[发明专利]一种基于LTE信令数据的轨迹跟踪方法

权利要求书

1.一种基于LTE信令数据的轨迹跟踪方法，其特征在于，步骤如下：

第一步，数据处理

所述的数据包括LTE信令数据中的TA值及基站的物理ID、地图数据和基站数据；

所述的地图数据包括目标区域的地图信息，目标区域的地图信息分为两部分：第一部分得到各个点的ID和地理坐标信息，每一个点是一条路段或多条路段的端点；第二部分得到路段的相关信息，路段的相关信息包括路段的ID、路段的长度和路段两个端点的ID；每一条路段的两个端点信息由第一部分各个点的ID和地理坐标信息得到，一系列路段组成道路片段；

所述的基站数据包括基站位置和基站覆盖范围，由以下步骤获得：

1.1)根据车辆的GPS值和TA值，由公式(1)计算基站位置，该基站位置保证估价函数cost(pci)值最小，由模拟退火法得到估价函数cost(pci)最小值；

其中，cost(pci)估价函数；Point_pci代表基站位置；Point_z代表第z个车辆的GPS值，即车辆的实际位置；distance表示两点之间的欧几里得距离；L代表使用车辆GPS值的数量；TA_z为第z个车辆的TA值；

1.2)根据基站的物理ID变化，确定所有基站切换点，再利用进入基站覆盖范围的基站切换点和离开基站覆盖范围的基站切换点得到基站覆盖范围；将进入基站覆盖范围的基站切换点和离开基站覆盖范围的基站切换点构成的最大角度作为基站覆盖范围；

第二步，对获取的LTE信令数据中的TA值进行处理，首先进行TA值过滤，然后进行TA值的划分，TA值划分为普通TA值和特殊TA值；

2.1)对获得的TA值数据进行过滤，去除异常值

2.1.1)如果在同一个基站下仅有少量测量值，该TA值过滤掉，少量指的是数量小于5；

2.1.2)同一个基站下，连续两个点的TA值，分别记为TA₁和TA₂，若TA₁和TA₂差值大于设定的阈值，确定其中一个点是异常TA值，阈值设为2；取TA₂之后的连续5个TA值，求出平均值记为TA_mean，若TA₂和TA_mean的差值大于阈值，则删除TA₂；否则删除TA₁；

2.2)对经过过滤去除异常值的TA值数据进行划分，分为普通TA值和特殊TA值，特殊TA值包括以下两种情况：

2.2.1)基站切换时，基站切换点有两个基站信息，选取两个基站对应的TA值对(TA₁,TA₂)作为TA数据，其中TA₁表示切换前的TA值，TA₂表示切换后的TA值；

2.2.2)同一基站下，对于连续变化的TA值，若TA值由大变小，则选取较小的TA值，反之，选取较大的TA值；

第三步，选取候选路段，将候选路段的中点作为车辆位置在道路上的匹配点

3.1)同一基站下，对于普通TA值，候选路段在普通TA值对应的候选区域内；所述的候选区域由半径(TA+1)*78m的弧、半径(TA-1)*78m的弧和对应基站覆盖范围组成的封闭区域构成；

3.2)同一个基站下，对于特殊TA值，若TA值由小变大，所述的候选区域由半径TA*78m的弧、半径(TA-1)*78m的弧和对应基站的覆盖范围组成的封闭区域构成；否则，候选区域由半径TA*78m的弧、半径(TA+1)*78m的弧和对应基站覆盖范围组成的封闭区域构成；

3.3)对于基站切换点，由于有两个基站信息，所以针对两个基站分别按照步骤3.1)所述方法构造候选区域，二者的交集即为基站切换点的候选区域；

第四步，通过地图数据和LTE信令数据，利用隐式Markov模型和维特比算法，计算一辆车在一定时间内的运动轨迹

4.1)通过一组LTE信令数据得到一辆车的TA值观测序列O＝(o_n|n＝1,…,n0,n1,…,N)；

4.2)通过MongoDB数据库的二维空间索引搜索到车辆运动范围的地图信息G＝{r_k|k＝1,...,K}；其中，地图信息是一组表示道路片段的集合，道路路段表示为s＝(s_m|m＝1,...,m0,...,m1,...,m2,...,M)；

4.3)TA值观测序列O＝(o_n|n＝1,…,n0,n1,…,N)中的每一个TA值对应一个车辆位置，每个车辆位置在地图信息G＝{r_k|k＝1,...,K}上有一个或多个匹配点，给定一个位置o_n1，计算车辆位置在s_m1道路路段上匹配点其中，为s_m1道路路段的中点；

4.4)利用隐式Markov模型，计算候选路段的车辆观测概率和转移概率，采用维特比算法得到一辆车在一定时间内的运动轨迹，具体步骤：

4.4.1)计算每个观测的TA值对应的候选路段的观测概率，如公式2所示；

p(o＝o_n1|s＝s_m1)＝1 (2)

其中，p表示车辆的观测概率，o_n1表示当前观测的TA值，s_m1表示当前定位点候选路段集合中的道路路段；

4.4.2)计算每一个候选路段到下一个候选路段的转移概率，由公式(3)计算道路路段s_m1到道路路段s_m2的转移概率「_m1,m2，其中m1,m2分别为第m1个与第m2个道路路段，转移概率表示车辆从一个路段移动到另一个路段的可能性：

「_m1,m2＝p(s_m1→s_m2)＝e^-d’ (3)

其中，d'＝d+c*cost，d为两个道路路段之间的最短距离，最短距离由车辆在s_m1，s_m2之间的最短路径获得，c为从道路路段s_m1到道路路段s_m2道路切换次数，cost代表道路切换惩罚，取50m；在实践中，当d'很大的时候，「_m1,m2接近于0，将d'除以参数β，β取100m；

对于n1的情况，假设第n0个定位点匹配到路段S_m0上，从道路路段S_m0到道路路段S_m1的移动方向为Angle_n0，从道路路段S₁移动到道路路段S₂的运动方向为Angle_n1，α为两个移动方向的夹角，即α＝|Angle_n1-Angle_n0|，α∈[0,π]，方向因子为ρ：

ρ＝1+λ(2sigmoid(π-2α)-1) (4)

其中，

p'(s_m1→s_m2)＝T_m1,m2*ρ (5)

其中，p'为最终的转移概率，「_m1,m2为公式(3)求出的转移概率，ρ为公式(4)求出的方向因子；

从公式(4)中得出2sigmoid(π-2α)-1在[-1，1]范围内，当α小于π时是正相关的，当α大于π时是负相关的；参数λ表示移动方向夹角为α的概率，其值被设为第z个车辆位置匹配到路段s_m上的累计概率，如果λ足够大接近于1，则方向信息对转换概率影响较大，反之亦然；

4.4.3)利用维特比回溯算法，根据公式(6)得到一系列概率矢量矩阵，在最后车辆位置的概率矢量矩阵中找到最大的概率并执行回溯算法得到一辆车在一定时间内的运动轨迹；

其中，p(s_m→s_m+1)＝1；

第五步，对第四步的输出结果进行后处理，补齐第四步中输出轨迹中缺失的路段，将后处理的结果作为最终结果输出。

2.根据权利要求1所述的轨迹跟踪方法，其特征在于，所述的补齐缺失路段具体方法为：

扫描第四步中输出的运动轨迹，如果存在匹配的两个连续弧段并不邻接，则通过两弧段之间的最短路径进行补齐。