[发明专利]基于车载数据的公交车速度获取装置及方法

权利要求书

1.基于车载数据的公交车速度获取装置，其特征在于：所述装置包括有控制器、安装在公交车上的GPS接收机和车速表传感器，GPS接收机和车速表传感器将数据发送至控制器，控制器处理并储存接收到的数据。

2.如权利要求1所述的基于车载数据的公交车速度获取装置，其特征在于：所述车速表传感器通过CAN总线接口将数据发送至控制器。

3.如权利要求1所述的基于车载数据的公交车速度获取装置，其特征在于：所述控制器包括有自适应加权融合模块、子滤波器I、滤波器II和主滤波器；GPS接收机和车速表传感器分别接收到的车速数据通过自适应加权融合，并通过子滤波器I数据处理；车速表传感器采集到的数据通过子滤波器II数据处理；子滤波器I和滤波器II输出处理后的数据至主滤波器进行全局是最优估计。

4.如权利要求1至3任意一项所述装置获取车速度的方法，其特征在于，具体步骤如下：

1）GPS接收机和车速表传感器分别接收车速数据；

2）GPS接收机和车速表传感器分别接收到的车速数据通过自适应加权融合；

3）步骤1）中车速表传感器接收到数据和步骤2）中加权融合后得到的数据分别通过子滤波器II和滤波器I进行滤波处理；

4）子滤波器I和滤波器II分别输出处理后的信息至主滤波器，主滤波器进行全局最优估计。

5.如权利要求4所述的基于车载数据的公交车速度获取方法，其特征在于，步骤2）中所述自适应加权融合的方法为：

把GPS传感器和车速传感器的测量值分别定义为X₁，X₂，融合后的值为X，则

X=Σi=12WiXi---(1)]]>

由于

Σi=12Wi=1---(2)]]>

则总均方误差为：

σ2=Σi=12Wi2σi2---(3)]]>

总均方误差是关于各个加权因子的多元二次函数，则根据多元函数的求极值理论，可以求出总均方误差最小时所对应的加权因子为：

Wi=1σi2Σi=121σi2---(4)]]>

假设GPS传感器和车速传感器对应的测量误差为V₁、V₂。即：

X₁=Y+V₁；X₂=Y+V₂   (5)

其中Y为真实值，V₁、V₂为零均值的平稳噪声且互不相关，与Y也不相关；

X₁、X₂的互协方差R₁₂和R₂₁满足：

R₂₁=R₁₂=E[X₁X₂]=E[Y²]   (6)

X₁与X₂的自协方差分别满足：

R11=E[X1X1]=E[Y2]+E[V12]---(7)]]>

R22=E[X2X2]=E[Y2]+E[V22]---(8)]]>

GPS传感器和车速表传感器的方差满足：

σ12=E[V12]=R11-R12---(9)]]>

σ22=E[V22]=R22-R21---(10)]]>

对于R₁₁、R₁₂、R₂₂、R₂₁可以由其时间域估计值求出

设传感器测量数据的个数为n，则R₁₁、R₁₂、R₂₂、R₂₁的时间域估计值分别为：

R11(n)=1nΣi=1nX1(i)X1(i)---(11)]]>

R12(n)=1nΣi=1nX1(i)X2(i)---(12)]]>

R22(n)=1nΣi=1nX2(i)X2(i)---(13)]]>

R21(n)=1nΣi=1nX2(i)X1(i)---(14)]]>

把V_gps(t)、V_v(t)分别作为两个传感器的测量值X₁、X₂，由式（11）、（12）、（13）、（14）分别求出采样时刻n的R₁₁(n)、R₁₂(n)，R₂₂(n)，R₂₁(n)，再由式（9）和（10）求出时刻n的和求出两个传感器对应的加权因子，最后由式（1）求出最终的融合结果X。

6.如权利要求4所述的基于车载数据的公交车速度获取方法，其特征在于：

对于多个传感器系统而言，各个局部滤波器的状态方程为：

X_i(k)=φ_i(k)X_i(k-1)+W_i(k)   (3.4)

局部滤波器的量测方程为：

Z_i(k)=F_i(k)X_i(k)+V_i(k)   (3.5)

其中，i=1,2,…n，X_i(k)为子系统i的状态变量，φ_i(k)为子系统i的状态转移矩阵，W_i(k)为子系统i的过程噪声，是个零均值的高斯白噪声，其方差为Q_i，Z_i(k)为第i的传感器的测量值，F_i(k)为第i的传感器的测量矩阵，V_i(k)为第i的传感器的量测噪声，是个零均值的高斯白噪声，其方差为R_i，步骤4）中主滤波器进行全局最优估计的具体方法为：

4-1）初始值的设定

把第i个局部滤波器的状态变量估计值记为其协方差矩阵为P_i，主滤波器的输出值为P_g，Q_g，给定局部滤波器的状态初始值为协方差初始值P_i(0)，噪声方差Q_i和R_i；

4-2）子滤波器的下一步预测

X^i(k|k-1)=φi(k)X^i(k-1)---(3.6)]]>

Pi(k|k-1)=φi(k)Pi(k-1)φ1T(k)+Qi(k)---(3.7)]]>

其中，i表示第i个子滤波器；

4-3）子滤波器的量测更新和时间更新

Ki(k)=Pi(k|k-1)FiT(k)/(Fi(k)Pi(k|k-1)FiT(k)+Ri(k))---(3.8)]]>

X^i(k)=X^i(k|k-1)+Ki(k)(Zi(k)-Fi(k)X^i(k|k-1))---(3.9)]]>

P_i(k)=(I-K_i(k)F_i(k))P_i(k|k-1)   (3.10)

其中，i表示第i个滤波器，I是1的矩阵；

4-4）全局最优估计的计算

Pg-1(k)=Σi=1nPi-1(k)---(3.11)]]>

X^g(k)=Pg(k)(Σi=1nPi-1(k)X^i(k))---(3.12)]]>

Qg-1(k)=Σi=1nQi-1(k)---(3.13)]]>

4-5）子滤波器的信息分配

X^i(k)=X^g(k)---(3.14)]]>

Pi-1(k)=βiPg-1(k)---(3.15)]]>

Qi-1(k)=βiQg-1(k)---(3.16)]]>

其中，i表示第i个子滤波器，β_i为各个子滤波器的信息分配系数，并且满足β₁+β₂=1和0<β_i<1；

4-6）返回步骤4-2）进入下一个循环。