交通运输毕业论文轨道交通gps错误数据检测算法研究及验证.docVIP

轨道交通GPS错误数据检测算法研宄及验证 姓 名： 2014年6月25日 轨道交通GPS错误数据检测算法研究及验证 :对某线两车站间轨道的58601组GPS测量数据的分析发现，数据存在测 量过密或重复记泶、测量过疏或忘记记录、往返测量、测量或记录错误等4种错 误模式。为此提出对应的4种算法进行检测判断:针对前2种错误模式，根据相邻 两点之间的距离来判断;针对错误模式3,根据当前点和其后第2点之间的间隔距 离来判断;针对错误模式4,根据相邻线段的角度变化来判断。利用Matlab编程实 现了算法，以58601组数据为例进行计算和确认，并与人工判断相比较。结果表明: 该算法是有效的，检出率为100%，大幅压缩了检测时间，既减少了工作量，也保证了 判断的正确性。 关键词:测量数据;GPS测量;错误模式;检测算法;轨道交通 利用大量实测高精度的GPS数据自动生成轨道交通电子地图是轨道交通 GIS发展的一个方向［1-3］。轨道交通电子地图正确与否在于测量的GPS数据的 准确性、完整性和记录的严密性。数据的准确性是指GPS数据本身的精度，利用 差分GPS技术来保证［4］。数据的完整性和记录的严密性主要靠实地测量人员的 耐心和细致来实现。 但大量实测GPS数据中不可避免会出现一些错误数据，检测错误数据的 最基本方法是采用人工的方法，逐段观察所测数据的散点图，这种方法工作量大， 而且容易由于疲劳导致失误。本文将根据某铁路区段的实测GPS数据，研究和验 证错误数据检测算法。通过该检测算法自动判断GPS错误数据发生的位置，然后 由人工进行确定。这样既可以减少工作量，也可保证判断的正确性。 1数据描述和错误数据模式分类 由于数据有严格的保密要求，因此选取A站到B站共58601组数据进行研 究。首先利用软件将GPS经纬度数据转化为xy坐标，并做了坐标平移变化，单位 也转化为ft（英尺），如图1所示。 借鉴模式分类的方法［5］，将经常出现的错误模式分为以下4类。 测量过密、重复测量或荠重复记录，如图2所示，第4点为这种情况。 测量过疏、遗漏测量点或者忘记记录，如图3所示，3和4点之间遗漏 了 1个GPS数据点。 测量过程出现往返测量现象，如图4所示，第4和5点为往返测量点。 测量或者记录出现错误，导致数据点明显偏离实际点，如图5所示，第4 点偏离了预定的轨道。 需要指出的是，前2种错误模式严格来说并不算严重的错误。第1类错误 模式不会有负面的影响，但是去除之后有利于减少存储的空间。第2类错误模式 对一些很直的线路并没有影响，但指出来可以让工作人员进一步确认，是否需要增 加一些测量点。 2检测算法 针对以上4种错误模式，采用以下4种算法分别检测判断。 针对错误模式1，可根据相邻两点之间的距离来判断。如果相邻距离过 小，则认为出现错误数据，如公式(1)。最小距离Distmin可根据相邻两点之间距离 的散点图确定。 针对错误模式2,也可根据相邻两点之间的距离来判断。如果相邻距离 过大，则认为出现错误数据，如公式(2)。最大距离Distmax同样可根据相邻两点之 间距离的散点图确定。DistiDistmax 间距离的散点图确定。 DistiDistmax (2) 针对错误模式3,可根据当前点和苏后第2点之间的间隔距离来判断。 正常情况下，该距离应是相邻两点之间平均距离的2倍;如果出现往返测量现象， 该值非常小，甚至小于相邻两点之间的平均距离，如公式(3)所示。间隔距离的最小 值TwoDistmin大约等于相邻最小距离的2倍，具体取值要根据间隔距离TwoDist 的散点图确定。 铁路线在小范围内较为平坦，相邻线段之间角度变化不会太大。因 此可根据角度变化的散点图设定1个角度的变化范围,根据式(8)判断是否出现错 误数据。其中，0up是角度变化的上界，edown是角度变化的下界。 如果检测数据满足以上4种模式屮的1种,就被怀疑为错误数据。为 了判断算法的效果，借鉴交通事件检测算法［6］，定义以下3个主要性能指标。 检出率DR:发现的错误数据个数与实际错误数据个数之比。DR越接 近100%越好。 误报率FAR:误发现的错误数据个数与所检测到的错误数据个数之比。 FAR越接近0越好。 算法效率EA:全体数据的个数与所检测到的错误数据的个数之比。EA 越大效率越高。 3实验验证及其分析 利用Matlab［7］编程实现算法。根据算法的要求，画出3个散点图。图6 为相邻两点的距离图，用于确定Distmin和Distmax。图7为间隔两点距离的散点 图，用于确定TwoDistmin;图8为角度变化图，用于确定9up和0down。 根据图6—图8,可得到以下阈值参数和可能错误的数据。 Distmin=4.8ft，Distmax=10ft。第1种和第2种错误模式散点图的连续