[发明专利]一种基于铁路信号与北斗定位的行车轨迹聚类方法

权利要求书

1.一种基于铁路信号与北斗定位的行车轨迹聚类方法，其特征在于，包括：

读取计算机联锁系统传输的铁路控制与联锁信息中有关车列的位置与速度信息，采用卡尔曼滤波算法，实时预测下一时刻的车列位置，并与车载设备传输而来的车列的北斗定位信息进行比较；若相同时刻下，北斗定位信息偏离预测到的车列位置超出指定距离，则将北斗定位信息作为噪声去除；否则，将相应北斗定位信息对应的位置点保存；

基于以上方式，在区段行驶过程中，将积累一定数量的位置点，再通过二分k-means算法对位置点进行优化，获得行车轨迹；

其中，其特征在于，所述采用卡尔曼滤波算法，实时预测下一时刻的车列位置包括：

当前时刻为j-1时刻，下一时刻为j时刻，两个时刻的时间间隔为Δt；记车列在下一时刻的状态向量为由下一时刻车列的位置向量与速度向量合并表示：根据当前时刻的状态向量来预测下一时刻的状态向量表示为：用矩阵表示：

基于当前时刻代表位置范围的协方差矩阵P_j-1来预测下一时刻位置范围的协方差矩阵：

式中，角标T为矩阵转置符号；

协方差矩阵P_j所表示的车列运行位置与速度的状态概率分布集合服从正态分布，其表示为：

式中，Σ为协方差符号，表示下一时刻车列的位置向量，表示下一时刻车列的速度向量，与均为变量；

选择协方差矩阵P_j中概率最大的状态向量作为预测到的下一时刻车列的状态向量，预测到的下一时刻车列的状态向量对应的位置向量即为预测的下一时刻的车列位置。

2.根据权利要求1所述的一种基于铁路信号与北斗定位的行车轨迹聚类方法，其特征在于，北斗定位信息偏离预测到的车列位置超出指定距离包括：北斗定位信息与预测到的车列位置之间的欧氏距离超出阈值。

3.根据权利要求1所述的一种基于铁路信号与北斗定位的行车轨迹聚类方法，其特征在于，所述通过二分k-means算法对车列位置信息进行优化，获得行车轨迹包括：

通过二分k-means算法，对所有位置点构成的集合进行分裂得到两个类簇；从两个类簇选择一个使得误差项平方和最小的类簇再次进行分类，重复操作k-1次，得到k个类簇；

其中，误差项平方和计算公式如下：

式中，c_i表示第i个类簇的中心。

4.根据权利要求1或3所述的一种基于铁路信号与北斗定位的行车轨迹聚类方法，其特征在于，二分k-means算法中的k值依据区段的长度来设定。

5.根据权利要求1所述的一种基于铁路信号与北斗定位的行车轨迹聚类方法，其特征在于，所述车载设备预先加装有北斗定位芯片和相应的通信芯片。