面向車輛監控的LBS地圖可視化技術研究

吳 曉 明,邢 廷 炎,錢 建 平,楊 信 廷*,范 蓓 蕾

(1.中國地質大學(北京)信息工程學院，北京 100083；2.國家農業信息化工程技術研究中心，北京 100097)

面向車輛監控的LBS地圖可視化技術研究

吳 曉 明1,2,邢 廷 炎1,錢 建 平2,楊 信 廷2*,范 蓓 蕾2

(1.中國地質大學(北京)信息工程學院，北京 100083；2.國家農業信息化工程技術研究中心，北京 100097)

為解決LBS技術中組件式地理信息服務在車輛監控應用中研發成本和應用門檻較高的問題，基于第三方地圖服務，研究分別從數據層、中間處理層與用戶交互層出發，實現坐標系統轉換、空間數據篩選與圖形疊加等監控數據地圖可視化關鍵技術，將數據層中不同源空間數據篩選轉換成用戶層中圖形可視化交互信息。研究實現實時位置追蹤與車輛行駛軌跡等基礎功能，驗證了監控數據地圖可視化技術的可行性；并測試空間數據篩選技術的有效性,數據篩選率最高為30%。

LBS；第三方地圖服務；車輛監控；地圖可視化；數據篩選

0 引言

基于位置服務技術(LBS)在車輛定位監控中的應用，可有效避免因車輛位置信息獲取不及時造成的運輸資源浪費，且有利于物流管理者對車輛進行動態可視化監控，提高車輛調度能力[1,2]。

LBS是導航定位、地理信息服務及無線通信等技術相融合的產物，其中導航定位技術為LBS提供數據源，而地理信息服務負責地理信息(包括導航定位數據)的存儲、處理與發布展示，其作為直接 與用戶交互的重要媒介，是車輛監控應用中需重點解決的問題[3-5]。目前研究主要是基于ArcGIS Engine、ArcGIS Silverlight、mapGIS IServer等國內外地理信息服務組件實現車輛監控相關功能[6-8]，該類地理信息服務依賴專業開發組件，研發成本較高。隨著以百度等為代表的第三方地圖服務的發展，基于第三方地圖服務的車輛監控因低成本和高靈活性受到廣泛關注，如王小康等運行于Google Map平臺的智能公交系統[9]，李西平等基于天地圖的移動設備定位系統[10]，以及Dimil等將Coogle Map應用于智能車輛監控[11]。由于第三方地圖服務的相對獨立性以及導航定位設備的數據誤差，第三方地圖應用過程中需要對車輛監控數據進行處理，而以上研究側重總體框架設計與實現，并未提及監控數據處理及地圖整合應用中的具體方法和技術細節。

本研究將以第三方地圖服務為載體，構建基于B/S架構的遠程車輛監控系統框架，從數據層、處理層到交互層，對監控數據進行轉換篩選等處理，解決第三方地圖服務應用中的空間數據可視化關鍵技術問題，為提高車輛動態監控與調度提供技術支持。

1 遠程車輛監控框架設計

遠程車輛監控根據獲取的車輛位置信息，在第三方地圖上提供可視化交互功能，根據實現功能，基于LBS的車輛監控總體框架從核心到外圍，劃分為3個層次，即數據層、處理層和用戶層(圖1)。

圖1 系統技術框架

Fig.1 System technical framework

數據層為用戶提供用于分析、處理及展示的基礎數據，包括地理空間數據和其他基礎信息數據。由于系統中涉及不同源空間數據，地理空間數據可分為兩部分:第三方地圖服務提供的地圖矢量數據及訪問端口；導航定位設備實時接收并存儲的坐標數據。坐標數據可通過GPRS等途徑更新到數據庫中，庫中每條數據記錄除存儲基本的經緯度坐標外，還存儲經緯度坐標的接收時間。

處理層是數據層與用戶層間的空間數據交換通道，將數據層中的數據信息轉化成用戶層中的圖形信息，主要包括空間數據交換、異源數據疊加以及數據處理模塊。其中，數據處理模塊具有坐標系轉換、數據篩選等功能。針對基礎信息數據而言，用戶層與數據層可實現數據的直接交換。

用戶層是直接與用戶進行交互的媒介，主要為用戶提供車輛實時跟蹤、歷史軌跡等核心交互功能以及其他相關信息的可視化查詢展示。實時跟蹤功能將車輛位置即時更新在第三方地圖上；歷史軌跡則提供車輛行駛路線的回溯與重演；信息查詢通過多種方式獲取車輛及其他相關屬性信息。

第三方地圖服務與導航定位設備提供的坐標數據基于不同的坐標系統，且導航定位數據存在冗余與異常坐標等問題，數據層中導航定位數據通過處理層加工后，才能滿足用戶層的可視化要求。因此，每當用戶層提取空間數據時，坐標轉換、數據篩選等操作都要重復執行，且通常每次操作結果無明顯差異。為提高效率，導航監控數據存儲在3個子數據庫中，分別用于存儲原始數據、坐標轉換數據及篩選數據，原始數據是導航定位設備傳送過來的未經任何處理的經緯度坐標；轉換數據指轉換到第三方地圖坐標系統下的位置數據；而篩選數據指剔除重復點與異常點后的正常數據。用戶層可根據需要從不同子數據庫中提取數據。

2 監控數據地圖可視化關鍵技術

基于LBS的車輛監控技術的核心在于監控數據在第三方地圖服務中的交互可視化，可視化處理過程不僅要解決不同源空間數據的坐標轉換問題，還要解決監控數據在第三方地圖底圖上疊加的預處理問題。本研究以第三方地圖為參考標準，從數據層到用戶層，依次對導航監控數據進行坐標系統轉換、空間數據篩選、圖形疊加顯示等操作。以下將以百度地圖與GPS設備為例，對關鍵技術實現細節進行說明。

2.1 坐標系統轉換

GPS設備坐標通常基于WGS84空間坐標系統定義，而第三方地圖服務出于安全考慮，普遍采用加密坐標系統，如高德地圖采用GCJ02坐標系統，百度地圖采用自定義的BD09坐標系統，因此，如直接將GPS設備坐標與第三方地圖疊加顯示，坐標系統的不一致性會導致GPS坐標在地圖上顯示產生位置偏移現象。為解決異源空間數據坐標系統不一致問題，研究以第三方地圖坐標系統為參照標準，通過自定義糾偏函數對所有GPS設備監控數據進行糾偏操作，以百度地圖為例，就涉及WGS84與GCJ02坐標系統，GCJ02與百度BD09坐標系統間的轉換操作。

針對WGS84坐標系→GCJ02球面坐標系→百度地圖坐標系統轉換過程，百度地圖服務提供了相對應的糾偏函數,但頻繁訪問該函數會加重網絡負載。研究擬利用百度糾偏函數，通過圖形變換原理建立系統自定義糾偏函數，以降低網絡負載。在精度要求不高的情況下，小范圍內可忽略地球曲率的影響，百度坐標系統與WGS84坐標系統中的點可通過仿射變換(即平移、縮放與旋轉)進行一一映射。建立的仿射變換模型如下:

(1)

其中：(X,Y)為目標坐標系統下的經緯度坐標；(x,y)為原始坐標系統下的經緯度坐標；(a0,b0)為兩坐標系統間相對原點的平移距離；(m1,m2)分別為橫向與縱向的縮放因子；α為兩坐標系統間的旋轉參數。

自定義糾偏函數應用中首先劃定固定大小的地理范圍，并從范圍內選取一系列特征點，然后利用百度糾偏函數分別獲取特征點在WGS84與百度地圖坐標系統下的經緯度坐標，再通過以上仿射變換模型，求算模型參數。將模型參數代入變換模型，即該范圍內自定義糾偏函數;構建糾偏函數后，所有GPS設備接收的經緯度坐標都通過自定義糾偏函數轉換到百度地圖坐標系統中。當經緯度坐標超出劃定的地理范圍時，重新計算仿射變換參數，以構建新的自定義糾偏函數，從而避免頻繁訪問百度提供的糾偏函數接口，以提高響應速度。

2.2 空間數據篩選

導航監控數據是車載GPS設備實時接收并存儲的海量經緯度坐標點，坐標點經過處理層解析可轉化成車輛位置、歷史運行軌跡等圖形可視化信息。由于監控數據未經任何處理直接導入平臺數據庫中，其中不僅存在空數據，而且存在大量的冗余和異常坐標點。用戶層提取數據使用前，首先將空數據剔除，再對冗余和異常數據進行篩選處理，能夠有效縮短車輛位置或歷史軌跡在第三方地圖上的加載時間。 本研究以距離和角度為判斷標準，對原始監控數據進行篩選處理，處理結果存儲到篩選數據庫中，具體步驟如下：

(1)車輛導航監控設備通常會以固定的時間間隔，實時接收GPS經緯度坐標，并通過GPRS等手段上傳到數據層空間數據庫中。當連續接收到的多個經緯度坐標點相同或點間距較小時，車輛可能長期處于靜止或行駛緩慢狀態，此時只需獲取代表性坐標點就能完整表達空間信息，從而剔除掉大量冗余點。實際操作中考慮兩種情況：當多個坐標點相同時，只取其中一點即可；當多個坐標點間距較小時，可取多個點的坐標平均值。點間距較小坐標點的判定及坐標平均值的計算方法如下：①從任意點開始取點，作為當前點。②按順序取相鄰點，計算與當前點的距離d。③如d不超過規定閾值，則取兩點的中間位置點Z，并將其作為當前點，轉到②；如超過閾值，則轉到①，開始新一輪迭代。

(2)在重疊度較高的冗余坐標點基本被剔除后，下一步要通過角度對異常點進行篩選操作。順序選取3個連續坐標點，計算將三點連接所形成角的大小。當三點構成角小于一定角度時，則說明三點中的中間點存在異常，可將該點剔除。具體如圖2所示：連接A、B與C三點可構成角α，由于α角度過小，而實際車輛行駛過程中不可能存在較小轉彎半徑，則B點可視為異常點予以剔除。

圖2 異常點剔除

Fig.2 Abnormal point elimination

(3)經過以上步驟后，冗余點與異常點都被剔除掉，剩余點完全可以滿足用戶層的圖形可視化需求。但是，針對車輛歷史軌跡回放功能，僅保留車輛軌跡特征點就能將車輛行駛路線表達出來，同時加載所有剩余坐標點并連接成線反而會降低效率。因此該步驟要篩選出能表達車輛行駛軌跡的特征坐標點。操作過程同樣是順序選取3個連續坐標點，計算三點連接所構成角的大小。如圖3所示，坐標點A、B與C順序連接構成角α，當α角度過大時，坐標點A與C直接連接所形成的線段與三點構成的線段幾乎重合，因此，可將三點所構成折線視為直線，連接A與C點近似表達該段行駛軌跡，軌跡回放時使用特征點A與C。

圖3 特征點提取

Fig.3 Feature point extraction

以上步驟(2)與(3)中都是以角度為標準對坐標點進行篩選，因此涉及角度計算問題，公式如下:

a=cos-1[(lAB2+lBC2-lAC2)/(2*lAB*lBC)]

(2)

式中:lAB、lBC與lAC分別為線段AB、BC與AC的長度。

2.3 圖形疊加處理

圖形疊加處理是將導航監控數據解析成點、線等圖形，按照用戶需求疊加顯示在第三方地圖上，為用戶提供可視化的交互環境。監控數據經過坐標系變換與篩選處理后，其坐標系統不僅與第三方地圖坐標系統完全匹配，且坐標點數量也能保證車輛導航位置信息的清晰表達。

當描述車輛所處地理位置時，監控數據以點的形式覆蓋在第三方地圖上；當描述車輛行駛路徑時，則需將多個坐標點數據順序連接，以折線的形式表示車輛的行駛軌跡。為實現圖形疊加，點、線等數據需要加載到第三方地圖支持的圖層，再將該圖層疊加到地圖底圖圖層上。例如,百度地圖是通過創建Marker與Polyline圖層實現圖形的疊加。

通常情況下，由于沒有信號或信號不穩定等原因，數據層導航監控數據會出現長時間接收到空數據或異常數據的現象。經篩選處理后，空數據與異常數據被剔除掉，但順序連接篩選后坐標點表示車輛行駛軌跡時，可能出現較長距離內特征坐標點缺失的現象，從而產生與實際行駛路線不相符的異常軌跡(圖4)。圖4中,如果監控數據正常接收，順序連接坐標點應與車輛實際行駛軌跡相重合，即A-E-F-B相連接所構成的線段應覆蓋于第三方地圖中的對應道路上，而篩選處理后的監控數據僅剩下坐標點C與D(兩點間的空數據與異常數據被剔除掉)，連接后與實際行駛軌跡有誤差，因此，需要結合第三方地圖將異常路徑擬合到實際軌跡上。

圖4 異常軌跡

Fig.4 Abnormal routes

針對以上問題，研究將其分為以下兩種情況考慮：1)從坐標點C到D連續通過多個道路網絡節點，車輛行駛軌跡存在多種可能性。2)坐標點C與D中間不存在道路網絡節點，車輛行駛軌跡具有唯一性。車輛在實際行駛過程中，一般會選擇最優路徑(路程、時間最短),因此，無論符合以上何種情況，研究都以坐標點C與D作為起點與終點，基于第三方地圖中矢量道路網絡規劃最優路徑。

在異常軌跡擬合過程中，主要涉及兩個關鍵問題，本文將以百度地圖為例，給出問題的解決方法。

(1)搜索連接后可能形成異常路徑的相鄰坐標點：正常情況下，監控數據是按照固定的時間間隔接收的，因此，當順序取兩坐標點時，兩坐標點接收時間大于一定間隔，且相鄰兩坐標點距離大于一定閾值，則判定該兩點連接后會形成異常路徑。

(2)矢量路網提取與最短路徑規劃：百度地圖服務提供詳細的矢量路網拓撲數據以及數據訪問端口。通過函數 DrivingRoute.setSearchCompleteCallback()可返回任意兩點間的最優路徑;在獲取最優路徑后，DrivingRoute.getResults().getRoute().getPath()函數可用于提取構成該路徑的多條折線段，再將提取折線段與其他正常路徑連接即擬合成車輛的行駛軌跡。

3 遠程車輛監控實現

以上從坐標系統轉換、異常冗余點篩選、異常路徑處理方面詳細說明了基于LBS的車輛監控數據地圖可視化關鍵技術，重點解決了第三方地圖服務在車輛監控應用中的基礎性技術問題。研究以百度地圖為載體，設計B/S架構的遠程車輛監控平臺，并利用以上關鍵技術，實現車輛實時位置和運行軌跡等核心基礎功能，如圖5與圖6所示。

圖5 實時位置跟蹤

Fig.5 Real time location

圖5是將所有監控車輛疊加顯示在百度地圖上，車輛位置由經過坐標系統轉換的經緯度坐標決定，由于監控數據以固定時間間隔傳送到數據層，車輛位置也隨數據層數據更新而發生變化。圖6顯示的曲線即表示車輛在某段時間的行駛軌跡。曲線實際是由一系列經過坐標轉換、異常點篩選后的坐標點連接而成，圖中汽車圖標表示行駛終點，球表示行駛起點。

圖6 運行軌跡回放

Fig.6 Driving route playback

為測試空間數據篩選技術對車輛監控數據的影響，以圖6中軌跡為例進行說明。圖6中車輛約行駛25 min，將整條軌跡按時間平均分為五部分，對每時間段的原始監控點數量、冗余點剔除及特征點提取處理后的點數量進行比較分析。如表1所示，T1-T5分別表示車輛從起點行駛到終點的5個時間段，N1為原始監控坐標點數量，N2為剔除重復度較高冗余點后的點數量，N3為剔除異常點后的點數量，N4為特征點提取后剩余的點數量。由表1分析，空間數據篩選處理后，篩選率最高為30%，最低為9%，具體由車輛行駛速度、道路狀況及GPS數據質量決定。時間段T1與T5中，剔除冗余點數量最多，主要是由于車輛在起點及終點處行駛速度較慢造成的；時間段T1中出現異常點可能是由于經過立交橋時GPS信號較弱的原因；而時間段T1與T2時，行駛道路較為平直，保留部分特征點即能表達車輛行駛軌跡。

表1 數據篩選前后數據量比較Table 1 The geo-data quantity comparison before and after data filtering

圖7是車輛異常軌跡的擬合驗證效果，左圖為未進行處理的原始行駛軌跡，右圖為處理后的行駛軌跡。從圖中可以看到，剔除異常數據與空數據后，車輛軌跡存在大量的斷點，而采用異常軌跡擬合方法后，除了方框標注處未能較好擬合外，其他斷點都得到妥善處理。

圖7 異常路徑處理對比

Fig.7 Abnormal route before and after the processing

4 結論

基于LBS技術的車輛監控有利于對車輛進行動態可視化監控，提高車輛調度能力，但作為LBS技術關鍵要素的傳統組件式地理信息服務，研發成本與應用門檻都較高，因此，本研究基于第三方地圖服務，構建遠程車輛監控框架，從數據層到用戶層，重點解決監控數據在第三方地圖應用中的地圖可視化關鍵技術問題，在此基礎上，實現實時位置追蹤和歷史行駛軌跡等車輛監控基礎功能，較好驗證了坐標系統轉換、空間數據篩選與圖形疊加處理等關鍵技術的可行性和有效性。

[1] 趙燕,杜文廣,楊勇.基于云計算的移動公路運輸監管系統[J].重慶交通大學學報(自然科學版),2014,33(5):120-123.

[2] HUANG Z C,HUANG D F,XU Z,et al.GPS vehicle positioning monitoring system integrated with CORS and mobile GIS[J].Procedia Environmental Sciences,2011,10:2498-2504.

[3] 李霖,王偉,譚永濱,等.導航與LBS關鍵技術標準化研究進展[J].測繪通報,2014(5):95-98,126．

[4] 許玉斌,陳秀萬,黃嵐嵐,等.面向多應用系統的位置公共服務(LBCS)模式研究與平臺設計[J].地理與地理信息科學,2012,28(3):40-43,48.

[5] 吳飛.基于MongoDB的LBS數據管理系統關鍵技術研究[J].測繪通報,2014(7):121-124.

[6] 吳建華．基于ArcGIS Engine的車輛監控GIS系統開發[J].地球信息科學學報， 2011,13(1):88-94．

[7] 何超,彭慧,尚文利,等.利用ArcGIS Silverlight實現的車輛監控技術[J].自動化儀表,2013,34(7):54-57.

[8] 李鵬．基于Flex的物流車輛主動式監控系統的設計與實現[J].測繪通報， 2012(5):97-99．

[9] 王小康，李景文.基于物聯網與WebGIS的智能公交系統[J].測繪與空間地理信息，2015,38(3):69-70,74.

[10] 李西平,孫秋偉,張宏釗,等.基于Web GIS和LBS的移動設備定位追蹤系統研究與實現[J].制造業自動化,2012,34(5):19-20,33.

[11] DIMIL J,SANATH P,SRIDHAR V G.Intelligent vehicle monitoring using global positioning system and cloud computing[J].Procedia Computer Science,2015,50:440-446.

Research on Vehicle Monitoring Oriented Map Visualization in LBS

WU Xiao-ming1,2,XING Ting-yan1,QIAN Jian-ping2,YANG Xin-ting2,FAN Bei-lei2

(1.School of Information Engineering,China University of Geosciences,Beijing 100083;2.National Engineering Research Center for Information Technology in Agriculture,Beijing 100097,China)

To lower the higher development cost and application threshold of component map service in LBS applied to vehicle monitoring,from data layer,middle process layer and user layer respectively,the key map visualization technology of coordinate system conversion,geo-data filtering and vector overlay was realized successively using the third-party map service.The heterogeneous geo-data in data layer was filtered and converted to the visualized interactive graph through the overall process above.The fundamental functions of real-time location and driving route replay was finished to verify the feasibility of monitoring data map visualization.Then the significance of the geo-data filtering was tested.The result shows that the filtering rate is up to 30%.

LBS;third-party map service;vehicle monitoring;map visualization;data filtering

2015-08-28；

2015-11-27

國家科技支撐計劃課題(2013BAD19B04)

吳曉明(1983-)，男，博士研究生，工程師，主要從事農產品物流研究。*通迅作者E-mail：yangxt@nercita.org.cn

10.3969/j.issn.1672-0504.2016.01.019

P208

A

1672-0504(2016)01-0100-05