CN104537863B - 行驶路段识别系统及其方法 - Google Patents

Abstract

本发明公开一种行驶路段识别系统及其方法。该系统包括云端历史数据库，储存若干个历史行驶轨迹；车载终端设备，在车辆行驶一路段时，车载终端设备收集方位角信息，记录各细胞标识符的时间停留长度，车载终端设备判断方位角信息变化高于门坎值时，判定车辆正进行转向，则车载终端设备发送车辆转向前的路段所收集到的若干个细胞标识符、各时间停留长度及收集各细胞标识符的顺序；云端运算服务器，连接云端历史数据库及车载终端设备，以接收并分析车载终端设备所传送的若干个细胞标识符、各时间停留长度及收集各细胞标识符的顺序，进而对应建立向量集合，且云端运算服务器再将向量集合与若干个历史向量集合进行比对，并判断车辆是否偏离设定路线。

Description

行驶路段识别系统及其方法

技术领域

本发明涉及一种行驶路段识别系统及其方法，特别是涉及一种基于细胞网络数据以判断车辆是否行驶于设定路线上的行驶路段识别系统及其方法。

背景技术

一般而言，对于一短距离的路程，行人或是驾驶通常可以靠着对熟悉的地理环境或是地图的记忆，顺利地朝目的地前进。然而，对于长距离或是不熟悉的路线与环境，即使有地图的参考，一般人都仍可能在不熟悉的情况下走错路或是迷失方向。另外，由于客运业者或运输业者都已有安排好的路线让驾驶依循行驶，以运输旅客至各个目的地或接载旅客，然而，虽然路线已安排好，但仍可能因为驾驶不守规定而偏离设定的行驶路线。

基于上述问题，现有发展出一种路段识别的技术，以根据影像辨识的方式来判断驾驶是否有偏移路线，然而并不是每个路口都有架设摄影机，将可能造成覆盖率不足的问题。另外还有一种现有路段识别技术是采用细胞标识符来做辨识，但由于一个细胞可能覆盖多条道路，而一个道路也可能被多个细胞覆盖，单纯只采用细胞标识符来判断，将可能造成误差。

发明内容

有鉴于上述现有技术的问题，本发明的目的就是在提供一种基于细胞网络数据的行驶路段识别系统及其方法，同时考虑细胞标识符、顺序、停留时间长度，再发展算法与历史数据进行比对，取得最相似的若干笔数据，由若干笔资料中所对应的路段最多者作为车辆当下所行驶的路段，并可提升路线偏移判断的准确率，避免误判的情形产生。

根据本发明的目的，提出一种行驶路段识别系统，包括：云端历史数据库，用于储存若干个历史行驶轨迹，各历史行驶轨迹包括每条路段所对应的历史向量集合；车载终端设备，在车辆行驶一路段时，车载终端设备收集方位角信息，并周期性地获取细胞网络信号以收集若干个细胞标识符，且于收集各细胞标识符时分别对应记录时间点，以记录下各细胞标识符的时间停留长度，当车载终端设备判断方位角信息变化高于门坎值时，判定车辆正进行转向，则车载终端设备发送车辆转向前的路段所收集到的若干个细胞标识符、各时间停留长度及收集各细胞标识符的顺序；以及云端运算服务器，连接云端历史数据库及车载终端设备，以接收并分析车载终端设备所传送的若干个细胞标识符、各时间停留长度及收集各细胞标识符的顺序，进而对应建立向量集合，且云端运算服务器再将向量集合与若干个历史向量集合进行比对，并判断车辆是否偏离设定路线。

较佳地，各历史行驶轨迹还包括每条路段的编号及名称。

较佳地，当车载终端设备联机至细胞网络基地台时，收集细胞网络基地台对应的细胞标识符并对应记录收集的时间点。

较佳地，云端运算服务器还对所接收的各细胞标识符设定权重值，其中，被收集的顺序越前面或时间停留长度越长的细胞标识符的权重值系越高。

较佳地，云端历史数据库还储存设定路线对应的路段编号表，其中还利用云端运算服务器依据向量集合与若干个历史向量集合比对后的比对结果来分析该路段的编号，再将分析出的路段编号与路段编号表进行比对，并判断车辆是否行驶于设定路线上。

综上所述，本发明的行驶路段识别系统及其方法，可具备下列一或多个特点：

1、本发明根据分析细胞网络数据，可有效地辨识驾驶行驶的路段，并运用后端云端服务器进行运算，可判断驾驶是否偏离设定路线。

2、本发明同时考虑细胞标识符、收集顺序、停留时间长度等因子来进行路线偏离的判断，其效能可比现有所提出的技术来的高。

附图说明

附图1为一个实施例的行驶路段识别系统的方块图。

附图2为一个实施例的行驶路段识别方法的流程图。

附图3为一个实施例的交通路网和细胞覆盖的示意图。

附图4为一个实施例的的行驶路段识别系统的系统架构的示意图。

符号说明

100 云端历史数据库

200 车载终端设备

300 云端运算服务器

S11-S15 步骤

Cell 1-Cell 5 细胞

Road 1、Road 2 路段

具体实施方式

为了更加清楚本发明的技术特征、内容与优点及其所能达成的效果，以下将本发明配合附图，并以实施例的表达形式详细说明如下，而其中所使用的图式，其主旨仅为示意及辅助说明书之用，不一定为本发明实施后的真实比例与精准配置，故不应就附图的比例与配置关系解读、局限本发明于实际实施上的权利范围，特此声明。

请参考附图1，其为参考的行驶路段识别系统的方块图。图中，行驶路段识别系统包括云端历史数据库100、车载终端设备200及云端运算服务器300，云端运算服务器300连接云端历史数据库100及车载终端设备200。云端历史数据库100储存若干个历史行驶轨迹，各历史行驶轨迹包括每条路段所对应的历史向量集合，各历史行驶轨迹还包括每条路段的编号及名称。在车辆行驶一路段时，车载终端设备200收集方位角信息，并周期性地获取细胞网络信号以收集若干个细胞标识符，且于收集各细胞标识符时分别对应记录时间点，以记录下各细胞标识符的时间停留长度。其中，车载终端设备200依序联机至覆盖该路段的各细胞网络基地台，以一一取得各细胞网络基地台所对应的细胞标识符，并在收集各细胞标识符时对应记录下取得的时间点及顺序。当车载终端设备200判断方位角信息变化高于门坎值时，将会判定车辆正进行转向，此时车载终端设备200发送车辆转向前的路段所收集到的若干个细胞标识符、各时间停留长度及收集各细胞标识符的顺序至云端运算服务器300。云端运算服务器300可用以分析车载终端设备200所传送的若干个细胞标识符、各时间停留长度及收集各细胞标识符的顺序，在分析时云端运算服务器300对所接收的各细胞标识符设定权重值，其中，被收集的顺序越前面或时间停留长度越长的细胞标识符的权重值系越高，接着再依据细胞标识符、时间停留长度及顺序对应建立向量集合，然后将此向量集合与若干个历史向量集合进行比对，并判断车辆是否偏离设定路线。其中云端历史数据库100还储存设定路线对应的路段编号表，云端运算服务器300在比对该路段的向量集合后依据比对结果分析该路段的编号，并将分析出的路段编号与路段编号表进行比对，并判断车辆是否行驶在设定路线上。

请参考附图2，其为一个实施例的行驶路段识别方法的流程图，其流程步骤为：

步骤S11：在车辆行驶一路段时，利用车辆上的车载终端设备收集方位角信息，并周期性地获取细胞网络信号以收集若干个细胞标识符，且在收集各细胞标识符时分别对应记录时间点，以记录下各细胞标识符的时间停留长度。此步骤主要根据车载终端设备收集道路上的细胞标识符、时间点等。

步骤S12：根据车载终端设备判断方位角信息变化是否高于门坎值，若是，则判定车辆正进行转向，以将车辆转向前的路段所收集到的若干个细胞标识符、各时间停留长度及收集各细胞标识符的顺序发送至云端运算服务器。

步骤S13：利用云端运算服务器分析车载终端设备所传送的若干个细胞标识符、各时间停留长度及收集各细胞标识符的顺序，进而对应建立向量集合。此步骤主要将细胞标识符、时间点等数据转换为向量空间，并分析同一个路段内细胞标识符的联机顺序，对联机顺序进行加权，例如：越早联机到的细胞标识符的权重越高。并分析同一个路段内每个细胞标识符的停留时间长度，并对停留时间长度进行加权，例如：停留时间越长的细胞标识符的权重越高。

步骤S14：根据云端运算服务器将向量集合与云端历史数据库中所储存的若干个历史行驶轨迹所包括每条路段分别对应的历史向量集合进行比对。此步骤主要将车载终端设备200所收集到当下的细胞标识符、时间点的数据转换得到的向量集合与历史数据各个路段的向量集合进行比对，并取出最相似的多个比对结果。

步骤S15：利用云端运算服务器依据向量集合与若干个历史向量集合比对后的比对结果来分析该路段的编号，再将分析出的路段编号与云端历史数据库所储存设定路线所对应的路段编号表进行比对，并判断车辆是否行驶于设定路线上。此步骤依据多个比对结果，以多数决的方式来决定车辆当下行驶的路段编号，再将分析出来的路段编号与设定路线的路段编号列表进行比对，并判断行驶路段是否介于设定路线内。

以下举一个实施例来详细说明本发明的技术流程。

本发明主要将运用细胞网络数据来判断车辆行驶路段，而每条道路将被许多细胞网络基地台的传输范围所覆盖，如附图3所示，其为一个交通路网和细胞覆盖的示意图。根据第3图可见，共有五个细胞Cell 1-Cell 5，并有两个路段Road 1、Road 2。当路径的不相同，其所覆盖的细胞也将有所差异，因此，记录行动设备的网络信号信息，依据其交递顺序来记录细胞编号，将可以判断行动设备在哪条路径上移动。例如：当行动设备在路段Road 1上移动时，其细胞切换的顺序很可能为Cell 1→Cell 2→Cell 4；若行动设备在路段Road2上移动时，其细胞切换的顺序则很可能为Cell 1→Cell 2→Cell 4→Cell 5。此外，当仅判断联机的细胞标识符时，可能无法辨别平行道路和对向道路的环境，故本发明也考虑细胞顺序和停留时间长度，根据分析细胞标识符、顺序、停留时间长度等因子，来进行行驶路段判断。

本发明设计基于细胞网络数据的行驶路段识别系统，其实施例的系统架构如附图4所示。此系统包括若干个车载终端设备200、云端运算服务器300以及一个云端历史数据库。将先由具备有方位角传感器和细胞网络模块的车载终端设备200周期性地收集和记录方位角信息、细胞网络信号(包括有联机的细胞标识符(Cell ID))、时间点。并且设置一个方位角门坎值(如30度)，作为车载终端设备200转向判断应用。当方位角变化超过门坎值时，则代表车载终端设备200进行转向，并将转向前收集的联机的细胞标识符和时间点回传至云端运算服务器300。例如，附图3中路段移动的车载终端设备每隔1秒收集和记录一次方位角信息、细胞标识符和时间点，并且分别依序连接到细胞Cell 1、Cell 2、Cell 3，其所连接到的细胞标识符和时间点将被记录下来。表一为方位角信息、细胞标识符、时间点的示意数据，为每秒取样1笔，可得到每秒所联机的细胞标识符和当下的方位角，并且其分别连接到细胞Cell 1、Cell 2、Cell 3。而在离开路段时，车辆进行转弯，方向角变化90度(如表一序号第240笔)，大于门坎值30度，此时将会把路段时(序号第1-239笔)所收集的细胞标识符和时间点回传至云端运算服务器。当云端运算服务器收到来自车载终端设备的细胞标识符、时间点时，再输入至行驶路段识别方法中，与云端历史数据库的数据进行比对判断是否偏离设定路线。

表一、车载终端设备收集资料

本发明设计一基于细胞网络数据的行驶路段识别的方法，其主要将包括4个步骤：(1)收集细胞网络的联机信号和交递信号；(2)分析细胞标识符、顺序、停留时间，并转换为向量空间；(3)与历史数据各路段进行比对，取出最相似的数笔k，判断隶属哪条路段；及(4)评估是否偏离设定路线并进行记录。上述步骤分述如下。

(1)收集细胞网络的联机信号和交递信号：将由车载终端设备收集其联机的细胞标识符和记录其时间点后，回传至云端运算服务器，并由云端服务器进行行驶路段识别方法的运算。

(2)分析细胞标识符、顺序、停留时间，并转换为向量空间当云端服务器收到来自车载终端设备的细胞标识符和时间点，并假设在环境中(包括历史数据)所有的细胞数共有n个后，将依细胞标识符、顺序、停留时间长度分别转换成向量空间，作法如下。

a.细胞标识符：设定此车载终端设备回传的数据中有链接到的细胞的对应值为1，未连接到的细胞其对应值为0，如此将可以把数据表示为C，如公式(1)所示。以表一为例，其有连接到细胞Cell 1、Cell 2、Cell 3，故c1、c2、c3皆为1，其他皆为0，可以表示为公式(2)的向量空间。

C＝{1,1,1,0,...,0} (2)

b.细胞顺序：有鉴于对向道路的判断，本发明也考虑细胞顺序，令先链接到的细胞权重较高，后连接到的细胞权重较低。并且仅考虑前x个连接到的细胞，设定一个具有x个权重值的向量A＝{a₁,a₂,...,a_x}，令第1个连接到的细胞权重为a₁，第2个连接到的细胞权重为a₂，依此类推。未在该x个细胞的权重设定为0。最后，再对每个细胞的权重oi集合表示为O，如公式(3)所示。其中，x值可依应用环境所设定，在本实施例中设定x值为3，即仅考虑前3个连接到的细胞，并设定权重向量为A＝{1,0.5,0.25}。依表一的数据进行分析，第1个连接到的细胞(即Cell 1)权重为1，第2个连接到的细胞(即Cell 2)权重为0.5，第3个连接到的细胞(即Cell 3)权重为0.25。再将此表示为向量集合O，如公式(4)所示。

O＝{o₁,o₂,o₃,o₄,…,o_n},whereo_i＝细胞i对应的顺序权重 (3)

O＝{1.0,0.5,0.25,0,...,0} (4)

c.停留时间长度：有鉴于平行道路的判断，由于即使是平行道路，其在每个细胞的停留时间长度也不一定会一样，故本发明也考虑停留时间长度，来降低对平行道路误判的可能性。然而，在细胞网络可能存在信号干扰状况，而可能造成在细胞间来回摆荡。如表一中的序号第5-7笔，先从细胞Cell 1换到Cell 2，再由细胞Cell 2换到Cell 1。因此，在本发明中主要将依据取样周期时间乘上该细胞的样本数作为停留时间长度。以表一为例，在回传至云端运算服务器的数据中共有239笔，其中细胞Cell 1的资料共有6笔，细胞Cell 2的资料共有153笔，细胞Cell 3的资料共有80笔。又由于取样周期为1秒，故细胞Cell 1的停留时间为6秒、细胞Cell 2的停留时间为153秒、细胞Cell 3的停留时间为80秒。并且仅考虑前y个连接到的细胞，设定一个具有y个权重值的向量B＝{b₁,b₂,...,b_y}，令停留时间最长的细胞的权重为b1，停留时间第2长的细胞的权重为b2，依此类推。未在该y个细胞的权重设定为0。最后，再依每个细胞的权重ti集合表示为T，如公式(5)所示。其中，y值可依应用环境所设定，在本实施例中设定y值为3，即仅考虑前3个连接到的细胞，并设定权重向量为B＝{1,0.5,0.25}。对表一的数据进行分析，停留时间最长的细胞(即Cell 2)其权重为1，停留时间第2长的细胞(即Cell 3)权重为0.5，停留时间第3长的细胞(即Cell 1)权重为0.25。再将此表示为向量集合T，如公式(6)所示。

T＝{t₁,t₂,t₃,t₄,…,t_n},wheret_i＝细胞i对应的停留时间权重 (5)

T＝{0.25,1.0,0.5,0,...,0} (6)

d.综合考虑上述因子：本发明将同时考虑细胞标识符、细胞顺序、停留时间长度等因子，并将公式(1)、(3)、(5)合并为一个向量集合R，如公式(7)所示。并且可以将表一的数据表示为公式(8)。

R＝{C,O,T}＝{c₁,c₂,c₃,c₄,...,c_n,o₁,o₂,o₃,o₄,...,o_n,t₁,t₂,t₃,t₄,...,t_n} (7)

T＝{1,1,1,0,...,0,0.25,1.0,0.5,0,...,0,0.25,1.0,0.5,0,...,0} (8)

(3)与历史数据各路段进行比对，取出最相似的k笔，判断隶属哪条路段：本发明的云端历史数据库中已储存于各个路段所对应的多笔如公式(7)格式的历史向量数据，其中共存在m笔资料。可将由车载终端设备所回报的新资料跟历史数据集合H＝{h₁,h₂,...,h_m}进行比对，与每一笔数据hz以向量距离公式计算其距离，如公式(9)和(10)所示。并从历史数据中取出距离最近的k笔数据，观察其对应的路段编号，以多数决的方式决定路段。

H＝{h₁,h₂,...,h_m},

where h₁＝{C₁,O₁,T₁}＝{c_1,1,c_2,1,c_3,1,c_4,1,...,c_n,1,o_1,1,o_2,1,o_3,1,o_4,1,...,o_n,1,t_1,1,t_2,1,t_3,1,t_4,1,...,t_n,1} (9)

假设细胞数共有5个(即n＝5)，而历史资料中共有6笔资料(即m＝6)，历史资料H＝{h₁,h₂,...,h_m}和新资料R如表二所示。可将R与h1-h6每一笔数据运用公式(10)进行距离计算，距离分别为0、0.71、1.17、1.06、2.83、2.94。在此例中，令k为3，即观察最接近的3笔，故最近的数据为h1、h2、h4，其对应的路段编号分别为1、1、2，多数决的判断下为1。因此，可以判断车载终端设备行驶过路段编号1。

表二、历史数据与新数据的向量集合

(4)评估是否偏离设定路线并进行记录：使用者可先设定若干个特定路线，每一个路线中包括有若干个路段编号。当步骤(3)判断完行驶路段编号后可以与设定路线中的路段编号进行比对，判断是否有正确行驶在设定路线中，若该路段不在设定路线中即为偏离路线。

综上所述，本发明所揭露基于细胞网络数据的行驶路段识别的系统及其方法，根据事先建立的行驶路段识别系统，由车载终端设备回报其联机的细胞标识符和时间点至云端运算服务器进行行驶路段识别。再由云端运算服务器运用行驶路段识别方法，分析细胞标识符、顺序、停留时间长度等因子，并转换成向量空间，再与云端历史数据库中的数据进行比对。取出最相似的k笔后，以多数决的方式判断驾驶的行驶路段。最后再与设定路线比对，判断是否偏离路线。

以上所述仅为举例性，而非为限制性。任何未脱离本发明的精神与范畴，而对其进行的等效修改或变更，均应包含在后附的申请专利范围中。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种行驶路段识别系统，其特征在于，包括：

云端历史数据库，用于储存若干个历史行驶轨迹，所述历史行驶轨迹包括每条路段所对应的历史向量集合；

车载终端设备，在车辆行驶一路段时，该车载终端设备收集方位角信息，并周期性地获取细胞网络信号以收集若干个细胞标识符，且在收集所述细胞标识符时分别对应记录时间点，以记录下所述细胞标识符的时间停留长度，当该车载终端设备判断该方位角信息变化高于门坎值时，判定车辆正进行转向，则该车载终端设备发送车辆转向前的该路段所收集到的该若干个细胞标识符、时间停留长度及收集所述细胞标识符的顺序；

云端运算服务器，用于连接云端历史数据库及车载终端设备，接收并分析该车载终端设备所传送的若干个细胞标识符、所述时间停留长度及收集所述细胞标识符的顺序，进而对应建立向量集合，且该云端运算服务器再将该向量集合与若干个该历史向量集合进行比对，并判断车辆是否偏离设定路线；所述云端运算服务器还对所接收的细胞标识符设定权重值，其中，被收集的顺序越前面或该时间停留长度越长的细胞标识符的权重值系越高。

2.根据权利要求1所述的行驶路段识别系统，其特征在于，所述历史行驶轨迹还包括每条路段的编号及名称。

3.根据权利要求1所述的行驶路段识别系统，其特征在于，当该车载终端设备联机至细胞网络基地台时，收集该细胞网络基地台对应的该细胞标识符并对应记录收集的该时间点。

4.根据权利要求1所述的行驶路段识别系统，其特征在于，所述云端历史数据库还储存设定路线对应的路段编号表，该云端运算服务器在比对该路段的向量集合后依据比对结果分析该路段的编号，并将分析出的路段编号与路段编号表进行比对，并判断车辆是否行驶于设定路线上。

5.一种行驶路段识别方法，其特征在于，包括下列步骤：

在车辆行驶一路段时，利用车辆上的车载终端设备收集方位角信息，并周期性地获取细胞网络信号以收集若干个细胞标识符，且在收集所述细胞标识符时分别对应记录时间点，以记录下所述细胞标识符的时间停留长度；

根据该车载终端设备判断该方位角信息变化是否高于门坎值，若是，则判定车辆正进行转向，以将车辆转向前的该路段所收集到的若干个细胞标识符、所述时间停留长度及收集所述细胞标识符的顺序发送至云端运算服务器；

利用该云端运算服务器分析该车载终端设备所传送的若干个细胞标识符、所述时间停留长度及收集所述细胞标识符的顺序，进而对应建立向量集合；

根据云端运算服务器将该向量集合与云端历史数据库中所储存的若干个历史行驶轨迹所包括每条路段分别对应的历史向量集合进行比对，并判断车辆是否偏离设定路线；根据云端运算服务器对所接收的细胞标识符设定权重值，其中，被收集的顺序越前面或该时间停留长度越长的该细胞标识符的权重值系越高。

6.根据权利要求5所述的行驶路段识别方法，其特征在于，所述历史行驶轨迹还包括每条路段的编号及名称。

7.根据权利要求5所述的行驶路段识别方法，其中当该车载终端设备联机至细胞网络基地台时，收集该细胞网络基地台对应的该细胞标识符并对应记录收集的该时间点。

8.根据权利要求5所述的行驶路段识别方法，还利用该云端运算服务器依据该向量集合与若干个该历史向量集合比对后的比对结果来分析该路段的编号，再将分析出的该路段编号与该云端历史数据库所储存设定路线所对应的路段编号表进行比对，并判断车辆是否行驶于设定路线上。