本发明涉及公交车载gps(globalpositioningsystem，全球定位系统)纠偏技术领域，具体地指一种基于异常点剔除及轨迹压缩算法的公交gps纠偏方法。
技术背景
目前gps技术被广泛应用在公交车载导航中，但是由于gps系统存在一定的误差，其准确性、稳定性一直是研究的重点。由于独立gps导航系统低廉的价格和易于部署安装的因素，独立车载导航系统是目前民用车载导航系统中的主流，但是其定位过程中存在一定的误差。要满足用户对准确性与实时性的要求，最基本的一步就是提高导航与定位系统的定位准确度，这包括两个方面：当前公交车辆正在行驶的路段gps地图位置的准确性与确定车辆班次gps路线点在地图位置上的准确性。在独立gps车辆导航系统中定位的准确性主要依靠地图匹配算法克服gps误差和交通矢量地图的误差，使gps轨迹匹配到矢量地图道路上的对应位置。但是gps轨迹沿道路方向上的误差是现有地图算法一直无法克服的，且其需要实时的交通矢量地图。故存在精度不高，可靠性低的特点。
技术实现要素：
本发明的目的就是要提供一种基于异常点剔除及轨迹压缩算法的公交gps纠偏方法，该方法可以提高特定车辆班次gps路线点在地图位置上的准确性，并且实时对公交车辆的gps导航系统在行驶的路段地图位置进行纠正，这不仅满足用户了解其在道路上准确位置的需求，而且为更高级的路径规划和导航提示功能提供定位基础。
为实现此目的，本发明所设计的基于异常点剔除及轨迹压缩算法的公交gps纠偏方法，它包括如下步骤：
步骤1：获取指定公交路线的历史gps数据；
步骤2：对提取的指定公交路线的历史gps数据应用局部异常因子算法进行过滤处理得到过滤处理后的指定公交路线的历史gps数据；
步骤3：对过滤处理后的指定公交路线的历史gps数据应用轨迹压缩算法进行合并，模拟出指定公交路线的gps轨迹数据；
步骤4：以指定公交线路的gps坐标点信息为基础，对从消息中间件中获取的实时gps数据利用指定公交路线的gps轨迹数据进行轨迹纠偏，取指定公交路线gps轨迹上距离实时gps点最近的两个坐标点的中点的坐标值作为公交gps定位漂移点的纠偏点，上述公交gps定位漂移点为指定公交路线gps轨迹外的坐标点。
本发明以海量gps数据为基础，依托大数据技术手段，首先通过局部异常因子lof算法对特定公交线路的历史数据进行过滤，剔除明显的漂移点，再通过轨迹压缩dp算法模拟出特定班次的gps轨迹数据，而后以特定班次gps轨迹数据为训练集，对公交车辆的实时gps坐标进行实时纠偏。这对公交报站、路径规划及乘客了解其地理位置提供了较准确的定位参考。
附图说明
图1为本发明的步骤框图；
图2为本发明中道路轨迹与异常点关系图；
图3为本发明中道路轨迹压缩前后对比图；
图4为本发明中道路轨迹，实时gps轨迹，纠偏轨迹对比图；
图2中，圆点为gps数据中的异常点，图2～4中横轴是经度纵轴为纬度；
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细说明：
本发明设计的一种基于异常点剔除及轨迹压缩算法的公交gps纠偏方法，如图1所示，该方法应用于公交车载gps的实时纠偏。为了对实时gps出现漂移的坐标数据进行纠正处理，利用海量的特定班次gps数据，进行漂移点剔除，而后进行模拟轨迹数据的压缩，形成特定班次的轨迹数据，而后基于实时gps数据进行轨迹纠偏。具体详细的步骤如下：
步骤1：获取指定公交路线的历史gps数据；
步骤2：对提取的指定公交路线的历史gps数据应用局部异常因子算法(lof,localoutlierfactor)进行过滤处理得到过滤处理后的指定公交路线的历史gps数据；
步骤3：对过滤处理后的指定公交路线的历史gps数据应用轨迹压缩算法(dp，douglas-peucker)进行合并，模拟出指定公交路线的gps轨迹数据；
步骤4：以指定公交线路的gps坐标点信息为基础，对从消息中间件(kafka)中获取的实时gps数据利用指定公交路线的gps轨迹数据进行轨迹纠偏，取指定公交路线gps轨迹上距离实时gps点最近的两个坐标点的中点的坐标值作为公交gps定位漂移点的纠偏点，上述公交gps定位漂移点为指定公交路线gps轨迹外的坐标点。
上述技术方案中，步骤2用于去除公交路线的历史gps数据中的异常点，即不在线路上的gps坐标点。步骤3用于对得到的gps坐标点进行抽稀，在描绘的轨迹保持相似性的基础上减少需要处理的数据量，提高实时纠偏的速度，步骤4用于判断实时的gps点，是否是漂移点，如果是漂移点，就采用描述的方法得到纠偏点
上述技术方案的步骤2中，对提取的指定公交路线的历史gps数据应用局部异常因子算法进行过滤处理的具体方法为如下步骤：
步骤201：计算指定公交路线的历史gps数据中gps坐标点p与指定公交路线的历史gps数据中其它gps坐标点o的欧几里得距离d(p,o)；
步骤202：对指定公交路线的历史gps数据中gps坐标点p的欧几里得距离进行排序，计算指定公交路线的历史gps数据中gps坐标点p的第k可达距离reach-distk(p,o)以及第k可达领域nk(p)；
上述指定公交路线的历史gps数据中gps坐标点p的第k可达距离就是距离指定公交路线的历史gps数据中每个gps坐标点p；
指定公交路线的历史gps数据中gps坐标点p的第k可达距离为距离gps坐标点p第k远的点的距离，不包括gps坐标点p，指定公交路线的历史gps数据中gps坐标点p第k可达领域nk(p)为gps坐标点p的第k可达距离以内的所有点，包括第k可达距离；
步骤203：计算指定公交路线的历史gps数据中gps坐标点p的可达密度
步骤204：计算指定公交路线的历史gps数据中gps坐标点p的局部离群点因子
步骤205：剔除局部离群点因子大于1的gps数据,如图2所示。
上述技术方案的步骤3中，对过滤处理后的指定公交路线的历史gps数据应用轨迹压缩算法进行合并的具体方法为如下步骤：
步骤301：在过滤处理后的指定公交路线的历史gps数据对应的轨迹曲线的首尾两点p1，o1之间连接一条直线p1o1，该直线为轨迹曲线的弦；
步骤302：遍历轨迹曲线上除了首尾两点p1，o1之外的其它所有坐标点，求每个坐标点到直线p1o1的距离，找到最大距离的点q，点q为分隔点，最大距离记为dmax；
步骤303：比较该距离dmax与预先定义的阈值dmax(实施例预设2m)的大小，如果dmax＜dmax，则将该直线p1o1作为轨迹曲线的近似，轨迹曲线处理完毕；
步骤304：若dmax≥dmax，则使点q将直线p1o1分为p1q和qo1两段，其中，点p1和点q为p1q轨迹曲线的首尾点，点q和o1为qo1轨迹曲线的首尾点，将p1q和qo1两段分别作为轨迹曲线，进行步骤302和步骤303的曲线切分处理；
步骤305：当所有轨迹曲线都处理完毕时，依次连接各个分割点形成的折线，即为指定公交路线的gps轨迹数据，如图3所示。
上述技术方案的步骤4中，公交gps定位漂移点的纠偏点的具体获取方法为如下步骤：
步骤401：从消息中间件中获取公交的实时gps坐标点信息；
步骤402：计算指定公交线路的各个gps坐标点离实时gps坐标点的距离并按距离由大到小排序，取距离最近的两个点a,b；
步骤403：计算距离最近的两个点a,b形成的直线ab离实时gps坐标点的距离dg(a,b)；
步骤404：若距离dg(a,b)大于预设的纠偏阈值，则取直线ab的中点c，记c为公交的实时gps坐标点的纠偏点。
上述技术方案的步骤1中，从消息中间件(kafka)实时写入到公交业务信息数据仓库hive的历史gps数据中提取指定公交路线的历史gps数据。
上述技术方案中，所述纠偏阈值等于对应公交的车身宽度，优选为2m。
上述技术方案，通过lof算法过滤出异常数据点，又通过轨迹压缩找出公交车线路的真实的gps数据，然后通过计算实时gps点与线路基础数据gps点的中点距离与纠偏阈值比较，进行漂移点纠偏。如图4所示。
上述技术方案中，所述实时gps数据为当天特定城市特定线路的真实公交车辆的车载gps数据。
为了验证本发明提出的算法的可行性和准确性，以及纠偏效果的真实性选取邯郸12路公交车2018年6月1日至2018年6月7日每天5:00至22:00的gps数据作为历史gps数据，对2018年6月8日的实时gps进行实时纠正。
利用本发明的步骤，首先将6月1日至6月7日的数据从hive的gps表中导出，进行重复坐标点的去重处理，得到12路公交分方向的gps数据文件。
再利用lof算法对12路公交的历史gps数据进行异常点剔除处理，算法取的异常点因子为3(取1的话，剔除的点过多)。
得到的gps数据文件进行dp轨迹压缩算法，得到模拟的道路基础数据文件，该数据文件作为实时gps纠偏的参考数据文件。
通过大数据实时处理技术(sparkstreaming)，实时获取公交车辆的gps数据，调用纠偏算法，对实时gps坐标进行实时纠偏。
综上所述，经过理论以及实例展示，本发明提出的一种基于一次带你剔除及轨迹压缩的公交gps实时纠偏的方法，能够克服传统方法对特定班次的线路站点变更无法及时感知，实时纠偏的困难，具有简便的操作性以及普适性，能够实时对海量的gps数据进行实时的纠正处理，达到对轨迹进行实时纠偏的效果。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。