度最大差值为输入构造特征向量，计算各输入构造特征向量的隶属度。

第二计算模块6，用于依据所述隶属度，计算包括直行模式和变道模式的综合隶属度；具体的，所述第二计算模块6包括预设单元61和分析单元62；预设单元61用于依据预设的所述道路匹配相似度最大差值和航向角累积变化值各自对应的权重值，计算包括直行模式和变道模式的综合隶属度；分析单元62，用于依据最大隶属原则对所述综合隶属度进行分析，确定车辆在窗口期内处于直行模式还是变道模式。

综上所述，本发明提供的主辅路识别方法及其系统，不仅能够克服识别结果对光环境的依赖；而且又能排除交通状态对速度因素的影响而给识别结果带来的影响；进一步的，还能克服弯道导致的识别不准确问题，更好的适用于弯道环境；再进一步的，融合了两个独立的输入参量，提升识别精度的同时，又能保证其一参数失效时带来的影响。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。