本发明涉及一种计算车辆隧道内通过速度的方法，尤其涉及一种云端计算隧道内通过速度的方法。
背景技术：
VDR(Vehicle Dead Reckoning，车载航位推算)技术可以在GPS(Global Positioning System，全球定位系统)信号丢失情况下(如处于高架下，隧道，地下车库等)通过航位推算继续定位，与GPS定位技术融合可以提升定位效率。由于惯导器件本身精度问题以及算法误差，定位精度随时间推移增大，同时由于惯导器件本身无法得出车辆前向速度，需要借助里程计，图像辅助，磁强计等方式间接获得，这些方式都需要额外的电子设备辅助完成。
技术实现要素：
针对上述问题，本发明提出一种云端计算隧道内通过速度的方法，包括以下步骤：
S1：当车辆到达隧道附近时，惯性导航设备端上传车辆信息至云端服务器，信息包括：当前GPS定位点经纬度、GPRMC(Recommended Minimum Specific GPS/TRANSIT Data，推荐定位信息)中的速度值、当前时间等信息；
S2：云端服务器查找索引隧道描点集；
S3：云端服务器判断车辆是否到达隧道口，若是在隧道口，则匹配距离最近且概率最大的隧道入口，若不是在隧道口则跳转至步骤S1；
S4：云端服务器搜索车辆在同一时段的历史速度，结合天气及实时交通信息对隧道拥堵情况的反馈，以及已经驶出隧道的车辆上报的隧道通过时间信息得出GPS信号丢失后车辆在隧道内的概率行驶速度；若车辆第一次通过该隧道，则使用其他车辆在该时段通过隧道的速度平均值作为概率行驶速度；
S5：云端服务器通过网络下发概率行驶速度给惯性导航设备端；
S6：惯性导航设备端用收到的概率行驶速度进行航位推算，推算该车辆的经纬度；
S7：惯性导航设备端按设定的时间间隔上传推算的经纬度至云端服务器，云端服务器判断车辆在隧道中的位置及所在隧道分支，判断是否更新下发速度，若需要重新下发，则下发更新后的速度；
S8：车辆驶出隧道重新获得GPS信号后惯性导航设备端上报车辆在隧道内通过的时间，反馈给云端服务器作为其他车辆的速度推算数据源，更新所有车辆该时段通过隧道的概率行驶速度，更新该车辆该时段通过隧道的概率行驶速度。
通过离线方式采集隧道数据，在隧道内间隔固定距离采集一个定位描点，对于多入口、多出口隧道采集所有隧道分支描点；再通过描点之间的连通性抽象出隧道描点图，通过编码方式编码索引隧道描点图形成隧道描点集。
本发明技术方案实现的有益效果：
本发明不需要额外的电子设备，通过对隧道信息采集并在云端索引，结合路网、天气、交通、车辆历史信息、机器学习等手段推算出车辆在隧道内不同位置的前向速度，云端服务器通过网络下发到惯性导航设备中，帮助惯性导航设备和端上算法抑制前向误差发散，提升了定位精度。
附图说明
图1是本发明一种云端计算隧道内通过速度的方法的示意图。
具体实施方式
下面结合附图和具体实施例，进一步阐述本发明，本发明实施例仅用以说明本发明的技术方案而非限制本发明的保护范围。
如图1所示，本发明提出一种云端计算隧道内通过速度的方法，包括以下步骤：
S1：当车辆到达隧道附近时，惯性导航设备端上传车辆当前GPS定位点经纬度、GPRMC中的速度值、当前时间等信息至云端服务器；
S2：云端服务器查找索引隧道描点集；
S3：云端服务器判断车辆是否到达隧道口，若是在隧道口，则匹配距离最近且概率最大的隧道入口(根据距离隧道口的距离，用户历史行驶习惯和交通情况综合判断，例如距离某隧道口越近，且该用户历史通过该隧道次数越多则概率越大)，若不是在隧道口则跳转至步骤S1；
S4：云端服务器搜索车辆在同一时段的历史速度(历史速度按不同时段记录，不同时段速度置信度不同，单条记录权重不同)，结合天气及实时交通信息对隧道拥堵情况的反馈，以及已经驶出隧道的车辆(驶出隧道后重新获得GPS定位信息)上报的隧道通过时间等信息(通过隧道长度L和隧道内行驶时间t，即可求出隧道内平均速度：S＝L/t)，通过数学模型得出GPS信号丢失后车辆在隧道内的概率行驶速度；若车辆第一次通过该隧道，则使用其他车辆在该时段通过隧道的速度平均值作为概率行驶速度(概率行驶速度并非当前真实速度，而是大概率情况下和当前真实速度近似的速度)；
S5：云端服务器通过网络下发概率行驶速度给惯性导航设备端；
S6：惯性导航设备端用收到的概率行驶速度进行航位推算，推算该车辆的经纬度；
S7：惯性导航设备端按设定的时间间隔上传推算的经纬度至云端服务器，云端服务器判断车辆在隧道中的位置及所在隧道分支，判断是否更新下发速度，若需要重新下发，则下发更新后的速度；
S8：车辆驶出隧道重新获得GPS信号后惯性导航设备端上报车辆在隧道内通过的时间，反馈给云端服务器作为其他车辆的速度推算数据源，更新所有车辆该时段通过隧道的概率行驶速度，更新该车辆该时段通过隧道的概率行驶速度。
通过离线方式采集隧道数据，在隧道内间隔固定距离(50m左右)采集一个定位描点(真实经纬度点)，对于复杂隧道(多入口，多出口)采集所有隧道分支描点；再通过描点之间的连通性抽象出隧道描点图，通过GeoHash或其他编码方式，通过编码方式编码索引所有隧道描点图形成隧道描点集。
在无需辅助设备帮助的情况下，通过对隧道信息采集并在云端索引，结合路网、天气、交通、车辆历史信息、机器学习等手段推算出车辆在隧道内不同位置的前向速度，云端服务器通过网络下发到惯性导航设备中，帮助惯性导航设备和端上算法抑制前向误差发散，经实际验证，惯导隧道内的前向有效推算距离可由隧道长度20-30％提升至70％以上，大大提高了定位精度。
需要指出的是本发明中的概率行驶速度并非当前真实速度，而是大概率情况下和当前真实速度近似的速度。