基于隐马尔科夫模型的车辆行驶道路类型的判断方法技术

本发明专利技术提供了一种基于隐马尔科夫模型的车辆行驶道路类型的判断方法，将车辆行驶在不同道路类型的过程刻画为隐马尔科夫模型，通过对隐马尔科夫模型进行训练，得到适合判断车辆行驶道路类型的隐马尔科夫的模型，之后利用训练好的隐马尔科夫模型实现车辆行驶道路类型的在线判断，判断准确性高，延时低，进一步保障了驾驶员的驾驶安全；另一方面，在刻画隐马尔科夫模型是基于置于车辆中的智能手机的加速度传感器及GPS设备，降低了对硬件的要求，使本发明专利技术的判断方法普及性提高。

【技术实现步骤摘要】
基于隐马尔科夫模型的车辆行驶道路类型的判断方法
本专利技术涉及交通网络中道路类型识别
，特别涉及一种基于隐马尔科夫模型的车辆行驶道路类型的判断方法。
技术介绍
随着汽车的普及和道路的建设，城际间的经济往来更加频繁，活动的区域也越来越大；为了提高生活质量，大量的休闲活动、探险活动的举行使我们并不局限在自己认识的一小块区域中，不认识道路，找不到目的地的情况也屡有发生，而车载GPS导航仪有效的解决了上述问题。但是车载GPS导航仪并无法准确的判断出车辆是在高架路面还是在地面路面上行驶，为驾驶员的的安全驾驶造成了一定的影响，极易导致交通事故的发生。这主要是由于城市里多建设有为了缓解交通拥堵方便出行所建设的高架道路，而高架道路正下方还有着一条或多条平行的地面道路，如果车辆正行驶在这类高架地面重合的路段，GPS导航仪及车辆定位系统等都不能准确快速的判断出车辆是在高架路面还是在地面路面，此时就可能出现驾驶员手动调整定位信息的情况，从而影响了驾驶员的驾驶安全，增加了驾驶员的驾驶危险。
技术实现思路
本专利技术的目的在于提供一种基于隐马尔科夫模型的车辆行驶道路类型的判断方法，以解决使用现有技术中车载GPS导航仪及车辆定位系统无法准确的判断出车辆是在高架路面还是在地面路面上行驶，出现驾驶员手动调整定位信息的情况，从而影响了驾驶员的驾驶安全的问题。为解决上述技术问题，本专利技术提供一种基于隐马尔科夫模型的车辆行驶道路类型的判断方法，所述基于隐马尔科夫模型的车辆行驶道路类型的判断方法包括如下步骤：确定隐马尔科夫模型的隐含状态集合及观测值序列；对隐马尔科夫模型进行训练，得到适合判断车辆行驶道路类型的隐马尔科夫的模型；利用训练好的隐马尔科夫模型实现车辆行驶道路类型的在线判断。可选的，在所述的基于隐马尔科夫模型的车辆行驶道路类型的判断方法中，所述隐含状态集合S＝{s1，s2}，隐含状态s1表示高架路面，隐含状态s2表示地面路面。可选的，在所述的基于隐马尔科夫模型的车辆行驶道路类型的判断方法中，基于置于车辆中的智能手机确定所述观测值序列O＝{O1，O2，...，Ot}，所述智能手机内部装载有加速度传感器及GPS设备。可选的，在所述的基于隐马尔科夫模型的车辆行驶道路类型的判断方法中，所述车辆的行驶过程以时槽划分，将智能手机在每个时槽内收集到数据提取的特征作为所述观测值序列中的观测值；所述数据包括所述加速度传感器采集的加速度传感器数据及所述GPS设备采集的GPS数据。可选的，在所述的基于隐马尔科夫模型的车辆行驶道路类型的判断方法中，获得所述观测值(f1，f2，f3，f4)的步骤如下：利用智能手机的加速度传感器获取加速度传感器数据并提取所述加速度传感器数据中的车辆实时的线性加速度及重力加速度；利用智能手机的GPS设备获取GPS数据并提取所述GPS数据中车辆实时的车速及GPS设备定位所接收到的卫星数；依次对所述车辆实时的线性加速度、所述重力加速度、所述车辆实时的车速及所述GPS设备定位所接收到的卫星数提取一特征；对每个特征进行划分，并将所有划分后的特征所组成的四元组(f1，f2，f3，f4)作为观测值。可选的，在所述的基于隐马尔科夫模型的车辆行驶道路类型的判断方法中，对每个特征进行划分的方法如下：根据所述车辆实时的车速实时的车速提取的特征为速度方差Vvar；对于所述速度方差Vvar，设定阈值TSVvar，将区间划分为(-∞，TSvar)∪[TSvar，+∞)，分别用0，1表示，记为f1；根据所述GPS设备定位所接收到的卫星数提取的特征为平均卫星数AvgSat；对于平均卫星数Avgsat，设定阈值TSsat，将区间划分为(-∞，TSsat)∪[TSsat，+∞)，分别用0，1表示，记为f2；根据所述重力加速度提取的特征为重力加速度在z轴最小值Gminz；对于重力加速度在z轴最小读值Gminz,设定阈值TSg，将区间划分为(-∞，TSg)∪[TSg，+∞),分别用0，1表示，记为f3；根据所述车辆实时的线性加速度提取的特征为线性加速度在z轴的方差VarAccz；对于线性加速度在z轴的方差VarAccz，设定两个阈值TSa1、TSa2，以及将区间划分(-∞，TSa1)∪[TSa1，TSa2)∪[TSa2，+∞),分别用0，1，2表示，记为f4。可选的，在所述的基于隐马尔科夫模型的车辆行驶道路类型的判断方法中，所述训练好的隐马尔科夫模型λ＝(A，B，π)，其中，隐含状态转移概率矩阵A＝[aij]，aij＝P(si|sj)，i＝1,2，j＝1,2，此时，P(s2|s2)＝1-P(s1|s2)，P(s1|s1)＝1-P(s2|s1)；其中，ntotal1，ntotal2分别为经过高架路面入口的车辆的数量及经过高架路面出口的车辆的数量；nswitched1，nswitched2分别为从地面路面驶入高架路面的车辆的数量及从高架路面驶入地面路面的车辆的数量；k为时间槽的序号；观测状态转移概率矩阵B＝[bnm],其中，n＝1,2,m＝1,2,...N，om为由所述观测值确定的观测状态；初始状态概率矩阵π＝[πi]。可选的，在所述的基于隐马尔科夫模型的车辆行驶道路类型的判断方法中，所述利用训练好的隐马尔科夫模型实现车辆行驶道路类型的在线判断包括如下步骤：根据所述观测值序列确定车辆行驶于不同道路类型的概率；采用向前算法，根据前一时槽车辆行驶的道路类型的概率，计算下一时槽车辆行驶的道路类型的概率；根据下一时槽车辆行驶的道路类型的概率与行驶地面路面的阈值TSsurface或行驶高架路面的阈值TSelevated比较，以判断车辆下一时槽车辆行驶的道路类型。可选的，在所述的基于隐马尔科夫模型的车辆行驶道路类型的判断方法中，所述采用向前算法，根据前一时槽车辆行驶的道路类型的概率，计算下一时槽车辆行驶的道路类型的概率采用的公式如下：其中，表示在观测序列O的情况下，此时车辆处在隐含状态为si的概率，当t＝0时，可选的，在所述的基于隐马尔科夫模型的车辆行驶道路类型的判断方法中，根据下一时槽车辆行驶的道路类型的概率与行驶地面路面的阈值TSsurface或行驶高架路面的阈值TSelevated比较，以判断车辆下一时槽车辆行驶的道路类型具体步骤如下：当前一时槽内车辆行驶于地面路面s2时，判断是否小于行驶地面路面的阈值TSsurface，若是，则判定测量下一时槽车辆驶入高架路面；若否，则判定测量下一时槽车辆仍在地面路面；当前一时槽内车辆行驶于地面路面s1时，判断是否小于行驶高架路面的阈值TSelevated，若是，则判定测量下一时槽车辆驶入地面路面；若否，则判定测量下一时槽车辆仍在高架路面。在本专利技术所提供的基于隐马尔科夫模型的车辆行驶道路类型的判断方法中，将车辆行驶在不同道路类型的过程刻画为隐马尔科夫模型，通过对隐马尔科夫模型进行训练，得到适合判断车辆行驶道路类型的隐马尔科夫的模型，之后利用训练好的隐马尔科夫模型实现车辆行驶道路类型的在线判断，判断准确性高，延时低，进一步保障了驾驶员的驾驶安全；另一方面，在刻画隐马尔科夫模型是基于置于车辆中的智能手机的加速度传感器及GPS设备，降低了对硬件的要求，使本专利技术的判断方法普及性提高。附图说明图1是本专利技术中车辆坐标系与置于车辆中的智能手机坐标系本文档来自技高网...

【技术保护点】
一种基于隐马尔科夫模型的车辆行驶道路类型的判断方法，其特征在于，包括如下步骤：确定隐马尔科夫模型的隐含状态集合及观测值序列；对隐马尔科夫模型进行训练，得到适合判断车辆行驶道路类型的隐马尔科夫的模型；利用训练好的隐马尔科夫模型实现车辆行驶道路类型的在线判断。

【技术特征摘要】
1.一种基于隐马尔科夫模型的车辆行驶道路类型的判断方法，其特征在于，包括如下步骤：确定隐马尔科夫模型的隐含状态集合及观测值序列；对隐马尔科夫模型进行训练，得到适合判断车辆行驶道路类型的隐马尔科夫的模型；利用训练好的隐马尔科夫模型实现车辆行驶道路类型的在线判断；基于置于车辆中的智能手机确定所述观测值序列O＝{O1，O2，...，Ot}，所述智能手机内部装载有加速度传感器及GPS设备；所述车辆的行驶过程以时槽划分，将智能手机在每个时槽内收集到数据提取的特征作为所述观测值序列中的观测值；所述数据包括所述加速度传感器采集的加速度传感器数据及所述GPS设备采集的GPS数据；获得所述观测值(f1，f2，f3，f4)的步骤如下：利用智能手机的加速度传感器获取加速度传感器数据并提取所述加速度传感器数据中的车辆实时的线性加速度及重力加速度；利用智能手机的GPS设备获取GPS数据并提取所述GPS数据中车辆实时的车速及GPS设备定位所接收到的卫星数；依次对所述车辆实时的线性加速度、所述重力加速度、所述车辆实时的车速及所述GPS设备定位所接收到的卫星数提取一特征；对每个特征进行划分，并将所有划分后的特征所组成的四元组(f1，f2，f3，f4)作为观测值。2.如权利要求1所述的基于隐马尔科夫模型的车辆行驶道路类型的判断方法，其特征在于，所述隐含状态集合S＝{s1，s2}，隐含状态s1表示高架路面，隐含状态s2表示地面路面。3.如权利要求1所述的基于隐马尔科夫模型的车辆行驶道路类型的判断方法，其特征在于，对每个特征进行划分的方法如下：根据所述车辆实时的车速实时的车速提取的特征为速度方差Vvar；对于所述速度方差Vvar，设定阈值TSVvar，将区间划分为(-∞，TSvar)∪[TSvar，+∞)，分别用0，1表示，记为f1；根据所述GPS设备定位所接收到的卫星数提取的特征为平均卫星数AvgSat；对于平均卫星数Avgsat，设定阈值TSsat，将区间划分为(-∞，TSsat)∪[TSsat，+∞)，分别用0，1表示，记为f2；根据所述重力加速度提取的特征为重力加速度在z轴最小值Gminz；对于重力加速度在z轴最小读值Gminz,设定阈值TSg，将区间划分为(-∞，TSg)∪[TSg，+∞),分别用0，1表示，记为f3；根据所述车辆实时的线性加速度提取的特征为线性加速度在z轴的方差VarAccz；对于线性加速度在z轴的方差VarAccz，设定两个阈值TSa1、TSa2，以及将区间划分(-∞，TSa1)∪[TSa1，TSa2)∪[TSa2，+∞),分别用0，1，2表示，记为f4。4.如权利要求1所述的基于隐马尔科夫模型的车辆行驶道路类型的判断方法，其特征在于，所述训练好的隐马尔科夫模型λ＝(A，B，π)，其中，隐含状态转移概率矩阵A＝[ai...

【专利技术属性】
技术研发人员：龚垚明，朱燕民，俞嘉地，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31