将卫星位置数据与地面特征相关联的系统和方法与流程

本发明总体上涉及数据处理系统，更具体地说，涉及用于将卫星位置数据与地面特征相关联的数据处理系统。

背景技术：

采矿作业，特别是露天采矿作业，越来越依赖于对各种采矿设备和车辆传输的数据流进行分析，以提高生产率和降低成本。一个这样的数据流可以包括与采矿环境中的采矿设备和车辆的位置和移动有关的信息和数据。这种位置数据通常从基于卫星的位置定位系统获得，例如gps、galileo和glonass系统，其可操作地与采矿设备相关联。或者，位置数据可以从其他类型的位置感测系统获得或导出，例如基于惯性的系统或基于地面的无线电导航系统。

无论使用何种特定类型的位置感测系统，随后将得到的位置数据传输到处理系统以进行分析。在典型示例中，位置数据可以由处理系统用于车队跟踪和调度目的，从而允许在采矿环境内更有效地部署和移动设备和车辆。然而，其他类型的数据分析系统是已知的，还有其他正在开发的，其至少部分地依赖于这种位置数据。

与使用车辆位置数据的系统相关联的一个问题，涉及使测量的位置数据与地面特征相关联或匹配的问题。在采矿环境中，这种地面特征可能涉及车辆行驶的道路网络。这样的地面特征还可以包括采矿环境和基础设施系统的其他方面，例如各种服务建筑物的位置、加油站、装载站和倾卸站，仅举几个例子。

与将测量的位置数据与地面特征相关联的困难部分地归因于与车辆位置定位系统(例如，gps)相关联的固有不确定性和误差。采矿环境本身的性质可能会加剧这些不确定性和错误。例如，许多采矿环境位于山区，这可能对基于卫星的位置数据的准确性产生不利影响。山地地形的存在还可能导致位置数据包括大量完全错误的定位或“异常值”，其位于距车辆的实际位置相当远的位置。

除了与获得精确位置测量相关的困难之外，还有其他困难与采矿环境中的地面特征的配置相关联。例如，露天矿场中的道路网络通常包含彼此靠近的道路段，在紧密平行的路径上，并且可能涉及相对复杂的交叉口，所有这些都可能造成将车辆的测量位置与正确的道路或位置正确关联或匹配的困难。

采矿环境本身的动态性质还会产生其他问题。例如，道路网络和基础设施系统不是静态的，并且随着采矿作业的进行而频繁地改变和重新配置。包括道路网络的各种道路经常移动和重新定位。类似地，采矿基础设施的元件，例如服务建筑物、加油站、装载站和倾卸站，也可以不时地移动。因此，除了必须准确地将位置数据与已知的地面特征相关联之外，位置相关系统还必须能够通常每天准确地，将位置数据与新的或重新定位的地面特征相关联。

未能准确地将车辆的位置与这样的地面特征相关联，可以显著影响依赖于车辆的准确位置定位和布置的系统的价值。例如，并且在车队跟踪和调度系统的背景下，如果其他车辆布置在认为没有车辆的道路上，则在不正确的道路上定位拖运卡车可能导致不正确的调度决策和/或导致拥堵问题。除了限制了用最佳效果使用的车队跟踪和调度系统的能力之外，与准确地将车辆位置与地面特征相关联的困难，限制了采矿运营商开发新的分析系统和工具以进一步提高生产率和降低成本的能力。

技术实现要素：

将卫星位置数据与地面特征相关联的方法的一个实施例可以包括以下步骤：使用几何捕捉算法来关联卫星位置数据和地面勘测数据，并将卫星位置数据捕捉到地面特征；确定卫星位置数据是否可以捕捉到独特的地面特征；并且当卫星位置数据无法捕捉为独特的地面特征时，使用混合时空捕捉算法来关联卫星位置数据和地面勘测数据，并将卫星位置数据捕捉到独特的地面特征。

还公开了一种非暂时性计算机可读存储介质，其上包含有计算机可执行指令，当由至少一个计算机处理器执行时，使处理器：使用几何捕捉算法来关联卫星位置数据和地面勘测数据，并将卫星位置数据捕捉到地面特征；确定卫星位置数据是否可以捕捉为独特的地面特征；并且当卫星位置数据无法捕捉为独特的地面特征时，使用混合时空捕捉算法来关联卫星位置数据和地面勘测数据，并将卫星位置数据捕捉到独特的地面特征。

还公开了一种位置关联系统，其可以包括：计算机处理器和可操作地与计算机处理器相关联的用户界面系统，以允许用户与计算机处理器对接。与计算机处理器可操作地相关联的地面勘测数据库，包括与限定的作业区域中的地面特征相关联的地面勘测数据。可操作地与计算机处理器相关联的卫星位置数据库包括与限定的作业区域内的至少一个物体的移动相关联的卫星数据。与计算机处理器可操作地相关联的几何捕捉算法将卫星位置数据和地面勘测数据相关联，并将卫星位置数据捕捉到地面特征。与计算机处理器可操作地相关联的混合时空捕捉算法，将卫星位置数据和地面勘测数据相关联，并将卫星位置数据捕捉到独特的地面特征。计算机处理器利用几何捕捉算法和混合时空捕捉算法来关联卫星位置数据和地面位置数据，并且特别是当卫星位置数据不能捕捉为独特的地面特征时，利用混合时空捕捉算法。计算机处理器还产生与捕捉的卫星位置数据有关的输出数据，并将输出数据传送到用户界面。

附图说明

附图中示出了本发明的说明性和目前优选的示例性实施例，其中：

图1是根据本发明的位置相关系统的一个实施例的示意图；

图2是露天矿的限定作业区域的一部分的图示，示出了各种地面特征，包括道路和建筑物以及穿过各种道路的车辆；

图3是几何捕捉算法的一个实施例的流程图表示；

图4是表示相对于定义的二维网格的卫星位置数据点或定位的位置的图形表示；

图5是表示相对于定义的二维网格的地面数据点或定位的位置的图形表示；

图6是道路网络的地面数据点的图形表示；

图7是从在图6的道路网络的一些道路上行驶的车辆获得的卫星数据点或定位的图形表示；

图8是由捕捉为图6的道路网络的图7的卫星数据点产生的通行捕捉(post-snapped-on)坐标的图形表示；以及

图9是图示说明通过混合时空捕捉算法减少可用于捕捉的可能轨迹的图形表示。

具体实施方式

本文示出和描述了根据本发明的位置相关系统10的一个实施例，因为它可以用于将卫星位置数据12与位于限定的作业区域18内的地面特征16相关联，例如露天矿20或露天矿20的一部分。参见图1和2。在本文所示和所述的特定实施例中，地面特征16可以包括由多个道路24限定的道路网络22。地面特征16还可以包括采矿环境和基础设施系统26的其他方面，例如，各种服务建筑物的位置、加油站、装载站、倾卸站等。地面特征16的位置由地面勘测数据28给出或表示。

现在主要参考图1，位置相关系统10可以包括计算机处理器或计算机处理系统30，其可以可操作地连接到地面勘测数据库32和卫星位置数据库34。地面勘测数据库32可以包括地面勘测数据28，在一个实施例中，地面勘测数据28可以包括识别地面特征16的位置的多个记录或数据文件，例如，道路网络22的各种道路24和采矿基础设施26的元件。卫星位置数据库34可以包括从基于卫星的位置定位系统(例如，gps)获得的卫星位置数据12。卫星位置数据12可以包括多个记录或数据文件，其识别在限定的作业区域18内操作的一个或多个车辆14(例如拖运卡车或其他采矿设备)的位置。可以随时间收集卫星位置数据(即，可以包括时间的或基于时间的卫星数据)，其中在离散时间获得各个数据点或位置定位60(图4)。因此，合适的时间戳可以与包括卫星位置数据12的每个数据点或位置定位60相关联。

计算机处理器30还可以可操作地连接到几何捕捉算法36、混合时空捕捉算法38和用户界面40。用户界面40可以包括显示系统42。如本文将更详细描述的，几何捕捉算法36基于空间或位置因素，使卫星位置数据12和地面勘测数据28相关联。几何捕捉算法36将卫星位置数据12变换或“捕捉”到地面特征16。混合时空捕捉算法38使用空间和时间因素来确定如何关联或匹配卫星位置数据12和地面勘测数据28，以将卫星位置数据12捕捉到正确的地面特征16。因此，在由于两个或多个地面特征16的接近(例如紧密相邻或平行的道路24)或由于其他因素，几何捕捉算法36不能将卫星位置数据12与地面勘测数据28相关联的情况下，使用混合空时捕捉算法38有优势。

计算机处理器30产生与捕捉的位置数据和地面特征16有关的信息和数据(即，由应用几何捕捉算法36和混合空时算法38产生)。此后，计算机处理器30可以在用户界面40上(例如在显示系统42上)呈现结果信息和数据。

本发明的一个显著优点是它可以用于准确可靠地将卫星位置数据与地面特征相关联，特别是在难以获得准确的卫星位置数据的情况下，或者在卫星位置数据易于包含大量基本上偏离车辆或物体的实际位置的“异常值”或位置定位的情况下。特别是在困难环境中，准确且可靠地关联数据的能力，将允许迄今被认为不能与这种困难环境结合使用的数据分析系统能使用。此外，本发明精确地将位置数据与动态地面特征(即，经常移动或重新定向的地面特征)相关联的能力，允许本发明用于涉及动态或改变地面特征的情况。

还有其他优点与混合时空捕捉算法有关。例如，时间遍历算法通常难以检测不合逻辑的路径方向和跳跃，而空间遍历算法难以确保路点的时间顺序。混合时空捕捉算法避免了这些困难，并提供了更加准确和强大的捕捉过程。混合时空算法还利用主路径的概念来加速处理并减少否则将发生的轨迹分支的量。耐心窗口也用于减少轨迹分支发生的次数。

已经简要描述了本发明的系统和方法的某些示例性实施例，以及其一些更重要的特征和优点，现在将详细描述本发明的各种实施例和变型。然而，在进行描述之前，应该注意，虽然本文示出和描述了各种实施例，因为它们可以用于将卫星位置数据与采矿环境中的地面数据相关联，本发明不限于在这种环境中与这种数据类型一起使用。例如，位置数据不需要包括卫星位置数据，而是可以包括通过其他装置(例如通过基于惯性或地面导航系统)导出的位置数据。而且，虽然本发明可以有优势地用于露天采矿环境中，在该环境下难以获得准确和可靠的卫星位置数据，并且在该环境下地面特征易于频繁移动或重新定位，本发明可用于各种环境中的任何一种并用于任何广泛的目的，在熟悉本文提供的教导之后，本文描述了其中一些，并且其他一些对于本领域普通技术人员而言将变得显而易见。因此，不应将本发明视为限于在任何特定类型的位置数据、环境或应用中使用。

现在回头参考图1，位置相关系统10的一个实施例可以包括计算机处理器或计算机处理系统30，其可操作地连接到本文描述的各种数据库和系统。计算机处理系统30还可以可操作地连接到本文描述的各种算法。各种算法可以体现在计算机系统30可访问的非暂时性计算机可读存储介质上提供的各种软件包或模块中。向各种软件包或模块提供计算机可执行指令，当由计算机系统30执行时，使计算机系统30根据本文描述的各种方法和算法处理信息和数据。计算机系统30可以包括现有技术中现有的各种通用可编程计算机系统中的任何一种，或者可以在将来开发的，或者适合于预期应用的系统。然而，因为这样的计算机系统在本领域中是公知的，并且在熟悉本文提供的教导之后可以由本领域普通技术人员容易地提供，可以在本文示出和描述的实施例中使用的特定计算机系统30将不再进一步详细描述。

计算机系统30可操作地连接到地面勘测数据库32和卫星位置数据库34。如上面简要描述的，地面勘测数据库32可以包括地面勘测数据28，其识别期望的地面特征16的位置。类似地，卫星位置数据库34可以包括与在采矿环境20中操作的各种车辆14相关联的卫星位置数据12。计算机处理系统30还可以可操作地连接到几何捕捉算法36和混合时空捕捉算法38。计算机处理系统30还可以可操作地连接到用户界面系统40，以允许用户(未示出)操作计算机系统30。用户界面系统40还可以包括显示系统42。计算机系统30还可以连接到各种辅助系统和设备，例如网络系统、存储器系统、算法模块和附加数据库，如特定应用可能需要或期望的那样。然而，因为这种辅助系统和设备在本领域中也是众所周知的，并且在熟悉本文提供的教导之后可由本领域普通技术人员容易地提供，本文将不再详细描述任何特定应用可能需要或期望的各种辅助系统和设备。

现在考虑各种数据库，地面勘测数据库32可以包括地面勘测数据28。地面勘测数据32可以包括多个记录或数据文件，其识别和定位所限定的作业区域18内的期望地面特征16的位置。如前所述，地面特征16可以包括但不限于由多个道路24限定的道路网络22。地面特征16还可以包括采矿基础设施系统26的任何期望组件，例如各种服务建筑物、加油站、装载站、倾卸站、库存等。地面勘测数据28可以包括高度精确的位置数据，其通常由陆基勘测系统(未示出)产生，其将地面特征16的位置定位在限定的作业区域18内。可以根据需要不时地更新地面勘测数据28，以反映各种地面特征16的变化或重新定位。

卫星位置数据库34可以包括卫星位置数据12。卫星位置数据12可以包括从在限定的作业区域18内操作的各种设备或车辆14获得的多个记录或数据文件。每个期望的设备或车辆14可以设置有位置感测系统(未示出)，该位置感测系统在车辆14在作业区域18内操作时感测车辆14的位置。在本文所示和所述的实施例中，位置感测系统可以包括基于卫星的位置感测系统，用于从诸如全球定位系统(gps)的各种基于卫星的位置感测系统中的任何一个获得位置数据。或者，位置数据可以从其他类型的位置感测系统获得，例如从惯性感测系统或基于地面的无线电导航系统获得。因此，不应将本发明视为限于任何特定类型的位置感测系统。类似地，卫星位置数据12不应解释为限于从基于卫星的位置感测系统导出的位置数据。也就是说，卫星位置数据12可以包括从其他类型的定位系统获得的数据。

在典型的应用中，从设置在各种车辆14上的位置感测系统(未示出)导出的卫星位置数据12，可以经由无线网络(未示出)发送到中央位置或处理系统。或者，可以使用其他系统和设备。中央位置或处理系统可以是计算机系统30，尽管它不是必须的。此后，如果必要或需要，卫星位置数据12可以在放入卫星位置数据库34之前重新格式化和处理。在这方面，应该注意到在许多应用中，卫星位置数据12将不是连续的，而是将周期性地(例如，每秒一次)随时间收集的多个单独数据点或位置定位60(图4)。也就是说，卫星位置数据12将包括基于时间的位置数据或时间位置数据。因此，每个数据点或位置定位60还可以包括将数据点或位置定位60与获得定位60的时间相关联的时间戳。

众所周知，卫星位置数据12中可能存在显著的误差和不确定性，并且对于给定的卫星位置定位或数据点60误差几十(如果不是几百)米并不罕见。这些误差和不确定性使得难以确定在限定的作业区域18内移动的车辆14的确切位置，并且难以相对于已知的地面特征16正确地定位车辆14。在露天采矿环境20中，例如，在矿山内的道路或路径24上行驶的设备或车辆14，即使车辆14实际上在已知道路24上行驶，这样的卫星位置数据12也不能可靠地将车辆14的位置固定在已知的道路或路径24上。

几何捕捉算法36可用于通过将它们与地面勘测数据28相关联来补偿卫星位置数据12中的误差，其已知具有更高的准确度和精度。与已知地面特征(例如，道路24)不相关的那些卫星数据位置定位或点60传送或捕捉为地面特征16的正确或勘测位置。其他明显错误或“异常”位置定位60'(图7)可以如下面将进一步详细描述的完全丢弃。

现在参考图1和3-9，几何捕捉算法36可以根据方法44操作，以关联或匹配卫星位置数据12和地面勘测数据28。几何捕捉算法基于空间因素执行相关联，然后将卫星位置数据12变换或捕捉到地面特征16。几何捕捉算法可以用各种编程语言中的任何一种来编写，例如现在已知的“r”或“python”或者可以在将来开发的，在熟悉本文提供的教导之后，对于本领域普通技术人员来说，这将是显而易见的。因此，不应将本发明视为限于任何特定的编程语言。然而，作为示例，在一个实施例中，几何捕捉算法36以“r”编程语言编写。

在继续描述方法44之前，应当注意，通常优选但非必需的是，几何捕捉算法36利用道路坐标系，而不是矿井坐标系或基于纬度和经度的坐标系。由于各种地面特征16可以不时地移动或重新定位，因此使用道路坐标系有助于日复一日地进行精确比较。道路坐标系中的每个点可以由起始呼叫点、结束呼叫点、到起始呼叫点的距离以及到结束呼叫点的距离来定义。距离可以以任何方便的单位提供，例如米或英尺，并且可以选择为整数值。在本文所示和所述的特定实施例中，呼叫点之间的距离约为9.1米(约30英尺)。可以沿bezier曲线测量曲线距离。因此，道路坐标系仅使用字符串和整数。

方法44中的第一步骤46定义了二维网格48，如图4中最佳所示。二维网格48可以包括在限定位置处的多个网格点50，即，分别在相应的“水平”和“垂直”网格线52和54的交叉点处。应当注意，水平和垂直网格线52和54仅是构造，并且在本文中用作帮助理解方法44的各个步骤。在一个实施例中，相应的水平和垂直网格线52和54以相等的间隔隔开，该间隔对应于约91.4米(约300英尺)的地面距离。因此，二维网格48将包括正方形网格56，其中每个正方形对应于约8361m²(约90,000ft²)的地面区域。或者，当然可以使用其他尺寸。

在方法44的下一步骤58中，卫星位置数据12中的每个数据点或位置定位60“舍入”到二维网格48的最近网格点50。每个数据点或位置定位60的位置可以由相对于二维网格48的相应x和y位置限定。例如，并且参考图4，与每个位置定位60相关联的x-y位置将“舍入”到网格点50以定义由坐标值gx和gy给出的参考网格点值。然后，使用所有舍入坐标值(即，gx和gy值)来创建幅度数据表。

现在进行到步骤62，地面勘测数据28中的每个位置或数据点64与至少四个相邻的网格点匹配，在本文中指定为“nw”、“ne”、“se”和“sw”，在网格48中为西北、东北、东南和西南。地面勘测数据28中的每个数据点64的位置可以由坐标值rx和ry指定。各个相邻网格点nw、ne、se和sw的坐标值在本文中可替代地分别称为(gx1，gy1)、(gx2，gy2)、(gx3，gy3)和(gx4，gy4)。然后，使用每个地面数据点64的匹配值来创建地面坐标表。

接下来，在步骤66中，基于参考网格点值(即，gx和gy)合并幅度数据表(在步骤58中创建)和地面坐标表(在步骤62中创建)以形成或创建合并表。此后，在步骤68中搜索合并表以识别具有位置定位60的x，y位置与地面数据点64的rx，ry位置之间的最小距离的网格点50。所识别的网格点50在本文中称为捕捉点。在步骤70中，x，y位置(即位置定位60)捕捉为捕捉点70(图8)。

几何捕捉算法36可用于将卫星位置数据12捕捉到由地面勘测数据28给出的地面特征16。此外，通行捕捉(postsnapped-on)数据的点数或坐标数将大大减少，从而减少了内存和处理要求。例如，现在参考图6，包括各种道路24的道路网络22可以由道路坐标系中的大约7000个单独的数据点64表示。这些数据点64通常具有高精度，已由陆基勘测系统导出或产生。数据点64包括存储在地面勘测数据库32中的地面勘测数据28的一部分。还参见图1。在道路网22的道路24上行进的设置有位置定位系统的一个或多个车辆14(图2)，将以已经描述的方式产生多个位置定位或点60。位置定位60表示车辆14在其行进到道路网络22时的定义时间点的各种位置。在图7中描绘的特定示例中，15、115个单独的位置定位60用于生成用于道路网络22的相应卫星数据“地图”72。也就是说，图7中描绘的道路网络22的地图72基于卫星数据点60，而不是基于地面数据点64，如图6中所示的地图74的情况。在本文中，地图74可以替代地称为地面数据地图74。如已经描述的，数据点60包括存储在卫星位置数据库34中的卫星位置数据12的一部分。

现在同时参考图6和7，图7的卫星地图72中呈现的卫星位置数据12包含许多明显错误或“异常”数据点60'，其不对应于图6中描绘的地面数据地图74所定义的道路网络22的任何道路24。通过应用几何捕捉算法36来识别和去除这些异常数据点或错误位置定位60'。

例如，并且如图8中最佳所示，几何捕捉算法36将卫星位置数据12捕捉到道路坐标系。在捕捉操作期间，即方法44的执行期间，将捕捉由地面勘测数据28定义的地面特征16上或附近的各个位置定位60。然而，将识别并丢弃异常值或错误的位置定位60'。方法44的捕捉操作导致产生与道路坐标系重合的通行捕捉(postsnapped-on)坐标点70。图8中所示的车辆14行进的各个道路24的地图76，由3657个单独的捕捉(snapped-on)坐标点70限定。捕捉(snapped-on)坐标点70的产生表示记录车辆14在道路网络22上的运动所需的数据的显著减少：从15、115个单独的卫星定位60到3657个捕捉(snapped-on)点70。应当注意，几何捕捉算法36保留与每个捕捉(snapped-on)数据点70相关联的时间戳数据，从而允许后续数据处理系统和算法在需要或要求时，使用位置和时间数据。还应注意，捕捉(snappedon)数据点70仅表示实际由车辆14行进的道路网络22的这些道路24。没有行进的道路不由捕捉(snappedon)数据点70产生的地图76描绘。

几何捕捉算法36可用于以刚才描述的方式基于空间或位置因素，来关联卫星位置数据12和地面勘测数据28。然而，存在这样的情况，其中几何捕捉算法36将不能将卫星位置数据12和地面勘测数据28相关联，并且不能将卫星位置数据12“捕捉”到独特的地面特征16，因为两个或多个地面特征16接近或其他因素。也就是说，因为正方形48的二维网格的正方形56是相对粗糙的(例如，在一个实施例中，每侧的尺寸为约91.4m)，可以产生的困难是两个或更多个地面特征16比正方形56的尺寸更靠近在一起，例如位于平行路径上或在道路交叉点处的两个或更多个道路24。参见图2。在这些实例中，几何捕捉算法36可能无法将卫星位置定位60与正确的地面特征16相关联。然后，本发明的方法和系统可以利用混合时空捕捉算法38来解决不确定性，并确定要捕捉到的正确的地面特征12(例如，道路24)。

混合时空捕捉算法38使用空间和时间因素来确定如何关联卫星位置数据12和地面勘测数据28，以将卫星定位捕捉到正确的地面特征16。混合时空捕捉算法38可以有利地使用，因为时间遍历算法通常难以检测不合逻辑的路径定向和跳跃，而空间遍历算法难以确保道路点的时间排序。因此，混合时空捕捉算法38包括两个分量或方面：空间遍历分量和时间遍历分量。

混合时空捕捉算法38的空间遍历分量将小段连接成更长的路径，识别“主要路径”和“修剪”终端分支。在混合时空捕捉算法38的时间遍历分量中，在道路坐标点上执行轨迹遍历，而不是位置定位数据点60(图4)。如下面将进一步详细描述的，轨迹的选择基于空间-时间分数(sta)。在每个步骤中优化轨迹选择，这意味着算法38避免了轨迹数量的指数增长。时间遍历分量还确保对捕捉点的适当时间排序。

混合时空捕捉算法38可以用各种编程语言中的任何一种编写，例如现在本领域中已知的“r”或“python”或将来可能开发的，在熟悉本文提供的教导之后，对于本领域普通技术人员来说，这将是显而易见的。因此，不应将本发明视为限于任何特定的编程语言。然而，作为示例，在一个实施例中，混合时空捕捉算法38以python编程语言编写。

用于描述混合时空捕捉算法38的术语包括“途径(walk)”、“轨迹(trail)”、“端点”和“路径”。途径是一系列顶点和边，其中每条边的端点是序列中的前后顶点。轨迹是途径，其中所有边都是不同的。端点是终点或交叉点顶点节点，路径是从一个端点延伸到另一个端点的一组连接的路段。

混合时空捕捉算法38的空间遍历分量将主要路径识别为具有超过一个定义时间(例如，10秒)的卫星位置数据定位60的任何路径，其中卫星位置数据定位60是可捕捉点的唯一选择。也就是说，在轨迹遍历期间，当遇到主要路径时，不需要犹豫。算法38简单地将点60捕捉到所识别的主要路径。此外，对于每个可捕捉的道路坐标点，存在卫星位置定位或点60距离最近的时刻。与该特定卫星定位60相关联的时间戳被称为近拱点时间戳，并且用于促进捕捉过程。

混合时空捕捉算法38的空间遍历分量利用以下逻辑或方法来实现捕捉功能。在轨迹遍历操作期间，当新路径变得可捕捉时，各种位置定位60可以立即或者延迟一段时间捕捉。这意味着原始轨迹将复制到两条轨迹中，本文称为轨迹分支。如果不在一段时间内设置一些界限，那么轨迹分支操作可能会导致大量可能的轨迹增长。为了避免这种不期望的增长，混合空时算法38的空间遍历分量利用“耐心窗口”。如果耐心窗口已经到期，则捕捉点60，从而限制了轨迹分支。在一个实施例中，耐心窗口选择为大约10秒，但是可以使用其他时间段。

空间遍历分量使用的另一种方法涉及交叉点。更具体地，在3个或更多个路径的交叉点处，如果车辆沿着两个路径行进，则从任何进一步的捕捉考虑中移除所有其他路径。此外，如果同一路径中的多个点同时可用，则只会捕捉最近的点。也就是说，不会从同一路径的点轨迹分支。最后，并且如上所述，如果主要路径变得可捕捉，则不会再犹豫了。这些点将捕捉为主要路径。

这种逻辑捕捉过程显著减少了可用于捕捉的可用轨迹可能数量。例如，并且现在参考图9，不限制多个点到最近点，并且也没有定义主要路径的逻辑捕捉过程涉及大量可能的轨迹，如图9中的线78所示。大量可能的轨迹减慢了捕捉算法38并增加了错误(例如，捕捉到错误的轨迹)的可能性。确实将多个点限制到最近点但仍然不涉及主要路径的第二个逻辑捕捉过程，在某种程度上减少了可能的轨迹数量，但它们仍然在数量上很重要，如第80行所示。然而，在本文示出和描述的实施例中使用的逻辑捕捉过程，即，将多个点限制到最近点并且利用主要路径，显著减少了可能的轨迹的数量。这种逻辑捕捉过程由图9中的线82描绘。

现在考虑混合时空算法38的时间分量，时间分量使用时空分数(sts)将卫星位置数据点或位置定位60(图7)捕捉到车辆14实际经过的道路24。时空分数(sts)包括确定空间接近度值(spv)、空间均匀度值(sev)和时间均匀度值(tev)中的每一个。然后通过获取spv、sev和tev的乘积的立方根来确定sts。

spv值由以下等式给出：

spv＝exp(-1/2*(平均误差距离/30)²

空间均匀度值(sev)由捕捉误差距离(n)的分布确定，并且是有效捕捉误差距离(neff)的数量和捕捉误差距离n的数量之比，即空间均匀度值sev＝neff/n。inverseherfindahl指数用于确定neff。众所周知，inverseherfindahl指数由“和的平方”除以“平方和”给出。时间均匀度值(tev)是从连续捕捉的道路点之间的时间差分布测量的。

最终的捕捉操作主要在时间维度上完成。首先根据以下原理合理化道路坐标的时间排序。首先，混合时空算法38首先按路段的平均时间戳排序，然后按每个路段内的坐标序列索引排序。

在本文中阐述了本发明的优选实施例后，预期可以对其进行适当的修改，但仍然在本发明的范围内。因此，本发明仅应根据以下权利要求来解释。