电动自行车租赁系统监管平台设计与实现第4章下Word文件下载.docx
《电动自行车租赁系统监管平台设计与实现第4章下Word文件下载.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Word文件下载.docx（12页珍藏版）》请在冰豆网上搜索。
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
3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
升级会员 