[发明专利]一种基于滑动平均算法的车辆轨迹优化方法

权利要求书

1.一种基于滑动平均算法的车辆轨迹优化方法，其特征在于，包括如下步骤：

S1：获取车辆经纬度数据data；

S2：运用滑动平均算法对获取的经、纬度数据进行去噪处理，根据需要保留的数据节点特性选择合适的滑动窗口大小m；

S3：整理去噪后的数据，确定合适的阈值；

S4：为了去除冗余信息，用道格拉斯-普克算法进行数据抽稀；

S5：处理后的经纬度数据利用Entity.polyline函数标注在地图上进行绘制轨迹曲线，得到真实的车辆行驶路线。

2.根据权利要求1所述的基于滑动平均算法的车辆轨迹优化方法，

其特征在于，在步骤S1中，所述滑动平均算法的表达式为：

y(s)＝f(s)+x(s) (2)

其中，f′(s)为平滑后的数据，y(s)为经纬度数据，f(s)为轨迹点中的正常数据，x(s)为轨迹点中的异常数据，m为离散化采集的数据个数，N为滑动窗口大小。

3.根据权利要求2所述的基于滑动平均算法的车辆轨迹优化方法，其特征在于，所述N个采样取值看成一个循环队列，每次采样得到一个新数据放入队尾，并扔掉原来队首的一个数据，遵循先进先出原则，把队列中的N个数据进行滑动平均运算，获得新的滤波结果。

4.根据权利要求2所述的基于滑动平均算法的车辆轨迹优化方法，其特征在于，所述滑动窗口大小N，其取值为6～15。

5.根据权利要求1所述的基于滑动平均算法的车辆轨迹优化方法，其特征在于，在步骤S4中，所述道格拉斯-普克算法是将去噪之后的曲线的首末点连成一条直线，求所有中间点与直线的距离，并找出最大距离值max，用max与抽稀阈值value相比较：

若maxvalue，这条曲线上的中间点全部舍去；

若max≥value，则以该点为界，把曲线分为两部分，对这两部分曲线重复上述过程，直至所有的点都被处理完成。

6.根据权利要求1所述的基于滑动平均算法的车辆轨迹优化方法，其特征在于，在步骤S5中，在Cesium上进行轨迹绘制是指在在Cesium地图中标注出车辆的位置，采用了队列的存储结构对得到的数据信息进行存储，按照先进先出的原则对数据进行处理访问，然后在使用Cesium提供的线函数进行轨迹绘制，从而得到车辆轨迹。