具体实施方式

为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。应当理解的是，实施例仅仅是对本发明进行解释而并非限定。

实施例1

本实施例提供了一种基于北斗定位的现场带电体安全距离区域划分系统，其包括：

近电报警模块，其设于现场人员处并用于在现场人员与带电体的距离达到d时产生近电信号；

本地处理模块，其设于现场人员处并用于在接收到近电信号时产生报警信号和坐标记录信号；

报警模块，其用于接收本地处理模块处的报警信号并在接收到报警信号进行报警动作；以及

北斗定位模块，其用于对现场人员的坐标进行实时采集并用于在接收到坐标记录信号时将当前坐标作为近电坐标(x，y，z)发送给本地处理模块；

本地处理模块在接收到近电坐标(x，y，z)时能够用于生成6个坐标点添加至本地近电坐标集合中，分别为(x+d，y，z)、(x-d，y，z)、(x，y+d，z)、(x，y-d，z)、(x，y，z+d)和(x，y，z-d)；本地处理模块能够用于在北斗定位模块所采集的实时坐标与本地近电坐标集合中任意点的欧式距离达到D时，产生用于发送给报警模块的报警信号。

通过本实施例中的系统使得，在近电报警模块动作后，能够较佳地对当前报警位置的坐标点进行记录，且基于当前位置的坐标点能够衍生与该坐标点距离为d的6个在正交空间中的点，该6个点实质为预判的带电体位置，而通过本地处理模块能够较佳地在当前位置与预判的带电体位置的距离达到D时主动进行报警，故而能够较佳地实现对现场人员的近电预警。

本实施例中，通过构建本地近电坐标集合能够较佳地实现对所有预判的带电体位置的存储，且由于该类坐标点存储于本地，故而能够较佳地实现数据的快速处理，故而能够较为迅速及时地实现近电预警。

本实施例中，近电报警模块能够采用现有的近电报警模块装置，其能够基于电场感应原理实现对带电体的检测，d能够设置为近电报警模块的最大检测范围。

本实施例中，D为预设值，能够设置为如2-10m。

此外，本实施例的系统还包括处理平台模块和设于现场人员处的无线通信模块，处理平台模块处设置远程近电坐标集合，本地处理模块能够用于通过无线通信模块将近电坐标(x，y，z)发送给处理平台模块，处理平台模块接收到近电坐标(x，y，z)时用于生成所述6个坐标点并添加至远程近电坐标集合中；处理平台模块还能够用于在远程近电坐标集合的数据更新时将远程近电坐标集合更新至所有现场人员处的本地近电坐标集合中。

通过此举，使得能够将每个现场人员处的北斗定位模块所采集的近电坐标(x，y，z)进行汇集，并能够生成一个适用于整个施工现场的总的远程近电坐标集合，通过采用远程近电坐标集合对所有本地近电坐标集合的更新，故而能够较佳地实现整个预判的带电体位置的共享，故而能够较佳地实现近电预警。

此外，处理平台模块处还设置电子地图模块，电子地图模块用于对所有近电坐标进行标记并形成近电区域。故而能够较佳地便于管理人员的巡检。

基于本实施例中的系统，本实施例还提供了一种基于北斗定位的现场带电体安全距离区域划分方法，其包括如下步骤：

步骤S1、建立本地近电坐标集合；

步骤S2、采集现场人员接近带电体时的坐标作为近电坐标(x，y，z)，并生成点(x+d，y，z)、(x-d，y，z)、(x，y+d，z)、(x，y-d，z)、(x，y，z+d)和(x，y，z-d)更新至本地近电坐标集合；

步骤S3、计算现场人员的实时坐标与本地近电坐标集合中所有点的欧式距离，并在现场人员的实时坐标与本地近电坐标集合中任意点的欧式距离达到D时进行报警。

通过上述，能够较佳地实现对现场人员的近电报警及近电预警。

此外，步骤S2中，在现场人员处设置近电报警模块、报警模块、北斗定位模块及本地处理模块，近电报警模块在现场人员与带电体的距离达到d时产生近电信号，本地处理模块在接收到近电信号时产生报警信号和坐标记录信号，报警模块接收到接收到报警信号后进行报警动作，北斗定位模块在接收到坐标记录信号时将当前坐标作为近电坐标(x，y，z)发送给本地处理模块。故便于实现。

此外，近电坐标集合设于本地处理模块处。故便于实现。

此外，步骤S2中，近电坐标(x，y，z)通过设于现场人员处的无线通信模块发送至处理平台模块处，处理平台模块处设置远程近电坐标集合，通过处理平台模块生成点(x+d，y，z)、(x-d，y，z)、(x，y+d，z)、(x，y-d，z)、(x，y，z+d)和(x，y，z-d)并更新至远程近电坐标集合中，远程近电坐标集合的数据更新时将远程近电坐标集合更新至所有现场人员处的近电坐标集合中。故而能够较佳地实现对预判的带电体位置的共享。

本实施例中，北斗定位模块、近电报警模块、本地处理模块、报警模块及无线通信模块能够均设于一终端设备处，故而能够较佳地佩戴于现场人员处。本地近电坐标集合能够存储于本地处理模块的存储器中，远程近电坐标集合能够存储于处理平台模块的存储服务器中。

通过本实施例的方法及系统，能够较佳地实现对预判的带电体位置的实时更新及共享，故而能够较佳地实现对现场人员的近电防护。

实施例2

鉴于北斗定位定位系统在对平面坐标的定位精度较高，而在对高度坐标的定位较差，故本实施例中提供了一种基于北斗定位与气压计的高精度定位方法，其能够以北斗定位模块所获取的平面坐标和气压计获取的海拔高度作为坐标点的测量坐标。当然，可以理解的是，电子地图模块处的电子地图在构建时，任意点的高度坐标均采用海拔高度表示。

结合图2所示，本实施例提供了一种基于北斗定位与气压计的高精度定位方法，其具有如下步骤：

步骤S1、基于北斗定位模块获取当前坐标点的平面坐标(x，y)；

步骤S2，基于气压计获取当前坐标点的高度坐标z；

步骤S3，以(x，y，z)作为当前坐标点的坐标并输出。

通过本实施例中的方法，能够较佳地以北斗定位模块提供的平面坐标及气压计获取的高度坐标作为当前坐标点并输出，故而能够具备较佳的测量精度。

本实施例的步骤S2具体包括如下步骤：

步骤S21，建立气候模型，气候模型用于表征历史时刻的时刻气象信息序列与海平面气压值的对应关系；

步骤S22，基于北斗定位模块获取当前时刻的时刻气象信息序列，并基于相似性判定自气候模型中获取时刻气象信息序列与当前时刻的最相似的历史时刻下的历史海平面气压值；

步骤S23，将气压计中的当前基准气压与经步骤S22中获取的历史海平面气压值进行比较，若比较结果在设定误差范围内则以当前基准气压值作为气压计的基准气压，若比较结果超出设定误差范围则以历史海平面气压值作为气压计的基准气压；

步骤S24，气压计获取当前高度的气压值并结合基准气压获取当前坐标点的海拔高度并作为高度坐标z。

通过建立气候模型，使得能够将气压计中的当前基准气压与气象条件相同或近似的历史时刻的海平面气压值进行比较，并能够设置误差范围，若比较结果在误差范围内，则判定当前基准气压有效进而对当前坐标点的海拔高度进行计算；若比较结果超出误差范围，则能够以历史海平面气压值替换当前基准气压，并对当前坐标点的海拔高度进行计算；故而能够较佳地对气压计的测量精度进行提升。

可以理解的是，气压计作为一个现有器件，其在测量高度时，通过将所测量的气压值与基准气压值进行比较，即可基于气压-高度公式，获取当前测量位置的高度。其测量误差的最主要来源，在于基准气压值的变化。所谓基准气压值即海平面气压值，其不仅受到当前时刻的气象条件的影响，而且还会受到时刻的影响即日较差的影响。而通过本实施例中的方法，能够较佳地以同一地区的历史气象条件下的海平面气压值作为参考，对气压计的基准气压进行校正，故而能够较佳地提升气压计的输出精度。

本实施例中，能够通过北斗定位模块获取当前时刻的气象信息，并能够基于此构建当前时刻的气象信息序列。而后当前时刻的时刻气象信息序列能够输入至气候模型中，进而匹配与当前时刻的气象信息序列最相似的历史时刻的时刻气象信息序列，进而即可输出对应的历史时刻下的历史气压值，进而即可较佳地实现历史海平面气压值与当前基准气压的比较。

本实施例的步骤S22中，是以当前时刻的时刻气象信息序列与历史时刻的时刻气象信息序列进行匹配，在匹配到最相似的历史时刻气象信息序列后，气候模型能够输出该历史时刻气象信息序列所对应的历史时刻及历史海平面气压值。故本实施例中的误差范围的判断规则能够基于如下：

1、判断历史时刻与当前时刻的时间差异是否达到设定时间阈值，如30min；

2、判断历史海平面气压值与当前基准气压的气压差异是否达到设定气压阈值，如0.05hPa。

若上述规则1未满足(即差异值未达到设定阈值)，则说明在历史数据中所匹配的与当前时刻气象信息序列最相似的历史时刻的时刻气象信息序列所属的历史时刻，与当前时刻在允许误差内，也即所匹配的历史时刻的时刻气象信息序列有效，该历史时刻的时刻气象信息序列所对应的历史海平面气压值能够作为参考与当前基准气压进行比较。

在上述规则1未满足时，若规则2也未满足(即差异值未达到设定阈值)，则说明当前基准气压是有效的，能够作为气压计的基准气压。

在上述规则1未满足时，若规则2满足(即差异值达到设定阈值)，则说明当前基准气压是无效的，则以所对应的历史海平面气压值作为气压计的基准气压。

若上述规则1满足(即差异值达到设定阈值)，则说明所匹配的历史时刻的时刻气象信息序列所属的历史时刻，与当前时刻超出允许误差范围；也即未匹配到与当前时刻的气象条件相似的历史时刻。此时根据如下公式计算获取气压计的基准气压P_ref：

上式中，U表示历史数据所包含的年度数量，L_τ表示与当前时刻相同的历史时刻下的历史海平面气压值，表示L_τ的权重，ε_τ表示当前时刻的时刻气象信息序列与相同时刻下的历史时刻的时刻气象信息序列的欧氏距离。

基于上述，能够较佳地通过对所有相同时刻的历史时刻下的历史海平面气压值进行加权计算，并将其结果作为气压计的基准气压P_ref。

通过上述，能够充分考虑到气象条件及日较差对基准气压的影响，故而能够较佳地实现对气压计的基准气压的校准，故而使得测量精度能够得到较佳的提升。

本实施例的步骤S21具体包括如下步骤，

步骤S211，采集施工现场所处区域的前U年的气象信息集合W，W＝{W_α|α＝1,2,3,…,U}，W_α为第α年的年气象信息序列；W_α＝{G_αβ|α＝1,2,3,…,U；β＝1,2,3,…,365}，G_αβ为第α年第β日的日气象信息序列；G_αβ＝{L_αβγ|α＝1,2,3,…,U；β＝1,2,3,…,365；γ＝1,2,3,…,q}，L_αβγ为第α年第β日第γ时刻的时刻气象信息序列，q为时间序列的长度；

步骤S212，对气象信息集合W中的数据进行清洗；

步骤S213，建立气候模型Cl，气候模型Cl用于建立第α年第β日第γ时刻的气象信息集合L_αβγ与第α年第β日第γ时刻的海平面气压值AT_αβγ间的对应关系，其中，Cl＝{(L_αβγ，AT_αβγ)|α＝1,2,3,…,U；β＝1,2,3,…,365；γ＝1,2,3,…,q}。

故而能够较佳地实现气候模型Cl的建立。

本实施例中，U的取值能够为20年。

本实施例的步骤S212具体包括如下步骤，

步骤S212a，基于傅里叶级数拟合对气象信息集合W中的数据进行粗清洗，进而剔除每年年气象信息序列W_α中判定为噪音的日气象信息序列G_αβ；

步骤S212b，基于置信水平对气象信息集合W中的数据进行细清洗，进而剔除每日日气象信息序列G_αβ中判定为噪音的时刻气象信息序列L_αβγ。

通过上述，能够较佳地剔除噪音，故而能够较佳地提升测量精度。

本实施例的步骤S212a具体包括如下步骤，

步骤S212a1，对日气象信息序列G_αβ中的每个气象指标的日序列进行傅里叶级数拟合，拟合公式为，

其中，Q_αβ(β)表示日气象信息序列G_αβ中的一个具体指标的拟合函数；A_l和B_l为傅里叶系数，通过拟合获取；l表示为傅里叶阶数，p为傅里叶阶数的取值；ω_l为预设参数，取值为4的倍数；

步骤S212a2，对于任意具体气象指标，其拟合函数的Q_αβ(β)中的A_l和B_l处于设定阈值内，则将对应日的日气象信息序列G_αβ判定为噪音并剔除。

通过上述，能够较佳地剔除对年参数影响不大的日参数，故而能够较佳地剔除无效的数据，以降低数据的大小。

其中，l的取值能够为4或8。

其中，S212a2中所设置的阈值能够设定为如0.05等常数。

通过步骤S212a2，能够剔除A_l和B_l趋近于零的日气象信息序列G_αβ，故而能够较佳地剔除对于年参数影响不大的日参数。

本实施例的步骤S212b具体包括如下步骤，

步骤S212b1，基于公式对每个日气象信息序列G_αβ的时刻气象信息序列L_αβγ中的具体气象指标的置信水平Ul进行计算；为对应具体气象指标在日气象信息序列G_αβ中的均值，δ为对应具体气象指标在日气象信息序列G_αβ中的标准差。

步骤S212b2，对于任一时刻气象信息序列L_αβγ，若其中存在置信水平Ul低于0.95的具体气象指标数值，则将对应的时刻气象信息序列L_αβγ判定为噪音并剔除。

通过上述，能够较佳地对每日的日气象信息序列G_αβ进行处理，进而剔除无效的时刻气象信息序列L_αβγ，故而能够较佳地实现数据清洗。

本实施例中，时刻气象信息序列为多个气象指标的数值序列，日气象信息序列为当日所有时刻的时刻气象信息序列的序列，年气象信息序列为当年所有日的日气象信息序列的序列。故而能够构建多指标的时刻气象信息序列，从而能够较佳地提升数据处理的精度。

本实施例中，所述多个气象指标包括温度、湿度、风向、风速和日照辐射中的一个或多个。故而能够较佳地将对气压产生影响的多种因素均进行考虑。

本实施例中，步骤S22中，基于欧式距离对时刻气象信息序列进行进行相似性判定。故而能够较佳地实现相似性判定。

为了进一步地对本实施例中的方法进行说明，下述采用一个具体的实施例进行说明。

在该具体的实施例中，选取温度(Pm¹)、湿度(Pm²)、风向(Pm³)、风速(Pm⁴)和日照辐射(Pm⁵)作为气象指标构建时刻气象信息序列。

对于一个历史时刻的时刻气象信息序列L_αβγ，其即为：

其中，和分别表示第α年第β日第γ时刻下的温度(Pm¹)、湿度(Pm²)、风向(Pm³)、风速(Pm⁴)和日照辐射(Pm⁵)的数值。

当前时刻t的时刻气象信息序列即可表示为：

其中，和分别表示当前时刻t下的温度(Pm¹)、湿度(Pm²)、风向(Pm³)、风速(Pm⁴)和日照辐射(Pm⁵)的数值。

故在进行相似性匹配时，相似度(欧式距离)的计算公式即为：

其中，通过逐个计算当前时刻的时刻气象信息序列与历史时刻的时刻气象信息序列的相似度，并取相似度最小的即为所匹配的历史时刻的时刻气象信息序列。

其中，对于一个日气象信息序列G_αβ，其即为：

故在步骤S212a1中，所述的每个气象指标的日序列，即为温度(Pm¹)、湿度(Pm²)、风向(Pm³)、风速(Pm⁴)和日照辐射(Pm⁵)的当日数值在时刻上的数列。即：

温度(Pm¹)气象指标的日序列为：

湿度(Pm²)气象指标的日序列为：

风向(Pm³)气象指标的日序列为：

风速(Pm⁴)气象指标的日序列为：

日照辐射(Pm⁵)气象指标的日序列为：

通过步骤S212a1即可较佳地实现对每个气象指标的日序列的拟合，并能在任一气象指标的日序列的傅里叶系数A_l和B_l处于设定阈值内时，均将该日的日气象信息序列G_αβ剔除。

在步骤步骤S212b中，即对每个气象指标的日序列的数值进行置信水平的计算，并在任一气象指标的置信水平达不到0.95时，均将该气象指标所在的整个历史时刻的时刻气象信息序列L_αβγ予以剔除。

通过本实施例中的方法，能够较佳地对历史气象数据进行处理，并建立气候模型，通过考虑当前时刻的时刻值及气象条件与历史时刻的时刻值及气象条件的差异，并对气压计的基准气压进行校正，能够较佳地充分考虑到气象条件及日较差对基准气压的影响，故而能够较佳地提升气压计的定位精度。

基于本实施例中的方法，本实施例还提供了一种基于北斗定位与气压计的高精度定位系统，其具有北斗定位模块、本地处理模块及气压计，气候模型设于本地处理模块处，本地处理模块及气压计均设于终端设备处。

以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。