探讨利用车辆众源定位数据提取GNSS定位误差（大地测量学论文） ㊣ 精品文档 值得下载

能的真实体验，能够较为真实地反映在用车载终端的实际精度。

在北京市挑选了个典型路段，对路段上为期个月的车辆实际位臵数据进行了处理，得到了相应的定量统计结果。

并可归纳成两方面的定性结论城市道路环境对的定位精度的影响十分显著，开阔路段下的定位精度明显优于单侧遮挡路段和城市峡谷路段的精度，并且单侧遮挡路段的定位误差会出现系城市峡谷路段，相对于速度较高时，低速情况下的误差均值和标准差统计值有所增大。

图定位误差均值和标准差随行车速度的变化情况图高速和低速速度区间对应的定位误差分布直方图对于单点定位来说，车辆行驶速度的变化，般不会影响定位精度。

产生图和图现象的原因可能是，车载导航仪般会在单点定位结果的基础上，采用卡尔曼滤波等时域滤波手段，在定的时间窗口内，利用运动方程约束车辆的定位轨迹进行平滑处理，用以提升定位精探讨利用车辆众源定位数据提取定位误差大地测量学论文误差观测量。

探讨利用车辆众源定位数据提取定位误差大地测量学论文。

车速与定位误差关联性统计分析分析车辆行驶速度与定位误差的关系，将车辆行驶速度从升至，按时速划分区间，将各速度区间内的道路横向定位误差均值和标准差绘制如图所示。

由图可以看出，随着行车速度的增大，定位误差在横向上的均值和标准差表现都呈现下降趋势。

在速度小于时，横向误差的均值大致处于之位误差的分布直方图如图所示。

结合图可以看出，种道路场景下的车辆定位误差特性明显不同，城市复杂场景下的道路及周边环境，对定位精度的影响不可忽略。

对应于图代表的开阔路段，误差直方图总体接近正态分布，道路横向误差统计均值接近零，约为，误差标准差统计值为，表明车载导航仪在城市开阔道路上可以取得较理想的定位精度。

根据以上分析，在现有路面定位精度的条件下，以为式中，表示第个道路节点，为该道路节点位臵坐标为道路走向方位角∈，为连续的道路节点序号为节点总数的增量方向与道路走向致。

如图所示。

其中，第种典型路段是开阔型达岭高速公路辛庄桥至健翔桥北向南，以及北环仰山桥至上清桥东向西图，所选路段两侧基本没有高层建筑影响信号的传播第种是城市主干道，从仰山桥出发，经安立路北向南，至大屯路口向西进入大屯路辅路，再沿大屯路辅路至北沙数据预处理本文首先描述方法中需要的数据预处理，主要包括出租车定位数据预处理地图数据预处理和出租车地图的定位数据匹配等个方面。

定位数据坐标转换各位臵服务平台上积累的车辆原始定位众源数据，般都包括以下基本要素车辆终端号定位时间经度纬度速度和行驶方向角。

首先对定位数据中的经纬度坐标，采用高斯投影方法，将其转化为本地平面坐标系中的平面位臵坐标并将车辆定位数据表达为式中，表示第个定位点，表误差的统计分析。

实际中，客观地评估动态车辆在实际城市道路上的定位误差，存在些实际困难，主要是需对车辆的真实位臵进行标定，传统上是借助造价昂贵的高精度测绘设备，设备代价和路跑人工代价都很大，难以大规模实施城市道路环境复杂，卫星信号来向多变，要准确地建立卫星信号在不同时段不同道路环境下的传播模型十分困难，。

随着移动互联网的发展和终端的普及，各种位臵服务平台上汇聚了大量车辆的定位众定位误差具有重要的应用价值。

基于上述背景，我们提出了种基于众源出租车定位数据的城市道路定位误差提取和分析方法，并以北京市典型路段实际的行车定位数据进行了试算。

本文以下分章节描述我们提出的新方法，并给出试算和分析结果。

探讨利用车辆众源定位数据提取定位误差大地测量学论文。

在初筛数据集的基础上，计算每个车辆定位坐标点与个道路中线节点坐标间的最小欧式距离记录对应的道路中心线节的无偏坐标值然后，通过高斯投影将其转换为本地平面坐标系下的坐标在此基础上，对中心线节点进行插值处理来加密和匀化节点分布。

最终得到的道路中心线系列节点坐标表达为式中，表示第个道路节点，为该道路节点位臵坐标为道路走向方位角∈，为连续的道路节点序号为节点总数的增量方向与道路走向致。

实际中，客观地评估动态车辆在实际城市道路上的定位误差，存在些实际困难，主要是需对车辆的应于图代表的开阔路段，误差直方图总体接近正态分布，道路横向误差统计均值接近零，约为，误差标准差统计值为，表明车载导航仪在城市开阔道路上可以取得较理想的定位精度。

数据预处理本文首先描述方法中需要的数据预处理，主要包括出租车定位数据预处理地图数据预处理和出租车地图的定位数据匹配等个方面。

定位数据坐标转换各位臵服务平台上积累的车辆原始定位众源数据，般都包括以下基本要素车辆终端号定位时间经度纬度速度和行驶方探讨利用车辆众源定位数据提取定位误差大地测量学论文源数据。

这些数据基于普通用户真实使用的终端和现实的道路环境，数据样本海量，覆盖整个城市道路，对于统计分析城市道路定位误差具有重要的应用价值。

基于上述背景，我们提出了种基于众源出租车定位数据的城市道路定位误差提取和分析方法，并以北京市典型路段实际的行车定位数据进行了试算。

本文以下分章节描述我们提出的新方法，并给出试算和分析结果。

探讨利用车辆众源定位数据提取定位误差大地测量学论文定位点筛选结果道路横向定位误差观测量提取及有效性分析基于预处理得到的，对每个车辆定位坐标点，在道路中线的个节点中寻找与其距离最近的道路中线节点，及前后各个节点和。

分别计算定位坐标点与和之间的距离和，通过次曲线插值，得到车辆定位坐标点与道路中线之间的最短距离，记为，其物理含义是车辆定位坐标点距离道路中心线的横向距离，可用于车辆定型达岭高速公路辛庄桥至健翔桥北向南，以及北环仰山桥至上清桥东向西图，所选路段两侧基本没有高层建筑影响信号的传播第种是城市主干道，从仰山桥出发，经安立路北向南，至大屯路口向西进入大屯路辅路，再沿大屯路辅路至北沙滩桥的路段图，其两侧间断分布有高低错落的建筑，由于双向主干道路面较宽，且在统计分析中区分车辆行驶方向，因此，行车方向右侧的建筑物对卫星信号的遮挡会更严重些，能在定程度上体现信序号。

为保证所选车辆定位数据与道路之间的连续性与匹配性，数据筛选处理如下针对每个特定车辆号，以为门限剔除对应的车辆定位数据点将对应的车辆行驶方位角与距离车辆最近的道路中线节点对应的道路走向进行做差求值，剔除对应的车辆定位数据点，般可取为。

最后，基于经过上述处理流程得到的车辆定位数据集形成如图示例的数据集，用于进步的误差提取和统计分析。

图基于地图匹配的车辆实位臵进行标定，传统上是借助造价昂贵的高精度测绘设备，设备代价和路跑人工代价都很大，难以大规模实施城市道路环境复杂，卫星信号来向多变，要准确地建立卫星信号在不同时段不同道路环境下的传播模型十分困难，。

随着移动互联网的发展和终端的普及，各种位臵服务平台上汇聚了大量车辆的定位众源数据。

这些数据基于普通用户真实使用的终端和现实的道路环境，数据样本海量，覆盖整个城市道路，对于统计分析城市道路向角。

首先对定位数据中的经纬度坐标，采用高斯投影方法，将其转化为本地平面坐标系中的平面位臵坐标并将车辆定位数据表达为式中，表示第个定位点，表示车辆识别码表示高斯位臵坐标，表示车速，表示车辆行驶方向，表示时间。

道路中线坐标提取地理信息系统矢量地图文件中的道路中心线位臵般由系列连贯的节点坐标来描述。

地图数据预处理时，首先，对加偏的地图数据进行解偏处理，获得中心线节点号单侧受遮挡的场景第种是城市商业办公支路，处在中关村街区内部图，路面较窄，且道路两侧都有相对较高的建筑，是典型的城市峡谷。

图统计分析数据所对应的行车路段示意图分类场景误差特性对比分析针对图中个典型类型的道路场景，统计定位误差的分布直方图如图所示。

结合图可以看出，种道路场景下的车辆定位误差特性明显不同，城市复杂场景下的道路及周边环境，对定位精度的影响不可忽略。

探讨利用车辆众源定位数据提取定位误差大地测量学论文车辆定位的误差特性。

典型路段定位误差统计分析本文采用北京市城区个月的出租车位臵数据进行误差观测量提取和误差统计分析，数据涉及约万辆出租车。

我们利用既有高精度道路地图提取道路中线，并使用高精度惯导组合导航设备对道路中线坐标进行了验证和标定。

选取类典型路段的车辆定位数据进行统计分析，并利用节的数据处理方法提取误差观测量。

如图所示。

其中，第种典型路段是开统性的漂移和单边拖尾现象。

说明城市道路环境因素对于定位精度的影响机理比较复杂，值得进步深入研究。

在城市遮挡路况环境下，车载导航仪的定位误差与行车速度具有明显关联性，车速越低，对应定位误差越大，这结果对车载导航仪滤波算法的改进具有参考价值。

参考文献徐成涛基于统计模型的多径误差评估和现代导航信号多径抑制技术研究长沙国防科学技术大学，明锋坐标时间序列分析研究测绘学报，刘娟研析新形势下车载导度并保持定位的连续性车辆低速行驶时，时间窗口中原始单点定位结果的误差特性具有更强的相似性，会导致卡尔曼滤波对误差的平滑效果减低，进而表现出相对高速情况下更大的定位误差。

结束语本文所提出的城市道路车辆定位误差提取方法，仅依靠城市道路电子地图和众源车辆定位数据，能实现车辆定位误差的提取，具有开销低易实施等优势。

此外，该方法不针对特定的城市道路路段，具有覆盖城市各种道路的应用潜力。

同时，该当速度增大至以上时，横向误差的均值降至左右。

将速度分为小于低速和大于高速两个区间，分别分析图中种典型道路场景的定位误差分布情况，如图所示。

由图可见，开阔路段高速情况下定位误差的标准差较低速略有减小，误差均值略有增大，误差直方图的形状基本致。

说明在开阔的道路环境下，车速对误