吳 曉 明,邢 廷 炎,錢 建 平,楊 信 廷*,范 蓓 蕾

(1.中國地質(zhì)大學(xué)(北京)信息工程學(xué)院，北京 100083；2.國家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097)

面向車輛監(jiān)控的LBS地圖可視化技術(shù)研究

吳 曉 明1,2,邢 廷 炎1,錢 建 平2,楊 信 廷2*,范 蓓 蕾2

(1.中國地質(zhì)大學(xué)(北京)信息工程學(xué)院，北京 100083；2.國家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097)

為解決LBS技術(shù)中組件式地理信息服務(wù)在車輛監(jiān)控應(yīng)用中研發(fā)成本和應(yīng)用門檻較高的問題，基于第三方地圖服務(wù)，研究分別從數(shù)據(jù)層、中間處理層與用戶交互層出發(fā)，實(shí)現(xiàn)坐標(biāo)系統(tǒng)轉(zhuǎn)換、空間數(shù)據(jù)篩選與圖形疊加等監(jiān)控?cái)?shù)據(jù)地圖可視化關(guān)鍵技術(shù)，將數(shù)據(jù)層中不同源空間數(shù)據(jù)篩選轉(zhuǎn)換成用戶層中圖形可視化交互信息。研究實(shí)現(xiàn)實(shí)時(shí)位置追蹤與車輛行駛軌跡等基礎(chǔ)功能，驗(yàn)證了監(jiān)控?cái)?shù)據(jù)地圖可視化技術(shù)的可行性；并測試空間數(shù)據(jù)篩選技術(shù)的有效性,數(shù)據(jù)篩選率最高為30%。

LBS；第三方地圖服務(wù)；車輛監(jiān)控；地圖可視化；數(shù)據(jù)篩選

0 引言

基于位置服務(wù)技術(shù)(LBS)在車輛定位監(jiān)控中的應(yīng)用，可有效避免因車輛位置信息獲取不及時(shí)造成的運(yùn)輸資源浪費(fèi)，且有利于物流管理者對(duì)車輛進(jìn)行動(dòng)態(tài)可視化監(jiān)控，提高車輛調(diào)度能力[1,2]。

LBS是導(dǎo)航定位、地理信息服務(wù)及無線通信等技術(shù)相融合的產(chǎn)物，其中導(dǎo)航定位技術(shù)為LBS提供數(shù)據(jù)源，而地理信息服務(wù)負(fù)責(zé)地理信息(包括導(dǎo)航定位數(shù)據(jù))的存儲(chǔ)、處理與發(fā)布展示，其作為直接 與用戶交互的重要媒介，是車輛監(jiān)控應(yīng)用中需重點(diǎn)解決的問題[3-5]。目前研究主要是基于ArcGIS Engine、ArcGIS Silverlight、mapGIS IServer等國內(nèi)外地理信息服務(wù)組件實(shí)現(xiàn)車輛監(jiān)控相關(guān)功能[6-8]，該類地理信息服務(wù)依賴專業(yè)開發(fā)組件，研發(fā)成本較高。隨著以百度等為代表的第三方地圖服務(wù)的發(fā)展，基于第三方地圖服務(wù)的車輛監(jiān)控因低成本和高靈活性受到廣泛關(guān)注，如王小康等運(yùn)行于Google Map平臺(tái)的智能公交系統(tǒng)[9]，李西平等基于天地圖的移動(dòng)設(shè)備定位系統(tǒng)[10]，以及Dimil等將Coogle Map應(yīng)用于智能車輛監(jiān)控[11]。由于第三方地圖服務(wù)的相對(duì)獨(dú)立性以及導(dǎo)航定位設(shè)備的數(shù)據(jù)誤差，第三方地圖應(yīng)用過程中需要對(duì)車輛監(jiān)控?cái)?shù)據(jù)進(jìn)行處理，而以上研究側(cè)重總體框架設(shè)計(jì)與實(shí)現(xiàn)，并未提及監(jiān)控?cái)?shù)據(jù)處理及地圖整合應(yīng)用中的具體方法和技術(shù)細(xì)節(jié)。

本研究將以第三方地圖服務(wù)為載體，構(gòu)建基于B/S架構(gòu)的遠(yuǎn)程車輛監(jiān)控系統(tǒng)框架，從數(shù)據(jù)層、處理層到交互層，對(duì)監(jiān)控?cái)?shù)據(jù)進(jìn)行轉(zhuǎn)換篩選等處理，解決第三方地圖服務(wù)應(yīng)用中的空間數(shù)據(jù)可視化關(guān)鍵技術(shù)問題，為提高車輛動(dòng)態(tài)監(jiān)控與調(diào)度提供技術(shù)支持。

1 遠(yuǎn)程車輛監(jiān)控框架設(shè)計(jì)

遠(yuǎn)程車輛監(jiān)控根據(jù)獲取的車輛位置信息，在第三方地圖上提供可視化交互功能，根據(jù)實(shí)現(xiàn)功能，基于LBS的車輛監(jiān)控總體框架從核心到外圍，劃分為3個(gè)層次，即數(shù)據(jù)層、處理層和用戶層(圖1)。

圖1 系統(tǒng)技術(shù)框架

Fig.1 System technical framework

數(shù)據(jù)層為用戶提供用于分析、處理及展示的基礎(chǔ)數(shù)據(jù)，包括地理空間數(shù)據(jù)和其他基礎(chǔ)信息數(shù)據(jù)。由于系統(tǒng)中涉及不同源空間數(shù)據(jù)，地理空間數(shù)據(jù)可分為兩部分:第三方地圖服務(wù)提供的地圖矢量數(shù)據(jù)及訪問端口；導(dǎo)航定位設(shè)備實(shí)時(shí)接收并存儲(chǔ)的坐標(biāo)數(shù)據(jù)。坐標(biāo)數(shù)據(jù)可通過GPRS等途徑更新到數(shù)據(jù)庫中，庫中每條數(shù)據(jù)記錄除存儲(chǔ)基本的經(jīng)緯度坐標(biāo)外，還存儲(chǔ)經(jīng)緯度坐標(biāo)的接收時(shí)間。

處理層是數(shù)據(jù)層與用戶層間的空間數(shù)據(jù)交換通道，將數(shù)據(jù)層中的數(shù)據(jù)信息轉(zhuǎn)化成用戶層中的圖形信息，主要包括空間數(shù)據(jù)交換、異源數(shù)據(jù)疊加以及數(shù)據(jù)處理模塊。其中，數(shù)據(jù)處理模塊具有坐標(biāo)系轉(zhuǎn)換、數(shù)據(jù)篩選等功能。針對(duì)基礎(chǔ)信息數(shù)據(jù)而言，用戶層與數(shù)據(jù)層可實(shí)現(xiàn)數(shù)據(jù)的直接交換。

用戶層是直接與用戶進(jìn)行交互的媒介，主要為用戶提供車輛實(shí)時(shí)跟蹤、歷史軌跡等核心交互功能以及其他相關(guān)信息的可視化查詢展示。實(shí)時(shí)跟蹤功能將車輛位置即時(shí)更新在第三方地圖上；歷史軌跡則提供車輛行駛路線的回溯與重演；信息查詢通過多種方式獲取車輛及其他相關(guān)屬性信息。

第三方地圖服務(wù)與導(dǎo)航定位設(shè)備提供的坐標(biāo)數(shù)據(jù)基于不同的坐標(biāo)系統(tǒng)，且導(dǎo)航定位數(shù)據(jù)存在冗余與異常坐標(biāo)等問題，數(shù)據(jù)層中導(dǎo)航定位數(shù)據(jù)通過處理層加工后，才能滿足用戶層的可視化要求。因此，每當(dāng)用戶層提取空間數(shù)據(jù)時(shí)，坐標(biāo)轉(zhuǎn)換、數(shù)據(jù)篩選等操作都要重復(fù)執(zhí)行，且通常每次操作結(jié)果無明顯差異。為提高效率，導(dǎo)航監(jiān)控?cái)?shù)據(jù)存儲(chǔ)在3個(gè)子數(shù)據(jù)庫中，分別用于存儲(chǔ)原始數(shù)據(jù)、坐標(biāo)轉(zhuǎn)換數(shù)據(jù)及篩選數(shù)據(jù)，原始數(shù)據(jù)是導(dǎo)航定位設(shè)備傳送過來的未經(jīng)任何處理的經(jīng)緯度坐標(biāo)；轉(zhuǎn)換數(shù)據(jù)指轉(zhuǎn)換到第三方地圖坐標(biāo)系統(tǒng)下的位置數(shù)據(jù)；而篩選數(shù)據(jù)指剔除重復(fù)點(diǎn)與異常點(diǎn)后的正常數(shù)據(jù)。用戶層可根據(jù)需要從不同子數(shù)據(jù)庫中提取數(shù)據(jù)。

2 監(jiān)控?cái)?shù)據(jù)地圖可視化關(guān)鍵技術(shù)

基于LBS的車輛監(jiān)控技術(shù)的核心在于監(jiān)控?cái)?shù)據(jù)在第三方地圖服務(wù)中的交互可視化，可視化處理過程不僅要解決不同源空間數(shù)據(jù)的坐標(biāo)轉(zhuǎn)換問題，還要解決監(jiān)控?cái)?shù)據(jù)在第三方地圖底圖上疊加的預(yù)處理問題。本研究以第三方地圖為參考標(biāo)準(zhǔn)，從數(shù)據(jù)層到用戶層，依次對(duì)導(dǎo)航監(jiān)控?cái)?shù)據(jù)進(jìn)行坐標(biāo)系統(tǒng)轉(zhuǎn)換、空間數(shù)據(jù)篩選、圖形疊加顯示等操作。以下將以百度地圖與GPS設(shè)備為例，對(duì)關(guān)鍵技術(shù)實(shí)現(xiàn)細(xì)節(jié)進(jìn)行說明。

2.1 坐標(biāo)系統(tǒng)轉(zhuǎn)換

GPS設(shè)備坐標(biāo)通?；赪GS84空間坐標(biāo)系統(tǒng)定義，而第三方地圖服務(wù)出于安全考慮，普遍采用加密坐標(biāo)系統(tǒng)，如高德地圖采用GCJ02坐標(biāo)系統(tǒng)，百度地圖采用自定義的BD09坐標(biāo)系統(tǒng)，因此，如直接將GPS設(shè)備坐標(biāo)與第三方地圖疊加顯示，坐標(biāo)系統(tǒng)的不一致性會(huì)導(dǎo)致GPS坐標(biāo)在地圖上顯示產(chǎn)生位置偏移現(xiàn)象。為解決異源空間數(shù)據(jù)坐標(biāo)系統(tǒng)不一致問題，研究以第三方地圖坐標(biāo)系統(tǒng)為參照標(biāo)準(zhǔn)，通過自定義糾偏函數(shù)對(duì)所有GPS設(shè)備監(jiān)控?cái)?shù)據(jù)進(jìn)行糾偏操作，以百度地圖為例，就涉及WGS84與GCJ02坐標(biāo)系統(tǒng)，GCJ02與百度BD09坐標(biāo)系統(tǒng)間的轉(zhuǎn)換操作。

針對(duì)WGS84坐標(biāo)系→GCJ02球面坐標(biāo)系→百度地圖坐標(biāo)系統(tǒng)轉(zhuǎn)換過程，百度地圖服務(wù)提供了相對(duì)應(yīng)的糾偏函數(shù),但頻繁訪問該函數(shù)會(huì)加重網(wǎng)絡(luò)負(fù)載。研究擬利用百度糾偏函數(shù)，通過圖形變換原理建立系統(tǒng)自定義糾偏函數(shù)，以降低網(wǎng)絡(luò)負(fù)載。在精度要求不高的情況下，小范圍內(nèi)可忽略地球曲率的影響，百度坐標(biāo)系統(tǒng)與WGS84坐標(biāo)系統(tǒng)中的點(diǎn)可通過仿射變換(即平移、縮放與旋轉(zhuǎn))進(jìn)行一一映射。建立的仿射變換模型如下:

(1)

其中：(X,Y)為目標(biāo)坐標(biāo)系統(tǒng)下的經(jīng)緯度坐標(biāo)；(x,y)為原始坐標(biāo)系統(tǒng)下的經(jīng)緯度坐標(biāo)；(a0,b0)為兩坐標(biāo)系統(tǒng)間相對(duì)原點(diǎn)的平移距離；(m1,m2)分別為橫向與縱向的縮放因子；α為兩坐標(biāo)系統(tǒng)間的旋轉(zhuǎn)參數(shù)。

自定義糾偏函數(shù)應(yīng)用中首先劃定固定大小的地理范圍，并從范圍內(nèi)選取一系列特征點(diǎn)，然后利用百度糾偏函數(shù)分別獲取特征點(diǎn)在WGS84與百度地圖坐標(biāo)系統(tǒng)下的經(jīng)緯度坐標(biāo)，再通過以上仿射變換模型，求算模型參數(shù)。將模型參數(shù)代入變換模型，即該范圍內(nèi)自定義糾偏函數(shù);構(gòu)建糾偏函數(shù)后，所有GPS設(shè)備接收的經(jīng)緯度坐標(biāo)都通過自定義糾偏函數(shù)轉(zhuǎn)換到百度地圖坐標(biāo)系統(tǒng)中。當(dāng)經(jīng)緯度坐標(biāo)超出劃定的地理范圍時(shí)，重新計(jì)算仿射變換參數(shù)，以構(gòu)建新的自定義糾偏函數(shù)，從而避免頻繁訪問百度提供的糾偏函數(shù)接口，以提高響應(yīng)速度。

2.2 空間數(shù)據(jù)篩選

導(dǎo)航監(jiān)控?cái)?shù)據(jù)是車載GPS設(shè)備實(shí)時(shí)接收并存儲(chǔ)的海量經(jīng)緯度坐標(biāo)點(diǎn)，坐標(biāo)點(diǎn)經(jīng)過處理層解析可轉(zhuǎn)化成車輛位置、歷史運(yùn)行軌跡等圖形可視化信息。由于監(jiān)控?cái)?shù)據(jù)未經(jīng)任何處理直接導(dǎo)入平臺(tái)數(shù)據(jù)庫中，其中不僅存在空數(shù)據(jù)，而且存在大量的冗余和異常坐標(biāo)點(diǎn)。用戶層提取數(shù)據(jù)使用前，首先將空數(shù)據(jù)剔除，再對(duì)冗余和異常數(shù)據(jù)進(jìn)行篩選處理，能夠有效縮短車輛位置或歷史軌跡在第三方地圖上的加載時(shí)間。 本研究以距離和角度為判斷標(biāo)準(zhǔn)，對(duì)原始監(jiān)控?cái)?shù)據(jù)進(jìn)行篩選處理，處理結(jié)果存儲(chǔ)到篩選數(shù)據(jù)庫中，具體步驟如下：

(1)車輛導(dǎo)航監(jiān)控設(shè)備通常會(huì)以固定的時(shí)間間隔，實(shí)時(shí)接收GPS經(jīng)緯度坐標(biāo)，并通過GPRS等手段上傳到數(shù)據(jù)層空間數(shù)據(jù)庫中。當(dāng)連續(xù)接收到的多個(gè)經(jīng)緯度坐標(biāo)點(diǎn)相同或點(diǎn)間距較小時(shí)，車輛可能長期處于靜止或行駛緩慢狀態(tài)，此時(shí)只需獲取代表性坐標(biāo)點(diǎn)就能完整表達(dá)空間信息，從而剔除掉大量冗余點(diǎn)。實(shí)際操作中考慮兩種情況：當(dāng)多個(gè)坐標(biāo)點(diǎn)相同時(shí)，只取其中一點(diǎn)即可；當(dāng)多個(gè)坐標(biāo)點(diǎn)間距較小時(shí)，可取多個(gè)點(diǎn)的坐標(biāo)平均值。點(diǎn)間距較小坐標(biāo)點(diǎn)的判定及坐標(biāo)平均值的計(jì)算方法如下：①從任意點(diǎn)開始取點(diǎn)，作為當(dāng)前點(diǎn)。②按順序取相鄰點(diǎn)，計(jì)算與當(dāng)前點(diǎn)的距離d。③如d不超過規(guī)定閾值，則取兩點(diǎn)的中間位置點(diǎn)Z，并將其作為當(dāng)前點(diǎn)，轉(zhuǎn)到②；如超過閾值，則轉(zhuǎn)到①，開始新一輪迭代。

(2)在重疊度較高的冗余坐標(biāo)點(diǎn)基本被剔除后，下一步要通過角度對(duì)異常點(diǎn)進(jìn)行篩選操作。順序選取3個(gè)連續(xù)坐標(biāo)點(diǎn)，計(jì)算將三點(diǎn)連接所形成角的大小。當(dāng)三點(diǎn)構(gòu)成角小于一定角度時(shí)，則說明三點(diǎn)中的中間點(diǎn)存在異常，可將該點(diǎn)剔除。具體如圖2所示：連接A、B與C三點(diǎn)可構(gòu)成角α，由于α角度過小，而實(shí)際車輛行駛過程中不可能存在較小轉(zhuǎn)彎半徑，則B點(diǎn)可視為異常點(diǎn)予以剔除。

圖2 異常點(diǎn)剔除

Fig.2 Abnormal point elimination

(3)經(jīng)過以上步驟后，冗余點(diǎn)與異常點(diǎn)都被剔除掉，剩余點(diǎn)完全可以滿足用戶層的圖形可視化需求。但是，針對(duì)車輛歷史軌跡回放功能，僅保留車輛軌跡特征點(diǎn)就能將車輛行駛路線表達(dá)出來，同時(shí)加載所有剩余坐標(biāo)點(diǎn)并連接成線反而會(huì)降低效率。因此該步驟要篩選出能表達(dá)車輛行駛軌跡的特征坐標(biāo)點(diǎn)。操作過程同樣是順序選取3個(gè)連續(xù)坐標(biāo)點(diǎn)，計(jì)算三點(diǎn)連接所構(gòu)成角的大小。如圖3所示，坐標(biāo)點(diǎn)A、B與C順序連接構(gòu)成角α，當(dāng)α角度過大時(shí)，坐標(biāo)點(diǎn)A與C直接連接所形成的線段與三點(diǎn)構(gòu)成的線段幾乎重合，因此，可將三點(diǎn)所構(gòu)成折線視為直線，連接A與C點(diǎn)近似表達(dá)該段行駛軌跡，軌跡回放時(shí)使用特征點(diǎn)A與C。

圖3 特征點(diǎn)提取

Fig.3 Feature point extraction

以上步驟(2)與(3)中都是以角度為標(biāo)準(zhǔn)對(duì)坐標(biāo)點(diǎn)進(jìn)行篩選，因此涉及角度計(jì)算問題，公式如下:

a=cos-1[(lAB2+lBC2-lAC2)/(2*lAB*lBC)]

(2)

式中:lAB、lBC與lAC分別為線段AB、BC與AC的長度。

2.3 圖形疊加處理

圖形疊加處理是將導(dǎo)航監(jiān)控?cái)?shù)據(jù)解析成點(diǎn)、線等圖形，按照用戶需求疊加顯示在第三方地圖上，為用戶提供可視化的交互環(huán)境。監(jiān)控?cái)?shù)據(jù)經(jīng)過坐標(biāo)系變換與篩選處理后，其坐標(biāo)系統(tǒng)不僅與第三方地圖坐標(biāo)系統(tǒng)完全匹配，且坐標(biāo)點(diǎn)數(shù)量也能保證車輛導(dǎo)航位置信息的清晰表達(dá)。

當(dāng)描述車輛所處地理位置時(shí)，監(jiān)控?cái)?shù)據(jù)以點(diǎn)的形式覆蓋在第三方地圖上；當(dāng)描述車輛行駛路徑時(shí)，則需將多個(gè)坐標(biāo)點(diǎn)數(shù)據(jù)順序連接，以折線的形式表示車輛的行駛軌跡。為實(shí)現(xiàn)圖形疊加，點(diǎn)、線等數(shù)據(jù)需要加載到第三方地圖支持的圖層，再將該圖層疊加到地圖底圖圖層上。例如,百度地圖是通過創(chuàng)建Marker與Polyline圖層實(shí)現(xiàn)圖形的疊加。

通常情況下，由于沒有信號(hào)或信號(hào)不穩(wěn)定等原因，數(shù)據(jù)層導(dǎo)航監(jiān)控?cái)?shù)據(jù)會(huì)出現(xiàn)長時(shí)間接收到空數(shù)據(jù)或異常數(shù)據(jù)的現(xiàn)象。經(jīng)篩選處理后，空數(shù)據(jù)與異常數(shù)據(jù)被剔除掉，但順序連接篩選后坐標(biāo)點(diǎn)表示車輛行駛軌跡時(shí)，可能出現(xiàn)較長距離內(nèi)特征坐標(biāo)點(diǎn)缺失的現(xiàn)象，從而產(chǎn)生與實(shí)際行駛路線不相符的異常軌跡(圖4)。圖4中,如果監(jiān)控?cái)?shù)據(jù)正常接收，順序連接坐標(biāo)點(diǎn)應(yīng)與車輛實(shí)際行駛軌跡相重合，即A-E-F-B相連接所構(gòu)成的線段應(yīng)覆蓋于第三方地圖中的對(duì)應(yīng)道路上，而篩選處理后的監(jiān)控?cái)?shù)據(jù)僅剩下坐標(biāo)點(diǎn)C與D(兩點(diǎn)間的空數(shù)據(jù)與異常數(shù)據(jù)被剔除掉)，連接后與實(shí)際行駛軌跡有誤差，因此，需要結(jié)合第三方地圖將異常路徑擬合到實(shí)際軌跡上。

圖4 異常軌跡

Fig.4 Abnormal routes

針對(duì)以上問題，研究將其分為以下兩種情況考慮：1)從坐標(biāo)點(diǎn)C到D連續(xù)通過多個(gè)道路網(wǎng)絡(luò)節(jié)點(diǎn)，車輛行駛軌跡存在多種可能性。2)坐標(biāo)點(diǎn)C與D中間不存在道路網(wǎng)絡(luò)節(jié)點(diǎn)，車輛行駛軌跡具有唯一性。車輛在實(shí)際行駛過程中，一般會(huì)選擇最優(yōu)路徑(路程、時(shí)間最短),因此，無論符合以上何種情況，研究都以坐標(biāo)點(diǎn)C與D作為起點(diǎn)與終點(diǎn)，基于第三方地圖中矢量道路網(wǎng)絡(luò)規(guī)劃最優(yōu)路徑。

在異常軌跡擬合過程中，主要涉及兩個(gè)關(guān)鍵問題，本文將以百度地圖為例，給出問題的解決方法。

(1)搜索連接后可能形成異常路徑的相鄰坐標(biāo)點(diǎn)：正常情況下，監(jiān)控?cái)?shù)據(jù)是按照固定的時(shí)間間隔接收的，因此，當(dāng)順序取兩坐標(biāo)點(diǎn)時(shí)，兩坐標(biāo)點(diǎn)接收時(shí)間大于一定間隔，且相鄰兩坐標(biāo)點(diǎn)距離大于一定閾值，則判定該兩點(diǎn)連接后會(huì)形成異常路徑。

(2)矢量路網(wǎng)提取與最短路徑規(guī)劃：百度地圖服務(wù)提供詳細(xì)的矢量路網(wǎng)拓?fù)鋽?shù)據(jù)以及數(shù)據(jù)訪問端口。通過函數(shù) DrivingRoute.setSearchCompleteCallback()可返回任意兩點(diǎn)間的最優(yōu)路徑;在獲取最優(yōu)路徑后，DrivingRoute.getResults().getRoute().getPath()函數(shù)可用于提取構(gòu)成該路徑的多條折線段，再將提取折線段與其他正常路徑連接即擬合成車輛的行駛軌跡。

3 遠(yuǎn)程車輛監(jiān)控實(shí)現(xiàn)

以上從坐標(biāo)系統(tǒng)轉(zhuǎn)換、異常冗余點(diǎn)篩選、異常路徑處理方面詳細(xì)說明了基于LBS的車輛監(jiān)控?cái)?shù)據(jù)地圖可視化關(guān)鍵技術(shù)，重點(diǎn)解決了第三方地圖服務(wù)在車輛監(jiān)控應(yīng)用中的基礎(chǔ)性技術(shù)問題。研究以百度地圖為載體，設(shè)計(jì)B/S架構(gòu)的遠(yuǎn)程車輛監(jiān)控平臺(tái)，并利用以上關(guān)鍵技術(shù)，實(shí)現(xiàn)車輛實(shí)時(shí)位置和運(yùn)行軌跡等核心基礎(chǔ)功能，如圖5與圖6所示。

圖5 實(shí)時(shí)位置跟蹤

Fig.5 Real time location

圖5是將所有監(jiān)控車輛疊加顯示在百度地圖上，車輛位置由經(jīng)過坐標(biāo)系統(tǒng)轉(zhuǎn)換的經(jīng)緯度坐標(biāo)決定，由于監(jiān)控?cái)?shù)據(jù)以固定時(shí)間間隔傳送到數(shù)據(jù)層，車輛位置也隨數(shù)據(jù)層數(shù)據(jù)更新而發(fā)生變化。圖6顯示的曲線即表示車輛在某段時(shí)間的行駛軌跡。曲線實(shí)際是由一系列經(jīng)過坐標(biāo)轉(zhuǎn)換、異常點(diǎn)篩選后的坐標(biāo)點(diǎn)連接而成，圖中汽車圖標(biāo)表示行駛終點(diǎn)，球表示行駛起點(diǎn)。

圖6 運(yùn)行軌跡回放

Fig.6 Driving route playback

為測試空間數(shù)據(jù)篩選技術(shù)對(duì)車輛監(jiān)控?cái)?shù)據(jù)的影響，以圖6中軌跡為例進(jìn)行說明。圖6中車輛約行駛25 min，將整條軌跡按時(shí)間平均分為五部分，對(duì)每時(shí)間段的原始監(jiān)控點(diǎn)數(shù)量、冗余點(diǎn)剔除及特征點(diǎn)提取處理后的點(diǎn)數(shù)量進(jìn)行比較分析。如表1所示，T1-T5分別表示車輛從起點(diǎn)行駛到終點(diǎn)的5個(gè)時(shí)間段，N1為原始監(jiān)控坐標(biāo)點(diǎn)數(shù)量，N2為剔除重復(fù)度較高冗余點(diǎn)后的點(diǎn)數(shù)量，N3為剔除異常點(diǎn)后的點(diǎn)數(shù)量，N4為特征點(diǎn)提取后剩余的點(diǎn)數(shù)量。由表1分析，空間數(shù)據(jù)篩選處理后，篩選率最高為30%，最低為9%，具體由車輛行駛速度、道路狀況及GPS數(shù)據(jù)質(zhì)量決定。時(shí)間段T1與T5中，剔除冗余點(diǎn)數(shù)量最多，主要是由于車輛在起點(diǎn)及終點(diǎn)處行駛速度較慢造成的；時(shí)間段T1中出現(xiàn)異常點(diǎn)可能是由于經(jīng)過立交橋時(shí)GPS信號(hào)較弱的原因；而時(shí)間段T1與T2時(shí)，行駛道路較為平直，保留部分特征點(diǎn)即能表達(dá)車輛行駛軌跡。

表1 數(shù)據(jù)篩選前后數(shù)據(jù)量比較Table 1 The geo-data quantity comparison before and after data filtering

圖7是車輛異常軌跡的擬合驗(yàn)證效果，左圖為未進(jìn)行處理的原始行駛軌跡，右圖為處理后的行駛軌跡。從圖中可以看到，剔除異常數(shù)據(jù)與空數(shù)據(jù)后，車輛軌跡存在大量的斷點(diǎn)，而采用異常軌跡擬合方法后，除了方框標(biāo)注處未能較好擬合外，其他斷點(diǎn)都得到妥善處理。

圖7 異常路徑處理對(duì)比

Fig.7 Abnormal route before and after the processing

4 結(jié)論

基于LBS技術(shù)的車輛監(jiān)控有利于對(duì)車輛進(jìn)行動(dòng)態(tài)可視化監(jiān)控，提高車輛調(diào)度能力，但作為LBS技術(shù)關(guān)鍵要素的傳統(tǒng)組件式地理信息服務(wù)，研發(fā)成本與應(yīng)用門檻都較高，因此，本研究基于第三方地圖服務(wù)，構(gòu)建遠(yuǎn)程車輛監(jiān)控框架，從數(shù)據(jù)層到用戶層，重點(diǎn)解決監(jiān)控?cái)?shù)據(jù)在第三方地圖應(yīng)用中的地圖可視化關(guān)鍵技術(shù)問題，在此基礎(chǔ)上，實(shí)現(xiàn)實(shí)時(shí)位置追蹤和歷史行駛軌跡等車輛監(jiān)控基礎(chǔ)功能，較好驗(yàn)證了坐標(biāo)系統(tǒng)轉(zhuǎn)換、空間數(shù)據(jù)篩選與圖形疊加處理等關(guān)鍵技術(shù)的可行性和有效性。

[1] 趙燕,杜文廣,楊勇.基于云計(jì)算的移動(dòng)公路運(yùn)輸監(jiān)管系統(tǒng)[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,33(5):120-123.

[2] HUANG Z C,HUANG D F,XU Z,et al.GPS vehicle positioning monitoring system integrated with CORS and mobile GIS[J].Procedia Environmental Sciences,2011,10:2498-2504.

[3] 李霖,王偉,譚永濱,等.導(dǎo)航與LBS關(guān)鍵技術(shù)標(biāo)準(zhǔn)化研究進(jìn)展[J].測繪通報(bào),2014(5):95-98,126．

[4] 許玉斌,陳秀萬,黃嵐嵐,等.面向多應(yīng)用系統(tǒng)的位置公共服務(wù)(LBCS)模式研究與平臺(tái)設(shè)計(jì)[J].地理與地理信息科學(xué),2012,28(3):40-43,48.

[5] 吳飛.基于MongoDB的LBS數(shù)據(jù)管理系統(tǒng)關(guān)鍵技術(shù)研究[J].測繪通報(bào),2014(7):121-124.

[6] 吳建華．基于ArcGIS Engine的車輛監(jiān)控GIS系統(tǒng)開發(fā)[J].地球信息科學(xué)學(xué)報(bào)， 2011,13(1):88-94．

[7] 何超,彭慧,尚文利,等.利用ArcGIS Silverlight實(shí)現(xiàn)的車輛監(jiān)控技術(shù)[J].自動(dòng)化儀表,2013,34(7):54-57.

[8] 李鵬．基于Flex的物流車輛主動(dòng)式監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].測繪通報(bào)， 2012(5):97-99．

[9] 王小康，李景文.基于物聯(lián)網(wǎng)與WebGIS的智能公交系統(tǒng)[J].測繪與空間地理信息，2015,38(3):69-70,74.

[10] 李西平,孫秋偉,張宏釗,等.基于Web GIS和LBS的移動(dòng)設(shè)備定位追蹤系統(tǒng)研究與實(shí)現(xiàn)[J].制造業(yè)自動(dòng)化,2012,34(5):19-20,33.

[11] DIMIL J,SANATH P,SRIDHAR V G.Intelligent vehicle monitoring using global positioning system and cloud computing[J].Procedia Computer Science,2015,50:440-446.

Research on Vehicle Monitoring Oriented Map Visualization in LBS

WU Xiao-ming1,2,XING Ting-yan1,QIAN Jian-ping2,YANG Xin-ting2,FAN Bei-lei2

(1.School of Information Engineering,China University of Geosciences,Beijing 100083;2.National Engineering Research Center for Information Technology in Agriculture,Beijing 100097,China)

To lower the higher development cost and application threshold of component map service in LBS applied to vehicle monitoring,from data layer,middle process layer and user layer respectively,the key map visualization technology of coordinate system conversion,geo-data filtering and vector overlay was realized successively using the third-party map service.The heterogeneous geo-data in data layer was filtered and converted to the visualized interactive graph through the overall process above.The fundamental functions of real-time location and driving route replay was finished to verify the feasibility of monitoring data map visualization.Then the significance of the geo-data filtering was tested.The result shows that the filtering rate is up to 30%.

LBS;third-party map service;vehicle monitoring;map visualization;data filtering

2015-08-28；

2015-11-27

國家科技支撐計(jì)劃課題(2013BAD19B04)

吳曉明(1983-)，男，博士研究生，工程師，主要從事農(nóng)產(chǎn)品物流研究。*通迅作者E-mail：yangxt@nercita.org.cn

10.3969/j.issn.1672-0504.2016.01.019

P208

A

1672-0504(2016)01-0100-05