[发明专利]基于GPS数据异常检测和修复方法

说明书

本发明应用于GPS数据的异常检测和修复，对不同类型的异常提出了相应的解决方法通过修复异常提高GPS数据质量。不同的车载定位设备都可以看作是GPS数据的采集源，不仅数据的种类较多，产生的数据量也是非常的庞大，由于地理环境和恶劣气候的影响，原始数据中都会存在大量的异常数据，为了帮助研究人员更好的利用已有的数据，本发明设计了一个基于GPS数据异常检测和修复方法的框架，框架中采用了最大乱序排序算法、近邻数据填充算法、范围约束和滑动窗口的最大似然估计对不同类型异常实现修复，并通过分析数据的方向属性判断轨迹的路径进一步提高数据的修复精度。

一、技术领域

本发明应用于GPS异常检测和修复领域，通过异常分析实现在可扩展移动对象数据库SECONDO中以对应的算法修复不同种类的异常，提高数据质量。

二、背景技术

随着科学技术的快速发展，用于采集数据的移动终端设备普及，产生了大量的GPS时空数据。这些海量的数据并不都是具有研究价值的，数据中都会存在着或多或少的噪声。能够快速的获取这些数据中高质量的数据应用于实现城市的交通预测、道路规划、轨迹分析已经成为了急需解决的问题。

轨迹数据的复杂导致了数据中存在的异常类型较多，难以用一种方法实现对异常的全面检测和修复，使得全面修复GPS数据中的异常提高数据质量成为了算法的难点。高质量的GPS数据不仅是交通管理和无人驾驶技术发展的基础，对于工业的发展也具有非常重要的作用。例如，利用采集的GPS数据来自动化的计算耕地车的土地计算面积，数据质量的优劣对于面积的计算起到决定性的作用。低质量的数据将导致耕地面积计算不正确，造成公司和车手的经济损失。

三、发明内容

【发明目的】

为了全面的检测和修复GPS数据中的异常，提高GPS数据质量为科学研究提供良好的数据基础，并将修复后的数据转化为移动对象数据方便用户分析行车的运动轨迹。

【技术方案】

本发明实现了一个用于全面检测和修复GPS数据异常的方法，该方法可以修复GPS数据中存在的一些异常数据从而提高数据质量。由于GPS数据中的异常种类较多需要处理不同类型的异常数据，因此方法中采用了不同的异常检测和修复算法。对修复之后的高质量数据通过可扩展的移动对象数据库SECONDO将点数据类型Point转化为移动对象数据类型MPoint便于分析行车的历史轨迹。

主要步骤如下：

(1)数据预处理：

首先判断原始GPS数据是否有序，将无序的数据按照时间顺序排序。GPS的无序情况是由信号延迟所导致的，因此数据的错乱是有一定的限制，在此约束的条件下，为了提高算法的运行效率，对数据的排序中设计了基于堆排序的最大延迟算法，并对排序之后的数据进行重复数据的检测和去除工作。

(2)数据填充：

对于预处理之后的数据，需要检测数据中的缺失数据和无效数据并对其进行填充。无效数据是由于设备定位问题所产生的一些不符合轨迹运动规律的数据，对于GPS修复本身来说没有参考价值，反而会影响正确数据的分析，因此我们将无效数据归类为缺失数据进行检测和修复，填充数据设计了基于近邻正确数据的均匀填充方法，利用缺失数据前后正确数据的变化情况分析此时数据应该所处的状态，采用匀加速的方法填充缺失数据更符合行车的规律。

(3)数据修复：

对于漂移类型的异常检测和修复，本发明设计了两种不同的方法来检测和修复漂移数据。对于偏离轨迹较大的数据设计了范围约束的方法进行检测和修复，对于满足约束内的异常设计了基于滑动窗口的最大似然估计方法去检测和修复较小的漂移异常，使用对应的方法进行数据修复减小了对原始数据的修改保证了原始数据的完整性，在精确的数据修复上面，我们通过对行车方向的分析更加精确的修复了数据中较小的漂移异常。

(4)数据转换及可视化：