基于多维定位数据融合处理的网约车合规监管方法与流程

本技术涉及大数据分析与智能交通物联网，更具体地说，涉及基于多维定位数据融合处理的网约车合规监管方法。

背景技术：

1、随着共享经济和城市智慧交通的快速发展，网约车已成为城市居民出行的重要交通方式之一。为规范网约车运营秩序，防范网约车超出核定行驶区域运营、绕道运营、计价异常等违规行为，相关监管部门及企业普遍依托车载定位数据对网约车的运行状态进行监管。然而，网约车运行环境复杂多变，在高楼密集区、隧道、立交桥下等场景中，单一定位数据源容易出现信号遮挡、漂移、精度下降等问题，如何提升定位数据的可靠性并据此实现有效的合规监管，是本领域亟待解决的技术问题。

2、现有技术中，公开号为cn108761514a的中国专利公开了一种融合北斗或gps和传感器的定位系统及定位方法，该方法通过移动终端在室外时接收北斗或gps定位信号，在室内时结合3d加速度矢量参数、wifi信号及位置采集装置的传感信号对运动轨迹进行融合校正，以实现室内外无缝定位。该方法虽然能够通过多源信息融合提升定位精度，但其主要面向室内外场景切换下的终端定位，未针对各定位数据源的数据质量差异及历史稳定性设定相应的可信度评价机制，各数据源在融合过程中的参与权重缺乏动态调整依据，难以在城市复杂路况下针对网约车运行场景实现定位数据可信度的量化评估，也未涉及基于融合定位结果的合规性判断与分级监管。

3、公开号为cn111709517a的中国专利公开了一种基于置信度预测系统的冗余融合定位增强的方法和装置，该方法通过计算冗余融合定位系统与高精度惯导系统之间的定位偏差数据，并将其输入基于深度学习训练得到的置信值拟合网络及时序神经网络，实现对当前及未来时刻定位置信度的评估与预测。该方法虽然能够对融合定位结果的置信度进行评估，但其置信度评估严重依赖预先训练的深度学习网络模型及作为评价基准的高精度惯性导航系统，模型训练与维护成本较高，且未结合车辆自身的运动状态（如车速、加速度、航向变化等运动约束信息）对各定位数据源的位置变化一致性进行校验，也未针对定位数据源的异常检测与动态权重调整给出可解释、可量化的计算方式，难以直接应用于网约车这类对成本敏感、需要实时可解释判断依据的合规监管场景。

4、公开号为cn116486639b的中国专利公开了一种基于遥感和北斗卫星数据分析的车辆监管方法，该方法通过获取车辆的北斗卫星定位数据，结合网格质心合并算法对车辆停留点位进行聚合分析，并通过电子围栏、射线法等方式对车辆轨迹的合法性进行判断，实现对工程车辆违规倾倒、偏离运输轨迹等行为的监管。该方法虽然实现了基于定位数据的车辆行为合规判断，但其直接采用单一北斗卫星定位数据源作为监管依据，未考虑定位数据本身可能存在的信号遮挡、漂移、突变等异常情况对判断结果准确性的影响，一旦定位数据出现异常而未被识别，将直接导致车辆合规状态的误判或漏判，且该方法主要针对固定点位间的运输轨迹合法性分析，未涉及网约车行业所需的核定行驶区域越界判断、计价合规、运营资质合规等多维度合规判断需求。

5、综上所述，现有技术中的定位融合方法大多未充分结合车辆运动状态对多源定位数据的一致性进行校验，也未建立数据质量与历史稳定性相结合的可信度动态评价机制；而现有的车辆监管方法则大多直接采用单一定位数据源作为监管依据，未考虑定位数据本身的可靠性对监管结果准确性的影响，也未能针对网约车行业所特有的区域合规、运营合规、计价合规等多维度监管需求进行有效判断。因此，亟需一种能够对多维定位数据进行融合处理，兼顾定位数据质量、历史稳定性及车辆运动一致性的可信度动态评价，并据此实现网约车多维度合规判断与分级监管控制的技术方案。

技术实现思路

1、为了克服现有技术存在的一系列缺陷，本技术的目的在于针对上述问题，提供基于多维定位数据融合处理的网约车合规监管方法，包括如下步骤：

2、获取网约车运行过程中的多源定位数据以及车辆状态数据，对多源定位数据以及车辆状态数据进行时间同步、空间坐标统一以及车辆运行状态关联处理，构建车辆运行数据集；

3、基于车辆运行数据集，分别提取各定位数据源对应的数据质量特征，并根据数据质量特征确定各定位数据源对应的初始可信度权重；

4、基于车辆状态数据构建车辆运动约束信息，根据车辆运动约束信息，对各定位数据源对应的位置变化过程与车辆运动状态之间的一致性进行校验，并根据一致性校验结果对初始可信度权重进行动态调整，得到各定位数据源对应的动态可信度权重；

5、基于动态可信度权重，对各定位数据源对应的定位数据进行异常检测及修正，并对修正后的定位数据进行融合处理，同时结合各定位数据源之间的位置一致性特征以及车辆运动轨迹连续性特征，得到融合定位结果；

6、基于融合定位结果生成过程中的定位数据源参与信息、动态可信度权重变化信息以及异常定位数据处理信息，确定融合定位结果对应的定位可信度，并根据定位可信度生成对应的定位风险标识。

7、在一些实施例中，初始可信度权重的确定方法为：

8、基于各定位数据源对应的数据质量特征计算综合数据质量分值；

9、获取各定位数据源对应的历史综合数据质量分值序列，并根据历史综合数据质量分值序列计算质量均值及质量波动参数；

10、根据综合数据质量分值、质量均值及质量波动参数，构建权重分配关系，并计算各定位数据源对应的基础可信权重；

11、对各定位数据源对应的基础可信权重进行归一化处理，得到初始可信度权重。

12、在一些实施例中，对位置变化过程与车辆运动状态之间的一致性进行校验的方法为：

13、根据车辆运动约束信息确定各定位数据源对应的理论位置变化范围；

14、获取各定位数据源对应的实际位置变化量；

15、根据理论位置变化范围与实际位置变化量之间的差异，计算各定位数据源对应的位置变化偏差值；

16、当位置变化偏差值超过预设一致性阈值时，判定对应定位数据源的位置变化结果不满足车辆运动约束，并记录对应的位置变化异常事件。

17、在一些实施例中，根据一致性校验结果对初始可信度权重进行动态调整具体包括：

18、根据车辆运动约束信息，确定车辆在当前运动状态下对应的位置变化约束范围；

19、获取各定位数据源对应的实际位置变化量；

20、根据所述位置变化约束范围与所述实际位置变化量之间的差异，计算各定位数据源对应的位置变化偏差；

21、判断所述位置变化偏差是否超过预设一致性阈值；

22、根据判断结果确定各定位数据源的位置变化过程与车辆运动状态之间的一致性状态，生成对应的一致性校验结果。

23、在一些实施例中，对各定位数据源对应的定位数据进行异常检测的方法为：

24、获取各定位数据源对应的定位数据序列；

25、根据定位数据序列，计算相邻采集时刻之间的位置变化量及速度变化量；

26、根据位置变化量及速度变化量，对各定位数据源对应的定位数据进行突变异常检测，确定位置突变异常数据；

27、对各定位数据源对应的定位数据序列进行趋势拟合，并根据实际定位数据与拟合趋势之间的偏差进行漂移异常检测，确定定位漂移异常数据；

28、根据各定位数据源对应的初始可信度权重，对异常检测判定阈值进行自适应调整；

29、根据调整后的异常检测判定阈值，对位置突变异常数据及定位漂移异常数据进行综合判定，生成各定位数据源对应的异常检测结果。

30、在一些实施例中，融合定位结果的获取方法为：

31、获取多个定位数据源对应的修正后定位数据，并获取各定位数据源对应的动态可信度权重；

32、根据修正后定位数据，确定同一采集时刻下各定位数据源之间的位置一致性关系，并计算各定位数据源对应的位置偏离程度；

33、根据位置偏离程度，对各定位数据源对应的动态可信度权重进行调整，得到更新后的动态可信度权重；

34、基于更新后的动态可信度权重，对保留后的各定位数据源对应的修正后定位数据进行融合计算，生成初始融合定位结果；

35、基于车辆运动状态信息及车辆运动约束信息构建状态估计模型，并将初始融合定位结果作为观测量输入所述状态估计模型；

36、根据车辆运动状态信息执行状态预测，并根据各定位数据源对应的动态可信度权重调整所述状态估计模型对应的观测噪声参数；

37、基于调整后的观测噪声参数执行状态更新，生成初始融合定位结果；

38、基于连续多个采集时刻对应的融合定位结果构建车辆运动轨迹序列，并根据车辆运动约束信息对所述车辆运动轨迹序列进行连续性检测；

39、根据所述连续性检测结果确定异常轨迹点，并对所述异常轨迹点对应的初始融合定位结果进行平滑修正，得到优化后的融合定位结果。

40、在一些实施例中，定位可信度的确定方法为：

41、获取当前采集时刻对应的参与融合定位的数据源数量、动态可信度权重及异常数据修正状态；

42、根据参与融合定位的数据源数量及动态可信度权重，提取对应的权重分布特征；

43、根据当前采集时刻与历史采集时刻之间的动态可信度权重变化关系，提取权重变化特征；

44、根据异常数据修正状态，提取异常数据修正比例特征；

45、基于权重分布特征、权重变化特征及异常数据修正比例特征，对融合定位结果进行可信度计算，生成定位可信度。

46、在一些实施例中，还包括：

47、基于融合定位结果、定位风险标识以及车辆运营数据，对网约车当前运行状态进行合规性判断，确定网约车当前运行状态是否满足预设合规监管条件；

48、若不满足，则根据异常状态对应的异常类型生成监管控制指令，并依据监管控制指令执行风险预警、数据复核或增强监管操作；

49、若满足，则输出当前监管周期对应的网约车合规监管结果，并进入下一监管周期。

50、在一些实施例中，基于融合定位结果、定位风险标识以及车辆运营数据对网约车当前运行状态进行合规性判断的方法为：

51、获取网约车对应的车辆运营数据，所述车辆运营数据包括营运资质信息、核定行驶区域信息以及计费规则信息；

52、根据融合定位结果确定车辆当前位置信息及当前运行轨迹信息；

53、根据车辆当前位置信息与核定行驶区域信息，确定车辆当前行驶区域对应的区域合规状态；

54、根据营运资质信息及计费规则信息，对车辆当前运营状态进行合规匹配，确定运营合规状态；

55、根据区域合规状态及运营合规状态，生成网约车当前运行状态对应的合规判断结果；

56、根据定位风险标识确定所述合规判断结果对应的风险复核状态；

57、当所述定位风险标识对应的风险等级满足预设风险条件时，对所述合规判断结果添加待复核标识。

58、在一些实施例中，监管控制指令的生成方法为：

59、获取车辆当前运行状态对应的异常状态信息；

60、根据异常状态信息确定对应的异常类型；

61、根据预设异常类型与异常严重程度之间的映射关系，确定异常状态对应的异常等级；

62、根据异常类型、异常等级以及历史异常发生信息，匹配对应的监管控制策略；

63、根据监管控制策略生成对应的监管控制指令。

64、与现有技术相比，本技术具有以下有益效果：

65、本技术通过融合多源定位数据并结合车辆运动约束进行动态可信度评估、异常修正及轨迹优化，提高了网约车定位结果的准确性与可靠性，实现了对网约车运行状态的精准合规监管和风险智能识别。