一种基于统计特征的地铁列车精确定位方法
阅读说明：本技术 一种基于统计特征的地铁列车精确定位方法 (Subway train accurate positioning method based on statistical characteristics ) 是由 王珺 张建国 于 2021-10-13 设计创作，主要内容包括：本发明公开了一种基于统计特征的地铁列车精确定位方法,包括：获取历史统计特征；根据历史统计特征拟合出多项式；根据本次停站前定位信标统计特征和多项式,计算预测本次停站的停站定位误差。解决了目前定位信标的定位误差大的问题,提高了列车进站对齐时的定位精度,并不会增加地铁建设、运营、和设备改造等成本。(The invention discloses a subway train accurate positioning method based on statistical characteristics, which comprises the following steps: acquiring historical statistical characteristics; fitting a polynomial according to the historical statistical characteristics; and calculating and predicting the station-stopping positioning error of the station-stopping according to the statistical characteristics and the polynomial of the positioning beacon before the station-stopping. The problem of present positioning beacon's positioning error is big is solved, the positioning accuracy when having improved train and having arrived the station alignment can not increase cost such as subway construction, operation, and equipment transformation.)
技术领域
本发明涉及地铁列车定位方法。
背景技术
信标是安装在地铁轨道上的物理器件，当地铁列车经过信标上方时,会通过车载天线读取信标中的信息。用于提供列车位置信息的信标称为定位信标。但定位信标的定位精度较差。传统上认为,定位信标的定位误差是主要由于其使用的电磁物理技术和环境因素造成的,在电磁物理理论上无法是减小的,所以为了克服定位信标定位精度差造成停站定位精度不够,目前的研究主要集中在增加额外的定位技术手段,来实现列车在进站时的精确定位。例如：专利(CN201921340602.6)介绍了一种使用雷达辅助停站定位的方法。专利(CN201610074698.0)介绍了一种使用移动通信基站定位的方法。专利(CN201911308746.8)介绍了一种使用二维码定位的方法。专利(CN201922416193.X)介绍了一种使用有源信标定位的方法。以上，这些研究的方法都会增加额外的硬件定位设备,增加了地铁建设和运营成本,对既有地铁线路还会增加设备改造成本.
发明内容
本发明的目的在于提供一种基于统计特征的地铁列车精确定位方法，解决了目前定位信标的定位误差大的问题,提高了列车进站对齐时的定位精度，并不会增加地铁建设、运营、和设备改造等成本。
实现上述目的的技术方案是：
一种基于统计特征的地铁列车精确定位方法，包括：
获取历史统计特征；
根据历史统计特征拟合出多项式；
根据本次停站前定位信标统计特征和多项式，计算预测本次停站的停站定位误差。
优选的，所述获取历史统计特征，包括：
在停靠站台之前,检测到前倒数第n个,倒数第n-1个,…,倒数第2个和倒数第1个定位信标后,计算∑BeaconPosErrn；其中，n≥2且为正整数；BeaconPosErrn＝SSn(n+1)-Tn(n+1),称为信标定位误差n；SSn(n+1)是在检测到定位信标n+1和定位信标n之间，车载计算机测量的行驶距离；Tn(n+1)是定位信标n+1和定位信标n之间的实际安装距离；
将∑BeaconPosErrn与对应的AlignPosErr组成元组[∑BeaconPosErrn，AlignPosErr]存储为历史统计特征；其中，AlignPosErr为在列车车头达到站台的停车点时，车载计算机计算出的位置与停车点的位置之间的差值，称为停站定位误差。
优选的，判断是否有足够的[∑BeaconPosErrn，AlignPosErr]元组用于拟合公式；若数量超过预设组，则认定数量足够，根据历史统计特征拟合出多项式；否则，认定数量不足。
优选的，多项式为：
AlignPosErrpredict＝Km*(∑BeaconPosErrn)^m…+K2*(∑BeaconPosErrn)^2+K1*(∑BeaconPosErrn)^1+K0*(∑BeaconPosErrn)^0
其中，(Km,…,K2,K1,K0)是用历史统计特征拟合出的多项式的参数；m≥2且为正整数。
优选的，当本次停站结束后，将真实的AlignPosErr与∑BeaconPosErrn组成元组[∑BeaconPosErrn，AlignPosErr]，并存储为历史统计特征。
本发明的有益效果是：本发明针对现有的定位信标的定位误差大，通过定位信标的统计特征对进站期间的定位误差进行预测和补偿，有效解决了目前定位信标的定位误差大的问题,提高了列车进站对齐时的定位精度，提高运行效率和乘客舒适度。无需增加额外的硬件定位设备，不会增加地铁建设、运营和设备改造等成本。
附图说明
图1是本发明的基于统计特征的地铁列车精确定位方法的流程图；
图2是本发明中倒数第二信标没有误差时，列车停站时的定位误差的示意图；
图3是本发明中倒数第三信标没有误差时，列车停站时的定位误差的示意图；
图4是本发明中信标定位误差n的示意图；
图5是本发明中停站定位误差的示意图。
具体实施方式
下面将结合附图对本发明作进一步说明。
请参阅图1-5，本发明的基于统计特征的地铁列车精确定位方法，包括下列步骤：
步骤S1，在停靠站台之前,检测到前倒数第n个,倒数第n-1个,…,倒数第2个和倒数第1个定位信标后,计算∑BeaconPosErrn。
其中，n≥2且为正整数；BeaconPosErrn＝SSn(n+1)-Tn(n+1)，称为信标定位误差n；SSn(n+1)是在检测到定位信标n+1和定位信标n之间，车载计算机测量的行驶距离；Tn(n+1)是定位信标n+1和定位信标n之间的实际安装距离。如图4所示。
具体地，首先，我们假设在检测到停站前倒数第二信标P-Beacon2时没有任何误差，车载计算机测距方法没有任何误差，信标安装也没有误差，那么停站时的定位误差Y，就会完全等于检测到最后一个信标P-Beacon1时的信标定位误差X，而最后一个信标定位误差X等于VOBC(车载控制器)检测到P-Beacon2和P-Beacon1之间，列车车载计算机计算出的行驶距离SS12减去信标P-Beacon1和P-Beacon2之间的安装物理距离T12，即|Y|＝|X|＝|SS12-T12|,如下图2。
然后,再假设在检测到停站前倒数第三信标P-Beacon3时没有任何误差,车载计算机测距方法没有任何误差,信标安装也没有误差,那么|Y|＝|X|＝|(SS12+SS23)-(T12+T23)|＝|(SS12-T12)+(SS23-T23)|,如下图3。
但是,信标的检测,信标的安装,车载计算机测距方法都是有误差的，所以在工程中,停站定位误差Y,并不会严格等于|(SS12-T12)+(SS23-T23)+...+(SSn(n+1)-Tn(n+1))|,但他们有相关性,他们相关程度随着定位信标安装环境和设备电气特性等等这些影响定位误差因素的不同而不同。
AlignPosErr为：在列车车头达到站台的停车点时，车载计算机计算出的位置与停车点的位置之间的差值，称为停站定位误差。如图5所示。利用历史数据，对信标定位误差AlignPosErr与∑BeaconPosErrn进行线性或者多项式拟合，再利用拟合好的方程式，未来在检测到停站前最后一个P-Beacon时，提前对AlignPosErr进行预测，在停站前使用预测出AlignPosErr对定位结果进行补偿，以提高停站时的定位精度。
步骤S2，将∑BeaconPosErrn与对应的AlignPosErr组成元组[∑BeaconPosErrn，AlignPosErr]存储为历史统计特征。
步骤S3，判断是否有足够的该站台的[∑BeaconPosErrn，AlignPosErr]元组用于拟合公式；若数量超过预设组(例如H组，H值根据实际情况优化)，则认定数量足够，根据历史统计特征拟合出多项式；否则，认定数量不足，不进行停站定位误差的预测,等待足够的数据。
步骤S4，根据历史统计特征拟合出多项式：
AlignPosErrpredict＝Km*(∑BeaconPosErrn)^m…+K2*(∑BeaconPosErrn)^2+K1*(∑BeaconPosErrn)^1+K0*(∑BeaconPosErrn)^0
其中，(Km,…,K2,K1,K0)是用历史统计特征拟合出的多项式的参数；m≥2且为正整数。
步骤S5，根据本次停站前定位信标统计特征(即：BeaconPosErrn)和多项式，计算预测本次停站的停站定位误差。
步骤S6，当本次停站结束后，将真实的AlignPosErr与∑BeaconPosErrn组成元组[∑BeaconPosErrn，AlignPosErr]，并存储为历史统计特征，供后续停站预测使用。
综上，本发明可以减少列车停站前爬行阶段的时长,来预测并纠正减小停站定位误差，提高运行效率和乘客舒适度。
以上实施例仅供说明本发明之用，而非对本发明的限制，有关技术领域的技术人员，在不脱离本发明的精神和范围的情况下，还可以作出各种变换或变型，因此所有等同的技术方案也应该属于本发明的范畴，应由各权利要求所限定。