电动自行车租赁系统监管平台设计与实现第4章下.docx

电动自行车租赁系统监管平台设计与实现第4章下.docx

《电动自行车租赁系统监管平台设计与实现第4章下.docx》由会员分享，可在线阅读，更多相关《电动自行车租赁系统监管平台设计与实现第4章下.docx（12页珍藏版）》请在冰豆网上搜索。

电动自行车租赁系统监管平台设计与实现第4章下

4.3.5车辆定位追踪模块

在本设计中，每辆电动自行车均配置车载终端设备，包含能够检测车辆位置的GPS模块，为保证对车辆的实时追踪，同时节约存储空间，本文设计每隔3分钟对已租车辆进行GPS信息采集、处理和存储[41]。

此环节主要分成两步，首先是监管平台接收GPS信息存储到数据库，第二步是调用数据库中的车辆经纬度，显示在地图上。

具体实现流程是监管平台监听车载终端的请求，通过ServerSocket类中的accept（）函数完成请求连接的功能；连接成功后，车载终端通过OutputStream（）输出流发送GPS信息至监管平台，监管平台调用InputStream（）将数据接收到缓冲字符数组inBufferStr[]中；处理inBufferStr[]中的数据，提取出参数信息存储到MySQL数据库。

以重庆为试点城市，首先确定该市经纬度范围，对于明显不在此范围内的GPS信息，进行过滤，并编写PreOperateGPS（）类，实现对原始GPS信息的判断和过滤，对于处在该范围内的有效GPS信息，根据帧格式，编写FirstParseGPS（）类对GPS信息进行解析、提取出每条有效记录中的车辆ID、经度、纬度、电量、状态信息，分别存放在BicycleId、Longitude、Latitude、Power、BicycleStateId变量中，之后对应每个BicycleId，调用Insert函数，将数据插入到数据库中的BicycleGPS和BicycleState表中，分别存放其位置和状态信息。

由于GPS测定的坐标是WGS-84坐标系坐标，需要进行坐标系转换，此过程通过translateGPS（）函数实现，通过Search（）查找数据库，结合GIS技术，调用ShowGPS（）函数将转换后的经纬度显示在地图上，实现车辆的实时定位追踪[42]。

具体处理流程如图4.9（a），图4.9（b）所示。

（a）车辆定位信息采集（b）车辆定位信息显示

图4.9车辆定位跟踪流程图

上述步骤用到了PreOperateGPS（）、FirstParseGPS（）、translateGPS（）、Search（）和ShowGPS（），本文以FirstParseGPS（）、translateGPS（）为例，介绍其实现的具体代码。

FirstParseGPS（）核心代码如下：

privatestaticvoidFirstParseGPS（stringstringGPS）

{

string[]stringSeparators=newstring[]{","};

string[]strs=stringGPS.Split（stringSeparators,stringSeparators.None）;

stringBicycleId=strs[0];

stringSendTime=strs[1];

stringLongitude=strs[2];

stringLatitude=strs[3];

stringPower=strs[4];

stringBicycleStateId=strs[5];}

translateGPS（）类的核心代码如下：

privatestaticvoidtranslateGPS（stringLongitude,stringLatitude）

{

stringlongitude1=（Decimal.Parse（Longitude）/100）.ToString（）;

stringlongitude2=（Decimal.Parse（Longitude）%100/60）.ToString（）;

stringlongitude=（Decimal.Parse（longitude1）+Decimal.Parse（longitude2））.ToString（）;

stringlatitude1=（Decimal.Parse（Latitude）/100）.ToString（）;

stringlatitude2=（Decimal.Parse（Latitude）%100/60）.ToString（）;

stringlatitude=（Decimal.Parse（latitude1）+Decimal.Parse（latitude2））.ToString（）;

}

4.4车辆调度的分析与设计

为解决实际运营中出现的“借车难、还车难”问题，本文根据大量GPS定位信息、站点租车还车记录信息，结合聚类算法，获取车辆调度的最短路径。

本小节是重点研究内容，将详细介绍其设计和实现过程。

4.4.1数据存储格式分析与设计

监管平台对车辆定位信息的存储分为两类，一类存储在MySQL中，另一类存储在Hadoop中。

在MySQL数据库中创建有关车辆实时位置的BicycleGPS表，为保证实时性，存储每辆被租车辆的最近一次的租借信息；针对历史信息，以文本形式保存在Hadoop中，为后期车辆调度提供数据基础。

其中，BicycleGPS表和文本记录包含信息格式相同，每条记录均由以下字段组成：

车辆ID、发送时间、纬度值、经度值，电量、车行速度、车辆状态，具体如表4.4所示。

表4.4GPS信息帧格式

6字节

20字节

10字节

10字节

3字节

4字节

4字节

车辆ID

发送时间

纬度值

经度值

电量

车行速度

车辆状态

考虑到车辆定位的准确性以及传统关系型数据库的存储空间，本文设计每隔3分钟对GPS数据进行采集。

根据项目规模、电动自行车数量、平均每天每辆车被租赁次数预测，如果数据不压缩，30天可产生20G字节左右的数据。

为此，在存储车辆GPS信息前，需对数据进行预处理，本文主要涉及两种，即数据过滤和数据裁剪，具体设计在下一节进行详细阐述。

在实际测试中，本文以重庆市为例进行设计和调试，如图4.10所示。

图4.10车辆行驶轨迹信息

图4.10为重庆市2014年3月19日下午四公里到六公里的一段路程，车辆ID为“300005”的电动自行车的行驶轨迹，每一行信息代表一条GPS定位信息，每条记录均按照时间顺序进行存储。

4.4.2原始数据预处理的过程

由于车载终端上传到监管平台可能存在错误、不完整等无效定位数据，为提高数据存储和数据处理效率，首先使用数据过滤和数据裁剪两种方式实现对原始数据的预处理。

1.数据过滤

分析可知，收集到的GPS信息可能存在两种错误情况，分别是区域错误和轨迹错误。

所谓区域错误也包含两种情况，一是GPS信息中包含的经纬度超出所在城市或省市的范围；二是经纬度位于不可能的位置，如河流、山川等。

轨迹错误是指电动自行车的行驶路径和速度与实际严重不符，如车速大于40km/h。

以重庆市为例，分析错误信息来源，在保证数据过滤的正确性和覆盖率的前提下，本文设计了两种对原始GPS信息的过滤条件，一是根据重庆市所在经纬度范围，过滤明显超出其范围的GPS信息，重庆市经度范围是（105°17'-110°11'），纬度范围是（28°10′-32°13′）；二是过滤电动自行车速度大于40km/h的信息。

通过上述两条过滤条件，能够达到滤除错误信息的目的，具体实现过程如图4.11所示。

图4.11数据过滤流程图

根据一条租借记录中的GPS信息，依次提取GPS信息中的每条记录，首先判断该记录中的车辆行驶速度，若大于40km/h，则直接丢弃，继续轮询提取下一条记录；若行驶速度在0到40km/h之间，则依次判断该记录中的经纬度，判断其是否处于重庆市经纬度范围内，若不在，丢弃提取下一次记录，若满足则保存为一次正确数据；重复上述步骤，依次处理GPS数据，直到所有记录均被处理。

2.数据裁剪

通过过滤方法，可滤除原始GPS信息中的错误和冗余数据，针对具体应用和需求，设计一种裁剪方法，去除原始数据中的无关数据，进一步提高结果的准确性和数据处理效率。

参照第三章的需求分析可知，车辆调度功能所需数据是数据库中有效的GPS数据。

本文通过对原始信息的分析，设计了有效数据需要满足的条件。

有效数据需满足两个条件：

车辆状态处于“在租”的数据；用户从一个站点直接到达另一站点的路径，对于用户其他行为活动而导致的车辆长时间停放的GPS信息为无效数据。

为获取有效数据，本文采用以下裁剪方法，去除无效数据，具体实现过程是：

针对每辆车的每次租借记录，若行驶过程中监管平台采集到的GPS信息中，存在连续的、相同的GPS定位数据，则将此连续的GPS信息的第一条作为有效数据，其余为无效数据，并将真实的行驶时间计为用户此次租赁的总时间减去重复GPS数据次数的三倍。

通过车辆状态判断信息的开始和结束，开始即为车辆状态从“待租”到“在租”，结束点是车辆状态由“在租”到“待租”，这之间的GPS信息代表“路径”。

分离出子路径后，根据用户实际行驶的时间、租借站点和归还站点间的距离，得出电动自行车车速。

上述所说“路径”是指一条租借记录中的所有GPS点组成的行驶路径，“子路径”是指一条租借记录中的有效GPS点组成的有效行驶路径。

上述数据裁剪过程如图4.12所示。

图4.12数据裁剪流程图

获取上述“子路径”后，为保证后期数据处理需要，将这些子路径单独存放到一个文件中，包括GPS点及其所在的路径集。

4.4.3调度最短路径的分析与设计

完成数据预处理和存储后，本节详细阐述车辆调度最短路径的分析与设计。

首先将车辆GPS信息以文件形式存储在Hadoop中，根据上述过滤、裁剪等预处理方式，除去错误、不完整、无效的信息，然后采用基于密度的聚类算法实现调度最短路径选择。

参照数据挖掘步骤和实际应用，在对GPS定位信息进行挖掘和提取时，主要包括模型建立、算法分析和车辆调度设计三个过程。

1.建立基于GPS路径的距离模型

为提取GPS有效路径中的最短路径，结合数据特征和具体应用，首先建立基于路径的距离模型。

具体实现方法是确定、两条路径，其中代表路径，表示路径中包含的GPS点。

按照上述对路径和GPS点的定义可知表示路径中包含个GPS点、表示路径中包含个GPS点，表示它们之间的距离。

模型包含的参数的具体定义如表4.5所示。

表4.5模型中的基本参数定义

序号

参数名称

定义

1

路径

定义为，表示一条有效电动自行车路径，表示GPS定位点数，分别是，点与点之间均是按照时间排列。

每一个GPS均包含其所在的经纬度，即，该GPS点数据传送的时间戳是

2

线段

每一条路径上的相邻两点之间的连线用线段表示，用来预测车辆行驶轨迹

3

多线段

多个连续的上述组成多线段，用表示，其中线段的终点同时也是线段的起点

4

点-线段距离

点到线段上所包含的所有GPS点中距离最小值即为此点到该线段的距离，如图4.13所示

5

点-多线段距离

一条路径上的一个GPS点到另一路径上的多线段的所有线段中距离最小值，路径上点到路径中多线段的距离，表示为

6

点集-多线段距离

路径上的点集，即包含个有效GPS点，该点集与另一路径中多线段的距离表示为，即此点集所包含的所有GPS点到此多路径线段距离的平均值

计算两条路径、之间距离的方法如下，首先将看做点集，看做多线段，按照表4.5对点集-多线段的距离定义，计算出；之后交换两条路径，

使用上述相同的计算方法，计算出，那么、之间的距离就是上述距离中的较小值。

图4.13聚类算法距离定义

为保证模型更加接近实际，对模型进行多次验证，具体表现在两个方面，首先使用软件模拟实际中位置较近的两条路径，利用上述模型，计算出路径的距离近似为零；对于路径中的异常点，采用多次求均值的方法，降低其对结果的影响。

2.GPS路径聚类算法的分析与设计

由前文可知，基于GPS数据特征和聚类算法