一种GPS轨迹优化方法及系统技术方案

本发明专利技术公开了一种GPS轨迹优化方法及系统，方法包括以下步骤：获取用户的GPS定位点的坐标数据；对所述GPS定位点的坐标数据进行分析处理，删除所述GPS定位点中的干扰点的坐标数据；通过神经网络模型预测所述干扰点的坐标数据，得到GPS轨迹曲线。本发明专利技术通过对GPS定位点的坐标数据进行处理，删除干扰点的坐标数据，然后通过神经网络模型预测干扰点的坐标数据，通过神经网络模型的不断自我学习，可使得预测的干扰点的坐标数据更接近真实轨迹的坐标数据，从而达到精确显示GPS轨迹曲线的目的，提高用户的使用体验。

【技术实现步骤摘要】
一种GPS轨迹优化方法及系统
本专利技术属于信息处理
，特别涉及一种GPS轨迹优化方法及系统。
技术介绍
随着GPS的不断改进，软件和硬件的不断完善，GPS的应用领域也在不断开拓，目前已遍布各个领域，并逐步深入人们的日常生活。如目前的智能手机、智能手表、智能手环、共享单车等都带有GPS功能。当用户处于障碍物较多(如立交桥)处时，GPS显示存在较多误差较大的漂移点，极端情况下还会出现丢失定位坐标数据的情况，导致GPS显示的轨迹曲线与实际路线差别较大，影响用户的使用体验。
技术实现思路
本专利技术的目的是提供一种GPS轨迹优化方法及系统，使得GPS显示的轨迹曲线与实际路线接近，从而提高用户的使用体验。本专利技术提供的技术方案如下：一种GPS轨迹优化方法，包括以下步骤：获取用户的GPS定位点的坐标数据；对所述GPS定位点的坐标数据进行分析处理，删除所述GPS定位点中的干扰点的坐标数据；通过神经网络模型预测所述干扰点的坐标数据，得到GPS轨迹曲线。进一步地，在所述获取用户的GPS定位点的坐标数据之后，所述对所述GPS定位点的坐标数据进行分析处理，删除其中的干扰坐标数据之前还包括：将所述GPS定位点按时间先后顺序进行排序；所述通过神经网络模型预测所述干扰点的坐标数据，得到GPS轨迹曲线具体包括：当第K个GPS定位点为待预测干扰点时，选取第K个GPS定位点前的Y个GPS定位点的坐标数据作为训练样本；在所述训练样本中选取相邻的T个GPS定位点的坐标数据作为一个训练单元，得到n个训练单元，T＜Y；通过n个所述训练单元训练神经网络模型，得到训练好的神经网络模型；根据第K个GPS定位点前的相邻的T个GPS定位点的坐标数据和所述训练好的神经网络模型，计算得到所述待预测干扰点的坐标数据；根据已删除干扰点的GPS定位点的坐标数据和所述待预测干扰点的坐标数据，得到GPS轨迹曲线。进一步地，所述通过n个所述训练单元训练神经网络模型，得到训练好的神经网络模型具体包括：对所述训练单元中的坐标数据进行归一化处理；将n个所述训练单元按所述训练单元中的第一个GPS定位点的时间先后顺序进行排序；输入第一个所述训练单元中的GPS定位点的坐标数据，得到所述神经网络模型的初始状态值；通过所述初始状态值和第二个所述训练单元迭代训练所述神经网络模型，得到所述神经网络模型的第二状态值；通过第i-1状态值和第i个所述训练单元对所述神经网络模型进行迭代训练，得到所述神经网络模型的第i状态值，3≤i≤n；所述根据第K个GPS定位点前的相邻的T个GPS定位点的坐标数据和所述训练好的神经网络模型，计算得到所述待预测干扰点的坐标数据具体包括：根据第K个GPS定位点前的相邻的T个GPS定位点的坐标数据和所述第i状态值，计算得到所述待预测干扰点的坐标数据。进一步地，所述对所述GPS定位点的坐标数据进行分析处理，删除其中的干扰坐标数据具体包括：检测所述GPS定位点中是否存在丢星点；当检测到所述丢星点时，删除所述丢星点的坐标数据；检测所述GPS定位点中是否存在漂移点；当检测到所述漂移点时，删除所述漂移点的坐标数据。进一步地，所述检测所述GPS定位点中是否存在丢星点；当检测到所述丢星点时，删除所述丢星点的坐标数据具体包括：将当前GPS定位点的坐标数据与预设坐标数据进行比对，若所述当前GPS定位点的坐标数据与所述预设坐标数据一致时，标记所述当前GPS定位点为丢星点，并删除所述当前GPS定位点的坐标数据；所述检测所述GPS定位点中是否存在漂移点；当检测到所述漂移点时，删除所述漂移点的坐标数据具体包括：当第m个GPS定位点不为干扰点时，计算第m+1个GPS定位点与所述第m个GPS定位点之间的距离，当所述距离大于预设距离时，标记所述第m+1个GPS定位点为漂移点，并删除所述第m+1个GPS定位点的坐标数据；当第m个GPS定位点为干扰点且距离所述第m个GPS定位点最近的第m-i个GPS定位点不为干扰点时，计算第m+1个GPS定位点与所述第m-i个GPS定位点之间的距离，当所述距离大于1+i倍的预设距离时，标记所述第m+1个GPS定位点为漂移点，并删除所述第m+1个GPS定位点的坐标数据，1≤i＜m。本专利技术还提供一种GPS轨迹优化系统，包括：数据获取模块，用于获取用户的GPS定位点的坐标数据；数据处理模块，用于对所述GPS定位点的坐标数据进行分析处理，删除所述GPS定位点中的干扰点的坐标数据；轨迹获取模块，用于通过神经网络模型预测所述干扰点的坐标数据，得到GPS轨迹曲线。进一步地，还包括：排序模块，用于将所述GPS定位点按时间先后顺序进行排序；所述轨迹获取模块包括：样本选取单元，用于当第K个GPS定位点为待预测干扰点时，选取第K个GPS定位点前的Y个GPS定位点的坐标数据作为训练样本；划分单元，用于在所述训练样本中选取相邻的T个GPS定位点坐标数据作为一个训练单元，得到n个训练单元，T＜Y；模型训练单元，用于通过n个所述训练单元训练神经网络模型，得到训练好的神经网络模型；计算单元，用于根据第K个GPS定位点前的相邻的T个GPS定位点的坐标数据和所述训练好的神经网络模型，计算得到所述待预测干扰点的坐标数据；轨迹获取单元，用于根据已删除干扰点的GPS定位点的坐标数据和所述待预测干扰点的坐标数据，得到GPS轨迹曲线。进一步地，所述模型训练单元包括：数据处理子单元，用于对所述训练单元中的坐标数据进行归一化处理；排序子单元，用于将n个所述训练单元按所述训练单元中的第一个GPS定位点的时间先后顺序进行排序；状态获取子单元，用于输入第一个所述训练单元中的GPS定位点坐标数据，得到所述神经网络模型的初始状态值；状态获取子单元，还用于通过所述初始状态值和第二个所述训练单元迭代训练所述神经网络模型，得到所述神经网络模型的第二状态值；状态获取子单元，还用于通过第i-1状态值和第i个所述训练单元对所述神经网络模型进行迭代训练，得到所述神经网络模型的第i状态值，3≤i≤n；所述计算单元包括：计算子单元，用于根据第K个GPS定位点前的相邻的T个GPS定位点的坐标数据和所述第i状态值，计算得到所述待预测干扰点的坐标数据。进一步地，所述数据处理模块包括：丢星检测单元，用于检测所述GPS定位点中是否存在丢星点；当检测到所述丢星点时，删除所述丢星点的坐标数据；漂移检测单元，用于检测所述GPS定位点中是否存在漂移点；当检测到所述漂移点时，删除所述漂移点的坐标数据。进一步地，所述丢星检测单元包括：丢星检测子单元，用于将当前GPS定位点的坐标数据与预设坐标数据进行比对，若所述当前GPS定位点的坐标数据与所述预设坐标数据一致时，标记所述当前GPS定位点为丢星点，并删除所述当前GPS定位点的坐标数据；所述漂移检测单元包括：漂移检测子单元，用于当第m个GPS定位点不为干扰点时，计算第m+1个GPS定位点与所述第m个GPS定位点之间的距离，当所述距离大于预设距离时，标记所述第m+1个GPS定位点为漂移点，并删除所述第m+1个GPS定位点的坐标数据；所述漂移检测子单元，还用于当第m个GPS定位点为干扰点且距离所述第m个GPS定位点最近的第m-i个GPS定位点不为干扰点时，计算第m+1个GPS定位点与所述第m-i个GPS定位点之间的距离本文档来自技高网...

【技术保护点】
1.一种GPS轨迹优化方法，其特征在于，包括以下步骤：获取用户的GPS定位点的坐标数据；对所述GPS定位点的坐标数据进行分析处理，删除所述GPS定位点中的干扰点的坐标数据；通过神经网络模型预测所述干扰点的坐标数据，得到GPS轨迹曲线。

【技术特征摘要】
1.一种GPS轨迹优化方法，其特征在于，包括以下步骤：获取用户的GPS定位点的坐标数据；对所述GPS定位点的坐标数据进行分析处理，删除所述GPS定位点中的干扰点的坐标数据；通过神经网络模型预测所述干扰点的坐标数据，得到GPS轨迹曲线。2.根据权利要求1所述的一种GPS轨迹优化方法，其特征在于，在所述获取用户的GPS定位点的坐标数据之后，所述对所述GPS定位点的坐标数据进行分析处理，删除其中的干扰坐标数据之前还包括：将所述GPS定位点按时间先后顺序进行排序；所述通过神经网络模型预测所述干扰点的坐标数据，得到GPS轨迹曲线具体包括：当第K个GPS定位点为待预测干扰点时，选取第K个GPS定位点前的Y个GPS定位点的坐标数据作为训练样本；在所述训练样本中选取相邻的T个GPS定位点的坐标数据作为一个训练单元，得到n个训练单元，T＜Y；通过n个所述训练单元训练神经网络模型，得到训练好的神经网络模型；根据第K个GPS定位点前的相邻的T个GPS定位点的坐标数据和所述训练好的神经网络模型，计算得到所述待预测干扰点的坐标数据；根据已删除干扰点的GPS定位点的坐标数据和所述待预测干扰点的坐标数据，得到GPS轨迹曲线。3.根据权利要求2所述的一种GPS轨迹优化方法，其特征在于，所述通过n个所述训练单元训练神经网络模型，得到训练好的神经网络模型具体包括：对所述训练单元中的坐标数据进行归一化处理；将n个所述训练单元按所述训练单元中的第一个GPS定位点的时间先后顺序进行排序；输入第一个所述训练单元中的GPS定位点的坐标数据，得到所述神经网络模型的初始状态值；通过所述初始状态值和第二个所述训练单元迭代训练所述神经网络模型，得到所述神经网络模型的第二状态值；通过第i-1状态值和第i个所述训练单元对所述神经网络模型进行迭代训练，得到所述神经网络模型的第i状态值，3≤i≤n；所述根据第K个GPS定位点前的相邻的T个GPS定位点的坐标数据和所述训练好的神经网络模型，计算得到所述待预测干扰点的坐标数据具体包括：根据第K个GPS定位点前的相邻的T个GPS定位点的坐标数据和所述第i状态值，计算得到所述待预测干扰点的坐标数据。4.根据权利要求1-3任一项所述的一种GPS轨迹优化方法，其特征在于，所述对所述GPS定位点的坐标数据进行分析处理，删除其中的干扰坐标数据具体包括：检测所述GPS定位点中是否存在丢星点；当检测到所述丢星点时，删除所述丢星点的坐标数据；检测所述GPS定位点中是否存在漂移点；当检测到所述漂移点时，删除所述漂移点的坐标数据。5.根据权利要求4所述的一种GPS轨迹优化方法，其特征在于，所述检测所述GPS定位点中是否存在丢星点；当检测到所述丢星点时，删除所述丢星点的坐标数据具体包括：将当前GPS定位点的坐标数据与预设坐标数据进行比对，若所述当前GPS定位点的坐标数据与所述预设坐标数据一致时，标记所述当前GPS定位点为丢星点，并删除所述当前GPS定位点的坐标数据；所述检测所述GPS定位点中是否存在漂移点；当检测到所述漂移点时，删除所述漂移点的坐标数据具体包括：当第m个GPS定位点不为干扰点时，计算第m+1个GPS定位点与所述第m个GPS定位点之间的距离，当所述距离大于预设距离时，标记所述第m+1个GPS定位点为漂移点，并删除所述第m+1个GPS定位点的坐标数据；当第m个GPS定位点为干扰点且距离所述第m个GPS定位点最近的第m-i个GPS定位点不为干扰点时，计算第m+1个GPS定位点与所述第m-i个GPS定位点之间的距离，当所述距离大于1+i倍的预设距离时，标...

【专利技术属性】
技术研发人员：陈文韬，
申请(专利权)人：上海斐讯数据通信技术有限公司，
类型：发明
国别省市：上海,31