出租车OD序列聚类的城市功能区识别算法研究

提出一种由添加窗口约束的规整路径距离改进的K中心聚类算法(LDTW-K-medoids),通过构造时间序列、动态时间规整、时间序列聚类、聚类结果解读的流程来识别城市功能区。将算法应用在纽约市城市功能区识别中,对50万条出租车OD数据进行处理,将265个交通小区划分为五大功能区,并结合出租车全局流动模式、建筑物面积指数和富集指数来定量识别功能性质。与谷歌地图和卫星影像对比的结果表明,算法能够有效识别城市功能区,总体精度为83.8%。

城市环境下智能手机车载GNSS/MEMSIMU紧组合定位算法

针对城市环境下卫星信号遮挡严重,智能手机全球导航卫星系统(global navigation satellite system,GNSS)定位难以保证连续性和可靠性的问题,提出了一种基于智能手机内置传感器数据的GNSS/微机械惯性测量单元(micro-electro-mechanical system inertialmeasurem entunit,MEMSIMU)紧组合车载导航算法。算法使用惯性导航系统机械编排进行时间更新,在车辆运动模型约束的基础上,使用伪距、多普勒频移和载波相位时间差分计算的航向角作为观测值进行测量更新。采用3部不同型号的智能手机进行车载试验分析,结果表明:城市场景下紧组合滤波定位算法平面位置精度统计约为5~6m,高程方向约为5m,且在GNSS信号失锁的隧道场景下具有短时间推算功能。该算法受GNSS观测条件的影响较小,大幅提升了城市复杂环境下智能手机车载定位的连续性和可靠性。

一种城市环境下GNSS/MEMSIMU车载实时精密定位方法

针对城市环境下全球导航卫星系统(global navigation satellite system,GNSS)信号严重遮挡和微机械惯性测量单元(micro-electro-mechanical system inertial measurement unit,MEMS IMU)误差快速累积导致GNSS/惯性导航系统(inertial navigation system,INS)组合定位精度下降的问题,提出了一种GNSS载波相位实时动态差分(real time kinematic,RTK)+载波相位时间差分(time-differenced carrier phase,TDCP)/INS实时精密定位方法。在观测条件良好时,采用固定模糊度的RTK与INS紧组合;当信号严重遮挡RTK解算失败但TDCP解算成功时,使用TDCP观测值与INS紧组合;若TDCP解算失败,采用INS推算导航。在武汉大学校园及周边开展车载实验,结果表明,在除了隧道等密闭环境以外的城市道路上,多系统GNSS的TDCP解算成功率接近90%。在RTK解算失败的连续时间小于45 s的复杂环境下,TDCP/INS组合定位的平面和高程均方根误差分别为0.30、0.21 m,最大误差分别为0.69、0.72 m,可以实现分米级的实时定位精度。

不同电离层模型对智能手机实时PPP精度的影响分析

为了提高智能手机的实时定位精度,对广播星历电离层模型和国际GNSS服务(International GNSS Service,IGS)机构实时发布的球谐电离层模型进行比较分析,并将其作为电离层约束应用到智能手机非差非组合实时精密单点定位(precise point positioning,PPP)中。在静态开阔条件下,使用小米Mi 8和华为Mate 40 Pro智能手机开展试验,结果表明,Mi 8手机的平面精度可达到0.53 m,高程精度可达0.43 m;Mate 40 Pro手机的平面精度可达1.05 m,高程精度可达1.60 m。两种电离层模型的精度存在一定的差异,在滤波算法中,通过设置合理的先验噪声,均可有效提高定位精度和缩短滤波收敛的时间,球谐模型的定位精度要优于广播星历电离层模型。