数据点，首先，先取出前η个点，计算相邻两点之间的距离(基站定位需通过基站ID转换为GPS位置)，进行中值滤波，初步过滤掉偏差较大的噪声点。
[0044]中值滤波步骤为:
[0045]①计算相邻两点间的距离，令S21= N2-Niq即第二个点减去第一个点的距离。
[0046]②根据计算的相邻距离的集合S = (S21、S32、SfSn(n_D)，进行排序，同时计算相邻两个S点之间的差值D= (DS2S0DS3S2^DS4S3,…DSnS(n_D)，同时进行排序。取出S和D的中间值Smid、Dmid，根据这个中间值遍历集合S中的值，若| Sj^D-Smid | >2*Dmid，则Snilri)为异常的差值点。
[0047]其中，S21为第二位置数据点与第一位置数据点的距离432为第三位置数据点与第二位置数据点的距离；&3为第四位置数据点与第三位置数据点的距离；Snn-l为第η位置数据点与第n-Ι位置数据点的距离！DS2S1为S 32-S21, Ds3s2为S 43_S32，Dsnsn_$ S
η (η-1) S (η-1)
(η-2) ο
[0048]③根据异常的差值点Sn(Iri)的下标，判断什么点位置异常；
[0049]Sn(n_D，S(n+1)n都是异常的差值点，则点Nn为异常的GPS坐标；
[0050]Sn(Iri)相邻点无异常的差值点，以及n-Ι = O,则NI为异常的GPS坐标；
[0051]Sn(Iri)相邻点无异常的差值点，以及η =数组长度，则Nn为异常的GPS坐标，
[0052]过滤掉异常的GPS坐标。
[0053]3、结合以上步骤2的数据，从第η+1个位置点进行计算，先判断位置点Νη+1的定位类型，若A不是GPS定位则执行步骤4，否则执行以下步骤5。
[0054]4、根据位置点A的基站ID等信息，查询计算对应的经玮度数据，并转到步骤5。
[0055]5、若位置没有上传速度信息，则执行一下步骤6，如果有速度信息，则根据Νη+1和Nn两点的平均速度和时间间隔，当两点之间的距离大于平均速度*时间间隔*阈值并且大于一直正常速度值30Km/小时*时间间隔，则点Νη+1为异常的经玮度坐标，过滤掉不做展示。本方法中阈值可为2.0。
[0056]6、根据相邻两点距离和时间的间隔值，当平均速度 > 阈值，则判定为异常点，本方法中阈值为220KM/h，注:基站定位的数据不按此阈值计算，因为单基站定位时，容易存在漂移的情况，需要将阈值放大进行判断。
[0057]本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同相似部分相互参见即可。
[0058]在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”、等，指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说，结合任一实施例描述一个具体特征、结构或者特点时，所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明的范围内。
[0059]尽管这里参照本发明的多个解释性实施例对本发明进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开和权利要求的范围内，可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变型和改进外，对于本领域技术人员来说，其他的用途也将是明显的。
【主权项】
1.一种自我学习的异常位置轨迹点过滤方法，其特征在于它包括以下步骤: 步骤一、将获取到的智能定位终端的当前位置信息与数据库中历史位置信息进行比较，在数据库中有记载与当前位置信息相邻时间上传的历史位置信息的情况下则执行步骤-* * 步骤二、根据相邻时间上传的位置数据点，计算相邻两点之间的距离，从而过滤掉偏差较大的噪声点； 步骤三、判断当前位置的定位方式是否为GPS ; 步骤四、在定位方式不为GPS的情况下，则通过基站ID，获取对应的经玮度数据； 在定位方式为GPS的情况下，则判断上传的位置信息中是否有速度信息； 步骤五、在上传的位置信息中没有速度信息的情况下，则通过相邻两个位置的距离、时间间隔进行过滤； 在上传的位置信息中有速度信息的情况下，则通过相邻两个位置的距离、时间间隔和速度进行过滤。
2.根据权利要求1所述的自我学习的异常位置轨迹点过滤方法，其特征在于计算所述相邻时间上传的位置数据点的距离集合S = S21、S32、S43-Sn(n_D，以及计算相邻两个S点之间的差值0 = 08281、08382、08483^..08#(11_1)，取出3和0的中间值511^(1、01^(1，若 |S -Smid大于2与Dmid的乘积，则S n(Iri)为异常的差值点； 其中，S21为第二位置数据点与第一位置数据点的距离；S32为第三位置数据点与第二位置数据点的距离；&3为第四位置数据点与第三位置数据点的距离；Snn-l为第η位置数据点与第η-1位置数据点的距离^S2S1为S32-S21, Ds3s2为S43-S32, D sn Slri为Sn(n-l) ^(η-1) (η-2) °
3.根据权利要求2所述的自我学习的异常位置轨迹点过滤方法，其特征在于根据异常的差值点Sn(n_D，以判断异常的位置数据点，若Sn(n_D，S(n+1)n都是异常的差值点，则点Nn为异常的GPS坐标；若Sn(n_D相邻点无异常的差值点，以及η-1 = O,则NI为异常的GPS坐标；Sn(Iri)相邻点无异常的差值点，以及η =数组长度，则对应的Nn为应予以过滤的异常GPS坐标。
4.根据权利要求1所述的自我学习的异常位置轨迹点过滤方法，其特征在于在速度信息的情况下，则根据Νη+1和Nn两点的平均速度和时间间隔，当两点之间的距离大于平均速度、时间间隔和阈值的乘积，以及大于正常速度值与时间间隔的乘积，则点Νη+1为异常的经玮度坐标。
5.根据权利要求4所述的自我学习的异常位置轨迹点过滤方法，其特征在于根据相邻两点距离和时间的间隔值，当平均速度 > 阈值，则判定对应的位置数据点为异常点。
【专利摘要】本发明公开了一种自我学习的异常位置轨迹点过滤方法，将获取到的智能定位终端的当前位置信息与数据库中历史位置信息进行比较，在数据库中有记载与当前位置信息相邻时间上传的历史位置信息的情况下则执行以下步骤；计算相邻两点之间的距离，从而过滤掉偏差较大的噪声点；在定位方式不为GPS的情况下，则通过基站ID，获取对应的经纬度数据；在上传的位置信息中没有速度信息的情况下，则通过相邻两个位置的距离、时间间隔进行过滤。本发明的一种自我学习的异常位置轨迹点过滤方法，能快速、有效地过滤异常的位置偏移点，从而带来更好的用户体验效果。
【IPC分类】H04W4-02, H04W64-00
【公开号】CN104683948
【申请号】CN201510059332
【发明人】李柯
【申请人】四川长虹电器股份有限公司
【公开日】2015年6月3日
【申请日】2015年2月4日