1引言
1.1 车辆跟踪技术发展现状
我国车辆跟踪系统的开发和应用是从上世纪90年代开始的，90年代初相关技术方面还不成熟，从1999年开始GPS的车辆定位相关技术也有了提高和发展，GPS车辆定位跟踪系统市场出现了快速增长势头。国家信息产业部为推动我国卫星定位系统的应用和发展，成立了卫星定位系统应用标准工作组，以便创造一个有利于提供产品质量水平和技术的政策环境和经营环境[1]。
全球定位系统（Global Positioning System,GPS）是美国从20世纪70年代开始研制，并已于1994年全面建成使用，可以实现在海、陆、空开展全方位实时三维导航与定位的全新一代卫星导航与定位系统[2]。相比于其他车辆定位方式GPS导航定位，具有精读高、全天候、高效率、操作简便、成本较低等特点，在导航、制导、测量等方面得到了广泛应用。目前在公交车辆跟踪技术方面，GPS是使用最广泛的技术。
1.2 技术背景
发展智能公共交通系统是从根本上解决城市交通问题最有效的途径，公交车辆的定位与跟踪是智能公交系统中的核心技术，也是实时公交信息的获得和发布、公交系统的运营和管理、以及公交线路规划等的基础和前提。全球定位系统用于公交车辆定位时，由于公交车辆大多数运行在城市复杂路段，道路周边建筑较多，桥梁、隧道、建筑物会妨碍GPS卫星定位系统的通信，因此通过单一的GPS数据信息不能满足车辆精准定位的需求。
笔者公司最近参与的上海快速公交综合系统的建设，在调度和综合监控系统中都对现有的车辆的精准定位提出了更高的要求，公司在从事道路交通方面积累了多年经验，拥有地磁和RFID（Radio Frequency Identification）成套的车辆位置精确检测技术，还有根据视频检测设备获取车辆位置技术。在中运量快速公交工程中，结合了快速公交运行特点采集到多种数据源GPS、RFID、视频检测器，提出了一种基于多种数据源的中运量公交车辆轨迹数据融合技术，进行数据融合处理后能够修正GPS定位信息偏差，提高车辆在道路关键位置的定位精度。
2多源数据融合技术
2.1 数据源介绍
（1）车载GPS定位：利用GPS车载定位与导航技术可以更具公交路线安排，结合车辆发回的各种信息（如交通阻塞、机车故障等），适时将调度命令发送给司机，及时调整车辆运行情况。该技术还可以应用于车辆、路线和道路等有关数据的查询功能，便于实现有效管理。
（2）RFID定位：车载射频卡安装在公交车辆上，用于存储运营车辆的ID信息，它是由天线、微处理器和存储器组成。近端信息采集传输设备主要由RFID无线射频读卡器装置、前置通信模块、室外设备机箱等部分组成。
（3）视频检测器：可以大范围的对公交车辆进行检测和识别。视频检测的基本原理是对摄像机得到的图像进行计算机处理，进而对视频中的运动物体进行检测。视频车辆检测器主要由外场摄像机、数据传输设备和视频处理器组成。外场摄像机将道路上的交通视频图像拍摄下来，经数据传输设备传给视频处理器。视频处理器通过相应的算法检测得到车辆的速度和数量。
2.2 特点及数据结构
1、GPS：
优点：采集点密集，当车载供电时，每5秒即会获得一条数据
缺点：存在定位偏移现象（特别是在有遮挡物的地方，如高架、隧道下面）
基本数据结构：
表1 GPS数据结构
数据 类型 含义
LOCATIONTIME DATE 定位时间
TERMINALID VARCHAR2(40) 设备编号（车辆编号）
LINEID VARCHAR2(10) 所属线路
LONGITUDE NUMBER(11,7) 经度
LATITUDE NUMBER(11,7) 纬度
SPEED NUMBER(10) 车速
ANGLE NUMBER(10) 方向角
样例数据：
图1 GPS样例数据
2、RFID
优点：定位精度相对GPS较高
缺点：成本高，因此定位点相对稀疏，密集度偏低；布设位置及角度要求较高
基本数据结构：
表2 RFID数据结构
数据 类型 含义
PID VARCHAR2(20) 设备编号
PLATENUMBER VARCHAR2(35) 车牌号
SECTIONTIME TIMESTAMP(6) 断面时间
SPEED NUMBER(12,2) 车速
VEHICLELENGTH FLOAT 车长
LONGITUDE NUMBER(11,7) 经度
LATITUDE NUMBER(11,7) 纬度
样例数据：
图2 RFID样例数据
3、视频检测器
优点：定位精度较高
缺点：成本高，因此定位点相对稀疏，密集度偏低；容受到环境因素的影响（如光线、烟尘等）
基本数据结构：
表3 视频检测器数据结构
数据 类型 含义
DEVICE_ID VARCHAR2(20) 设备编号
PLATENUMBER VARCHAR2(35) 车牌号
SECTIONTIME TIMESTAMP(6) 断面时间
SPEED NUMBER(12,2) 车速
LONGITUDE NUMBER(11,7) 经度
LATITUDE NUMBER(11,7) 纬度
EQUIPMENTSTATUS NUMBER(2) 设备状态
样例数据：
图3 视频检测器样例数据
2.3 公交车辆行驶轨迹跟踪方法
要想从上述信息中及时、准确地跟踪到公交车辆的行驶轨迹，需要对上述信息进行数据质量判别、修正以及融合。
由于当公交车辆处于非营运状态时，用户对车辆的实时跟踪需求不高，因此本方法主要是针对营运车辆的精确、高效地跟踪，当车辆处于非营运的时候本方法就直接将采集到的数据作为跟踪数据，不做进一步处理。
1、方法流程图：
图4 数据融合方法流程图
2、流程图说明：
线路：公交车沿着道路开行的有序路段集合叫做公交线路；
子线路：子线路是从公交起点站到终点站的固定有向路段集合所组成的线路，一条公交线路一般由两个开行方向（上下行/里外圈）的子线路构成。
算法前置条件：需要从调度系统中获取车辆的实时营运信息，信息包括：
车辆营运状态：营运状态、非营运状态（维修、保养、加油、充电、班车）；
营运状态下车辆的开行方向：上行（里圈）、下行（外圈）
上下行线路点位集合{SL}：
沿着子线路的方向，在子线路上按顺序采集的定位点坐标数据的集合，如下所示：
{SLup}={(x1,y1) , (x2,y2) ,…, (xn,yn)}
{SLdown}={(x1’,y1’) , (x2’,y2’) ,…, (xn’,yn’)}
该集合信息为事先采集，采集点越密则本方法的输出结果精度越高，建议点间距不大于2米。
速度时空分布信息表{ Vts }：
该表存储历史上不同日期，不同时间，不同点位的车速信息，数据结构如下所示：
Vts={ (d1,t1,x1,y1,v1), (d2,t2,x2,y2,v2), …,( dn,tn,xn,yn,vn) }
3、流程步骤描述：
GPS：
步骤1_GPS：以1秒为周期，判断本周期有没有GPS定位数据，如果没有则等待下一秒后再从本步骤开始，如果有则至步骤2_GPS；
步骤2_GPS：获取t时刻的GPS数据Gt(xt,yt)；
步骤3_GPS：根据实时营运状态数据判断当前车辆是否处于营运状态，如果否，则直接将Gt(xt,yt)作为最终的融合结果Ft(xft,yft)，等待下一秒后再从步骤1_GPS开始，如果是，则至步骤4_GPS；
步骤4_GPS：根据营运状态下车辆的开行方向信息判断当前车辆是往哪个方向开行，然后进入步骤5_GPS；；
步骤5_GPS：如果当前车辆的开行方向是上行，则从上下行线路点位集合SL中取出线路上行点位集合{SLup}，然后进入步骤6_GPS；如果是下行，则从上下行线路点位集合SL中取出线路上行点位集合{SLdown}，然后进入步骤6_GPS；
步骤6_GPS：从{SLup}或{SLdown}中选取距离Gt(xt,yt)最近的点Glt(xlt,ylt)，将该点作为对GPS数据修正后的点位信息，然后至步骤7_GPS；
步骤7_GPS：尝试获取最近一次的融合定位值Ft-s(xft-s,yft-s)，如果未取到，则将Glt(xlt,ylt)作为本周期的融合数据Ft(xft,yft)，然后等待下一秒后再从步骤1_GPS开始，如果取到了数据，则至步骤8_GPS；
步骤8_GPS：根据Glt(xlt,ylt)和Ft-1(xft-1,yft-1)，计算上一次定位时刻至现在的行程车速Vgt，然后至步骤9_GPS，计算公式：
上述公式中：
是沿着子线路的方向，在{SL}中下游最接近的点；
是指沿子线路开行方向从至的距离；
是指沿子线路开行方向从至的距离；
是指沿着子线路的方向，在{SL}中上游最接近的点；
是指当前时刻与上一次定位时刻间的时长；
步骤9_GPS：以Glt(xlt,ylt)点位中心，取沿线上游的点位集合{SLn1}，取沿线下游的点位集合{SLn2}，然后从速度矩阵表中查找点位落在{SLn1}和{SLn2}中，且速度落在［Vgt-5km/h, Vgt+5km/h］区间内的样本个数Ng，然后至步骤10；
RFID：
步骤1_RFID：以1秒为周期，判断本周期有没有RFID定位数据，如果没有则等待下一秒后再从本步骤开始，如果有则至步骤2_RFID；
步骤2_RFID：获取t时刻的RFID数据Rt(xt,yt)；
步骤3_RFID：根据实时营运状态数据判断当前车辆是否处于营运状态，如果否，则直接将Rt(xt,yt)作为最终的融合结果Ft(xft,yft)，等待下一秒后再从步骤1_RFID开始，如果是，则至步骤4_RFID；
步骤4_RFID：根据营运状态下车辆的开行方向信息判断当前车辆是往哪个方向开行，然后至步骤5_RFID；
步骤5_RFID：如果当前RFID数据对应的方向与从调度系统中该车辆的开行方向不一致，则等待下一秒后再从步骤1_RFID开始，若一致则至步骤6_RFID；
步骤6_RFID：尝试获取最近一次的融合定位值Ft-s(xft-s,yft-s)，如果未取到，则将Rt(xt,yt)作为本周期的融合数据Ft(xft,yft)，然后等待下一秒后再从步骤1_RFID开始，如果取到了数据，则至步骤7_RFID；
步骤7_RFID：根据Rt(xt,yt)和Ft-1(xft-1,yft-1)，计算上一次定位时刻至现在的行程车速Vrt，然后至步骤8_RFID，计算公式：
上述公式中：
是沿着子线路的方向，在{SL}中下游最接近的点；
是指沿子线路开行方向从至的距离；
是指沿子线路开行方向从至的距离；
是指沿着子线路的方向，在{SL}中上游最接近的点；
是指当前时刻与上一次定位时刻间的时长；
步骤8_RFID：以Rt(xt,yt)点位中心，取沿线上游的点位集合{SLn1}，取沿线下游的点位集合{SLn2}，然后从速度矩阵表中查找点位落在{SLn1}和{SLn2}中，且速度落在［Vrt-5km/h, Vrt+5km/h］区间内的样本个数Nr，然后至步骤10；
视频检测器：
步骤1_VIDEO：以1秒为周期，判断本周期有没有基于视频检测器的定位数据，如果没有则等待下一秒后再从本步骤开始，如果有则至步骤2_VIDEO；
步骤2_VIDEO：获取t时刻的视频检测器数据Vt(xt,yt)；
步骤3_VIDEO：根据实时营运状态数据判断当前车辆是否处于营运状态，如果否，则直接将Vt(xt,yt)作为最终的融合结果Ft(xft,yft)，等待下一秒后再从步骤1_VIDEO开始，如果是，则至步骤4_VIDEO；
步骤4_VIDEO：根据营运状态下车辆的开行方向信息判断当前车辆是往哪个方向开行，然后至步骤5_VIDEO；
步骤5_VIDEO：如果当前视频监测数据对应的方向与从调度系统中该车辆的开行方向不一致，则等待下一秒后再从步骤1_VIDEO开始，若一致则至步骤6_VIDEO；
步骤6_VIDEO：尝试获取最近一次的融合定位值Ft-s(xft-s,yft-s)，如果未取到，则将Vt(xt,yt)作为本周期的融合数据Ft(xft,yft)，然后等待下一秒后再从步骤1_VIDEO开始，如果取到了数据，则至步骤7_VIDEO；
步骤7_VIDEO：根据Vt(xt,yt)和Ft-1(xft-1,yft-1)，计算上一次定位时刻至现在的行程车速Vvt，然后至步骤8_VIDEO，计算公式：
上述公式中：
是沿着子线路的方向，在{SL}中下游最接近的点；
是指沿子线路开行方向从至的距离；
是指沿子线路开行方向从至的距离；
是指沿着子线路的方向，在{SL}中上游最接近的点；
是指当前时刻与上一次定位时刻间的时长；
步骤8_VIDEO：以Vt(xt,yt)点位中心，取沿线上游的点位集合{SLn1}，取沿线下游的点位集合{SLn2}，然后从速度矩阵表中查找点位落在{SLn1}和{SLn2}中，且速度落在［Vvt-5km/h, Vvt+5km/h］区间内的样本个数Nv，然后至步骤10；
共通步骤：
步骤10：基于当前周期由GPS由数据所得到的Vgt、Ng，RFID数据所得到的Vrt、Nr以及由视频检测器数据所得到的Vvt、Nv计算融合后行程车速Vft=(Ng*Vgt+Nr*Vrt+Nv*Vvt)/(Ng+Nr+Nv)，然后至步骤11；
步骤11：基于步骤10得到的Vft，计算时段内的行驶距离Lft=Vft*(t-t+s)=Vft*s，然后至步骤12；
步骤12：根据Ft-1(xft-s,yft-s)和Lft在SL中寻找最合适的融合点Ft(xft,yft)，然后至步骤13；
步骤13：将Vft以及对应的t,Ft(xft,yft)存入速度时空分布矩阵表，然后等待下一秒后再从步骤1_GPS，步骤1_RFID和步骤1_Video开始。
2.4 算法模型验证
根据以上的车辆轨迹跟踪方法，我们对处理结果进行了验证。采用实际公交车的运行数据，配合RFID和视频检测器进行数据融合计算，截取了公交运行线路的一部分，作为示例，结果如下：
下面表格为处理前的GPS位置数据：
表4 公交车GPS定位原始数据
ID LONGITUDE LATITUDE
167 31.033585 121.2422017
168 31.0328067 121.2423084
169 31.0327417 121.242385
170 31.03257 121.2423783
171 31.0317617 121.242425
172 31.0311617 121.2424552
173 31.0311267 121.241615
174 31.0310933 121.240775
175 31.0311133 121.24025
176 31.0311267 121.240225
177 31.0310567 121.239605
178 31.03103 121.2392517
179 31.0309633 121.2385933
为了便于观察结果，将经纬度坐标数据标记在GIS地图中得到下图：
图5 公交车辆GPS定位原始数据撒点图
同样的公交行驶过程数据，经过多源融合算法处理后的GPS位置信息如下：
表5 公交车辆数据融合后数据
ID LONGITUDE LATITUDE
167 31.033585 121.2420547
168 31.0328067 121.2421613
169 31.0327417 121.242235
170 31.03257 121.2422313
171 31.0317617 121.242278
172 31.0311617 121.2423083
173 31.0311267 121.241615
174 31.0310933 121.240775
175 31.0311133 121.24025
176 31.0311267 121.240225
177 31.0310567 121.239605
178 31.03103 121.2392517
179 31.0309633 121.2385933
图6公交车辆数据融合定位撒点图
经过GIS地图撒点信息，我们可以明显看到原始GPS数据在编号为167到172的点上位置有偏差，车辆轨迹明显偏离公交车辆行驶道路，经过数据融合处理后，偏离的GPS点位都被拉回道路，并且和公交实际行驶位置较符合，证明数据融合算法的确能够起到提高攻公交车辆定位的效果。
3公交车辆轨迹跟踪技术在中运量监控系统的应用
3.1 综合展示系统变形图界面应用
综合大屏展示系统主要用于公交监控心实现线路全局监控，它将各个系统最主要的信息集中显示并且投放到LED大屏幕上。页面中调度中间部分是路口及线路变形图模拟，可以显示出车辆位置和数量信息，还有交叉口红路灯实时状态以及沿线监控视频、地磁检测器等设备信息。
通过数据融合后获取到的车辆实时经纬度坐标信息经过对应坐标转换，显示在综合监控系统变形图上，可以看到经过数据融合处理后的车辆定位跟踪会更加准确，车辆位置变化也更加平滑，能够更好地反映出公交车在道路上的位置变化，满足运营人员对公交车精准定位需求。
图7 中运量快速公交综合大屏展示系统图
3.2 GIS地图界面应用
调度系统是公交运营的核心业务，调度人员需要对全线所有车辆的位置信息精确把控，以便发出合理的调度指令，在调度系统的GIS地图中基于多种数据源的公交车辆定位能够更好地反映出车辆实际位置，尤其对公交车辆通过路口、站台时的精确定位有很大提升。
图8 中运量快速公交调度系统GIS地图
4结论与展望
随着公交监控技术的发展，原有的通过GPS单一数据源跟踪车辆位置的方法，因为精度和稳定性原因，已经不能满足车辆跟踪定位需求，本文从公交车辆跟踪技术发展现状出发，结合上海快速公交综合监控系统车辆定位需求，提出了一种基于多源数据融合的车辆定位跟踪技术。通过在交叉路口、站台等重要位置部署RFID、视频检测器等技术，大大提高了公交车在线路营运关键位置的跟踪精度，并且提供了一种基于多源数据融合的车辆跟踪技术思路，希望能对后续快速公交综合监控系统的研究提供经验和借鉴，促进快速公交综合监控系统的蓬勃发展。
参考文献
[1]赵平. 车辆定位跟踪技术在公路运输安全管理中的应用[J]. 水运科学研究所学报, 2003(4).
[2]陈金龙,沈相国.GPS定位系统的研究与产品试制.杭州电子科技大学学报,2006(5):76~80.
作者简介
唐禄：中级工程师，上海电科智能系统股份有限公司
