CN114706112A - 检测车辆定位的方法、装置、电子设备及介质 - Google Patents
检测车辆定位的方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN114706112A CN114706112A CN202210210849.6A CN202210210849A CN114706112A CN 114706112 A CN114706112 A CN 114706112A CN 202210210849 A CN202210210849 A CN 202210210849A CN 114706112 A CN114706112 A CN 114706112A
- Authority
- CN
- China
- Prior art keywords
- vehicle terminal
- vehicle
- sample
- detected
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012417 linear regression Methods 0.000 claims description 60
- 230000002159 abnormal effect Effects 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 14
- 230000002547 anomalous effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000004807 localization Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本申请公开了一种检测车辆定位的方法、装置、电子设备及介质。通过应用本申请的技术方案,可以在获取到车辆终端上传的定位参数之后,根据该定位参数计算出其实际的GeoHash值与根据预存模型得到的预测GeoHash值的离差平方和值。以使后续根据该离差平方和值与预设条件的对比来综合确定该车辆终端上传的定位参数是否准确。从而解决了相关技术中存在的,车辆终端可能出现故障或车主上传造假数据所导致的存在上报车辆定位数据不准确的问题。
Description
技术领域
本申请中涉及数据处理技术,尤其是一种检测车辆定位的方法、装置、电子设备及介质。
背景技术
相关技术中,车辆定位导航***对于车辆的定位最常见的即为利用全球定位***(Global Positioning System,GPS)实现。也即在行驶的车辆中安装GPS终端,并开通GPS服务,即可实现对行驶车辆的定位与导航。
其中,业务平台存在一种场景,即需要实时接收车辆终端上传的定位数据以实现对其进行安全以及业务监管的目的。以卡车为例,根据政策要求,12吨以上重型卡车需要安装符合部标协议标准的车辆终端,以实现将车辆相关状态数据上报到国家公共货运监管平台,进而实现***。
然而,由于车辆终端可能出现故障或恶意车主通过非法手段上报造假数据等原因,导致存在造成上报的车辆定位数据不准确,从而出现安全隐患。
发明内容
本申请实施例提供一种检测车辆定位的方法、装置、电子设备及介质。用以解决相关技术中存在的,车辆终端可能出现故障或车主上传造假数据所导致的存在上报车辆定位数据不准确的问题。
其中,根据本申请实施例的一个方面,提供的一种检测车辆定位的方法,包括:
获取待检测车辆终端上传的定位参数,所述定位参数中包括所述待检测车辆所对应的卫星数据以及方位数据;
基于所述卫星数据以及所述方位数据,生成所述待检测车辆对应的实际GeoHash值;以及,将所述卫星数据以及所述方位数据输入至预训练完成的线性回归模型,得到所述待检测车辆对应的预测GeoHash值;
计算所述实际GeoHash值与所述预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件的待检测车辆终端作为定位异常车辆终端。
可选地,在基于本申请上述方法的另一个实施例中,所述卫星数据包括与所述待检测车辆所关联的卫星设备的卫星类型以及卫星编号:以及,所述方位数据包括所述待检测车辆终端与所述卫星设备之间的仰角数据以及方位角数据。
可选地,在基于本申请上述方法的另一个实施例中,在所述获取待检测车辆终端上传的定位参数之前,还包括:
获取多个样本车辆终端上传的样本定位参数,所述样本定位参数中包括所述样本车辆所对应的样本卫星数据、样本方位数据以及上传时间;
将所述多个样本车辆终端中,具备相同样本卫星数据以及相近上传时间的样本车辆终端划分为同一样本车辆终端集合;
基于所述多个样本车辆终端集合,得到所述预训练完成的线性回归模型。
可选地,在基于本申请上述方法的另一个实施例中,所述基于所述多个样本车辆终端集合,得到所述预训练完成的线性回归模型,包括:
以预设经纬度为边长的GeoHash值为预测值,以每个所述样本车辆终端集合所对应的样本卫星数据以及样本方位数据为参数值,进行线性回归建模,得到多个线性回归模型,其中每个线性回归模型对应于同一样本卫星数据以及相近上传时间的样本车辆终端集合;
对所述每个线性回归建模进行训练,直至得到每个线性回归建模对应的回归系数值后,确定得到所述预训练完成的线性回归模型。
可选地,在基于本申请上述方法的另一个实施例中,所述计算所述实际GeoHash值与所述预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件的待检测车辆终端作为定位异常车辆终端,包括:
计算每个所述待检测车辆终端的实际GeoHash值与预测GeoHash值的离差平方和;
将所属同一车辆终端集合中,所述离差平方和值位于预设排名范围的待检测车辆终端作为备选车辆终端;
基于所述备选车辆终端,确定所述定位异常车辆终端。
可选地,在基于本申请上述方法的另一个实施例中,所述基于所述备选车辆终端,确定所述定位异常车辆终端,包括:
若确定所述备选车辆终端在所属的车辆终端集合中的比例满足预设比例,确定所述备选车辆终端为所述定位异常车辆终端。
其中,根据本申请实施例的又一个方面,提供的一种检测车辆定位的装置,其特征在于,包括:
获取模块,被配置为获取待检测车辆终端上传的定位参数,所述定位参数中包括所述待检测车辆所对应的卫星数据以及方位数据;
计算模块,被配置为基于所述卫星数据以及所述方位数据,生成所述待检测车辆对应的实际GeoHash值;以及,将所述卫星数据以及所述方位数据输入至预训练完成的线性回归模型,得到所述待检测车辆对应的预测GeoHash值;
生成模块,被配置为计算所述实际GeoHash值与所述预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件的待检测车辆终端作为定位异常车辆终端。
根据本申请实施例的又一个方面,提供的一种电子设备,包括:
存储器,用于存储可执行指令;以及
显示器,用于与所述存储器以执行所述可执行指令从而完成上述任一所述检测车辆定位的方法的操作。
根据本申请实施例的还一个方面,提供的一种计算机可读存储介质,用于存储计算机可读取的指令,所述指令被执行时执行上述任一所述检测车辆定位的方法的操作。
本申请中,可以获取待检测车辆终端上传的定位参数,定位参数中包括待检测车辆所对应的卫星数据以及方位数据;基于卫星数据以及方位数据,生成待检测车辆对应的实际GeoHash值;以及,将卫星数据以及方位数据输入至预训练完成的线性回归模型,得到待检测车辆对应的预测GeoHash值;计算实际GeoHash值与预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件的待检测车辆终端作为定位异常车辆终端。通过应用本申请的技术方案,可以在获取到车辆终端上传的定位参数之后,根据该定位参数计算出其实际的GeoHash值与根据预存模型得到的预测GeoHash值的离差平方和值。以使后续根据该离差平方和值与预设条件的对比来综合确定该车辆终端上传的定位参数是否准确。从而解决了相关技术中存在的,车辆终端可能出现故障或车主上传造假数据所导致的存在上报车辆定位数据不准确的问题。
下面通过附图和实施例,对本申请的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本申请的实施例,并且连同描述一起用于解释本申请的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本申请,其中:
图1为本申请提出的一种检测车辆定位的方法示意图;
图2为本申请提出的一种检测车辆定位的流程示意图;
图3为本申请提出的一种检测车辆定位的电子装置的结构示意图;
图4为本申请提出的一种检测车辆定位的电子设备的结构示意图。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
另外,本申请各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
需要说明的是,本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
下面结合图1-图2来描述根据本申请示例性实施方式的用于进行检测车辆定位的方法。需要注意的是,下述应用场景仅是为了便于理解本申请的精神和原理而示出,本申请的实施方式在此方面不受任何限制。相反,本申请的实施方式可以应用于适用的任何场景。
本申请还提出一种检测车辆定位的方法、装置、电子设备及介质。
图1示意性地示出了根据本申请实施方式的一种检测车辆定位的方法的流程示意图。如图1所示,该方法应用于车辆终端,包括:
S101,获取待检测车辆终端上传的定位参数,定位参数中包括待检测车辆所对应的卫星数据以及方位数据。
S102,基于卫星数据以及方位数据,生成待检测车辆对应的实际GeoHash值;以及,将卫星数据以及方位数据输入至预训练完成的线性回归模型,得到待检测车辆对应的预测GeoHash值。
S103,计算实际GeoHash值与预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件的待检测车辆终端作为定位异常车辆终端。
相关技术中,车辆定位导航***对于车辆的定位最常见的即为利用全球定位***(Global Positioning System,GPS)实现。也即在行驶的车辆中安装GPS终端,并开通GPS服务,即可实现对行驶车辆的定位与导航。
其中,业务平台存在一种场景,即需要实时接收车辆终端上传的定位数据以实现对其进行安全以及业务监管的目的。以卡车为例,根据政策要求,12吨以上重型卡车需要安装符合部标协议标准的车辆终端,以实现将车辆相关状态数据上报到国家公共货运监管平台,进而实现***。
然而,由于车辆终端可能出现故障或恶意车主通过非法手段上报造假数据等原因,导致存在造成上报的车辆定位数据不准确,从而出现安全隐患。
一种方式中,在车辆终端上报的定位数据参数中可以包含有与其相关联的卫星数据。其中,卫星状态数据参数相关性很复杂,用作鉴伪是很优质的数据源。因此本申请采用一种可以利用卫星状态数据对车辆终端的定位可靠性进行判断的方法,其中包括:
步骤1,本申请可以采集在历史时间段(例如历史一个月)的样本车辆终端上传的样本定位参数。其中该样本定位参数中可以至少包括如下参数,即:
各车辆终端的样本卫星数据(例如包括与样本车辆终端所关联的卫星类型以及卫星编号)、样本方位数据(例如包括样本车辆终端与所关联的卫星设备之间的仰角数据以及方位角数据)以及样本定位参数的上传时间。
需要说明的是,本申请不对样本车辆终端的数量进行具体限定,一种方式中,其数量为多个时效果更佳。
步骤2,从样本车辆终端上传的样本定位参数中,筛选出具有样本卫星数据、样本方位数据以及上传时间的样本车辆终端。
步骤3,以样本车辆终端所对应的样本卫星数据(例如包括与样本车辆终端所关联的卫星类型以及卫星编号)进行分组。一种方式中,可以将相同样本卫星数据相同的样本车辆终端,按照一定的相近上传时间(例如上传时间在10分钟间隔内),分成不同的样本车辆终端集合。
例如,本申请可以采集在历史一个月的5个样本车辆终端(包括样本车辆终端A、样本车辆终端B、样本车辆终端C、样本车辆终端D、样本车辆终端E)上传的样本定位参数。
其中,由各个样本车辆终端上传的样本定位参数可知,样本车辆终端A、样本车辆终端B具有相同的卫星类型a以及卫星编号a,而样本车辆终端C、样本车辆终端D、样本车辆终端E具有相同的卫星类型b以及卫星编号b。
进一步的,本申请还需要再检测各个样本车辆终端上传样本定位参数的上传时间,并可知其中样本车辆终端A与样本车辆终端B的上传时间间隔为5分钟(满足相近上传时间的条件),而样本车辆终端C与样本车辆终端D的上传时间间隔为6分钟(满足相近上传时间的条件),且样本车辆终端E与样本车辆终端C、样本车辆终端D的上传时间间隔为20分钟(不满足相近上传时间的条件)。
因此根据上述条件,本申请实施例即可以将样本车辆终端A与样本车辆终端B划分为一个样本车辆终端集合-甲集合。且,将样本车辆终端C与样本车辆终端D划分为一个样本车辆终端集合-乙集合。
步骤4,对于每个样本车辆终端集合,可以分别建立一个与之对应的线性回归模型。也即每个线性回归模型对应一个样本卫星数据以及上传时间。而对于线性回归模型的构建方法来说,可以包括:
对于卫星类型以及卫星编号和上传时间段相同的车辆终端,以360/Math.pow(2,15)经纬度(例如可以为1公里)为边长的GeoHash值为预测值,仰角、方位角、仰角平方、仰角方位角平方为参数值,进行对应的线性回归建模。
步骤5,对上述每个样本车辆终端集合模型对应的线性回归模型进行训练,直至得到每个线性回归模型对应的回归系数值后,确定得到每个训练完成的线性回归模型。
步骤6,利用上一步骤得到的线性回归模型,将本次需要确定定位信息的待检测车辆终端上传的定位参数(包括待检测车辆所对应的卫星数据以及方位数据)输入至对应匹配的线性回归模型。从而实现利用待检测车辆终端的定位参数,得到待检测车辆对应的预测GeoHash值。
进一步的,本申请实施例还需要基于待检测车辆终端的卫星数据以及方位数据,计算得到该待检测车辆对应的实际GeoHash值。
步骤7,计算每个待检测车辆终端中,其实际GeoHash值与线性回归模型所输出的预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件(例如可以为选取所属同一车辆终端集合中,离差平方和值最大的前30%)的待检测车辆终端作为备选车辆终端。
步骤8,若确定备选车辆终端在所属的车辆终端集合中的比例满足预设比例(例如超过50%),则确定备选车辆终端为定位异常车辆终端。
本申请中,可以获取待检测车辆终端上传的定位参数,定位参数中包括待检测车辆所对应的卫星数据以及方位数据;基于卫星数据以及方位数据,生成待检测车辆对应的实际GeoHash值;以及,将卫星数据以及方位数据输入至预训练完成的线性回归模型,得到待检测车辆对应的预测GeoHash值;计算实际GeoHash值与预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件的待检测车辆终端作为定位异常车辆终端。通过应用本申请的技术方案,可以在获取到车辆终端上传的定位参数之后,根据该定位参数计算出其实际的GeoHash值与根据预存模型得到的预测GeoHash值的离差平方和值。以使后续根据该离差平方和值与预设条件的对比来综合确定该车辆终端上传的定位参数是否准确。从而解决了相关技术中存在的,车辆终端可能出现故障或车主上传造假数据所导致的存在上报车辆定位数据不准确的问题。
可选地,在基于本申请上述方法的另一个实施例中,所述卫星数据包括与所述待检测车辆所关联的卫星设备的卫星类型以及卫星编号:以及,所述方位数据包括所述待检测车辆终端与所述卫星设备之间的仰角数据以及方位角数据。
可选地,在基于本申请上述方法的另一个实施例中,在所述获取待检测车辆终端上传的定位参数之前,还包括:
获取多个样本车辆终端上传的样本定位参数,所述样本定位参数中包括所述样本车辆所对应的样本卫星数据、样本方位数据以及上传时间;
将所述多个样本车辆终端中,具备相同样本卫星数据以及相近上传时间的样本车辆终端划分为同一样本车辆终端集合;
基于所述多个样本车辆终端集合,得到所述预训练完成的线性回归模型。
可选地,在基于本申请上述方法的另一个实施例中,所述基于所述多个样本车辆终端集合,得到所述预训练完成的线性回归模型,包括:
以预设经纬度为边长的GeoHash值为预测值,以每个所述样本车辆终端集合所对应的样本卫星数据以及样本方位数据为参数值,进行线性回归建模,得到多个线性回归模型,其中每个线性回归模型对应于同一样本卫星数据以及相近上传时间的样本车辆终端集合;
对所述每个线性回归建模进行训练,直至得到每个线性回归建模对应的回归系数值后,确定得到所述预训练完成的线性回归模型。
可选地,在基于本申请上述方法的另一个实施例中,所述计算所述实际GeoHash值与所述预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件的待检测车辆终端作为定位异常车辆终端,包括:
计算每个所述待检测车辆终端的实际GeoHash值与预测GeoHash值的离差平方和;
将所属同一车辆终端集合中,所述离差平方和值位于预设排名范围的待检测车辆终端作为备选车辆终端;
基于所述备选车辆终端,确定所述定位异常车辆终端。
可选地,在基于本申请上述方法的另一个实施例中,所述基于所述备选车辆终端,确定所述定位异常车辆终端,包括:
若确定所述备选车辆终端在所属的车辆终端集合中的比例满足预设比例,确定所述备选车辆终端为所述定位异常车辆终端。
一种方式中,如图2所示,为本申请提出的一种检测车辆定位的流程示意图,其中包括:
首先,本申请可以采集在历史时间段(例如历史一个月)的样本车辆终端上传的样本定位参数。其中该样本定位参数中可以至少各车辆终端的样本卫星数据(例如包括与样本车辆终端所关联的卫星类型以及卫星编号)、样本方位数据(例如包括样本车辆终端与所关联的卫星设备之间的仰角数据以及方位角数据)以及样本定位参数的上传时间。
另外,需要从样本车辆终端上传的样本定位参数中,筛选出具有样本卫星数据、样本方位数据以及上传时间的样本车辆终端。并在后续以样本车辆终端所对应的样本卫星数据进行分组。一种方式中,可以将相同样本卫星数据相同的样本车辆终端,按照一定的相近上传时间,分成不同的样本车辆终端集合。
进一步的,对于每个样本车辆终端集合,可以分别建立一个与之对应的线性回归模型。也即每个线性回归模型对应一个样本卫星数据以及上传时间。并在后续对上述每个样本车辆终端集合模型对应的线性回归模型进行训练,直至得到每个线性回归模型对应的回归系数值后,确定得到每个训练完成的线性回归模型。
再者,本申请可以利用上一步骤得到的线性回归模型,将本次需要确定定位信息的待检测车辆终端上传的定位参数输入至对应匹配的线性回归模型。从而实现利用待检测车辆终端的定位参数,得到待检测车辆对应的预测GeoHash值。以及,基于待检测车辆终端的卫星数据以及方位数据,计算得到该待检测车辆对应的实际GeoHash值。
最后,本申请可以计算每个待检测车辆终端中的实际GeoHash值与线性回归模型所输出的预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件的待检测车辆终端定位为异常车辆终端。
通过应用本申请的技术方案,可以在获取到车辆终端上传的定位参数之后,根据该定位参数计算出其实际的GeoHash值与根据预存模型得到的预测GeoHash值的离差平方和值。以使后续根据该离差平方和值与预设条件的对比来综合确定该车辆终端上传的定位参数是否准确。从而解决了相关技术中存在的,车辆终端可能出现故障或车主上传造假数据所导致的存在上报车辆定位数据不准确的问题。
可选的,在本申请的另外一种实施方式中,如图3所示,本申请还提供一种检测车辆定位的装置。其中包括:
获取模块201,被配置为获取待检测车辆终端上传的定位参数,所述定位参数中包括所述待检测车辆所对应的卫星数据以及方位数据;
计算模块202,被配置为基于所述卫星数据以及所述方位数据,生成所述待检测车辆对应的实际GeoHash值;以及,将所述卫星数据以及所述方位数据输入至预训练完成的线性回归模型,得到所述待检测车辆对应的预测GeoHash值;
生成模块203,被配置为计算所述实际GeoHash值与所述预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件的待检测车辆终端作为定位异常车辆终端。
本申请中,可以获取待检测车辆终端上传的定位参数,定位参数中包括待检测车辆所对应的卫星数据以及方位数据;基于卫星数据以及方位数据,生成待检测车辆对应的实际GeoHash值;以及,将卫星数据以及方位数据输入至预训练完成的线性回归模型,得到待检测车辆对应的预测GeoHash值;计算实际GeoHash值与预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件的待检测车辆终端作为定位异常车辆终端。通过应用本申请的技术方案,可以在获取到车辆终端上传的定位参数之后,根据该定位参数计算出其实际的GeoHash值与根据预存模型得到的预测GeoHash值的离差平方和值。以使后续根据该离差平方和值与预设条件的对比来综合确定该车辆终端上传的定位参数是否准确。从而解决了相关技术中存在的,车辆终端可能出现故障或车主上传造假数据所导致的存在上报车辆定位数据不准确的问题。
在本申请的另外一种实施方式中,获取模块201,被配置执行的步骤包括:
所述卫星数据包括与所述待检测车辆所关联的卫星设备的卫星类型以及卫星编号:以及,所述方位数据包括所述待检测车辆终端与所述卫星设备之间的仰角数据以及方位角数据。
在本申请的另外一种实施方式中,获取模块201,被配置执行的步骤包括:
获取多个样本车辆终端上传的样本定位参数,所述样本定位参数中包括所述样本车辆所对应的样本卫星数据、样本方位数据以及上传时间;
将所述多个样本车辆终端中,具备相同样本卫星数据以及相近上传时间的样本车辆终端划分为同一样本车辆终端集合;
基于所述多个样本车辆终端集合,得到所述预训练完成的线性回归模型。
在本申请的另外一种实施方式中,获取模块201,被配置执行的步骤包括:
以预设经纬度为边长的GeoHash值为预测值,以每个所述样本车辆终端集合所对应的样本卫星数据以及样本方位数据为参数值,进行线性回归建模,得到多个线性回归模型,其中每个线性回归模型对应于同一样本卫星数据以及相近上传时间的样本车辆终端集合;
对所述每个线性回归建模进行训练,直至得到每个线性回归建模对应的回归系数值后,确定得到所述预训练完成的线性回归模型。
在本申请的另外一种实施方式中,计算模块202,被配置执行的步骤包括:
计算每个所述待检测车辆终端的实际GeoHash值与预测GeoHash值的离差平方和;
将所属同一车辆终端集合中,所述离差平方和值位于预设排名范围的待检测车辆终端作为备选车辆终端;
基于所述备选车辆终端,确定所述定位异常车辆终端。
在本申请的另外一种实施方式中,输出模块203,被配置执行的步骤包括:
若确定所述备选车辆终端在所属的车辆终端集合中的比例满足预设比例,确定所述备选车辆终端为所述定位异常车辆终端。
图4是根据一示例性实施例示出的一种电子设备的逻辑结构框图。例如,电子设备300可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器,上述指令可由电子设备处理器执行以完成上述检测车辆定位的方法,该方法包括:获取待检测车辆终端上传的定位参数,所述定位参数中包括所述待检测车辆所对应的卫星数据以及方位数据;基于所述卫星数据以及所述方位数据,生成所述待检测车辆对应的实际GeoHash值;以及,将所述卫星数据以及所述方位数据输入至预训练完成的线性回归模型,得到所述待检测车辆对应的预测GeoHash值;计算所述实际GeoHash值与所述预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件的待检测车辆终端作为定位异常车辆终端。可选地,上述指令还可以由电子设备的处理器执行以完成上述示例性实施例中所涉及的其他步骤。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种应用程序/计算机程序产品,包括一条或多条指令,该一条或多条指令可以由电子设备的处理器执行,以完成上述检测车辆定位的方法,该方法包括:获取待检测车辆终端上传的定位参数,所述定位参数中包括所述待检测车辆所对应的卫星数据以及方位数据;基于所述卫星数据以及所述方位数据,生成所述待检测车辆对应的实际GeoHash值;以及,将所述卫星数据以及所述方位数据输入至预训练完成的线性回归模型,得到所述待检测车辆对应的预测GeoHash值;计算所述实际GeoHash值与所述预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件的待检测车辆终端作为定位异常车辆终端。可选地,上述指令还可以由电子设备的处理器执行以完成上述示例性实施例中所涉及的其他步骤。
图4为电子设备300的示例图。本领域技术人员可以理解,示意图4仅仅是电子设备300的示例,并不构成对电子设备300的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如电子设备300还可以包括输入输出设备、网络接入设备、总线等。
所称处理器302可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器302也可以是任何常规的处理器等,处理器302是电子设备300的控制中心,利用各种接口和线路连接整个电子设备300的各个部分。
存储器301可用于存储计算机可读指令303,处理器302通过运行或执行存储在存储器301内的计算机可读指令或模块,以及调用存储在存储器301内的数据,实现电子设备300的各种功能。存储器301可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备300的使用所创建的数据等。此外,存储器301可以包括硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)或其他非易失性/易失性存储器件。
电子设备300集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机可读指令来指令相关的硬件来完成,的计算机可读指令可存储于一计算机可读存储介质中,该计算机可读指令在被处理器执行时,可实现上述各个方法实施例的步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (9)
1.一种检测车辆定位的方法,其特征在于,应用于车辆终端,包括:
获取待检测车辆终端上传的定位参数,所述定位参数中包括所述待检测车辆所对应的卫星数据以及方位数据;
基于所述卫星数据以及所述方位数据,生成所述待检测车辆对应的实际GeoHash值;以及,将所述卫星数据以及所述方位数据输入至预训练完成的线性回归模型,得到所述待检测车辆对应的预测GeoHash值;
计算所述实际GeoHash值与所述预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件的待检测车辆终端作为定位异常车辆终端。
2.如权利要求1所述的方法,其特征在于,所述卫星数据包括与所述待检测车辆所关联的卫星设备的卫星类型以及卫星编号:以及,所述方位数据包括所述待检测车辆终端与所述卫星设备之间的仰角数据以及方位角数据。
3.如权利要求1所述的方法,其特征在于,在所述获取待检测车辆终端上传的定位参数之前,还包括:
获取多个样本车辆终端上传的样本定位参数,所述样本定位参数中包括所述样本车辆所对应的样本卫星数据、样本方位数据以及上传时间;
将所述多个样本车辆终端中,具备相同样本卫星数据以及相近上传时间的样本车辆终端划分为同一样本车辆终端集合;
基于所述多个样本车辆终端集合,得到所述预训练完成的线性回归模型。
4.如权利要求3所述的方法,其特征在于,所述基于所述多个样本车辆终端集合,得到所述预训练完成的线性回归模型,包括:
以预设经纬度为边长的GeoHash值为预测值,以每个所述样本车辆终端集合所对应的样本卫星数据以及样本方位数据为参数值,进行线性回归建模,得到多个线性回归模型,其中每个线性回归模型对应于同一样本卫星数据以及相近上传时间的样本车辆终端集合;
对所述每个线性回归建模进行训练,直至得到每个线性回归建模对应的回归系数值后,确定得到所述预训练完成的线性回归模型。
5.如权利要求1所述的方法,其特征在于,所述计算所述实际GeoHash值与所述预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件的待检测车辆终端作为定位异常车辆终端,包括:
计算每个所述待检测车辆终端的实际GeoHash值与预测GeoHash值的离差平方和;
将所属同一车辆终端集合中,所述离差平方和值位于预设排名范围的待检测车辆终端作为备选车辆终端;
基于所述备选车辆终端,确定所述定位异常车辆终端。
6.如权利要求5所述的方法,其特征在于,所述基于所述备选车辆终端,确定所述定位异常车辆终端,包括:
若确定所述备选车辆终端在所属的车辆终端集合中的比例满足预设比例,确定所述备选车辆终端为所述定位异常车辆终端。
7.一种检测车辆定位的装置,其特征在于,应用于车辆终端,包括:
获取模块,被配置为获取待检测车辆终端上传的定位参数,所述定位参数中包括所述待检测车辆所对应的卫星数据以及方位数据;
计算模块,被配置为基于所述卫星数据以及所述方位数据,生成所述待检测车辆对应的实际GeoHash值;以及,将所述卫星数据以及所述方位数据输入至预训练完成的线性回归模型,得到所述待检测车辆对应的预测GeoHash值;
生成模块,被配置为计算所述实际GeoHash值与所述预测GeoHash值的离差平方和,并将其中离差平方和值满足预设条件的待检测车辆终端作为定位异常车辆终端。
8.一种电子设备,其特征在于,包括:
存储器,用于存储可执行指令;以及,
处理器,用于与所述存储器以执行所述可执行指令从而完成权利要求1-6中任一所述检测车辆定位的方法的操作。
9.一种计算机可读存储介质,用于存储计算机可读取的指令,其特征在于,所述指令被执行时执行权利要求1-6中任一所述检测车辆定位的方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210210849.6A CN114706112A (zh) | 2022-03-03 | 2022-03-03 | 检测车辆定位的方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210210849.6A CN114706112A (zh) | 2022-03-03 | 2022-03-03 | 检测车辆定位的方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114706112A true CN114706112A (zh) | 2022-07-05 |
Family
ID=82167018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210210849.6A Pending CN114706112A (zh) | 2022-03-03 | 2022-03-03 | 检测车辆定位的方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114706112A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110246237A (zh) * | 2019-07-02 | 2019-09-17 | 广东粤安信息科技有限公司 | 一种基于车载卫星定位终端和/或汽车行驶记录仪数据无线传输的方法与装置 |
CN111123333A (zh) * | 2019-12-30 | 2020-05-08 | 公安部交通管理科学研究所 | 一种融合卡口和gps数据的车辆轨迹定位方法 |
CN111551966A (zh) * | 2020-05-26 | 2020-08-18 | 中交信捷科技有限公司 | 一种验证车载终端北斗定位真实性的方法和*** |
CN112434260A (zh) * | 2020-10-21 | 2021-03-02 | 北京千方科技股份有限公司 | 一种公路的交通状态检测方法、装置、存储介质及终端 |
CN113419258A (zh) * | 2021-07-07 | 2021-09-21 | 东软集团股份有限公司 | 一种定位异常检测方法及其相关设备 |
-
2022
- 2022-03-03 CN CN202210210849.6A patent/CN114706112A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110246237A (zh) * | 2019-07-02 | 2019-09-17 | 广东粤安信息科技有限公司 | 一种基于车载卫星定位终端和/或汽车行驶记录仪数据无线传输的方法与装置 |
CN111123333A (zh) * | 2019-12-30 | 2020-05-08 | 公安部交通管理科学研究所 | 一种融合卡口和gps数据的车辆轨迹定位方法 |
CN111551966A (zh) * | 2020-05-26 | 2020-08-18 | 中交信捷科技有限公司 | 一种验证车载终端北斗定位真实性的方法和*** |
CN112434260A (zh) * | 2020-10-21 | 2021-03-02 | 北京千方科技股份有限公司 | 一种公路的交通状态检测方法、装置、存储介质及终端 |
CN113419258A (zh) * | 2021-07-07 | 2021-09-21 | 东软集团股份有限公司 | 一种定位异常检测方法及其相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107944772B (zh) | 基于区块链的车贷风险信息处理方法及装置 | |
US20150127388A1 (en) | Notification and management of abnormal vehicular movement events | |
DE102008062105B4 (de) | Proxy-basiertes Transaktions-Genehmigungssystem | |
US20180122155A1 (en) | Determining vehicle occupancy using sensors | |
US20140081675A1 (en) | Systems, methods, and apparatus for optimizing claim appraisals | |
CN107993001B (zh) | 一种风险评估的可视化方法、装置及存储介质 | |
US20130144805A1 (en) | Geospatial data based measurement of risk associated with a vehicular security interest in a vehicular loan portfolio | |
CN109655075B (zh) | 无人车定位方法及设备 | |
WO2020041929A1 (zh) | 车辆里程计算方法、***及终端设备 | |
CN107886414B (zh) | 一种订单合并方法和设备以及计算机存储介质 | |
CN107808429A (zh) | 基于区块链记录车辆加油信息的方法、设备及介质 | |
CN109800984B (zh) | 驾驶水平评估方法、装置、计算机设备和存储介质 | |
CN109598519B (zh) | 车辆审核方法、装置、计算机设备和存储介质 | |
WO2019036860A1 (en) | POSITIONING A TERMINAL DEVICE BASED ON DEEP LEARNING | |
CN111932046A (zh) | 一种服务场景下处理风险的方法、计算机设备、存储介质 | |
CN111080337A (zh) | 基于联盟链的车辆评估信息获取方法、装置、***和设备 | |
JP7146097B2 (ja) | トンネル工事車両の出勤評価方法、コンピューター装置及びコンピューター読み取り可能な記憶媒体 | |
US11120308B2 (en) | Vehicle damage detection method based on image analysis, electronic device and storage medium | |
CN110807493A (zh) | 一种车辆分类模型的优化方法及设备 | |
US10635098B2 (en) | Systems and methods for providing a virtual vehicle fleet | |
CN114706112A (zh) | 检测车辆定位的方法、装置、电子设备及介质 | |
CN111192150A (zh) | 车辆出险代理业务的处理方法、装置、设备及存储介质 | |
US20190251587A1 (en) | Information providing device, information providing program and information providing method | |
CN116295461A (zh) | 车辆所在路段的匹配方法和装置、存储介质和电子装置 | |
KR20210006723A (ko) | 빅데이터 및 머신러닝 기반의 과실 비율 판정 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |