Viac

Výpočet novej polohy satelitu vzhľadom na merania pseudorange

Výpočet novej polohy satelitu vzhľadom na merania pseudorange


Hľadám odkaz/text na explicitný vzorec na výpočet polohy satelitu vzhľadom na merania pseudorange z neskorších epoch. Videl som na internete veľa kódu matlab, ale dúfal som, že tieto vzorce budú pekne navrhnuté.

Vie ma niekto nasmerovať správnym smerom?


Algebraické riešenia nie sú pre GPS veľmi bežné, existuje ich však niekoľko. Najznámejší je pravdepodobne Bancroft. Ďalší sú Ábelov a Kleusbergov.


Ak hľadáte nejaké knižnice a testovacie prostredie v C ++ alebo pythone, môžete sa pozrieť na softvérové ​​nástroje piksi swift. Je to open source (LGPL) a kód je dobre zdokumentovaný z hľadiska popisu funkcie + zdrojov literatúry.

Dokumentácia zdrojového kódu funkciegnss_analysis/solution.py/singe_point_positionoslovuje literatúru Kaplan, E… Pochopenie GPS - zásady a aplikácie. 2. vydanie, napríklad odsek 2.4.2, a implementuje postup.

def single_point_position (obs, max_iterations = 15, tol = 1e-4): "" "Vypočíta polohu jedného bodu iteratívnym riešením linearizovaných riešení najmenších štvorcov Parametre ---------- obs: pd.DataFrame A DataFrame, ktorý uchováva pozorovania „pseudorange“ (opravené o chyby satelitných hodín), polohu satelitu („sat_x“, „sat_y“, „sat_z“), všetko v súradniciach ECEF v čase prenosu a premennú „vleku“, ktorá zodpovedá času príchodu. Predpokladá sa, že všetky pozorovania boli propagované do spoločného času príchodu. Max_iterations: int (voliteľné) Maximálny počet iterácií, predvolene je 15. tol: float (voliteľné) Tolerancia pre konvergenciu (rovnaké sa používa pre polohu aj čas) , predvolená hodnota je 1e-4. Vráti -------- spp: dict Slovník, ktorý drží pozíciu jedného bodu. Zahrnuté kľúče: pos_ecef: pole s dĺžkou tri, ktoré predstavuje pozíciu v koordéroch ECEF. čas: systémový čas GPS v riešenie clock_offset: chyba hodín prijímača konvergovaná: boolovský indikátor konvergencia. Referencia: Kaplan, E… Pochopenie GPS - princípy a aplikácie. 2. vydanie, oddiel 2.4.2 "" "...

Výpočet novej polohy satelitu vzhľadom na merania pseudorange - geografické informačné systémy

Zachytávanie geopriestorových údajov závisí od schopnosti pripojiť k funkcii presné súradnice skutočného sveta. Vytvorenie dnešného priestorovo povoleného prostredia bolo možné len vďaka pozoruhodnej sérii technologických pokrokov a niektorých osvietených verejných politík. Ako v roku 2009 popísal národný geopriestorový poradný výbor v správe o zmene geopriestorovej krajiny:

Takmer všetky údaje, technológie a aplikácie, ktoré dnes vidíme, je možné vysledovať do inovatívnych politík a vládnych postupov z minulosti. Preto vyžadujeme podobné inovatívne politiky, aby sme držali krok s touto pozoruhodnou zmenou mora. Vládni poskytovatelia geografických informácií si už o sebe nemôžu myslieť, že sú hráčmi mimo komunity súkromného sektora, štátnych, miestnych alebo dokonca verejných zainteresovaných strán. (Národný geopriestorový poradný výbor 2009)

Je zrejmé, že svet získavania geopriestorových údajov sa natrvalo zmenil, keď prezident Clinton otvoril nedegradovanú konšteláciu GPS na civilné použitie. Teraz aj lacný smartphone vie, kde je, a označí geoznačkou fotografiu so súradnicami, ktoré sa nachádzajú v okruhu niekoľkých metrov od skutočnej polohy. V skutočnosti je pre veľký zoznam aplikácií moderný smartphone pomerne presným prieskumným zariadením, ktoré dokáže presne umiestniť používateľa do kontextu podrobnej mapy alebo leteckej fotografie. Technológia GPS taktiež poháňa pasívne a aktívne senzorové systémy v reálnom čase, ktoré inventarizujú a monitorujú neobmedzené množstvo pozemských, atmosférických, oceánskych, seizmických a hydrologických podmienok. Flotily komerčných a vládnych satelitov teraz poskytujú denné pokrytie sveta vo vysokom rozlíšení, ktoré je schopné nájsť miesta s raketami alebo vyťažiť stopu budovy. Najrušnejšie letisko na svete vytvorilo kompletný zjednotený trojrozmerný interiérový a exteriérový geopriestorový model na podporu desiatok rozhodnutí. Inými slovami, internet vecí má neobmedzenú geopriestorovú stopu. Je dôležité zasadiť vývoj zberu geopriestorových údajov do širšieho kontextu technológie a použitia GIS. Ako navrhol Goodchild (2011),

celý internet sa rýchlo stáva jedným obrovským GIS. Za posledné dve desaťročia však rozsiahla dostupnosť softvéru GPS a máp zmenila rovnováhu v tejto rovnici a umožnila vytvárať mapy prakticky čokoľvek za takmer nič…. V budúcnosti bude GIS zahŕňať oveľa viac monitorovania a hodnotenia situácie v reálnom čase a bude potrebovať nové druhy nástrojov, ktoré budú informácie považovať za neustále sa meniace. (Goodchild 2011).

Údaje pre vstup pre aplikácie GIS pochádzajú z mnohých zdrojov. Najbežnejším formátom je rastrová alebo vektorová reprezentácia objektu na zemskom povrchu s pridruženými geografickými súradnicami, ktoré sú priamo prepojené alebo definované vzhľadom na pevné polohy. Raster je jednoducho geograficky registrovaná matica hodnôt so systémom registrácie na súradnice skutočného sveta. Vektorové údaje zachovávajú vernosť geografických prvkov ako bodov, čiar alebo mnohouholníkov. Historicky potreba integrácie viacerých dátových tém viedla k súťaži medzi týmito dvoma dátovými modelmi. Rastrový tábor generoval maticu čísel priradených k bunkám pevnej veľkosti. Je to perfektná štruktúra pre údaje získané zo senzorov a reprezentáciu súvislých povrchov, ako je nadmorská výška. Pri procese zovšeobecnenia sa však stratí značné množstvo informácií a bunky mriežky nie sú vhodné na znázornenie lineárnych prvkov. Za posledných tridsať rokov sme boli svedkami zlučovania rastrových a vektorových táborov. Výber štruktúry údajov a analytických nástrojov sa riadi požiadavkami aplikácie (obrázok 1).

Obrázok 1. Fotografia interpretovaná ako krajina z roku 1978 používa polygóny ako vektory na perovom plotri a raster na elektrostatickom plotri. Zdroj: autori.

V najširšom zmysle sú geopriestorové údaje zachytávané priamo prístrojom, ktorý je schopný určiť jeho polohu, alebo nepriamo pomocou manuálneho alebo automatického postupu. Záznam zemepisnej šírky a dĺžky benchmarku je príkladom údajov pripravených na GIS. To tiež znamená, že inteligentný telefón s GPS v rukách občana priamo zachytáva aj údaje pripravené pre GIS. Široká škála zariadení, ako sú digitálne fotoaparáty, sú pasívne senzory, ktoré priamo zachytávajú rastrové geopriestorové údaje. Ostatné aktívne senzory, ako napríklad LiDAR a Radar, tiež získavajú obrovské mraky bodov, ktoré merajú široký rozsah charakteristík.

Nepriame zachytávanie geopriestorových údajov vyžaduje, aby sa na vytváranie údajov kompatibilných s GIS používal manuálny alebo automatizovaný postup. Pole fotogrametrie zdokonalilo spôsoby výpočtu trojrozmerných polôh pre funkcie na leteckých fotografiách. Obrysové čiary a digitálne výškové modely sú interpolované zo skúmaných meraní. Digitálne ortofotosnímky vyrobené pomocou softvérovej (digitálnej) fotogrametrie umožňujú používateľovi zachytiť funkcie pripravené pre GIS prostredníctvom heads-up digitalizácie Alternatívne pomocou georeferenčných algoritmov je možné tradičné analógové mapy a fotografie prispôsobiť zdrojom so známymi súradnicami. V počiatkoch tvorby digitálnych údajov si zachytenie vektorových funkcií zo zdrojových materiálov vyžadovalo špecializované digitalizačné tabuľky, ktoré fungovali ako veľký kus digitálneho grafického papiera (obrázok 2). Operátor namontoval na digitalizačný stôl existujúcu mapu alebo fotografiu a pomocou stylusu vystopoval body, čiary alebo mnohouholníky. Takéto zariadenia boli obmedzené na veľké organizácie alebo spoločnosti, ktoré poskytovali komerčné digitalizačné služby. Keď sa aplikácie GIS rozšírili a dopyt po digitálnych údajoch sa zvýšil, stali sa tieto tabuľky tiež bežnou súčasťou výskumných laboratórií a vládnych organizácií. Na začiatku operátori sledovali funkcie bez možnosti ukážky alebo úprav. V priebehu času špeciálne pracovné stanice umožnili operátorovi interaktívne zobrazovať a upravovať funkcie na monochromatických úložných tubách. V dnešnom modernom prostredí GIS sa zber údajov vykonáva pomocou desktopových nástrojov, ktoré podporujú digitalizáciu na obrazovke alebo heads-up pomocou myši na štandardných farebných počítačových displejoch. Sofistikované nástroje na úpravu podporujú automatické sledovanie hrán, prichytávanie, dokončovanie mnohouholníkov a presadzovanie topologických pravidiel.

Obrázok 2. 1987 Proces manuálnej digitalizácie v Národnom výskumnom centre pre mokrade, USFWS Slidell LA, Zdroj obrázku: James D. Scurry, použitý so súhlasom.

Viac ako 55 000 naskenovaných topografických štvoruholníkov USGS) je príkladom geograficky rektifikovaného zdrojového materiálu. Digitalizáciu je možné vykonať umiestnením materiálu na digitalizačný stôl alebo prácou so skenovanou verziou. Tento postup zvyčajne vyžaduje interpretáciu leteckej fotografie na identifikáciu a výber funkcií. Naskenované verzie leteckých fotografií majú v skutočnosti rovnaké vlastnosti ako akékoľvek rastrové údaje získané pasívnym senzorom, akým je napríklad multispektrálny satelit na pozorovanie Zeme. To znamená, že hodnoty pixelov je možné zaradiť do kategórií, ako napríklad krajinná pokrývka. Tieto súbory rastrových údajov je možné použiť aj na extrakciu funkcií, ako sú cesty a strechy. Dnes je možné ich analyzovať pomocou sofistikovaných nástrojov strojového učenia na vykonávanie automatickej extrakcie funkcií. Softvér GIS je pripravený ich začleniť ako rastrové alebo mnohouholníky.

Pri vytváraní geopriestorových údajov sú rozhodujúce aj ďalšie formy nepriameho zachytávania. V mnohých prípadoch sú nové funkcie prepojené s existujúcimi opravenými funkciami. Tento proces je možné vykonávať interaktívne prichytením k relevantným funkciám a pridaním nových atribútov. Možno to tiež vykonať pomocou priestorového vyhľadávania, ktoré prenáša informácie o atribútoch z najbližšieho bodu alebo v medzipamäte. Reverzné geokódovanie, ktoré nájde všetkých ľudí, ktorých je potrebné v prípade núdze upozorniť, je toho príkladom. Záznamy geodetov o metách a hraniciach je možné použiť aj na vytváranie polygónov pozemkového vlastníctva a generovanie autoritatívnej digitálnej daňovej mapy. Použitím adresy stránky tieto balíky tiež poskytujú základ pre automatické geokódovanie adries, ktoré spája koordinačné body s adresou. Podobným spôsobom americký úrad pre sčítanie ľudu interpoluje súradnice adresy ulice z rozsahov adries v súboroch riadkov TIGER. Program pobrežného mapovania spoločnosti NOAA ukazuje, ako je možné údaje z aktívnych a pasívnych senzorov zlúčiť a vytvoriť tak komplexnú reprezentáciu pobrežia. Napríklad ručné analytické spektrálne zariadenie, ktoré zhromažďuje osemdesiat spektrálnych podpisov, sa používa v teréne na zachytenie pobrežných funkcií integrovaných s LiDAR a multispektrálnymi snímkami na vytvorenie komplexného zobrazenia pobrežia. Tieto integrované viacvrstvové údaje slúžia na monitorovanie podmienok a je ich možné aktualizovať na požiadanie.

Za posledné polstoročie sa proces zberu údajov dramaticky zmenil, a to tak zavedením nových technológií, ako aj výrazným zlepšením existujúcich. Evolúcia GIS ako základnej technológie ťažila priamo zo všeobecného pokroku v oblasti sily procesorov, veľkosti úložných systémov a možností sieťovej infraštruktúry IT. Pokiaľ ide o softvérové ​​nástroje, kartografiu, geodetické prieskumy, fotogrametriu, počítačom podporovaný dizajn, diaľkové snímanie a strojové učenie je možné zastrešiť pod záštitou GIS. To znamená, že medzi týmito aplikáciami existujú cesty, ktoré umožňujú užívateľovi zachytávať geopriestorové údaje z mnohých zdrojov, integrovať ich s inými témami, prevádzať ich medzi dátovými štruktúrami, používať analytické postupy na vytváranie nových údajov z existujúcich funkcií, akými sú interpolácia alebo priestorové vyhľadávanie. Okrem toho množstvo konkrétnych vylepšení priamo ovplyvnilo spôsob vytvárania geopriestorových údajov, vrátane:

  • GNSS (Global Navigation Satellite System). Medzi príklady patrí európsky Galileo, americký NAVSTAR, ruský GLONASS a čínsky BeiDou. Tieto umožnili dokonca aj inteligentným telefónom nezávisle zaznamenávať súradnice a priniesli revolúciu v geodézii a umožnili zachytávanie údajov z rôznych zdrojov.
  • Digitálna fotografia (pasívne snímače). Tieto priamo generujú rastrové údaje priradením hodnôt reflexného a vyžarovaného svetla pixelom. Môžu byť namontované na rôznych platformách od malých UAV po satelity na pozorovanie Zeme.
  • LiDAR a ďalšie aktívne senzory. Tieto vytvárajú obrovské bodové oblaky hodnôt vrátených z emitovaných impulzov a spôsobili revolúciu v spôsobe vytvárania a manipulácie s údajmi o nadmorskej výške.
  • Digitálne ortofotografie vyrobené z mäkkej kopírovacej fotogrametrie. Dostupnosť takýchto snímok znamená, že je preferovaným zdrojom fotografií na manuálnu digitalizáciu. Odstránili potrebu digitalizácie tabletov.
  • Šikmé letecké fotografie. Tieto viacsmerové obrázky poskytujú 3D perspektívy a podporujú a zlepšujú extrakciu údajov.
  • Klasifikačné algoritmy pre rastrové údaje. Patria sem postupy pod dohľadom a bez dozoru na vytváranie krajinnej pokrývky a ďalšie charakteristiky. Poskytujú spôsob aktualizácie máp a automatického vytvárania nových dátových tém.
  • Automatické rozpoznávanie a extrakcia funkcií. Algoritmy spracovania obrazu, ktoré identifikujú a oddeľujú okraje prvkov a extrahujú polygóny.
  • Geokódovanie adries. Tieto postupy priraďujú súradnice textovému reťazcu, ako je adresa ulice, dosiahnuté priamym spojením s databázou alebo interpoláciou z rozsahov adries. Vylepšenia presnosti a úplnosti znamenajú, že tento prístup sa stal základnou schopnosťou zberu údajov.
  • Vytváranie presných globálnych podkladov a softvéru na spracovanie geografických a projektovaných súradníc. Vylepšené merania a ich integrácia do GIS uľahčili vývoj dátových tém.
  • Štandardy priestorových metadát. Pokroky vo vývoji a nasadení týchto systémov zlepšili interoperabilitu, vývoj nových aplikácií a posúdenie vhodnosti použitia údajov.
  • City Geographic Markup language (CityGML). Tento otvorený dátový model poskytuje zrelý sémantický informačný model na reprezentáciu 3D mestských objektov na rôznych úrovniach detailu (LOD).
  • Štruktúry súborov GeoTif a Geopdf. Tieto bežné formáty uľahčujú prenos tradičných digitálnych dát. Poskytli používateľom GIS a iným používateľom GIS nástroje na výpočet súradníc, oddelenie tém a vykonávanie meraní.
  • Geografické vyhľadávače. Tieto webové nástroje poskytujú jednoduchšie vyhľadávanie, objavovanie, prístup a šírenie geopriestorových údajov
  • Robustné siete. Existencia robustných sietí uľahčila virtuálne pripojenia, a nie sa spoliehať na ťažkopádnejšie metódy prenosu súborov.
  • Web 2.0. To umožnilo zdieľanie a spoluprácu pre rozsiahle aplikácie, vrátane geopriestorových.

Určitý pokrok v technológiách umožnil rozkvet najmä GIS. Táto časť sa zaoberá niektorými z týchto inovácií.

4.1 Priame zachytenie v teréne / prieskum

Po celé stáročia inšpektori používali špecializované meracie a optické zariadenia na odhad súradníc v teréne. Vytvorili prepracovaný rámec benchmarkov pre registráciu ďalších tém údajov. Našťastie sme boli svedkami revolúcie v spôsobe, akým sú súradnice teraz spojené s funkciami. Ešte pred vznikom globálneho polohovacieho systému (GPS) laserové diaľkomery a totálne stanice zmodernizovali profesiu geodeta. Theodolity a elektronické zariadenia na meranie vzdialenosti umožnili geodetom merať dlhé vzdialenosti a počítať uhly na základe priamej viditeľnosti, a nie na základe priameho prístupu. Nasadenie siete GPS však zmenilo hru. Bol to pozoruhodný úspech, ktorý otvoril dvere do geograficky povoleného sveta, ktorý si teraz užívame. Sieť GPS umožňovala prijímaču interpretovať zemepisnú šírku a dĺžku bez prepojenia so sieťou existujúcich riadiacich bodov. Na odstránenie selektívnej dostupnosti pre civilný sektor však v roku 2000 potreboval výkonný prezident prezidenta Clintona. Dopad bol okamžitý. Usery et. al. (2018) poskytujú vynikajúcu diskusiu o vplyve GPS.

Avšak s počiatočnou dostupnosťou lokalizačných signálov GPS v osemdesiatych rokoch minulého storočia, a najmä s dešifrovaním signálu a verejnou dostupnosťou v deväťdesiatych rokoch minulého storočia, GPS a jeho náprotivky globálnych systémov určovania polohy v Rusku a Európe a regionálne systémy v mnohých krajinách (Čína , India a ďalšie) sa stali štandardom geolokácie a spustili tisíce nových služieb založených na polohe, z ktorých mnohé zmenili štruktúru našich sociálnych a obchodných systémov. (Usery, Varanka & amp Davis 2018, 386).

Sieť GPS sa za posledných dvadsať rokov stala súčasťou medzinárodného globálneho navigačného satelitného systému (GNSS). Táto zastrešujúca organizácia zahŕňa súhvezdia Ruska GLONASS a Európskej únie Galileo. Väčšia konštelácia výrazne zvyšuje možnosť lokalizovať požadovaný počet satelitov.

Aj keď prijímače GPS môžu nezávisle získavať polohy zemepisnej šírky a dĺžky kdekoľvek na Zemi, nie všetky generujú rovnakú úroveň presnosti. Vylepšenia v presnosti súvisia s tým, či prijímač môže prijímať viac ako jeden signál, či sa môže synchronizovať s pozemnými stanicami a s dĺžkou času, počas ktorého prijímač zhromažďuje údaje. Vláda USA, zahraniční partneri a súkromný sektor poskytli nástroje na spresnenie presnosti súradníc. Tieto zariadenia používajú licencovaní inšpektori, ako aj verejní zamestnanci a vedci na priame zachytávanie údajov z terénu. Tieto systémy často spresňujú svoje údaje s presnosťou na jeden meter prepojením na pozemné kontinuálne pracujúce referenčné stanice (CORS). Keď je potrebná precízna práca v stavebníctve a strojárstve, geodeti zhromaždia najmenej dve hodiny údajov o dvojfrekvenčnom prijímači a odošlú ich online službe určovania polohy online (OPUS) Národného geodetického prieskumu (NGS). Táto služba upravuje údaje z troch národných stránok CORS s cieľom spresniť horizontálne a vertikálne súradnice. Používatelia každý mesiac dobrovoľne nahrajú desaťtisíce týchto vysoko presných dátových súborov. E -mailom dostane používateľ informácie o polohe s úrovňou centimetra. Tento systém používajú tisíckrát mesačne inšpektori, ktorí tiež prispievajú svojimi údajmi k zahusteniu národného systému priestorových referencií. Tento systém je navrhnutý tak, aby spájal všetky geografické prvky s bežnými, na národnej úrovni používanými horizontálnymi a vertikálnymi súradnicovými systémami ”alebo aby sa ubezpečil, že„ sa všetko zhoduje “.

GNSS tiež zlepšuje našu schopnosť presne merať tvar Zeme.To má vplyv na zriadenie miestnych a globálnych podkladov a referenčných rámcov. Z pohľadu komunity GIS prístup k týmto údajom zriadeným Národným geodetickým prieskumom (NGS) a softvéru na zvládnutie viac ako 200 projekcií máp výrazne zjednodušil integráciu geopriestorových údajov.

Aj keď zdokonalenie prieskumnej technológie malo obrovský vplyv na obchodné a vedecké úsilie, skutočnou zmenou hry bolo začlenenie prijímača GPS do miliárd smartphonov. V roku 2009 Apple zmenil iPhone 3gs na prieskumné zariadenie. Používatelia iPhone sa tak okamžite nestratia a môžu nájsť a navigovať na pozície kdekoľvek na svete. Kým smartfón s jediným prijímačom dokáže odhadnúť polohu na niekoľko metrov, pri zbieraní mnohých záznamov na modernom dvojfrekvenčnom telefóne sa presnosť polohy zlepší na niekoľko centimetrov. Tieto nové telefóny môžu kompenzovať rušenie budov a pripojiť sa k celému radu satelitov GNSS. To znamená, že v prípade niektorých aplikácií môže budúca generácia smartfónu konkurovať vyhradeným prístrojom GPS. Aj dnes môže bežný inteligentný telefón priamo zachytiť polohu neobmedzeného počtu funkcií, ako sú stromy, odpadkové koše, požiarne hydranty, mestský nábytok, stojany na bicykle, značky, stĺpy a merače.

Napríklad aj jednoduché nástroje na mapách iPhone a Google môžu zachytávať veľmi užitočné údaje, ako je napríklad zoznam požiarnych hydrantov (obrázok 3). Je zaujímavé poznamenať, že spoločnosť HazardHub, spoločnosť zaoberajúca sa rizikom ohrozenia majetku, zadala externe odchyt požiarnych hydrantov skupine v juhovýchodnej Ázii, deväť analytikov identifikovalo tisíce hydrantov ručným skenovaním obrázkov zobrazených v službe Google Street View. Zistili, že tento manuálny proces je lepší ako robot s umelou inteligenciou (Foust 2020).

Obrázok 3. Zemepisná šírka a dĺžka požiarneho hydrantu s informáciami z fotografie iPhone zobrazenej v Mapách Google. Zdroj: autori.

Tí istí občania používajú tieto zariadenia na to, aby z miesta vychádzali výtlky, vandalizmus a mnohé ďalšie znepokojujúce oblasti. Dobrým príkladom dobrovoľných geografických informácií je rok 2017, keď 700 dobrovoľníkov založilo Guinnessov svet, keď pomocou svojich telefónov „skúmali“ King Tide vo Virgínii (Virginia Institute of Marine Science, 2017. Najpozoruhodnejšou aplikáciou však bolo vytvorenie Open Street Map (OSM) vytvorenej dobrovoľníkmi, ktorí počas mapovacích večierkov zachytávajú stopy po uliciach a body záujmu. V mnohých oblastiach je OSM najlepšou dostupnou mapou na civilné použitie. Okrem toho USGS používa skupinu dobrovoľníkov s názvom National Map Corps , že „vykonali viac ako 500 000 úprav na viac ako 400 000 bodoch štruktúry“ (Usery, 2019).

4.2 Fotografie georeferencií

História leteckých fotografií zahŕňa široké spektrum možností od teplovzdušných balónov až po obiehajúce satelity. Dôležitosť snímok ako základu pre zber údajov nemožno preceňovať.

Letecké fotografie boli zásadným prínosom v prvej svetovej vojne. Po vojne ministerstvo poľnohospodárstva a USGS iniciovalo niekoľko programov leteckého fotografovania na mapovanie a monitorovanie zmien na povrchu Zeme. Postupom času sa fotografie vyvíjali od čiernobielych, cez farebné nasnímané z lietadiel s posádkou, až po výstup z multispektrálnych dátových senzorov zachytených satelitmi. Z hľadiska zachytávania údajov GIS sú najvhodnejším formátom vertikálne fotografie nasnímané priamo pod lietadlom. Mierka na fotografii sa však smerom von mení z najnižšej polohy. Na manuálne zarovnanie funkcií na fotografii so základnou mapou boli použité špeciálne optické zariadenia, ako napríklad rozsah prenosu zoomu. V digitálnom prostredí môžu byť fotografie a mapy georeferencované, aby sa kompenzovali rozdiely v mierke a orientácii. Na opis postupu sa často používa výraz „gumová fólia“. Presnosť tohto procesu georeferencovania závisí od výberu dobrej sady riadiacich bodov identifikovateľných pomocou fotografie so známymi súradnicami. Tento proces zahŕňa vytvorenie série prepojení medzi funkciami na obrázku a zodpovedajúcimi funkciami na zemi. Najlepším zdrojom týchto bodov pozemnej kontroly sú sledované ciele, ako napríklad biele X v otvorenom poli alebo na ceste. V iných prípadoch boli použité rohy ulíc, živé ploty, hrany budov, cesty, doky a ďalšie funkcie. Sada odkazov rozmiestnených po obrázku sa používa na výpočet parametrov transformácie, ktorá posúva a deformuje každý pixel do novej polohy. Georeferencovanie je iteračný proces, ktorý umožňuje operátorovi prispôsobiť kontrolné body, prepojenia a výber transformácie. Väčšina softvéru ponúka výber transformácií, ako sú polynómové, spline, projektívne alebo podobnosti. Na vyhodnotenie presnosti transformácie sa vygeneruje chybová tabuľka. V konečnom dôsledku bude operátor vizuálne kontrolovať výsledky transformácie a akceptuje úroveň chyby. Posledným krokom je oprava georeferenčného obrazu na štandardizované súradnicové systémy. Opravený zdrojový materiál je potom pripravený na zobrazenie alebo môže slúžiť ako základná mapa na extrakciu alebo aktualizáciu funkcií. Za niekoľko desaťročí bolo georeferencovaných nespočetné množstvo fotografií.

Nástroje na georeferenčné obrázky sú tak jednoduché, že Leventhal Map & amp Education Center of Boston Public Library prevádzkuje webovú aplikáciu, ktorá umožňuje používateľom interaktívne georeferencovať historické mapy a fotografie. Tieto georeferencované letecké fotografie a mapy sú pripravené na analýzu a vizualizáciu pomocou obľúbeného nástroja potiahnutia prstom, ktorý graficky zobrazuje dva pohľady na rovnakú oblasť. Predstavujú rýchly spôsob, ako ilustrovať zmenu (obrázok 4).

Obrázok 4. Porovnanie georeferencovanej historickej mapy Washingtonu, DC, so vzdušnými snímkami, pomocou aplikácie Esriho potiahnutím prstom. Zdroj obrázku: autori.

4.3 Ortofotografia

Ortofotový proces deformuje zdrojový obrázok tak, aby vzdialenosť a plocha zodpovedali meraniam v reálnom svete. To umožňuje použitie fotografií priamo v mapovacích aplikáciách, pretože zmierňuje skreslenie, ktoré je inak prítomné pri leteckom fotografovaní. Fotogrammetristi vyvinuli v šesťdesiatych rokoch minulého storočia a tento proces využíva prekrývajúce sa stereo snímky a digitálny výškový model, ktorý je možné prispôsobiť zmenám terénu a sklonu lietadla (obrázok 5).

Obrázok 5. Porovnanie georeferencovanej leteckej fotografie a ortofoto. Všimnite si rozdielu v znázornení priameho potrubia. Zdroj: USGS.

4.4 Automatická klasifikácia a extrakcia funkcií

Vývoj zberu údajov bol zdôraznený prevodom z manuálnych na automatizované postupy. Pokiaľ ide o rastrové údaje z kamier, vedci diaľkového snímania venovali svoju kariéru hľadaniu najlepšej kombinácie spektrálnych signálov na identifikáciu rôznych typov pokrytia krajiny a monitorovacích podmienok na Zemi. Algoritmy klasifikácie sú kritickými nástrojmi na nájdenie nových funkcií, napr. mokrade, meracie charakteristiky napr. výnosy plodín alebo zmena detekcie napr. rozrastanie miest. Tieto nové nástroje sa vyvinuli zo širšej oblasti spracovania obrazu. Väčšina súčasnej práce na rozpoznávaní vzorov, umelej inteligencii a strojovom učení sa zameriava na automatizovanú extrakciu funkcií. V sledovacích aplikáciách je možné na nájdenie konkrétnych cieľov použiť nástroje strojového učenia. Rádiológovia používajú rovnaké nástroje na nájdenie nádorov. V domácich aplikáciách tieto nástroje môžu nájsť konkrétne objekty, ako sú bazény, prístavby budov alebo oblasti nezdravej vegetácie. Podobným spôsobom je možné analyzovať aj hodnoty nadmorskej výšky a intenzity LiDAR, aby sa izolovali stromy, elektrické vedenia, štruktúry a ďalšie prvky na povrchu (obrázok 6).

Obrázok 6. Extrakcia jednotlivých štruktúr a stromov z LiDAR. Zdroj obrázku: autori.

Mnoho rutín spracovania obrazu vygeneruje polygóny z klasifikačných obrazov. Nedávna analýza spoločnosti Microsoft poukazuje na stav automatickej extrakcie funkcií. Analytici spoločnosti Microsoft získali prístup k piatim miliónom satelitných snímok na zachytenie okrajov budov a vytvorenie mnohouholníkových stôp pre 125 192 184 budov v USA (obrázok 7). Je pozoruhodné, že veľká IT spoločnosť chcela tieto informácie a potom ich zdieľala. Z technického hľadiska analýza vkladá nový výraz na frázu „dokonca viditeľný z vesmíru“ a určite naznačuje, že zachytávanie geopriestorových údajov je pripravené na spracovanie veľkých dát.

Obrázok 7. Stopy spoločnosti Microsoft pre časť Columbie v Južnej Karolíne. Zdroj údajov: Esri's Living Atlas. Zdroj obrázku: autori.

Príklad strechy spoločnosti Microsoft ilustrovaný vyššie ukazuje súčasný stav techniky z hľadiska ponuky a dopytu po geopriestorových údajoch. Je to však len časť väčšieho hnutia, ktoré ovplyvňuje spôsob, akým jednotlivci žijú, pracujú a hrajú v geopriestorovo spoločnosti. V dôsledku technologického pokroku existuje dopyt po mnohých programoch a investície do nich, pretože sú schopné čerpať z pozoruhodného skladu geopriestorových údajov. Vzniklo množstvo geopriestorových platforiem, ktoré poskytujú ľahko použiteľné nástroje na lokalizáciu existujúcich geopriestorových zdrojov na základe štandardizovaných metadát. Medzi tieto platformy patrí Esri Living Atlas, ktorý je hostiteľom tisícov autoritatívnych vrstiev od komunity jeho používateľov. Mnoho z veľkých národných výskumných inštitúcií vybudovalo a zdieľalo platformy na zisťovanie geografických údajov pomocou GeoBlacklight, „multiinštitucionálnej spolupráce typu open-source, ktorá vytvára lepší spôsob hľadania a zdieľania geopriestorových údajov“. Tieto vyhľadávače poskytujú používateľom skúsenosti s objavovaním, prehliadaním a sťahovaním geopriestorových údajov pre konkrétnu oblasť záujmu. Časť 2 tejto položky o zmenách v získavaní geopriestorových údajov sa zameria na dôsledky týchto zmien vrátane existencie rozsiahlych nových zbierok údajov.

Foust, B. (2020). Osobná komunikácia.

Goodchild, M. (2011). Do budúcna: Päť myšlienok o budúcnosti GIS. Esri ArcWatch https://www.esri.com/news/arcwatch/0211/future-of-gis.html

Národný geopriestorový poradný výbor (NGAC). (2009). Správa NGAC: Meniaca sa geopriestorová krajina. https://www.fgdc.gov/ngac/NGAC%20Report%20-%20The%20Changing%20Geospatia.

Usery E. L., Varanka D. E. a Davis L. R. (2018). Vývoj topografického mapovania: Od poľných a fotograficky zozbieraných údajov k produkcii GIS a prepojeným otvoreným údajom. Kartografický časopis. 55: 4, 378- 390, DOI: 10,1080/00087041.2018.1539555


Výpočet novej polohy satelitu vzhľadom na merania pseudorange - geografické informačné systémy

The Globálny polohovací systém (GPS) pozostáva z 24 satelitov obiehajúcich okolo Zeme. Tieto satelity umožňujú každému, kto vlastní a GPS prijímač určiť jeho presnú dĺžku, šírku a nadmorskú výšku kdekoľvek na planéte. Za pouhých 100 dolárov môžete presne vedieť, kde ste a kde ste boli. Pre každého, kto sa kedy stratil - pri turistike v lese, plavbe loďou v oceáne, jazde v neznámom meste alebo nočnom lietaní s malým lietadlom - je prijímač GPS zázrakom. Keď používate prijímač GPS, nikdy nie ste stratení.

Ako je to možné? Teraz sa pozrieme na podrobnosti o tom, ako satelity GPS a prijímače GPS spolupracujú pri určovaní polohy. Zistíte, že systém GPS je úžasnou technologickou cestou!

Možno budete chcieť začať tým, ako fungujú, aby ste sa dozvedeli, ako satelity GPS a váš prijímač spolupracujú - je to úžasný systém! Ak ste nikdy predtým nepoužívali prijímač GPS, vyskúšajte Čo môžu urobiť, aby ste sa dozvedeli, čo môžu prijímače GPS pre vás urobiť. Funkcia vám povie o všetkých funkciách, ktoré nájdete na prijímačoch GPS, aby ste vedeli, o čom hovoríte, ak si ich chcete kúpiť. Kliknutím na rôzne oblasti mapy sa dozviete všetko o týchto úžasných zariadeniach!

Nasledujúca mapa vás zavedie ku všetkým dostupným informáciám!

Ak nevlastníte GPS, ale poznáte niekoho, kto ho má, povzbudzujte ho, aby napísal recenziu, ktorú si my ostatní prečítame.

Ak nevlastníte GPS, ale chceli by ste vedieť, čo si o nich myslia iní ľudia, než si ich kúpite, kliknite sem!

Pozrime sa na príklade, ako funguje trilaterácia.

Povedzme, že ste niekde v USA a ste úplne stratení - nemáte ani potuchy, kde ste. Nájdete priateľského človeka a spýtate sa: „Kde som?“ a ten človek vám povedal: „Si 625 míľ od Boise, Idaho.“ Je to informácia, ale sama osebe nie je taká užitočná. Môžete byť kdekoľvek v kruhu okolo Boise s polomerom 625 míľ takto:


Foto s láskavým dovolením
--> Ak viete, že ste 625 míľ od Boise, môžete byť kdekoľvek v tomto kruhu.

Opýtate sa inej osoby a on povie: „Od Minneapolisu, Minnesota, ste vzdialený 690 míľ.“ Je to užitočné - ak skombinujete tieto informácie s informáciami o Boise, máte dva kruhy, ktoré sa pretínajú. Teraz viete, že ste v jednom z dvoch bodov, ale neviete v ktorom, napríklad:


Foto s láskavým dovolením
--> Ak viete, že ste 625 míľ od Boise a 690 míľ od Minneapolisu, potom viete, že musíte byť v jednom z dvoch bodov.

Ak vám tretia osoba povie, že ste 615 míľ od Tucsonu v Arizone, môžete zistiť, v ktorom z dvoch bodov sa nachádzate:


Foto s láskavým dovolením
--> Pomocou troch známych bodov môžete určiť, že sa vaša presná poloha nachádza niekde blízko Denveru, Colorado!

Vďaka trom známym bodom môžete vidieť, že ste blízko Denveru, Colorado!

Trilaterácia je základný geometrický princíp, ktorý vám umožní nájsť jedno miesto, ak poznáte jeho vzdialenosť od iných, už známych miest. Geometria za tým je veľmi ľahko pochopiteľná v dvojrozmernom priestore.

Rovnaký koncept funguje aj v trojrozmernom priestore, ale namiesto kruhov máte do činenia s guľami. Na zistenie presnej polohy potrebujete aj štyri sféry namiesto troch kruhov. Srdcom prijímača GPS je schopnosť nájsť vzdialenosť prijímača od štyroch (alebo viacerých) satelitov GPS. Akonáhle určí svoju vzdialenosť od štyroch satelitov, prijímač dokáže vypočítať jeho presnú polohu a nadmorskú výšku na Zemi! Ak prijímač dokáže nájsť iba tri satelity, potom môže použiť imaginárnu guľu na reprezentáciu Zeme a môže vám poskytnúť informácie o polohe, ale žiadne informácie o nadmorskej výške.

  • Umiestnenie najmenej troch satelitov nad vami
  • Vzdialenosť medzi vami a každým z týchto satelitov

Meranie vzdialenosti
Satelity GPS vysielajú rádiové signály, ktoré váš prijímač GPS dokáže detekovať. Ako však signál dá prijímaču vedieť, ako ďaleko je satelit? Jednoduchá odpoveď je: Prijímač GPS meria dobu, ktorú potrebuje signál na prenos zo satelitu do prijímača. Pretože vieme, ako rýchlo sa šíria rádiové signály - sú to elektromagnetické vlny, a teda (vo vákuu) sa pohybujú rýchlosťou svetla, asi 186 000 míľ za sekundu -, môžeme zistiť, ako ďaleko prešli, a zistiť, ako dlho trvalo im, kým prišli.

Meranie času by bolo jednoduché, keby ste presne vedeli, kedy signál opustil satelit a kedy presne dorazil do vášho prijímača, a riešenie tohto problému je pre globálny polohovací systém kľúčové. Jedným zo spôsobov, ako problém vyriešiť, by bolo vloženie extrémne presných a synchronizovaných hodín do satelitov a prijímačov. Satelit začne vysielať dlhý digitálny obrazec, nazývaný a pseudonáhodný kód, ako súčasť svojho signálu v určitom čase, povedzme o polnoci. Prijímač začne používať rovnaký digitálny vzor, ​​presne o polnoci. Keď signál satelitu dosiahne prijímač, jeho prenos vzoru bude trochu zaostávať za prehrávaním vzoru prijímačom. Dĺžka oneskorenia sa rovná času dráhy signálu. Prijímač tento čas vynásobí rýchlosťou svetla, aby určil, ako ďaleko signál prešiel. Ak by signál putoval po priamke, táto vzdialenosť by bola vzdialenosťou k satelitu.

Jediný spôsob, ako implementovať systém, ako je tento, by vyžadoval úroveň presnosti, ktorá sa nachádza iba v atómových hodinách. Dôvodom je, že čas nameraný v týchto výpočtoch predstavuje nanosekundy. Ak chcete vytvoriť GPS pomocou iba synchronizovaných hodín, musíte mať atómové hodiny nielen na všetkých satelitoch, ale aj v samotnom prijímači. Atómové hodiny zvyčajne stoja niekde medzi 50 000 a 100 000 dolárov, čo ich robí príliš drahými na každodenné používanie spotrebiteľmi!

Globálny polohovací systém má na tento problém veľmi účinné riešenie - prijímač GPS neobsahuje žiadne atómové hodiny. Má normálne kremenné hodiny. Prijímač sleduje všetky signály, ktoré prijíma, a pomocou výpočtov nájde súčasne presný čas aj presné umiestnenie. Keď zmeriate vzdialenosť k štyrom umiestneným satelitom, môžete nakresliť štyri gule, ktoré sa všetky pretínajú v jednom bode, ako je to znázornené vyššie. Štyri sféry tohto druhu sa nepretínajú v jednom bode, ak ste nesprávne merali. Pretože prijímač vykonáva všetky svoje časové merania, a teda aj merania vzdialenosti, pomocou hodín, ktorými je vybavený, budú všetky vzdialenosti proporcionálne nesprávne. Prijímač preto môže ľahko vypočítať, aké nastavenie vzdialenosti spôsobí, že sa štyri gule pretnú v jednom bode. To mu umožňuje nastaviť hodiny tak, aby upravili mieru vzdialenosti. Z tohto dôvodu prijímač GPS skutočne uchováva extrémne presný čas v poradí skutočných atómových hodín v satelitoch!

Jedným z problémov tejto metódy je meranie rýchlosti. Ako sme už videli, elektromagnetické signály prechádzajú vákuom rýchlosťou svetla. Zem, samozrejme, nie je vákuum a jej atmosféra spomaľuje prenos signálu podľa konkrétnych podmienok v tomto atmosférickom mieste, uhla, pod ktorým do neho signál vstupuje atď. Prijímač GPS uhádne skutočnú rýchlosť signálu pomocou komplexných matematických modelov širokého spektra atmosférických podmienok. Satelity môžu do prijímača prenášať aj ďalšie informácie.

  • Globálny polohovací systém potrebuje 24 operačných satelitov, aby mohol zaručiť, že sa v ľubovoľnom bode na Zemi kedykoľvek nachádzajú najmenej štyri z nich nad horizontom. Vo všeobecnosti je v prijímači GPS v danom okamihu „viditeľných“ spravidla osem alebo viac satelitov.
  • Každý satelit obsahuje atómové hodiny.
  • Satelity odosielajú rádiové signály do prijímačov GPS, aby prijímače mohli zistiť, ako ďaleko sú jednotlivé satelity. Pretože satelity obiehajú vo vzdialenosti 20 370 km nad hlavou, signály sú v čase, keď sa dostanú k vášmu prijímaču, dosť slabé. To znamená, že musíte byť vonku na dosť otvorenom priestranstve, aby váš prijímač GPS fungoval.

Hľadanie satelitov
Ďalšou rozhodujúcou súčasťou výpočtov GPS je znalosť toho, kde sa satelity nachádzajú. Nie je to ťažké, pretože satelity sa pohybujú po veľmi vysokých a predvídateľných dráhach.Satelity sú dostatočne ďaleko od Zeme (12 660 míľ), aby na ne nemala vplyv naša atmosféra. Prijímač GPS jednoducho uloží almanach to hovorí, kde by mal byť každý satelit v danom čase. Veci ako ťah Mesiaca a Slnka veľmi málo menia obežnú dráhu satelitov, ale ministerstvo obrany neustále monitoruje ich presné polohy a v rámci signálov satelitov vysiela všetky úpravy do všetkých prijímačov GPS.

Najdôležitejšou funkciou prijímača GPS je zachytiť prenosy najmenej štyroch satelitov a kombinovať informácie v týchto prenosoch s informáciami v elektronickom almanachu, aby mohol matematicky určiť polohu prijímača na Zemi. Základné informácie, ktoré prijímač poskytuje, sú teda zemepisná šírka, dĺžka a nadmorská výška (alebo niektoré podobné merania) jeho aktuálnej polohy. Väčšina prijímačov potom kombinuje tieto údaje s inými informáciami, ako sú napríklad mapy, aby bol prijímač užívateľsky príjemnejší. Môžete použiť mapy uložené v pamäti prijímača, pripojiť prijímač k počítaču, ktorý môže mať vo svojej pamäti podrobnejšie mapy, alebo si jednoducho kúpiť podrobnú mapu vašej oblasti a orientovať sa pomocou odčítaní zemepisnej šírky a dĺžky prijímača.

Geografi zmapovali každý kút Zeme, takže určite nájdete mapy s požadovanou úrovňou podrobností. Na prijímač GPS sa môžete pozerať ako na mimoriadne presný spôsob získavania prvotných pozičných údajov, ktoré je potom možné použiť na geografické informácie nahromadené v priebehu rokov. Prijímače GPS sú vynikajúcim navigačným nástrojom so zdanlivo nekonečnými aplikáciami!

To by mohol byť určite rozumný nákup, keď vezmete do úvahy všetky veci, ktoré môže prijímač GPS pre vás urobiť. Základnou funkciou prijímača GPS je zistiť jeho polohu na Zemi. Pre každého, kto niekedy zablúdil v lese, odišiel z kurzu na bežkách alebo sa otočil pri riadení lode alebo lietadla, sú výhody tejto jednoduchej funkcie zrejmé. Väčšina prijímačov GPS však poskytuje tieto jednoduché navigačné údaje oveľa ďalej. Môžu pôsobiť ako interaktívna mapa a majú množstvo rekreačných aplikácií.

Základy
Prijímač GPS je v podstate zariadenie, ktoré sa dokáže lokalizovať na Zemi. To sa dosahuje komunikáciou s najmenej štyrmi satelitmi nad hlavou (podrobnosti nájdete na tejto stránke). Z tohto dôvodu je prijímač GPS obmedzený, pokiaľ ide o to, kde môže fungovať. Musí byť schopný „vidieť“ satelity na výpočet zemepisnej šírky a dĺžky, čo znamená, že vo vnútri zvyčajne nebude fungovať. Jednou zo základných charakteristík prijímačov GPS je, že nájdu vašu polohu iba vtedy, keď ste vonku.

Najjednoduchší prijímač GPS vám poskytne iba súradnice vašej polohy na Zemi v zemepisnej šírke, dĺžke a výške. Zemepisná šírka a dĺžka sú v zásade osi X a Y veľkej imaginárnej siete obalenej planétou a nadmorská výška je mierou vašej vzdialenosti nad hladinou mora. Ak ste mali prijímač GPS, ktorý vám poskytol tieto jednoduché súradnice, a mali ste mapu svojej oblasti, ktorá používa ten istý súradnicový systém, môžete svoju polohu nájsť jednoducho prečítaním mapy. Už len v tomto ohľade je prijímač GPS úžasným zariadením. Bez prijímača GPS by ste museli nájsť svoju polohu na základe polohy hviezd na oblohe pomocou komplikovaných nástrojov a výpočtov. A nemali by ste takmer rovnakú úroveň presnosti!

Dnešné vreckové prijímače GPS vám však poskytnú oveľa viac než tieto prvotné údaje. Dokonca aj prijímače nižšej triedy majú v pamäti uložený nejaký druh elektronickej mapy, takže nemusíte nosiť so sebou veľa papierových máp. Prijímač vezme informácie o súradniciach a použije ich na svoju elektronickú mapu, pričom vás graficky upozorní na to, kde sa nachádzate, pokiaľ ide o cesty, vodné plochy atď. Mapy sa veľmi líšia v úrovni podrobností, ktoré ponúkajú, ale v čom spočíva základná myšlienka táto funkcia vám poskytne mapu, ktorá automaticky označí vašu polohu, bez toho, aby ste museli brať do úvahy svoje súradnice. Je to veľmi praktické vždy, keď potrebujete použiť mapu, a je to veľmi užitočné v čase, keď si nemôžete nájsť čas na nájdenie svojej polohy na mape, napríklad keď idete po diaľnici.

  • Ako ďaleko ste cestovali (počítadlo kilometrov)
  • Ako dlho ste cestovali
  • Vaša aktuálna rýchlosť (rýchlomer)
  • Vaša priemerná rýchlosť
  • Stezka „strúhanky“, ktorá vám na mape ukazuje, kam ste presne cestovali
  • Odhadovaný čas príchodu do cieľa, ak ste zachovali aktuálnu rýchlosť
  • Prijímačovi môžete povedať, aby zaznamenal svoje súradnice, keď sa nachádzate na tomto mieste.
  • Polohu môžete nájsť na mape (internej mape alebo na inej) a zadať jej súradnice ako trasový bod.
  • Dobré kempy
  • Obľúbené cestné obchody
  • Skvelé miesta na rybolov
  • Malebné výhľady
  • Kde ste nechali auto

Pripojenie počítača
Prijímače s funkciami trasy vám umožnia uložiť určitý počet trasových bodov do pamäte, aby ste ich mohli používať znova a znova. Ak má prijímač a dátový port, svoje trasy si môžete tiež stiahnuť do počítača, ktorý má oveľa väčšiu pamäť, a potom ich znova nahrať, keď sa nimi budete riadiť.

Pretože majú počítače oveľa viac úložného priestoru, dokážu s údajmi o polohe GPS urobiť oveľa viac ako váš priemerný prijímač. Prijímač s dátovým portom môže odoslať surové súradnice vašej polohy do počítača s komplikovanejším softvérom. Existuje množstvo dostupných softvérových aplikácií, ktoré vás môžu umiestniť na podrobné mapy konkrétnych oblastí. Ak chcete svoj prijímač použiť na komplikovanú navigáciu, napríklad v zákulisí, táto funkcia vám ohromne pomôže. Môžete tiež aktualizovať svoje počítačové mapy tak, aby obsahovali akékoľvek geodetické úpravy alebo zmeny v oblasti, zatiaľ čo palubnú mapu prijímača zvyčajne nemožno zmeniť. Keď používate prijímač v spojení s počítačom, výrazne tým zvýšite jeho schopnosti. Váš prijímač tiež nebude zastaraný tak rýchlo, pretože v spojení s počítačom stačí zadať súradnice - zvyšok urobí váš počítač.

Niektoré nedávne prijímače vám umožňujú stiahnuť podrobné mapy oblasti do systému GPS alebo dodať podrobné mapy pomocou zásuvných mapových kaziet. Tieto mapy vám môžu poskytnúť detaily na úrovni ulíc v mestách a prijímač vám môže dokonca poskytnúť pokyny pre jazdu počas jazdy!

Prijímače GPS sú už roky obľúbenými turistami, vodákmi a pilotmi a v súčasnej dobe sa stávajú bežnými, pretože ceny klesajú. Prezrite si praktickú tabuľku funkcií, ktorá vám pomôže rozhodnúť sa, ktoré funkcie potrebujete!

Podstatné
Funkcia Možnosť Popis
Prijímač Multiplex Multiplexné prijímače majú iba jeden kanál. Zachytávajú jeden satelitný signál naraz a prechádzajú niekoľkými satelitmi. V otvorenom prostredí fungujú oveľa lepšie, pretože ich spojenie môžu ľahko narušiť budovy alebo iné prekážky. Najdostupnejšie modely používajú multiplexné prijímače.
Paralelný kanál Prijímače s paralelným kanálom majú niekoľko kanálova uzamkne sa na mnohých satelitoch súčasne. Nestratia satelitné spojenia veľmi ľahko a môžu presnejšie určiť polohu. Tieto prijímače boli kedysi dosť drahé, ale na trhu je v súčasnosti niekoľko dostupných modelov. Ak plánujete používať svoj prijímač vo veľkom meste alebo v horských oblastiach, pravdepodobne by ste si mali zaobstarať prijímač s paralelnými kanálmi.
Anténa Štvornásobný Quadrifilárne antény sú dĺžka stočeného drôtu v plastovom puzdre, ktoré vyčnieva z prijímača. Možno budete chcieť hľadať model s odnímateľnou kvadrifilárnou anténou, aby ste anténu mohli umiestniť na palubnú dosku a získať tak lepší „výhľad“ na satelity. Quadrifilárne antény sú najlepšie na príjem prenosov zo satelitov v blízkosti horizontu, a nie sú také zdatné v príjme signálov zo satelitov nad hlavou.
Nášivka Patch antény sú ploché a zvyčajne sú vstavané do prijímača. Majú opačné silné a slabé stránky ako kvadrifilárna anténa: Sú lepšie v detekcii satelitov, ktoré sú priamo nad hlavou, a nie sú také dobré v detekcii satelitov v blízkosti horizontu.
Moc Batéria Ručné prijímače budú používať batérie ako zdroj energie. To znamená prenosnosť. Nezabudnite zistiť, aký typ batérií ručná jednotka používa a ako dlho zvyčajne vydržia.
Externý zdroj Niektoré vreckové prijímače môžu prijímať externé napájanie, čo je praktické, ak plánujete celý deň jazdiť so zapnutým systémom GPS a nechcete vybiť batérie. Palubné prijímače GPS do auta, lode alebo lietadla budú fungovať na externom zdroji energie, ktorý poskytuje väčšia jednotka, ku ktorej je pripojený. Tieto zariadenia nie sú mobilné.
Displej LCD panel Všetky prijímače GPS zobrazujú informácie na LCD paneli.
Farebný LCD panel Tieto displeje to zvládajú ľahšie čitateľné mapy na prijímači a pomôžu vám rozlíšiť medzi rôznymi trasami, ktoré ste vytvorili v tej istej oblasti. Farebné panely často spotrebúvajú viac energie ako čiernobiele panely, takže vybíjajú batérie rýchlejšie.
Mapa datum WGS 84 WGS 84 je predvolený nulový bod mapy pre akýkoľvek prijímač GPS. Je to systém vyvinutý okolo vzniku technológie GPS a je štandardizované na univerzálne použitie.
Dodatočné Nakoniec budú mapy celého sveta prevedené na WGS84, štandardný údaj GPS. Medzitým skontrolujte, či prijímač GPS rozpoznáva údaje mapy používané vo vašej oblasti alebo oblastiach, do ktorých plánujete cestovať.

Štandardné
Funkcia Popis
Interné mapy Všetky prijímače vám poskytnú vašu zemepisnú šírku, dĺžku a nadmorskú výšku, ale nie všetky vám ukážu vašu polohu na podrobnej mape. Pri nákupe prijímača sa rozhodnite, aký druh mapy budete potrebovať, a uistite sa, že zakúpený prijímač ponúka tento typ mapy. Mnoho prijímačov obsahuje v pamäti všeobecnú mapu sveta, ale táto mapa vám môže ukázať iba hlavné cesty a vodné plochy. Niektoré prijímače majú v pamäti uloženú širokú škálu ďalších máp alebo si môžu stiahnuť podrobné mapy.
Mapové kazety Niektoré prijímače akceptujú špeciálne mapové kazety s podrobnejšími mapami konkrétnych oblastí.
Stiahnite si mapy Niektoré z novších prijímačov GPS majú funkciu sťahovania, ktorá vám umožňuje sťahovať mapy uložené vo vašom počítači do vášho prijímača.
Spôsob trasy Vďaka tejto funkcii môžete nahrávať určité trasové body - miesta na vašej ceste alebo na mape- a usporiadajte ich na trase. Prijímač vás potom prevedie z bodu na miesto na trase po trase. Toto mapovanie trasy je to praktické, pretože môžete zaznamenávať spôsob, akým ste sa niekam dostali, takže sa môžete ľahko vrátiť. Trasy si môžete naplánovať aj na podrobných mapách, než vyrazíte na výlet, a zaznamenať všetky potrebné informácie do svojho ručného prijímača.
Záznam trasy Prijímače s funkciou zaznamenávania trasy môžu zaznamenávať vašu cestu pri pohybe. Je to užitočné, ak chcete spätne sledovať alebo dokumentovať svoju presnú trasu pre budúce použitie. Je tiež užitočné sledovať svoj pokrok týmto spôsobom počas cestovania.
Úložná pamäť Ak plánujete vo veľkom používať mapovanie trasy a zaznamenávanie trás, budete chcieť nájsť prijímač s dostatočnou pamäťou. Zvážte, koľko trasových bodov by ste chceli uložiť, a zistite, akú maximálnu kapacitu má prijímač. Tiež hľadajte prijímač so záložným systémom, ktorý bude uchovávať vaše informácie pri výmene batérií prijímača.
Dátový port Jeden zo spôsobov, ako sa dostať na podrobnú mapu, je pripojiť prijímač k počítaču (stolnému počítaču, prenosnému počítaču alebo PDA). Dátový port poskytuje také pripojenie, že môžete údaje GPS používať v spojení s množstvom softvérových aplikácií. Prijímače s možnosťou pripojenia k počítaču môžu byť tiež schopné sťahovať informácie do počítača. Je to dobrá funkcia, ak si chcete ponechať zbierku máp trás (obľúbené turistické chodníky, zložité trasy jazdy, dobré miesta na rybolov). Prijímač má obmedzenú pamäť, ale do počítača môžete uložiť celý katalóg máp trás.
Východ/západ slnka Niektoré prijímače vám môžu poskytnúť časy východu a západu slnka na akomkoľvek konkrétnom mieste. To vám pomôže naplánovať si cestu, aby ste nemuseli cestovať v tme, čo môže byť veľmi užitočné pre turistov, námorníkov i pilotov.
Počítadlo kilometrov Vo väčšine moderných prijímačov môžete sledovať, ako ďaleko ste cestovali. Rovnako ako počítadlo kilometrov vo vašom aute môže byť táto funkcia užitočná mnohými spôsobmi.
Rýchlomer Väčšina prijímačov GPS v dnešnej dobe dokáže sledovať, ako rýchlo sa pohybujete. Je to veľmi užitočné pre odhad, ako dlho vám bude trvať, kým sa dostanete do cieľa. Väčšina prijímačov s rýchlomermi vám tiež poskytne ETA.
Jednotky merania Zaistite, aby prijímač mohol zobrazovať merné jednotky, ktoré budete používať. Ak budete používať prijímač napríklad pri plachtení, pravdepodobne budete chcieť prijímač, ktorý vám môže poskytnúť meranie v námorných míľach. Ďalšou funkciou, ktorú je potrebné hľadať, je schopnosť zobrazovať viacero meracích systémov naraz, aby ste mohli mať napríklad výšku v stopách a geografickú vzdialenosť v kilometroch.
Upozornenie na presnosť Väčšina prijímačov má nejaký druh systému, ktorý vám hovorí, keď niečo môže spôsobiť nepresné umiestnenie. Príčinou môže byť slabý satelitný príjem alebo porucha prijímača. V mnohých aplikáciách GPS je presné určovanie polohy nevyhnutné, preto nájdite prijímač, ktorý vám oznámi problém s presnosťou.

Extra
Funkcia Popis
Diferenciálny GPS Diferenciálny GPS je technika, ktorá používa druhý prijímač GPS na známom mieste na opravu nepresností satelitného signálu. Ak prijímač už pozná svoju presnú polohu, môže skontrolovať presnosť signálov, ktoré prijíma. Tento druhý, stacionárny prijímač potom vysiela akékoľvek úpravy presnosti do vášho prijímača.
Vstavaná databáza Prijímače GPS navrhnuté špeciálne pre lietadlá alebo lode môžu mať v sebe už naprogramované trasové body alebo orientačné body. Môžu sem patriť letiská a prístavy.
Otočná obrazovka Niektoré prijímače GPS majú displej, ktorý sa otáča zo zvislej polohy do vodorovnej polohy. Táto funkcia môže byť užitočná, ak plánujete prijímač v určitom čase namontovať horizontálne do auta a inokedy ho nosiť vertikálne pred sebou.
Užívateľom meniteľné polia Prijímače s touto funkciou vám poskytnú extra kontrolu nad tým, ako sa na informácie pozeráte. V zásade môžete prispôsobiť rôzne polia tak, aby vám zobrazovali iba informácie, ktoré potrebujete pre konkrétnu aktivitu.
Vodeodolný Ak budete používať GPS na lodi alebo pri turistike, mali by ste sa pozrieť po prijímači s dobrou vodotesnosťou. Niektoré prijímače sú utesnené, takže sú úplne vodotesné, zatiaľ čo iné sú iba skonštruované tak, aby odolávali vode. Zvážte podmienky, v ktorých budete svoj prijímač používať, a hľadajte primerané množstvo izolácie odolnej voči poveternostným vplyvom.

Keď nakupujete
Vytvorili sme tabuľku porovnania funkcií prijímača GPS, ktorú môžete použiť pri skúmaní rôznych modelov prijímačov. Prečítajte si stránku Funkcie a potom si vezmite tento graf do obchodu so sebou. Vyplňte medzery pre každý model, ktorý vás zaujíma, a zistíte, že je oveľa jednoduchšie ich porovnať! Pri skúmaní modelov prijímačov GPS na internete by ste tiež mohli chcieť mať pri stole ďalšiu kópiu.

Tabuľka porovnávania funkcií je vám k dispozícii ako súbor PDF. Na jeho zobrazenie budete potrebovať bezplatný Adobe Acrobat Reader.

Tu je len niekoľko prijímačov GPS, ktoré si môžete kúpiť:

Ak nevlastníte GPS, ale poznáte niekoho, kto ho má, povzbudzujte ho, aby napísal recenziu, ktorú si my ostatní prečítame.

Ak nevlastníte GPS, ale chceli by ste vedieť, čo si o nich myslia iní ľudia, než si ich kúpite, kliknite sem!

Niektoré prijímače GPS majú rýchlostné limity.
Výrobcovia prijímačov GPS niekedy programujú rýchlostné limity do zariadení, takže ak sa zariadenie pohybuje nad určitou rýchlosťou, nebude správne fungovať. Prijímač určený na použitie v aute nemusí fungovať v lietadle, ktoré cestuje oveľa rýchlejšie ako automobil. To je častejšie prípad prijímačov namontovaných v automobile, lietadle alebo na lodi, než u ručných modelov.

Prijímače GPS majú teplotné limity.
Rovnako ako väčšina elektronických zariadení, najmä tých, ktoré majú LCD obrazovky, prijímače GPS nemusia správne fungovať pri určitých teplotách alebo pod nimi. Ak plánujete používať svoj prijímač v extrémnych teplotných situáciách, ako je horolezectvo alebo turistika v púšti, mali by ste sa uistiť, že model prijímača môže v týchto podmienkach fungovať.

Ak nevlastníte GPS, ale poznáte niekoho, kto ho má, povzbudzujte ho, aby napísal recenziu, ktorú si my ostatní prečítame.

Ak nevlastníte GPS, ale chceli by ste vedieť, čo si o nich myslia iní ľudia, než si ich kúpite, kliknite sem!

    Čo presne sú merania „zemepisnej dĺžky“ a „zemepisnej šírky“?
    Geografická šírka a dĺžka sú dve osi v imaginárnom súradnicovom systéme, ktorý pokrýva Zem. Vaša zemepisná šírka vám hovorí o vašej vzdialenosti od rovníka. Je to vlastne stupeň uhla, ktorý zviera čiara od vášho umiestnenia do stredu Zeme a čiara od rovníka k stredu Zeme. Zemepisná dĺžka je stupeň uhla tvoreného priamkou z vašej polohy do stredu Zeme a priamkou z hlavný poludník do stredu Zeme. Hlavný poludník je pomyselná čiara prebiehajúca okolo Zeme na sever až na juh. Prechádza severným a južným pólom a londýnskym Greenwichom. Zemepisnou šírkou aj dĺžkou viete, ako ďaleko ste na severe alebo na juhu od rovníka a ako ďaleko na východe alebo na západe od hlavného poludníka, takže môžete presne určiť svoju polohu na Zemi.


Abstrakt

Pozadie

Pre ľudí žijúcich v blízkosti frekventovaných ciest je doprava hlavným zdrojom znečistenia ovzdušia. Bolo publikovaných niekoľko prospektívnych údajov o vplyvoch dlhodobého vystavenia dopravy na výskyt koronárnej choroby srdca (ICHS).

Ciele

V tomto článku sme skúmali spojitosť medzi dlhodobou expozíciou z dopravy a výskytom smrteľných a nefatálnych ICHS v populačnej prospektívnej kohortovej štúdii.

Metódy

Študovali sme 13 309 mužov a žien v strednom veku v štúdii Riziko aterosklerózy v komunitách bez predchádzajúcej CHD pri zápise v rokoch 1987 až 1989 v štyroch amerických komunitách. Geografický informačný systém - mapovaná hustota premávky a vzdialenosť od hlavných ciest slúžili ako meradlá návštevnosti. Skúmali sme súvislosť medzi expozíciou premávke a incidentom ICHS pomocou regresných modelov s proporcionálnym nebezpečenstvom s úpravou o znečistenie ovzdušia pozadia a širokým spektrom individuálnych kardiovaskulárnych rizikových faktorov.

Výsledky

V priemere za 13 rokov sledovania sa u 976 subjektov vyvinula ICHS. V porovnaní s tými, ktoré sú v najnižšom kvartile hustoty premávky, upravený pomer rizika (HR) v najvyššom kvartile bol 1,32 [95% interval spoľahlivosti (CI), 1,06–1,65 p-hodnota trendu naprieč kvartilami = 0,042].Keď sme hustotu premávky považovali za spojitú premennú, upravené HR na jednu jednotku zvýšenia log-transformovanej hustoty bolo 1,03 (95% IS, 1,01–1,05 p = 0,006). U obyvateľov bývajúcich do 300 m od hlavných ciest v porovnaní s tými, ktorí žili ďalej, bola upravená HR 1,12 (95% IS, 0,95–1,32 p = 0,189). Našli sme málo dôkazov o úprave účinku na pohlavie, fajčenie, obezitu, hladinu lipoproteínového cholesterolu s nízkou hustotou, hypertenziu, vek alebo vzdelanie.

Záver

Vyššia dlhodobá expozícia dopravy je spojená s výskytom ICHS, nezávisle od ostatných rizikových faktorov. Tieto prospektívne údaje podporujú vplyv znečistenia ovzdušia súvisiaceho s dopravou na vývoj ICHS u osôb stredného veku.

Niekoľko prospektívnych kohortových štúdií naznačuje, že dlhodobé vystavenie vonkajšiemu znečisteniu ovzdušia je spojené so zvýšenou úmrtnosťou na kardiopulmonálne ochorenia (Abbey et al. 1999 Chen et al. 2005 Dockery et al. 1993 Filleul et al. 2005 Miller et al. 2007 Pope et al. 2002, 2004). Cestná doprava je hlavným prispievateľom k znečisteniu vonkajšieho ovzdušia v priemyselne vyspelých krajinách a prispieva k tvorbe jemných tuhých častíc (PM), oxidu uhoľnatého, oxidov dusíka a ďalších znečisťujúcich látok. Hodnotenie expozície premávke môže zlepšiť štúdie účinkov vonkajšieho ovzdušia na zdravie, pretože miestne zdroje sú dôležité a pretože málo ľudí žije v blízkosti monitorovacích staníc, ktoré sú často účelovo umiestnené ďaleko od miestnych zdrojov, ako sú frekventované cesty.

Nedávne štúdie ukázali asociácie dlhodobého a krátkodobého vystavenia znečisteniu ovzdušia z dopravy s kardiovaskulárnou úmrtnosťou, chorobnosťou a subklinickými parametrami (de Paula Santos a kol. 2005 Finkelstein a kol. 2004 Hoek a kol. 2002 Hoffmann a kol. 2006 , 2007 Lanki et al. 2006 Peters A et al. 2004 Schwartz et al. 2005 Tonne et al. 2007 Volpino et al. 2004). Naproti tomu len málo prospektívnych štúdií skúmalo znečistenie ovzdušia v doprave a koronárne príhody. Nedávna štúdia tých, ktorí prežili infarkt myokardu v Ríme, postrádala informácie o fajčení, dôležitom potenciálnom zmätku (Rosenlund et al. 2008). Dve ďalšie prospektívne štúdie, jedna v Kanade (Finkelstein et al. 2004) a druhá v Holandsku (Hoek et al. 2002), hodnotili iba úmrtnosť. Potrebujeme prospektívnejšie údaje o koronárnych udalostiach v zdravej všeobecnej populácii s podrobnými údajmi o potenciálnych zmätkoch, vrátane fajčenia, zozbieranými na individuálnej úrovni, aby sme vyriešili hypotézu, že dlhodobá expozícia premávke ovplyvňuje vývoj koronárnej choroby srdca (ICHS).

V tejto štúdii sme skúmali súvislosť medzi dlhodobou expozíciou v obytnej prevádzke a incidentmi CHD medzi účastníkmi štúdie Riziko aterosklerózy v komunitách (ARIC), perspektívnej populačnej kohorty mužov a žien v strednom veku. Táto štúdia zahŕňala údaje o širokom spektre rizikových faktorov CHD zozbieraných prospektívne na individuálnej úrovni.

Materiály a metódy

Účastníci

Študovali sme účastníkov štúdie ARIC, ktorá bola navrhnutá na skúmanie prirodzenej histórie a etiológie aterosklerózy a jej následkov. Podrobnosti o dizajne, cieľoch a činnostiach kontroly kvality štúdie ARIC už boli hlásené (ARIC Investigators 1989). Pravdepodobná vzorka 15 792 obyvateľov vo veku 45 - 64 rokov bola prijatá v rokoch 1987 - 1989 zo štyroch amerických komunít: Forsyth County, North Carolina Jackson, Mississippi severozápadné predmestia Minneapolis, Minnesota a Washington County, Maryland. Jacksonova vzorka bola 100% afroamerická a ostatné tri boli prevažne biele. Inštitucionálne hodnotiace rady štyroch zúčastnených centier štúdiu schválili a všetci účastníci dali pred štúdiou písomný informovaný súhlas.

Zisťovanie udalostí

Účastníci štúdie boli sledovaní pre prípad CHD až do decembra 2002. Potenciálne udalosti boli identifikované prostredníctvom každoročných telefonátov, celospoločenského nemocničného dohľadu a prepojenia s miestnymi a národnými registrami úmrtných listov. Vyšetrovali sme udalosti a úmrtia, overovali sme udalosti pomocou nemocničných záznamov a úmrtia pomocou záznamov lekárov a rozhovorov s najbližšími. Incidentnú ICHS sme definovali na základe publikovaných kritérií ako prvý definitívny alebo pravdepodobný infarkt myokardu, tichý infarkt myokardu elektrokardiografiou, definitívnu smrť na KVO alebo koronárnu revaskularizáciu (White et al. 1996). Udalosti sme klasifikovali kombináciou počítačového algoritmu a nezávislého preskúmania abstrakcií zo zdravotných záznamov a súhrnov prepustenia jedným alebo dvoma lekármi.

Geokódovanie

Adresy účastníkov sme geokódovali pomocou komerčnej služby (Mapping Analytics LLC, Rochester, NY), ktorá každej adrese priradila súradnicu zemepisnej šírky a dĺžky. Geokódovanie bolo vykonávané s vylepšenou databázou Centrus, ktorá bola založená predovšetkým na údajoch systému topologicky integrovaného geografického kódovania a odkazovania (TIGER).

Dopravná expozícia

Kvantifikovali sme malé priestorové variácie expozície dopravy dvoma meraniami: priradenia hustoty premávky v mieste bydliska k geografickému informačnému systému (GIS) a vzdialenosť od miesta bydliska k najbližším vozovkám rôznych typov. Ako východisko pre výpočet oboch opatrení expozície sme použili adresu účastníka pri základnej návšteve (1987 - 1989).

Hustota dopravy

Poloha vozoviek a priemerný ročný denný objem premávky sme získali od spoločnosti Geographic Data Technology (GDT, teraz Tele Atlas Global Crossroads, Boston, MA). Vybrali sme údaje o geometrii vozoviek GDT, pretože poskytujú 100% pokrytie vozoviek v štyroch komunitách a sú georeferencované (alebo premiestňované) najrozšírenejšie pomocou leteckých snímok, ktoré zodpovedajú miestam v reálnom svete. Odhaduje sa, že väčšina ciest GDT v osídlených oblastiach sa nachádza s „presnosťou polohy“ ± 12 m. GDT zakladá objem dopravy na počtoch návštevnosti štátnych a okresných agentúr na diaľniciach, tepnách a zberných uliciach s viac ako približne 1 000 vozidlami denne. Priraďujú počty premávky k susedným cestným prepojeniam s podobnou kapacitou.

Objemy premávky založené na prepojení sme použili na generovanie máp hustoty premávky s rozlíšením 10 × 10 m pomocou softvéru ARCInfo Spatial Analyst (Kan et al. 2007 Peters JM et al. 2004). Vytvorili sme mapy hustoty premávky s 300 m kruhovými polomermi vyhľadávania, ktoré produkujú hustoty klesajúce o približne 90% medzi okrajom vozovky a 300 m (kolmo) od vozoviek, čo je v súlade s charakteristikami pozorovanými Zhu et al. (2002, 2006). Vo všetkých komunitách sme použili identické mapovacie postupy, aby boli výsledky porovnateľné medzi komunitami. Hustoty odrážajú blízkosť dopravy bez ohľadu na rozdielne expozície spôsobené meteorológiou. Táto metóda predstavuje kombinovaný relatívny vplyv niekoľkých vozoviek (a typov ciest) s rôznymi úrovňami dopravnej aktivity v rôznych vzdialenostiach od každého miesta bydliska. Táto metrika sa vo všeobecnosti správa ako objem dopravy vážený inverznou vzdialenosťou, okrem toho, že konkrétne presnejšie zvažuje križovatky a viac vozoviek. Tieto hodnoty hustoty preto poskytujú relatívny údaj o tom, ktoré miesta pobytu sú pravdepodobne najviac vystavené dopravnej aktivite, a ako také sú bezrozmernými indikátormi blízkosti objemu dopravy.

Pretože dostupné údaje o hustote premávky boli z roku 2000, spätne sme extrapolovali na obdobie štúdie (1987-1992) na základe zmeny hustoty obyvateľstva pomocou údajov o sčítaní obyvateľstva na úrovni kraja. Zmeny v objeme dopravy v čase korelujú so zmenami hustoty obyvateľstva (Polzin 2006).

Vzdialenosť od hlavných ciest

Aby sme kvalitatívne odhadli rozdelenie vzdialenosti od miest bydliska po vozovky, vypočítali sme priamočiare vzdialenosti. Údaje o vzdialenosti od vozovky zahŕňajú vzdialenosť (v metroch) od každého jedinečného miesta pobytu k najbližším vozovkám.

V predchádzajúcej štúdii sa koncentrácie ultrajemných PM z diaľničnej premávky stali nerozoznateľné od koncentrácie pozadia vo vzdialenosti> 300 m (Zhu et al. 2002). Preto sme dichotomizovali vzdialenosť k hlavným cestám (medzištátne a štátne diaľnice, hlavné tepny) na 300 m. Aby sa vykonala analýza citlivosti výsledkov na výber hraničných bodov, kategorizovali sme tiež vzdialenosť od hlavných ciest na ≤ 150 m a> 150 m (Hoffmann et al. 2006 Venn et al. 2001).

Úroveň znečistenia ovzdušia na pozadí

Získali sme údaje o okolitých koncentráciách PM s aerodynamickým priemerom ≥ 10 μm (PM10), oxid dusičitý a ozón počas obdobia výskumu zo systému na získavanie údajov o kvalite ovzdušia od Americkej agentúry pre ochranu životného prostredia. Abstrahovali sme 24-hodinové priemerné koncentrácie PM10 a NIE2 a 8-hodinové (od 1 000 hodín do 1 800 hodín) priemerné koncentrácie O3. Prostredníctvom inverzného váženia vzdialeností sme priestorovo interpolovali priemerné koncentrácie z monitorovacích staníc kvality ovzdušia do miest pobytu kohorty.

Ostatné kovariáty

Hypertenziu sme definovali ako systolický krvný tlak ≥140 mmHg, diastolický krvný tlak ≥90 mmHg alebo použitie antihypertenzívnych liekov počas predchádzajúcich 2 týždňov. Diabetes mellitus sme definovali ako hladinu glukózy nalačno ≥126 mg/dl (7,0 mmol/l), hladinu glukózy nalačno ≥200 mg/dl (11,1 mmol/l) alebo samostatne hlásenú anamnézu alebo liečbu cukrovky . Vyškolení, certifikovaní technici určili antropometrické opatrenia podľa podrobného, ​​štandardizovaného protokolu. Vypočítali sme index telesnej hmotnosti (BMI) ako hmotnosť (kg)/[výška (m)] 2. Odber a spracovanie krvi na hladiny celkového cholesterolu, lipoproteínov s nízkou hustotou (LDL) a lipoproteínov s vysokou hustotou (HDL) sú popísané inde (National Heart, Lung, and Blood Institute 1988). Vyškolení a certifikovaní anketári tiež zbierali informácie o veku, etnickom pôvode, pohlaví, fajčení, tabakovom dyme v životnom prostredí (ETS), stave spotreby alkoholu, povolaní, vzdelaní, rodinnom príjme a rodinnej anamnéze ICHS. Skóre rodinného rizika sme vypočítali na základe správy účastníka o rodičoch a histórii CHD piatich najstarších súrodencov (Li et al. 2000). Medzi premenné fajčenia patrí stav fajčenia (nikdy, bývalí a súčasní fajčiari), vek, kedy fajčiť začínajú, roky fajčené a cigarety denne. Nikdy nefajčiarov a bývalých fajčiarov sme klasifikovali ako vystavených ETS, ak uviedli, že sú v tesnom kontakte s fajčiarmi viac ako 1 hodinu/týždeň (Howard et al. 1998). Získali sme teda päť vrstiev pre aktívne a pasívne fajčenie: súčasný fajčiar, bývalý fajčiar s ETS, bývalý fajčiar bez ETS, nikdy nefajčiar s ETS, nikdy nefajčiar bez ETS. Sociálno-ekonomický stav na úrovni susedstva (SES), okrem faktorov na individuálnej úrovni, môže ovplyvniť aj zdravotný stav (Geronimus a Bound 1998), preto sme zaradili údaje na úrovni sčítacieho traktu z roku 1990 o mediáne miery zamestnanosti a miere chudoby (US Census Bureau 1992) .

Štatistická analýza

Konečným bodom záujmu bola incidencia CHD, takže sme vylúčili účastníkov, ak mali prevládajúcu CHD (n = 762). Vylúčili sme tiež osoby, ktoré spĺňajú nasledujúce kritériá: etnicita iná ako Afroameričan alebo biela rasa (n = 48) a kvôli svojmu malému počtu Afroameričania z poľných stredísk v Minnesote a Marylande (n = 55) a chýbajúce informácie o geokódovaní (n = 1 724). Vylúčenia sa v niektorých prípadoch prekrývali a na analýzu zostalo 13 309 subjektov.

Všetky analýzy sme vykonali pomocou štatistického softvérového balíka SAS, verzia 9.1 (SAS Institute Inc., Cary, NC). Vypočítali sme čas sledovania ako čas od začiatku do udalosti alebo posledného nadväzujúceho kontaktu alebo do decembra 2002, podľa toho, čo nastalo skôr.

Na posúdenie asociácií expozície z dopravy s rizikom incidentu CHD sme použili regresné analýzy proporcionálnych rizík Cox. Rozdelenia hustoty premávky sú veľmi skreslené (obrázok 1), preto sme analyzovali hustotu prevádzky ako kvartily a ako spojitú premennú po log transformácii. Odhadli sme rizikové pomery (HR) incidentnej ICHS pre kvartily hustoty premávky relatívne k najnižšiemu kvartilu a pre jednu jednotku zvýšenie hodnôt hustoty transformovanej log. Na testy lineárnych trendov naprieč rastúcimi kvartilmi hustoty dopravy sme použili strednú hodnotu v každom kvartile. Odhadli sme tiež riziko pre život v blízkosti hlavných ciest (≤300 m alebo ≤150 m), pričom sme ako referenciu použili bývanie ďalej.

postava 1 Rozdelenie hustoty dopravy v rezidenciách účastníkov ARIC (1987–1989). (A) Hustota premávky (n = 13,309). (B) POPOLUDNIE10 (μg/m 3 n = 13,309). (C.) NIE2 (ppb n = 9,902). (D) O3 (ppb n = 13,309).

Naše základné modely zahŕňali vek, pohlavie, centrum a etnický pôvod (Miller et al. 2007). Do upravených modelov sme pridali faktory, ktoré sme identifikovali a priori ako potenciálne mätúce látky: BMI, fyzická aktivita, vzdelávanie, zamestnanie, individuálny rodinný príjem, SES na základe sčítacieho traktu (priemerná miera zamestnanosti a miera chudoby), fajčenie (súčasný fajčiar, bývalý fajčiar s ETS, bývalý fajčiar bez ETS, nikdy nefajčiar) s ETS, nikdy nefajčí bez ETS), vek, keď začína fajčiť (0–15, 15–20, 20–29 a ≥30 rokov), roky fajčené, cigarety denne, príjem alkoholu (nikdy, bývalý a súčasný pijan) ), hypertenzia, stav diabetu, skóre rodinného rizika, HDL, LDL, celkový cholesterol, fibrinogen a úroveň znečistenia ovzdušia (PM)10 a O.3). NIE2 údaje chýbali v Jacksonovi (obrázok 1), preto sme ich nezahrnuli do upravených modelov. Pretože iné súbežné vystavenie sa premávke, ako napríklad stres, môžu mať vplyv na kardiovaskulárne zdravie (Williams a kol. 2000), urobili sme analýzu citlivosti, aby sme preskúmali vplyv sociálneho stresu (znakový hnev), meraný pri druhom kohortovom vyšetrení, na odhadovaný vplyv vystavenia premávke.

Vykonali sme tiež stratifikované analýzy podľa pohlavia, fajčenia, obezity, hladiny LDL, hypertenzie, veku a vzdelania, aby sme preskúmali potenciálne modifikátory asociácie medzi dopravnou expozíciou a incidenčnou CHD. BMI sme kategorizovali podľa štandardnej definície: normálna/podváha (BMI <25) a nadváha/obezita [BMI ≥25 (Centers for Disease Control and Prevention 2007)]. Dichotomizovali sme hladinu LDL ako ≤130 mg/dl a> 130 mg/dl. Hypertenziu sme definovali ako systolický krvný tlak ≥140 mmHg, diastolický krvný tlak ≥90 mmHg alebo použitie antihypertenzívnych liekov počas predchádzajúcich 2 týždňov. Vzdelávanie sme zaradili do kategórie nízke (menej ako stredné školy), stredné (stredné školy alebo učilištia) alebo vysoké školy (vysoké školy a vyššie).

Výsledky

Tabuľka 1 uvádza vybrané charakteristiky účastníkov na začiatku, podľa toho, či sa u nich počas sledovania vyvinul incidentný CHD. Medzi 13 309 účastníkmi štúdie, ktorí nemali na začiatku štúdie ICHS, sa u 976 subjektov vyvinula ICHS (268 smrteľných a 708 nefatálnych) v priemere za 13 rokov sledovania. Ako sa očakávalo, subjekty s incidenciou ICHS boli o niečo staršie, častejšie muži, čierni alebo súčasní fajčiari mali vyšší BMI, celkový cholesterol a LDL a nižší HDL a mali vyšší výskyt hypertenzie a cukrovky.

stôl 1 Východiskové charakteristiky účastníkov ARIC podľa stavu incidentu ICHS na konci sledovania (n = 13 309). A

CharakteristickéIncident CHD (n = 976)Žiadny incident CHD (n = 12,333)
Pohlavie muž)59.341.4
Vek (roky)55.8 ± 5.653.9 ± 5.8
BMI (kg/m 2)28.6 ± 5.427.6 ± 5.4
Etnická príslušnosť (% čiernej pleti)31.428.4
Fajčenie (%)
Aktuálne38.725.1
Bývalý31.131.5
Nikdy30.043.4
Pitie (%)
Aktuálne49.757.2
Bývalý25.417.2
Nikdy24.725.6
Hypertenzia (%)54.134.3
Cukrovka (%)28.410.0
Celkový cholesterol (mmol/l)5.8 ± 1.25.5 ± 1.1
HDL (mmol/l)1.2 ± 0.41.4 ± 0.4
LDL (mmol/l)3.9 ± 1.13.5 ± 1.0

aHodnoty sú priemerné ± SD, pokiaľ nie sú uvedené v percentách.

Odhadovaná hustota dopravy a znečisťujúca látka v ovzduší (PM10, NIE2a O.3) koncentrácie na základnej domovskej adrese sa značne líšili (obrázok 1). V súlade s predchádzajúcimi správami (Hoek et al. 2001) sme nenašli silnú koreláciu medzi hustotou dopravy a úrovňou znečistenia ovzdušia Pearsonovými korelačnými koeficientmi hustoty dopravy s PM10, NIE2a O.3 boli –0,12, –0,04, respektíve –0,10. Pozadie PM10 bol stredne korelovaný s NO2 (Pearsonov korelačný koeficient, r = 0,60) a O3 (r = 0,44) NIE2 slabo korelovala s O3 (r = 0.03).

Vyššia hustota premávky bola spojená so zvýšeným rizikom vzniku ICHS v základných aj upravených modeloch (tabuľka 2). V porovnaní s tými, ktoré sú v najnižšom kvartile hustoty premávky, upravené HR v rámci rastúcich kvartilov boli 1,17 [95% interval spoľahlivosti (CI), 0,93–1,47], 1,38 (95% IS, 1,11–1,72) a 1,32 (95% CI , 1,06–1,65) (p-hodnota trendu naprieč kvartilami = 0,042). Keď sme hustotu premávky považovali za spojitú premennú, upravené HR na jednu jednotku zvýšenia log-transformovanej hustoty bolo 1,03 (95% IS, 1,01–1,05 p = 0,006) (obrázok 2).

Obrázok 2 Upravené HR (a 95% CI) pre incidenčnú ICHS vo vzťahu k hustote premávky a vzdialenosti od hlavných ciest. Covariates bol vek, pohlavie, centrum, etnický pôvod, BMI, telesná aktivita, vzdelanie, povolanie, individuálny rodinný príjem, SES na základe sčítacieho traktu, stav fajčenia, vek, kedy začínate fajčiť, roky fajčené, cigarety denne, príjem alkoholu, hypertenzia stav cukrovky, skóre rodinného rizika, HDL, LDL, celkový cholesterol, fibrinogén a úroveň znečistenia ovzdušia.

Tabuľka 2 HR (95% CI) pre incidenčnú ICHS spojenú s hustotou premávky.

Kvartil Spojitá premenná (transformovaná do denníka)
Model1 (najnižšia)234p-Hodnota trenduZvýšenie o jednu jednotkup-Hodnota
Medián kvartilov02.8714.9741.83
Prípady223228262263
Základný modelb1.001.13 (0.94–1.37)1.31 (1.09–1.57)1.28 (1.07–1.54)0.0181.02 (1.01–1.04)0.004
Upravený modelc1.001.17 (0.93–1.47)1.38 (1.11–1.72)1.32 (1.06–1.65)0.0421.03 (1.01–1.05)0.006

ap-Hodnoty trendu založené na kvartiloch škálovaných mediánmi kvartilu.

bKovariáty boli vek, pohlavie, centrum a etnická príslušnosť.

cKovariáty boli vek, pohlavie, centrum, etnický pôvod, BMI, fyzická aktivita, vzdelanie, povolanie, individuálny rodinný príjem, SES na základe sčítacieho traktu, stav fajčenia, vek, kedy začínate fajčiť, roky fajčené, cigarety denne, príjem alkoholu, hypertenzia stav cukrovky, skóre rodinného rizika, HDL, LDL, celkový cholesterol, fibrinogén a úroveň znečistenia ovzdušia.

U obyvateľov žijúcich do 300 m od hlavných ciest v porovnaní so subjektmi žijúcimi ďalej, bola upravená HR (model 2) 1,12 (95% IS, 0,95–1,32 p = 0,189) pre prípad CHD (tabuľka 3, obrázok 2). V analýze s alternatívnym bodom rezu vzdialenosti k hlavným cestám (150 m) sme našli podobné vzorce s dopadajúcou CHD (tabuľka 3, obrázok 2).

Tabuľka 3 HR (95% CI) pre incidenciu ICHS podľa vzdialenosti k hlavným cestám.

Dichotomizované na 300 m Dichotomizované na 150 m
Model& lt 300 m≥300 mp-Hodnota& lt 150 m≥ 150 mp-Hodnota
Prípady683293 408568
Základný režim1.13 (0.98–1.30)1.000.0851.12 (0.99–1.28)1.000.073
Upravený model b1.12 (0.95–1.32)1.000.1891.09 (0.94–1.26)1.000.264

aKovariates boli vek, pohlavie, centrum a etnický pôvod.

bKovariáty boli vek, pohlavie, centrum, etnický pôvod, BMI, telesná aktivita, vzdelanie, povolanie, individuálny rodinný príjem, SES na základe sčítacieho traktu, stav fajčenia, vek, kedy začínate fajčiť, roky fajčené, cigarety denne, príjem alkoholu, hypertenzia stav cukrovky, skóre rodinného rizika, HDL, LDL, celkový cholesterol, fibrinogén a úroveň znečistenia ovzdušia.

Ďalej sme skúmali, či pohlavie, stav fajčenia, BMI, hladina LDL, hypertenzia, vek a vzdelanie modifikovali asociáciu hustoty dopravy s incidentom ICHS (tabuľka 4). Aj keď výsledky nie vždy dosiahli štatistickú významnosť so zníženými veľkosťami vzoriek v analýzach podskupín, vo väčšine vrstiev existovali pozitívne asociácie a málo dôkazov o úprave účinku.

Tabuľka 4 Upravené HR pre incidenčnú CHD spojenú s hustotou dopravy, stratifikovanú podľa pohlavia, fajčenia, BMI a vzdelania.a

Vyššia hustota premávky
CharakteristickéPočet (%) prípadovUpravený pomer bp-Hodnota pre trendcp-Hodnota interakcied
Sex
Žena397 (5.2)1.27 (0.91–1.78)0.0660.397
Muž579 (10.2)1.41 (1.04–1.91)0.138
Stav fajčenia
Nikdy293 (5.2)0.84 (0.56–1.24)0.7850.380
Súčasný/bývalý681 (8.9)1.61 (1.22–2.12)0.013
BMI
& lt 25254 (5.7)1.49 (0.98–2.28)0.0510.271
≥25719 (8.2)1.29 (0.99–1.68)0.208
LDL (mg/dl)
≤130320 (5.5)1.38 (0.93–2.03)0.1330.567
> 130618 (8.8)1.29 (0.98–1.70)0.171
Hypertenzia
Nie443 (5.2)1.45 (1.04–2.02)0.0410.659
Áno528 (11.1)1.30 (0.96–1.77)0.213
Východiskový vek (roky)
≤60733 (6.7)1.36 (1.05–1.75)0.0280.624
> 60243 (10.3)1.10 (0.68–1.78)0.991
Vzdelávanie
Nízka321 (10.7)1.09 (0.73–1.64)0.7250.705
Stredný372 (6.9)1.74 (1.20–2.52)0.016
Vysoká283 (5.8)1.22 (0.80–1.86)0.420

aKovariáty boli vek, pohlavie, centrum, etnický pôvod, BMI, fyzická aktivita, vzdelanie, povolanie, individuálny rodinný príjem, SES na základe sčítacieho traktu, stav fajčenia, vek, kedy začínate fajčiť, roky fajčené, cigarety denne, príjem alkoholu, hypertenzia stav cukrovky, skóre rodinného rizika, HDL, LDL, celkový cholesterol, fibrinogén a úroveň znečistenia ovzdušia.

bPorovnanie štvrtého s prvými kvartilami hustoty premávky (95% CI).

cp-Hodnota trendu založená na kvartiloch škálovaných kvartilovými mediánmi.

dp-Hodnota interakcie medzi expozíciou premávke a faktormi stratifikácie.

V súlade s predchádzajúcou štúdiou Hoeka a kol. (2002), nepozorovali sme významné vplyvy znečistenia ovzdušia na dopadajúcu CHD, HRs dopadajúcej CHD na 10- μg/m 3 nárast PM10 a O.3 boli 1,28 (95% CI, 0,76–2,18) a 1,04 (95% IS, 0,45–2,42). Okrem toho pozorované asociácie medzi návštevnosťou a CHD zostali po tom, čo sme sa ďalej upravili na znakový hnev (údaje nie sú uvedené).

Diskusia

U dospelých zo štyroch amerických komunít sa prospektívne sledovalo v priemere 13 rokov. Vyššia obytná expozícia premávke, hlavný zdroj znečistenia ovzdušia v mestských oblastiach, bola spojená so zvýšeným rizikom incidentov CHD. Pokiaľ je nám známe, naša štúdia poskytuje prvý prospektívny dôkaz súvislosti medzi expozíciou návštevnosti a incidenčnou kardiovaskulárnou morbiditou v bežnej populácii.

Emisie z dopravy majú za následok malé priestorové odchýlky, a preto postihujú predovšetkým obyvateľov žijúcich v blízkosti frekventovaných ciest (Roorda-Knape et al. 1999). Údaje o znečistení ovzdušia z pevných monitorovacích staníc preto môžu byť neadekvátne na štúdium znečistenia ovzdušia a výsledkov v oblasti zdravia, najmä pre tých, ktorí žijú v blízkosti frekventovaných ciest. Napríklad Hoek a kol. (2002) identifikovali konzistentnú asociáciu kardiopulmonálnej úmrtnosti s dopravnou expozíciou, ale nie s odhadovanou koncentráciou okolitého pozadia indikátora premávky znečisťujúce látky čierny dym a NO2. Podobne sme nepozorovali významný vplyv znečistenia ovzdušia na incidenčnú CHD. To nie je prekvapujúce vzhľadom na to, že štúdia ARIC nebola navrhnutá na skúmanie znečistenia ovzdušia a bola vykonaná iba v štyroch komunitách. Okrem toho tieto štyri komunity neboli v období štúdie dostatočne vybavené monitormi znečistenia ovzdušia, čo malo za následok malé rozdiely v meranom znečistení ovzdušia v rámci komunít. Navyše, z analytického hľadiska, akýkoľvek vplyv základného znečistenia ovzdušia na riziko by bol nerozoznateľný od rozdielov v riziku podľa komunity, čo je projektová premenná tejto štúdie.

Naše prospektívne výsledky podporujú predchádzajúce zistenia z prierezových, prípadových kontrolných a kohortových štúdií skúmajúcich súvislosť medzi dlhodobou expozíciou návštevnosti a kardiovaskulárnou morbiditou, mortalitou alebo strednými koncovými bodmi. V prospektívnej kohortovej analýze prežitia infarktu myokardu Rosenlund a kol. (2008) zistili, že dlhodobé pôsobenie znečistenia ovzdušia súvisiaceho s premávkou zvyšuje riziko ICHS a relatívne riziko incidentných koronárnych príhod na 10 μg/m 3 NO2 bola 1,03 (95% IS, 1,00–1,07). V analýze prípadu a kontroly v Bostone v štáte Massachusetts bolo zvýšenie medzikvartilného rozsahu kumulatívnej návštevnosti v blízkosti domova spojené so 4% (95% IS, 2–7%) zvýšením pravdepodobnosti akútneho infarktu myokardu, čo naznačuje účinok dlhodobé vystavenie premávke (Tonne et al. 2007). V prierezovej analýze Hoffmann a kol. (2006) zistili, že vyššia dlhodobá expozícia emisiám z dopravy, ale nie znečisteniu ovzdušia pozadia, je u nemeckej populácie spojená so zvýšeným rizikom udalostí ICHS (pomer šancí = 1,85 95% IS, 1,21–2,84). V tej istej štúdii mali obyvatelia žijúci v okruhu 50 m od hlavnej cesty pomer šancí 1,63 (95% CI, 1,14–2,33) v porovnaní so subjektmi žijúcimi viac ako 200 m na zvýšenú kalcifikáciu koronárnej artérie, stredne závažný kardiovaskulárny koncový bod (Hoffmann et al. 2007).

V tejto štúdii sme skúmali asociáciu medzi expozíciou premávke na základných rezidenciách (návšteva 1, 1987 - 1989) a incidentnou CHD. Keď sme použili údaje o expozícii za prvý rok (1987), našli sme podobné asociácie návštevnosti s ICHS. To je porovnateľné s predchádzajúcimi štúdiami o znečistení ovzdušia vo vzťahu k úmrtnosti, ktoré hodnotili expozíciu na začiatku sledovania (Hoek et al. 2002 Pope et al. 2002, 2004). Napriek tomu, že úrovne znečistenia ovzdušia sa môžu v priebehu času meniť v dôsledku zmien v emisiách alebo hospodárskej činnosti, podstatné zmeny sú zvyčajne pomalé a postihujú región rovnakým spôsobom.

Účinky znečistenia ovzdušia na zdravie môžu ovplyvniť rôzne faktory. Nenašli sme významné dôkazy o úprave účinku podľa pohlavia, fajčenia, obezity, hladiny LDL cholesterolu, hypertenzie, veku alebo vzdelania. Informácie o úprave dlhodobých účinkov znečistenia ovzdušia podľa vzdelanostného statusu sú nekonzistentné (Hoffmann et al. 2006 Pope et al. 2002). Dodatočné skúmanie modifikujúcich faktorov v budúcich vyšetrovaniach pomôže pri tvorbe verejnej politiky, hodnotení rizika a stanovovaní štandardov.

Je potrebné poznamenať niektoré obmedzenia našej analýzy. Nepredpovedali sme koncentráciu látok znečisťujúcich ovzdušie na základe údajov o hustote premávky a nemohli sme validovať naše hodnotenie expozície skutočnými meraniami, pretože doba expozície bola 1987 - 1989. Rovnako naša metrika hustoty dopravy neodráža miestne meteorologické podmienky, ktoré by mohli ovplyvniť emisie, miešanie a transport látok znečisťujúcich ovzdušie. Niektoré štúdie naznačujú silnejšie spojenie s premávkou typu stop-and-go než s pohybujúcou sa dopravou a kamiónovou dopravou v porovnaní s automobilovou dopravou (Ryan a kol. 2005). Vo väčšine štúdií, vrátane našej, však nebolo možné typy návštevnosti oddeliť. Rovnako ako v niektorých iných štúdiách, naše hodnotenie expozície bolo obmedzené na adresu bydliska a chýbali nám informácie o domácom vystavení iným zdrojom znečisťujúcich látok, ako je varenie alebo kúrenie. Pretože naše výsledky štúdie sú udalosťami CHD, a nie mierou patogenézy CHD, je možné, že niektoré z udalostí ICHS možno pripísať krátkodobému vystaveniu dopravy (Lanki et al. 2006 Peters A et al. 2004). Vzhľadom na dôkazy, že asociácia pre akútne vystavenie znečisteniu ovzdušia je menšia ako asociácie pre dlhodobú expozíciu (Künzli et al. 2005), však predpokladáme, že akékoľvek nadhodnotenie účinkov dlhodobého vystavenia premávke by bolo minimálne . Rovnako ako v každej epi-demiologickej štúdii je možné aj zvyškové zmätenie. Starostlivo sme sa však prispôsobili známym a potenciálnym zmätkom vrátane demografických charakteristík, socioekonomických charakteristík na osobnej a susedskej úrovni, fajčenia cigariet, rizikových faktorov pre rodinu a znečistenia ovzdušia.

Nie sme schopní vylúčiť možný vplyv hluku z dopravy, ktorý môže mať vo vysokých hladinách nepriaznivé účinky na kardiovaskulárnu fyziológiu (Berglund et al. 1996). Asociácie medzi hlukom z dopravy a kardiovaskulárnym rizikom sú však oveľa menej konzistentné ako asociácie medzi znečistením ovzdušia a kardiovaskulárnymi chorobami (Ising a Kruppa 2004). Navyše, vzhľadom na to, že kardiovaskulárne príhody súvisiace s hlukom (napr. Hypertenzia) môžu sledovať inú cestu ako znečistenie ovzdušia (Jarup et al. 2008), a zistili sme významnú súvislosť medzi dopravou a ICHS u nehypertenzívnych subjektov (tabuľka 4), Zdá sa nepravdepodobné, že by hluk vysvetľoval pozorované efekty dopravy.

Chýbalo nám hodnotenie znečistenia ovzdušia súvisiaceho s dopravou pre približne 10,9% subjektov, ktorých adresy nebolo možné geokódovať. Väčšina chýbajúcich geokódov bola pripisovaná problémom, ako je chýbajúci štát (najčastejšie vojenské adresy), prázdna adresa, dočasná adresa, adresa, ktorá sa nenachádza v USA, názov bytu bez adresy alebo iba zadaná poštová schránka. To by mohlo vyvolať obavy z potenciálnej predpojatosti výberu. Aby však chýbajúce údaje geokódu vytvorili falošnú asociáciu medzi vyššou expozíciou premávke a incidentom CHD, subjekty s geokódmi a bez nich by sa museli líšiť v expozícii návštevnosti aj v prípade CHD incidentov. Aj keď nemáme žiadne údaje o ich návštevnosti, boli podobné subjektom s neprehliadnuteľnými geokódmi v sociodeografických charakteristikách a incidentom CHD [pozri doplnkový materiál, tabuľka S1 (online na http://www.ehponline.org/members/2008/ 11290/suppl.pdf)]. Je preto nepravdepodobné, že by chýbajúce údaje geokódu mohli vytvoriť pozorované asociácie.

Pretože sme získali geokódy pre adresy účastníkov zo súboru TIGER systémom Mapping Analytics, chyba môže byť dôsledkom použitia starších údajov o cestnej sieti. Aby sme to zhodnotili, náhodne sme vybrali 100 účastníkov z každej z komunít ARIC a prekódovali ich adresy bydliska pomocou softvéru GDT, ktorý obsahuje novšiu databázu cestných sietí. Pomocou týchto nových geokódov sme prepočítali hustotu dopravy a vzdialenosti k hlavným cestám a porovnali ich s pôvodnými výsledkami. Tieto dve metódy geokódovania viedli k podobným odhadom vzdialenosti k najbližším hlavným cestám. Pokiaľ ide o hustotu premávky, tieto dve metódy poskytli celkom súhlasné hodnoty pre komunity Forsyth, Jackson a Minneapolis, ale zhoda bola pre Washington County nižšia. Toto môže odrážať premenovanie ulíc, ktoré sa tam vyskytli, preto sme naše analýzy zopakovali a Washington County z našej analýzy vylúčili. S vylúčením menej presného hodnotenia expozície v okrese Washington zostala asociácia hustoty premávky s incidentnou CHD [pozri doplnkový materiál, tabuľka S2 (online na http://www.ehponline.org/members/2008/11290/suppl.pdf) ], čo naznačuje, že priradenie je relatívne odolné voči chybe geokódovania.

Hlavnou silnou stránkou našej štúdie je použitie objektívnej miery znečistenia ovzdušia súvisiaceho s dopravou na obytných adresách (napr. Hodnotenie hustoty premávky a vzdialenosti od hlavných ciest na základe GIS) na zachytenie expozície relevantnej pre subjekty žijúce v tesnej blízkosti rušnej premávky. cesty. Ďalšou silnou stránkou našej štúdie je celková obytná stabilita kohorty, približne 90% účastníkov ARIC žilo v základnej komunite viac ako 10 rokov pri základnej návšteve. Predchádzajúca štúdia účastníkov štúdie ARIC uviedla veľmi vysokú zhodu medzi minulými desaťročiami a návštevou 1 pre kraj a štát bydliska (Rose et al. 2004). Okrem toho sme našu analýzu založili na starostlivo zhromaždených údajoch o incidencii vo veľkej kohorte zo štyroch amerických komunít. Prospektívne sme zozbierali údaje o expozícii, výsledku a širokom spektre potenciálnych zmätkov na jednotlivých úrovniach pomocou štandardizovaných protokolov a rozsiahleho zabezpečenia kvality. Okrem toho, že sme vykonali podrobné úpravy pre zmätky na individuálnej úrovni a vyhodnotili sme modifikáciu potenciálneho účinku, upravili sme tiež opatrenie SES na úrovni komunity, aby sme pomohli vysvetliť zmätok (Marmot 2001).

Stručne povedané, v tejto prospektívnej analýze vyššie dlhodobé vystavenie dopravy, hlavnému zdroju znečistenia ovzdušia, súviselo so zvýšeným rizikom vzniku ICHS. Tieto zistenia dopĺňajú predchádzajúce údaje o úmrtnosti a prevalencii chorôb a naznačujú, že znečistenie ovzdušia súvisiace s dopravou môže ovplyvniť vývoj chorôb u zdanlivo zdravej populácie v strednom veku. Pokračujúci dôraz na implementáciu stratégií na zníženie znečistenia ovzdušia spôsobeného premávkou pravdepodobne prinesie ďalšie výhody pre verejné zdravie.

Štúdia Riziko aterosklerózy v komunitách je kolaboratívna štúdia podporená zmluvami Národného inštitútu srdca, pľúc a krvi N01-HC-55015, N01-HC-55016, N01-HC-55018, N01-HC-55019, N01-HC-55020 , N01-HC-55021 a N01-HC-55022. Túto prácu podporil aj dokument Z01 ES043012 z programu Intramural Research Program National Institute of Environmental Health Sciences.


DETAILNÝ POPIS

Tento vynález vo všeobecnosti poskytuje systém snímania premávky, ktorý zahŕňa viacero spôsobov snímania, ako aj súvisiaci spôsob normalizácie prekrývajúcich sa zorných polí snímača a prevádzky systému snímania premávky. Systém môže byť inštalovaný na vozovke, napríklad na križovatke vozoviek, a môže fungovať v spojení so systémami riadenia premávky. Systémy snímania premávky môžu zahŕňať radarové senzory, senzory strojového videnia atď. Tento vynález poskytuje hybridný snímací systém, ktorý zahŕňa rôzne typy spôsobov snímania (tj. Rôzne typy senzorov) s aspoň čiastočne sa prekrývajúcimi zornými poľami, ktoré je možné každý z nich selektívne použiť. na snímanie premávky za konkrétnych okolností. Tieto rôzne spôsoby snímania je možné prepínať v závislosti od prevádzkových podmienok. Snímanie strojového videnia sa napríklad môže používať za jasných denných podmienok a radarové snímanie sa môže použiť namiesto toho v nočných podmienkach. V rôznych uskutočneniach môže byť prepínanie implementované v celom zornom poli pre dané senzory, alebo môže byť alternatívne implementované pre jednu alebo viac podsekcií daného zorného poľa senzora (napr. Na zaistenie prepínania pre jednu alebo viac samostatných zón detektora zriadených v rámci zorné pole). Takýto prístup k prepínaniu senzorov je vo všeobecnosti odlíšiteľný od fúzie údajov. Alternatívne môžu rôzne spôsoby snímania fungovať súčasne alebo spoločne podľa potreby za určitých okolností. Použitie viacerých senzorov v danom systéme snímania premávky predstavuje množstvo výziev, ako je potreba korelovať snímané údaje z rôznych senzorov tak, aby boli detekcie s akoukoľvek senzorickou modalitou konzistentné s ohľadom na objekty v reálnom svete a umiestnenia v priestorovej doméne. Prepínanie senzorov okrem toho vyžaduje vhodné algoritmy alebo pravidlá na vedenie vhodného výberu senzora v závislosti od daných prevádzkových podmienok. V prevádzke snímanie dopravy umožňuje detekciu predmetov v danom zornom poli, čo umožňuje ovládanie dopravného signálu, zber dát, varovania a ďalšie užitočné práce. Táto prihláška si nárokuje prioritu voči dočasnej patentovej prihláške USA č. 61/413,764, s názvom „Autoscope Hybrid Detection System“, podanej 15. novembra 2010, ktorá je týmto zahrnutá ako odkaz v celom rozsahu.

Obr. 1 je pôdorys príkladnej križovatky vozovky 30 (napr. križovatka riadená signálom), v ktorej je systém snímania premávky 32 je nainštalovaný. Systém snímania premávky 32 obsahuje zostavu hybridného snímača (alebo zostavu snímača poľa) 34 podporované podpornou štruktúrou 36 (napr. rameno stožiara, svietidlo, stĺp alebo iná vhodná konštrukcia) v perspektívnom usporiadaní. V znázornenom uskutočnení je zostava senzora 34 je namontovaný v strednej časti ramena stožiara, ktorý sa rozprestiera cez aspoň časť vozovky, a je usporiadaný v opačnom smere (t. j. protiľahlý k časti vozovky, ktorá je predmetom záujmu snímania premávky). Zostava senzora 34 sa nachádza vo vzdialenosti D1 od okraja vozovky (napr. od obrubníka) a vo výške H nad vozovkou (napr. asi 5-11 m). Zostava senzora 34 má azimutový uhol θ vzhľadom na vozovku a uhol vyvýšenia (alebo naklonenia) β. Azimutový uhol θ a uhol β nadmorskej výšky (alebo naklonenia) je možné merať vzhľadom na stred lúča alebo zorné pole (FOV) každého senzora zostavy senzora. 34. Vo vzťahu k vlastnostiam križovatky vozoviek 30, zostava snímača 34 sa nachádza vo vzdialenosti DS zo zastavovacej lišty (synonymne nazývanej zastavovacia čiara) pre smer približovania premávky 38 určené na vnímanie. Zastávka je spravidla určené (napr. Maľovaná čiara) alebo de facto (t. J. Nie je uvedené na chodníku) miesto, kde sa doprava zastavuje v smere priblíženia 38 križovatky vozoviek 30. Smer priblíženia 38 má šírku DR. a 1 až n jazdných pruhov, ktoré v zobrazenom uskutočnení zahrnujú štyri jazdné pruhy so šírkami DL1, DL2, DL3 a DL4 resp. Oblasť záujmu v smere približovania dopravy 38 má hĺbku DA, merané za zarážkou vo vzťahu k zostave senzora 34.

Je potrebné poznamenať, že zatiaľ čo na obr. 1 konkrétne identifikuje prvky križovatky 30 a systém snímania premávky 32 pre jeden smer priblíženia bude typická aplikácia zahŕňať viac zostáv snímačov 34s najmenej jednou zostavou snímača 34 pre každý smer priblíženia, pre ktorý je žiaduce snímať údaje o premávke. Napríklad na konvenčnej štvorsmernej križovatke štyri zostavy senzorov 34 môžu byť poskytnuté. Na trojcestnej križovatke v tvare T sú tri zostavy senzorov 34 môžu byť poskytnuté. Presný počet zostáv senzorov 34 sa môžu líšiť podľa želania a často budú ovplyvnené konfiguráciou vozovky a požadovanými cieľmi snímania dopravy. Predložený vynález je navyše užitočný pre aplikácie iné ako striktne križovatky. Medzi ďalšie vhodné aplikácie patrí použitie v tuneloch, mostoch, mýtnych staniciach, prístupových zariadeniach, diaľniciach atď.

Zostava hybridného snímača 34 môže zahŕňať množstvo diskrétnych senzorov, ktoré môžu poskytovať rôzne spôsoby snímania. Počet diskrétnych senzorov sa môže líšiť podľa potreby pre konkrétne aplikácie, rovnako ako modality každého zo senzorov. Možno použiť strojové videnie, radar (napr. Dopplerov radar), LIDAR, akustické a ďalšie vhodné typy senzorov.

Obr. 2 je schematický pohľad na križovatku vozovky 30 ilustrujúce jedno uskutočnenie troch prekrývajúcich sa zorných polí 34-1, 34-2 a 34-3 pre príslušné diskrétne snímače zostavy hybridných senzorov 34. V zobrazenom uskutočnení prvé zorné pole 34-1 je relatívne veľký a má azimutálny uhol θ1 blízko nuly, druhého zorného poľa 34-2 je kratšia (tj. menšia hĺbka ostrosti) a širšia ako prvé zorné pole 34-1 ale má tiež azimutálny uhol θ2 blízko nuly, zatiaľ čo tretie zorné pole 34-3 je kratší a širší ako druhé zorné pole 34-2 ale má azimutálny uhol s absolútnou hodnotou výrazne vyššou ako nula. Takýmto spôsobom prvé a druhé zorné pole 34-1 a 34-2 majú značné prekrývanie, zatiaľ čo tretie zorné pole 34-3 poskytuje menšie prekrývanie a namiesto toho zahŕňa ďalšiu oblasť vozovky (napr. oblasti odbočovania). Je potrebné poznamenať, že zorné polia 34-1, 34-2 a 34-3 sa môže líšiť v závislosti od pridruženého typu snímacej modality pre zodpovedajúci snímač. Okrem toho počet a orientácia zorných polí 34-1, 34-2 a 34-3 sa môže líšiť podľa potreby pre konkrétne aplikácie. Napríklad v jednom uskutočnení iba prvé a druhé zorné pole 34-1 a 34-2 môže byť poskytnuté, a tretie zorné pole 34-3 vynechaný.

Obr. 3 je perspektívny pohľad na uskutočnenie zostavy hybridného snímača 34 systému snímania premávky 32. Prvý senzor 40 môže to byť radar (napr. Dopplerov radar) a druhý snímač 42 môže to byť zariadenie strojového videnia (napr. zariadenie spojené s nábojom). Prvý senzor 40 môže byť umiestnený pod druhým snímačom, pričom oba snímače sú 40 a 42 smerujú spravidla rovnakým smerom. Hardvér by mal mať robustnú mechanickú konštrukciu, ktorá spĺňa environmentálne požiadavky Národnej asociácie výrobcov elektrických zariadení (NEMA). V jednom uskutočnení prvý snímač 40 môže to byť radar UMRR (Universal Medium Range Resolution Resolution) a druhý snímač 42 Môže to byť kamera s viditeľným svetlom, ktorá je schopná zaznamenávať obrázky vo video toku zloženom zo série obrazových rámcov. Podporný mechanizmus 44 bežne podporuje prvý a druhý senzor 40 a 42 na nosnej konštrukcii 36, pričom umožňuje nastavenie senzora (napr. nastavenie panorámy/vybočenia, náklonu/nadmorskej výšky atď.). Nastavenie nosného mechanizmu umožňuje súčasné nastavenie polohy prvého aj druhého senzora 40 a 42. Také súčasné nastavenie uľahčuje inštaláciu a nastavenie tam, kde azimutové uhly θ1 a θ2 prvého a druhého senzora 40 a 42 sú v podstate rovnaké. Napríklad tam, kde je prvý snímač 40 je radar, orientácia zorného poľa druhého senzora 42 jednoducho manuálnym zameraním pozdĺž ochranného krytu 46 môžu byť použité na zjednodušenie mierenia radaru kvôli mechanickým vzťahom medzi senzormi. V niektorých uskutočneniach prvý a druhý snímač 40 a 42 môže tiež umožňovať vzájomné nastavenie (napr. otáčanie atď.). V prípade azimutových uhlov θ môže byť žiaduce nezávislé nastavenie senzora1 a θ2 prvého a druhého senzora 40 a 42 sa chcú výrazne líšiť. Ochranný kryt 46 môžu byť poskytnuté na ochranu a ochranu prvého a druhého senzora 40 a 42 z okolitých podmienok, ako je slnko, dážď, sneh a ľad. Naklonenie prvého senzora 40 môže byť obmedzený na daný rozsah, aby sa minimalizoval výčnelok z spodnej časti chrbtového plášťa a prekážka zorného poľa inými časťami zostavy 34.

Obr. 4A je schematický blokový diagram uskutočnenia zostavy hybridného snímača 34 a súvisiace obvody. V zobrazenom uskutočnení prvý snímač 40 je radar (napr. Dopplerov radar) a obsahuje jednu alebo viac antén 50a analógovo-digitálny (A/D) prevodník 52a procesor digitálneho signálu (DSP) 54. Výstup z antény (e) 50 je odoslaný do A/D prevodníka 52, ktorý posiela digitálny signál do DSP 54. DSP 54 komunikuje s procesorom (CPU) 56, ktorý je pripojený k mechanizmu vstupu/výstupu (I/O) 58 aby bol povolený prvý snímač 40 komunikovať s externými komponentmi. I/O mechanizmus môže byť portom pre káblové pripojenie a alternatívne (alebo navyše) môže poskytovať bezdrôtovú komunikáciu.

Ďalej v znázornenom uskutočnení druhý snímač 42 je zariadenie pre strojové videnie a obsahuje snímač zraku (napr. pole CCD alebo CMOS) 60, A/D prevodník 62a DSP 64. Výstup zo senzora videnia 60 je odoslaný do A/D prevodníka 62, ktorý posiela digitálny signál do DSP 64. DSP 64 komunikuje s procesorom (CPU) 56, ktorý je zasa spojený s I/O mechanizmom 58.

Obr. 4B je schematický blokový diagram ďalšieho uskutočnenia zostavy hybridného snímača 34. Ako je znázornené na obr. 4B, A/D prevodníky 52 a 62, DSP 54 a 64a CPU 56 všetky sú integrované do tej istej fyzickej jednotky ako senzory 40 a 42na rozdiel od uskutočnenia na obr. 4A, kde sú A/D prevodníky 52 a 62, DSP 54 a 64a CPU 56 môžu byť umiestnené vzdialene od zostavy hybridných snímačov 34 v samostatnom kryte.

Algoritmy interných senzorov môžu byť rovnaké alebo podobné tým, ktoré sú známe pre dopravné senzory, s akýmikoľvek požadovanými modifikáciami prídavkov, ako sú algoritmy detekcie frontov a detekcie pohybu otáčania, ktoré je možné implementovať s hybridným detekčným modulom (HDM) popísaným nižšie.

Je potrebné poznamenať, že uskutočnenie znázornené na obr. 4 je ukázaný iba ako príklad, a nie ako obmedzenie. V ďalších uskutočneniach môžu byť použité iné typy senzorov, ako napríklad LIDAR, atď. Okrem toho môžu byť použité viac ako dva senzory, ako je požadované pre konkrétne aplikácie.

V typickej inštalácii je to hybridný snímač 34 je operatívne pripojený k ďalším komponentom, ako je jeden alebo viac boxov ovládačov alebo rozhraní, a k riadiacemu systému dopravy (napr. k systému signalizácie premávky). Obr. 5A je schematický blokový diagram jedného uskutočnenia systému na snímanie premávky 32, ktorý obsahuje štyri hybridné zostavy senzorov 34A-34D, autobus 72, box hybridného rozhrania 74a box systému hybridnej detekcie premávky 76. Autobus 72 je operatívne spojený s každou zo zostáv hybridných snímačov 34A-34D a umožňuje prenos energie, videa a dát. Pripojené aj k autobusu 72 je box hybridného rozhrania 74. Krabica ovládača zoomu 78 a displej 80 sú pripojené k boxu panela hybridného rozhrania 74 v znázornenom uskutočnení. Krabica ovládača zoomu 78 umožňuje ovládanie priblíženia senzorov strojového videnia hybridných senzorových zostáv 34A-34D. Displej 80 umožňuje sledovanie video výstupu (napr. analógového video výstupu). Napájací zdroj 82 je ďalej spojený s boxom hybridného rozhrania 74a terminál 84 (napr. prenosný počítač) je možné prepojiť s boxom hybridného rozhrania 74. Box hybridného rozhrania 74 môže akceptovať napájanie 110/220 VAC a poskytuje 24 VDC napájanie zostáv snímačov 34A-34D. Kľúčové funkcie boxu hybridného rozhrania 74 majú dodávať energiu do zostáv hybridných snímačov 34A-34D a na správu komunikácie medzi zostavami hybridných senzorov 34A-34D a ďalšie komponenty, ako napríklad box systému hybridnej detekcie premávky 76. Box hybridného rozhrania 74 môže zahŕňať vhodné obvody, procesory, počítačom čitateľnú pamäť atď. na splnenie týchto úloh a spustenie príslušného softvéru. Terminál 84 umožňuje operátorovi alebo technikovi prístup a prepojenie s boxom hybridného rozhrania 74 a zostavy hybridných snímačov 34A-34D vykonávať úlohy nastavenia, konfigurácie, nastavenia, údržby, monitorovania a ďalších podobných činností. S terminálom je možné použiť vhodný operačný systém, ako napríklad WINDOWS od spoločnosti Microsoft Corporation, Redmond, Washington. 84. Terminál 84 môžu byť umiestnené na križovatke vozoviek 30, alebo sa môžu nachádzať vzdialene od vozovky 30 a pripojené k boxu panela hybridného rozhrania 74 vhodným pripojením, napríklad cez ethernet, súkromnú sieť alebo iné vhodné komunikačné spojenie. Box hybridného systému detekcie premávky 76 v zobrazenom uskutočnení je ďalej spojený s dopravným kontrolórom 86, ako napríklad systém dopravného signálu, ktorý je možné použiť na riadenie premávky na križovatke 30. Box hybridného detekčného systému 76 môže zahŕňať vhodné obvody, procesory, počítačom čitateľnú pamäť atď. na spustenie použiteľného softvéru, ktorý je ďalej diskutovaný nižšie. V niektorých uskutočneniach box hybridného detekčného systému 76 obsahuje jednu alebo viac za tepla vymeniteľných obvodových kariet, pričom každá karta poskytuje podporu spracovania pre danú jednu zo zostáv hybridných snímačov 34A-34D. V ďalších uskutočneniach riadiaci premávky 86 možno vynechať. Jeden alebo viac ďalších senzorov 87 môžu byť voliteľne poskytnuté, ako napríklad snímač dažďa/vlhkosti, alebo môžu byť v iných uskutočneniach vynechané. Je potrebné poznamenať, že ilustrované uskutočnenie z obr. 5A je ukázaný iba ako príklad. Sú možné alternatívne implementácie, ako napríklad s ďalšou integráciou zbernice alebo s inými komponentmi, ktoré nie sú konkrétne zobrazené. Môže byť napríklad k dispozícii internetové pripojenie, ktoré umožňuje prístup k údajom tretích strán, ako sú informácie o počasí atď.

Obr. 5B je schematický blokový diagram iného uskutočnenia systému na snímanie premávky 32“. Stelesnenie systému 32'Znázornené na obr. 5B je vo všeobecnosti podobný systému 32 znázornený na obr. 5A však systém 32′ Obsahuje integrovaný box riadiaceho systému 88 ktorý poskytuje funkcie panela hybridného rozhrania 74 a box systému hybridnej detekcie premávky 76. Integrovaný box riadiaceho systému 88 môžu byť umiestnené v hybridných snímačoch alebo v ich tesnej blízkosti 34, iba s minimálnymi obvodmi rozhrania na zemi na olovnaté detekčné signály pre riadiaceho premávky 86. Integrácia viacerých ovládacích boxov dohromady môže uľahčiť inštaláciu.

Obr. 6 je schematický blokový diagram softvérových subsystémov systému na snímanie premávky 32 alebo 32“. Pre každých n hybridných snímačov je k dispozícii modul hybridnej detekcie (HDM) 90-1 do 90-n je k dispozícii, ktorý obsahuje stroj hybridného detekčného stavu (HDSM) 92, radarový subsystém 94, video subsystém 96 a štátny blok 98. Vo všeobecnosti každý HDM 90-1 do 90-n koreluje, synchronizuje a vyhodnocuje výsledky detekcie z prvého a druhého senzora 40 a 42, ale obsahuje aj rozhodovaciu logiku na rozpoznanie toho, čo sa deje v scéne (napr. križovatka 30), keď sú dva snímače 40 a 42 (a subsystémy 94 a 96) ponúkajú protichodné hodnotenia. S výnimkou určitých funkcií Master-Slave, každý HDM 90-1 do 90-n spravidla funguje nezávisle od ostatných, čím poskytuje škálovateľný modulárny systém. Stavový stroj hybridnej detekcie 92 HDM 90-1 do 90-n ďalej môže kombinovať detekčné výstupy z radarových a video subsystémov 94 a 96 spolu. HDM 90-1 do 90-n môže pridávať údaje z radarového subsystému 94 na prekrytie videa zo subsystému videa 96, ktorý je možné digitálne streamovať do terminálu 84 alebo zobrazené na displeji 80 analógové na prezeranie. Aj keď je ilustrované uskutočnenie opísané s ohľadom na radary a senzory video/kamera (strojové videnie), malo by byť zrejmé, že v alternatívnych uskutočneniach môžu byť použité iné typy senzorov. Softvér systému 32 alebo 32Ďalej obsahuje komunikačný server (server) 100 ktorý riadi komunikáciu medzi každým z HDM 90-1 do 90-n a hybridné grafické užívateľské rozhranie (GUI) 102, sprievodca konfiguráciou 104 a editor detektora 106. HDM 90-1 do 90-n softvér môže bežať nezávisle od GUI 102 softvér, ktorý je nakonfigurovaný, a zahŕňa komunikáciu z grafického rozhrania 102, radarový subsystém 94, video subsystém 96 ako aj HDSM 92. HDM 90-1 do 90-n softvér je možné implementovať na príslušné hardvérové ​​karty dodávané v boxe systému hybridnej prevádzky 76 systému 32 alebo skrinka integrovaného riadiaceho systému 88 systému 32′.

Radarové a video subsystémy 94 a 96 spracovávať a kontrolovať zber údajov zo senzorov a prenášať výstupy do HDSM 92. Video subsystém 96 (s využitím vhodného (-ých) procesora (-ov) alebo iného hardvéru) môže analyzovať video alebo iné obrazové údaje a poskytnúť tak sadu výstupov detektora podľa konfigurácie detektora používateľa vytvorenej pomocou editora detektorov 106 a uloží sa ako súbor detektora. Tento súbor detektora sa potom spustí, aby spracoval vstupné video a vygeneroval výstupné údaje, ktoré sa potom prenesú do pridruženého HDM 90-1 do 90-n na spracovanie a výber konečnej detekcie. Niektoré detektory, ako napríklad detektor veľkosti frontu a detekcia pohybov pri otáčaní, môžu vyžadovať dodatočné informácie o senzore (napr. Údaje o radare), a preto je možné ich implementovať do modulu HDM 90-1 do 90-n kde sú k dispozícii takéto dodatočné údaje.

Radarový subsystém 94 môže poskytovať údaje súvisiacim HDM 90-1 do 90-n vo forme zoznamov predmetov, ktoré poskytujú rýchlosť, polohu a veľkosť všetkých snímaných/sledovaných predmetov (vozidiel, chodcov atď.). Radar spravidla nemá schopnosť konfigurovať a spúšťať detektory v štýle strojového videnia, takže logika detektora musí byť spravidla implementovaná v HDM. 90-1 do 90-n. Logika detektora na báze radaru v HDM 90-1 do 90-n dokáže normalizovať snímané/sledované objekty na rovnaký priestorový súradnicový systém ako ostatné senzory, napríklad zariadenia na strojové videnie. Systém 32 alebo 32„Môže použiť normalizované údaje o objektoch spolu s hranicami detektora získanými zo súboru detektora strojového videnia (alebo iného) na generovanie výstupov detektora analogických tomu, čo poskytuje systém strojového videnia.

Štátny blok 98 poskytuje indikáciu a výstup vzhľadom na stav riadiaceho premávky 86, napríklad na označenie, či je daný dopravný signál „zelený“, „červený“ atď.

Hybridné GUI 102 umožňuje operátorovi interakciu so systémom 32 alebo 32′ A poskytuje počítačové rozhranie, ako napríklad na normalizáciu senzorov, nastavenie detekčnej domény a streamovanie a zber údajov, ktoré umožňujú vizualizáciu a vyhodnotenie výkonu. Sprievodca konfiguráciou 104 môže obsahovať funkcie pre počiatočné nastavenie systému a súvisiace funkcie. Editor detektora 106 umožňuje konfiguráciu detekčných zón a súvisiace funkcie správy detekcie. GUI 102, sprievodca konfiguráciou 104 a editor detektorov 106 môže byť prístupný z terminálu 84 alebo podobný počítač operatívne pripojený k systému 32. Je potrebné poznamenať, že aj keď boli rôzne softvérové ​​moduly a komponenty popísané oddelene, je potrebné poznamenať, že tieto funkcie je možné integrovať do jedného programu alebo softvérového balíka alebo poskytnúť ako samostatné samostatné balíky. Opísané funkcie môžu byť implementované prostredníctvom akéhokoľvek vhodného softvéru v ďalších uskutočneniach.

GUI 102 softvér môže bežať na PC s Windows®, Apple PC alebo Linux PC alebo inom vhodnom výpočtovom zariadení s vhodným operačným systémom a na komunikáciu s HDM môže využívať ethernet alebo iné vhodné komunikačné protokoly 90-1 do 90-n. GUI 102 poskytuje mechanizmus na nastavenie HDM 90-1 do 90-nvrátane video a radarových subsystémov 94 a 96 na: (1) normalizáciu/zarovnanie zorných polí z prvého aj druhého senzora 40 a 42 (2) konfigurovať parametre pre HDSM 92 kombinovať video a radarové údaje (3) umožniť vizuálne vyhodnotenie detekčného výkonu (prekrytie na displeji videa) a (4) umožniť zber dát, štandardných detekčných výstupných a vývojových dát. Hybridný prehrávač videa s grafickým rozhraním 102 umožní užívateľom prekryť markery sledujúce radar (alebo značky z akejkoľvek inej snímacej modality) na video zo snímača strojového videnia (pozri obrázky 11B a 14). Tieto sledovacie značky môžu zobrazovať oblasti, kde radar v súčasnosti detekuje vozidlá. Toto prekrytie videa je užitočné na overenie správneho nastavenia radaru a na to, aby používateľom umožnilo ľahko vyhodnotiť výkon radaru v reálnom čase. Hybridný prehrávač videa s grafickým rozhraním 102 môže užívateľovi umožniť vybrať si z viacerých režimov zobrazenia, ako napríklad: (1) Hybridný - zobrazuje aktuálny stav detektorov určený z hybridnej rozhodovacej logiky pomocou vstupov strojového videnia a radarového senzora (2) Video/Vízia - zobrazuje aktuálny stav detektory využívajúce iba vstup strojového videnia (3) Radar - zobrazuje aktuálny stav detektorov iba pomocou vstupu radarového snímača a/alebo (4) Porovnanie videa/radaru - poskytuje jednoduchý spôsob, ako vizuálne porovnať výkon strojového videnia a radaru pomocou viacfarebnú schému (napr. čiernu, modrú, červenú a zelenú), ktorá zobrazuje všetky permutácie vtedy, keď sa dve zariadenia pre danú detekčnú zónu zhodujú a nesúhlasia. V niektorých uskutočneniach môžu byť používateľom k dispozícii iba niektoré z vyššie uvedených režimov zobrazenia.

GUI 102 komunikuje s HDM 90-1 do 90-n prostredníctvom rozhrania API, konkrétne doplnkov rozhrania CLAPI (Client Application Programming Interface), ktoré môže prechádzať serverom Comserver 100a nakoniec k HDM 90-1 do 90-n. Príslušný komunikačný protokol môže na podporu GUI odosielať a prijímať normalizačné informácie, definície výstupu detektora, konfiguračné údaje a ďalšie informácie. 102.

Funkcie na interpretáciu, analýzu a konečnú detekciu alebo iné podobné funkcie systému primárne vykonáva stavový stroj hybridnej detekcie 92. HDSM 92 môže získavať výstupy z detektorov, ako sú detektory strojového videnia a detektory založené na radare, a rozhodovať medzi nimi pri konečných rozhodnutiach o detekcii. Pokiaľ ide o radarové údaje, HDSM 92 môže napríklad z radarového subsystému načítať rýchlosť, veľkosť a polárne súradnice cieľových objektov (napr. vozidiel), ako aj karteziánske súradnice sledovaných objektov. 94 a zodpovedajúce radarové senzory 40-1 do 40-n. Pre strojové videnie HDSM 92 môže načítať údaje z bloku stavu detekcie 98 a z video subsystému 96 a súvisiace video senzory (napr. kamera) 42-1 do 42-n. Údaje o videu sú k dispozícii na konci každého spracovaného rámca videa. HDSM 92 môže obsahovať a vykonávať prepínanie/fúziu/rozhodovaciu logiku údajov senzorového algoritmu atď. spracovávať údaje o radare a strojovom videní. Stavový stroj na určenie, ktoré výsledky detekcie je možné použiť, na základe vstupov z údajov z radaru a strojového videnia a logiky rozhodovania po algoritme. Prioritu môže mať snímač, ktorý je podľa súčasných podmienok (denný čas, počasie, úroveň kontrastu videa, úroveň premávky, montážna poloha snímača atď.) Najpresnejší.

Štátny blok 98 môže poskytovať konečné, zjednotené výstupy detektora do zbernice alebo priamo do riadiacej jednotky premávky 86 prostredníctvom vhodných portov (alebo bezdrôtovo). Na zaistenie týchto výstupov detektora zo stavového bloku je možné použiť pravidelný prieskum 98. Stavový blok môže tiež poskytovať indikácie pre každú signálnu fázu (napr. Červenú, zelenú) kontroléra signálu 86 ako vstup.

Je možné použiť množstvo typov detekcie. Detektory prítomnosti alebo zastavovacej čiary identifikujú prítomnosť vozidla v zornom poli (napr. Na zastavovacej čiare alebo zastavovacej lište), vďaka svojej vysokej presnosti pri určovaní prítomnosti vozidiel sú ideálne pre aplikácie križovatiek riadených signálom. Detekcia počtu a rýchlosti (ktorá zahŕňa dĺžku a klasifikáciu vozidla) pre vozidlá prechádzajúce po vozovke. Detektory krížového kríža poskytujú schopnosť odhaliť medzery medzi vozidlami a pomôcť tak pri presnom počítaní. Detektory počtu a detektory rýchlosti pracujú spoločne a vykonávajú spracovanie detekcie vozidla (to znamená, že detektory ukazujú, či je pod detektorom vozidlo alebo nie, a vypočítajú jeho rýchlosť). Sekundárne detekčné stanice zostavujú štatistiky objemu premávky. Objem je súčet vozidiel zistených počas špecifikovaného časového intervalu.Rýchlosti vozidla je možné uvádzať buď v km/h alebo mi/h. a môžu byť uvedené ako celé číslo. Dĺžky vozidla je možné uvádzať v metroch alebo stopách. Pre zónu dilemy je možné poskytnúť pokročilú detekciu (zameranú predovšetkým na detekciu prítomnosti, rýchlosť, zrýchlenie a spomalenie). „Zóna dilemy“ je zóna, v ktorej sa vodiči musia rozhodnúť pokračovať alebo zastaviť, keď sa riadenie dopravy (tj. Semafor) zmení zo zelenej na oranžovú a potom na červenú. Môže byť poskytnuté počítanie sústružníckych pohybov so sekundárnymi detekčnými stanicami pripojenými k primárnym detektorom na zostavenie štatistiky objemu dopravy. Objem je súčet vozidiel zistených počas špecifikovaného časového intervalu. Počty zákrut sú jednoducho počty vozidiel, ktoré odbočujú na križovatke (nepokračujú priamo cez križovatku). Konkrétne počty sústruženia doľava a doprava môžu byť poskytnuté oddelene. Doprava v tom istom pruhu môže často pokračovať buď rovno alebo odbočiť, pričom je potrebné vziať do úvahy túto schopnosť dvoch jazdných pruhov. K dispozícii je tiež meranie veľkosti fronty. Veľkosť frontu môže byť definovaná ako objekty, ktoré sa zastavia alebo sa pohybujú pod užívateľsky definovanou rýchlosťou (napr. Predvolený prah 5 ml/h) pri priblížení sa ku križovatke, takže veľkosťou frontu môže byť počet vozidiel vo fronte. Alternatívne je možné veľkosť radu merať od zarážkovej tyče po koniec predradeného radu alebo koniec najvzdialenejšej detekčnej zóny, podľa toho, čo je kratšie. Vozidlá je možné detegovať už pri približovaní sa a zaradení do radu, pričom sa priebežne účtuje počet vozidiel v regióne definovanom čiarou zastavenia siahajúcou do zadnej časti chvosta fronty.

Poskytuje sa aj spracovanie chýb vrátane spracovania komunikácie, softvérových chýb a hardvérových chýb. Pokiaľ ide o potenciálne komunikačné chyby, výstupy je možné nastaviť tak, aby uskutočňovali hovory, ktoré sú bezpečné z hľadiska zlyhania, za nasledujúcich podmienok: i) pre zlyhanie komunikácie medzi hardvérovými obvodmi a priradenými radarovými snímačmi (napr. Prvé snímače) 40) a iba výstupy spojené s týmto radarovým senzorom, výstupy zo strojového videnia (napr. druhé snímače 42) sa môže použiť namiesto toho, ak funguje správne (ii) na stratu výstupu strojového videnia a iba výstupov spojených s týmto snímačom strojového videnia a (iii) na stratu komunikácie s portom detektora - súvisiace výstupy budú zaradené do hovoru alebo bezpečné pre poruchu podradená jednotka, ktorej komunikácia je stratená. Hovor je spravidla výstupom (napr. Pre riadiaceho premávky) 86) na základe detekcie (tj. daný detektor spustený „zapnutý“) a núdzový hovor môže byť predvolene nastavený na stav, ktorý zodpovedá detekcii, čo vo všeobecnosti znižuje pravdepodobnosť „uviaznutia“ vodiča na križovatke, pretože nedostatočnej detekcie. Pokiaľ ide o potenciálne softvérové ​​chyby, výstupy je možné nastaviť tak, aby uskutočňovali hovory, ktoré nie sú bezpečné, ak softvér HDM 90-1 do 90-n nie je funkčný. Pokiaľ ide o potenciálne hardvérové ​​chyby, vybrané výstupy je možné nastaviť tak, aby uskutočňovali hovory (klesajúci prúd) alebo zabezpečené proti zlyhaniu za nasledujúcich podmienok: (i) strata napájania, všetky výstupy (ii) porucha riadiacich obvodov, všetky výstupy a (iii) porucha akýchkoľvek senzorov zostáv senzorov 34A-34D, iba výstupy spojené s chybnými snímačmi.

Aj keď je to softvér pre systém snímania premávky 32 alebo 32'Bolo popísané vyššie, malo by byť zrejmé, že rôzne ďalšie vlastnosti, ktoré nie sú konkrétne diskutované, môžu byť začlenené podľa potreby pre konkrétne aplikácie. Môžu byť začlenené napríklad známe vlastnosti systému Autoscope® a systému RTMS®, oba dostupné od Image Sensing Systems, Inc., St. Paul, Minn. K známym funkciám môže napríklad patriť: (a) monitor stavu - monitoruje systém, aby sa ubezpečil, že všetko funguje správne (b) systém protokolovania - zaznamenáva všetky dôležité udalosti na riešenie problémov a servis (c) správy o porte detektora - na použitie, keď pripojenie zariadenia (slave) na komunikáciu s iným zariadením (master), detektor, spracovanie algoritmov - na spracovanie videoobrazov a radarových výstupov na umožnenie detekcie a zberu dát (d) streamovanie videa - na umožnenie užívateľovi vidieť výstupný video kanál ( e) zápis do energeticky nezávislej pamäte-umožňuje modulu zapisovať a čítať vnútornú energeticky nezávislú pamäť obsahujúcu zavádzač, operačný softvér a dodatočnú pamäť, do ktorej môžu systémové zariadenia zapisovať na ukladanie údajov (f) protokolovanie správ-správa/protokol z vonkajších systémov, aby sa umožnila komunikácia so systémom snímania premávky 32 alebo 32′ G) stavový blok - obsahuje stav zberu vstupov/výstupov a h) - na zaznamenávanie vstupov/výstupov, dopravných údajov a stavov alarmu.

Teraz k základným komponentom systému snímania premávky 32 a 32“Boli popísané, o spôsobe inštalácie a normalizácie systému je možné diskutovať. Normalizácia prekrývajúcich sa zorných polí hybridného systému je dôležitá, aby údaje získané z rôznych senzorov, najmä z tých, ktoré používajú rôzne spôsoby snímania, mohli korelovať a používať ich spoločne alebo zameniteľne. Bez vhodnej normalizácie by použitie údajov z rôznych senzorov viedlo k detekcii v nesúrodých súradnicových systémoch, čím by sa zabránilo schopnosti jednotnej detekcie systému.

Obr. 7 je vývojový diagram ilustrujúci spôsob inštalácie a normalizácie na použitie so systémom 32 a 32“. Na začiatku je hardvér a príslušný softvér nainštalovaný na mieste, kde je požadované snímanie dopravy, napríklad na križovatke vozoviek 30 (krok 100). Inštalácia zahŕňa fyzickú inštaláciu všetkých zostáv senzorov 34 (počet poskytnutých zostáv sa bude líšiť pre konkrétne aplikácie), inštalácia ovládacích boxov 74, 76 a/alebo 88vytváranie káblových a/alebo bezdrôtových spojení medzi komponentmi a zameriavanie zostáv snímačov 34 na poskytnutie požadovaných zorných polí (pozri obr. 2 a 8). Zostavy senzorov 34 môže byť namontovaný na akúkoľvek vhodnú nosnú konštrukciu 36, a konkrétna konfigurácia montáže sa bude líšiť podľa potreby pre konkrétne aplikácie. Namierenie zostáv snímača 34 zahrnúť otáčanie/otáčanie (vľavo alebo vpravo), nadmorskú výšku/náklon (nahor alebo nadol), otáčanie valca fotoaparátu (v smere alebo proti smeru hodinových ručičiek), previs slnečného štítu/krytu a úpravu priblíženia. Po fyzickej inštalácii je možné zmerať príslušné fyzické polohy (krok 102). Fyzické merania môže vykonávať manuálne technik, napríklad výšku H sústav snímačov 34, a vzdialenosti D1, DS, DA, DR., DL1 do DL2, opísaný vyššie s ohľadom na obr. 1. Tieto merania je možné použiť na určenie orientácie senzora, pomoc pri normalizácii a kalibrácii systému a stanovení parametrov snímania a detekcie. V jednom uskutočnení iba výška senzora H a vzdialenosť k dorazovej lište DS vykonajú sa merania.

Po zmeraní fyzických polôh orientácia zostáv snímačov 34 a súvisiace prvé a druhé senzory 40 a 42 je možné určiť (krok 104). Toto určenie orientácie môže zahŕňať konfiguráciu azimutálnych uhlov θ, výškových uhlov θ a uhlov rotácie. Azimutový uhol θ pre každý diskrétny snímač 40 a 42 danej zostavy hybridných senzorov 34 môže byť závislým stupňom voľnosti, tj. azimutálnymi uhlami θ1 a θ2 sú identické pre prvý a druhý snímač 40 a 42vzhľadom na mechanické spojenie vo výhodnom uskutočnení. Druhý snímač 42 (napríklad zariadenie strojového videnia) môže byť nakonfigurované tak, že stred zastavovacej čiary pre dopravné priblíženie 38 je v podstate zarovnaný so stredom priradeného zorného poľa 34-1. Vzhľadom na mechanické spojenie medzi prvým a druhým snímačom 40 a 42 vo výhodnom uskutočnení potom človek vie, že zarovnanie prvého senzora 40 (napr. otvor pre radar) bol správne nastavený. Výškový uhol β pre každý snímač 40 a 42 je nezávislý stupeň voľnosti pre zostavu hybridného snímača 34, čo znamená výškový uhol β1 prvého senzora 40 (napr. radar) je možné nastaviť nezávisle od výškového uhla β2 druhého senzora 42 (napr. zariadenie strojového videnia).

Akonáhle je známa orientácia senzora, súradnice tohto senzora je možné otáčať o azimutový uhol θ, takže osi sú vyrovnané v podstate rovnobežne a kolmo na smer premávky priblíženia 38. Úpravu je možné vykonať podľa nasledujúcich rovníc (1) a (2), kde sú údaje senzora uvedené v karteziánskych súradniciach x, y:


X′ = Cos (θ)*X−sin (θ)*r (1)


r'= Hriech (θ)*X+cos (θ)*r (2)

Tiež druhú transformáciu je možné použiť na harmonizáciu konvencií označovania osí prvého a druhého senzora 40 a 42podľa rovníc (3) a (4):

Normalizačná aplikácia (napr. GUI 102 a/alebo sprievodca konfiguráciou 104) potom môžete otvoriť a začať normalizáciu zorného poľa prvého a druhého senzora 40 a 42 každej zostavy hybridných senzorov 34 (krok 106). Pri otvorenej aplikácii normalizácie sú objekty umiestnené na alebo v blízkosti záujmovej vozovky (napr. Križovatka vozovky 30) v spoločnom zornom poli najmenej dvoch senzorov danej zostavy hybridných senzorov 34 (krok 108). V jednom uskutočnení môžu byť predmetmi syntetické generátory cieľov, ktorými sú vo všeobecnosti objekty alebo zariadenia schopné generovať zaznamenateľný signál senzora. Napríklad v jednom uskutočnení môže byť syntetickým generátorom cieľa Dopplerov generátor, ktorý môže generovať radarový podpis (Dopplerov efekt), keď je nepohyblivý pozdĺž vozovky. 30 (t.j. nepohybovať sa po vozovke 30). V alternatívnom uskutočnení s použitím infračerveného (IR) senzora môže byť syntetickým generátorom cieľa vyhrievací prvok. Viac objektov je možné polohovať súčasne, alebo alternatívne možno podľa potreby postupne polohovať jeden alebo viac objektov. Objekty je možné umiestniť na vozovku v cestnej premávke alebo na chodník, bulvár, curtilage alebo inú priľahlú oblasť. Spravidla sú najmenej tri objekty umiestnené v nekolineárnom usporiadaní. V aplikáciách, kde je zostava hybridného snímača 34 obsahuje tri alebo viac diskrétnych senzorov, objekty môžu byť umiestnené v prekrývajúcom sa zornom poli všetkých diskrétnych senzorov alebo iba podskupiny senzorov v danom čase, aj keď by v konečnom dôsledku mali byť objekty umiestnené v zornom poli každého zo senzorov zostavy 34. Objekty môžu byť dočasne držané na mieste ručne operátorom, alebo môžu byť samonosné bez prítomnosti operátora. V ešte ďalších uskutočneniach môžu byť predmetmi existujúce objekty umiestnené na vozovke 30, ako sú príspevky, poštové schránky, budovy atď.

S umiestneným objektom (objektmi) sa zaznamenávajú údaje pre viac senzorov zostavy hybridných senzorov 34 sa normalizujú, aby sa zachytili údaje, ktoré obsahujú umiestnené objekty v prekrývajúcom sa zornom poli, to znamená, že viacero senzorov sníma objekty na vozovke v rámci prekrývajúcich sa zorných polí (krok 110). Tento proces môže zahŕňať simultánne snímanie viacerých objektov alebo sekvenčné zaznamenávanie jedného alebo viacerých objektov na rôznych miestach (za predpokladu, že nedôjde k žiadnemu zasahovaniu alebo premiestňovaniu senzorov zostavy hybridných senzorov 34 byť normalizovaný). Po zachytení údajov môže operátor použiť GUI 102 na výber jedného alebo viacerých snímok údajov zaznamenaných z druhého snímača 42 (napríklad zariadenie pre strojové videnie) zostavy hybridných senzorov 34 sú normalizované tak, aby poskytovali najmenej tri nekolineárne body, ktoré zodpovedajú polohám umiestnených predmetov v prekrývajúcom sa zornom poli vozovky 30, a vyberie tieto body v jednom alebo viacerých vybratých rámcoch na identifikáciu umiestnenia objektov v súradnicovom systéme pre druhý snímač 42 (krok 112). Výber bodov v rámčeku (rámoch) z druhého snímača 42 je možné vykonať ručne, a to vizuálnym posúdením operátora a uvedením vstupného zariadenia do činnosti (napr. kliknutím myšou, kontaktom na dotykovej obrazovke atď.) na určenie umiestnenia objektov v rámčeku (rámoch). V alternatívnom uskutočnení môže byť k objektom (objektom) a GUI poskytnuté výrazné vizuálne označenie 102 môže automaticky alebo poloautomaticky vyhľadávať v rámikoch, aby identifikoval a vybral umiestnenie značiek a teda aj objektov. Systém 32 alebo 32„Môže zaznamenať výber v súradnicovom systéme spojenom s druhým snímačom 42, napríklad umiestnenie pixelov pre výstup zariadenia strojového videnia. Systém 32 alebo 32'Môže tiež vykonávať automatické rozpoznávanie objektov vzhľadom na iný súradnicový systém spojený s prvým senzorom 40, napríklad v polárnych súradniciach na výstup z radaru. Obsluha môže vybrať súradnice súradnicového systému prvého senzora 40 zo zoznamu objektov (vzhľadom na možnosť, že na vozovke budú vnímané iné objekty 30 okrem objektu (predmetov), ​​alebo by sa alternatívne dalo vykonať automatické filtrovanie na výber príslušných súradníc. Vybraté súradnice prvého senzora 40 je možné nastaviť (napr. otočiť) v súlade s určením orientácie kroku 104 popísané vyššie. Proces výberu umiestnenia sa môže opakovať pre všetky použiteľné senzory danej zostavy hybridných senzorov 34 kým sa v príslušných súradnicových systémoch pre každý zo senzorov nevyberú miesta rovnakého objektu (rovnakých predmetov).

Potom, čo boli v každom senzorovom súradnicovom systéme vybraté body zodpovedajúce umiestneniu objektov, tieto body sú preložené alebo korelované s bežnými súradnicami používanými na normalizáciu a konfiguráciu systému snímania premávky 32 alebo 32“(Krok 114). Radarové polárne súradnice je možné napríklad mapovať, prekladať alebo korelovať s pixelovými súradnicami zariadenia so strojovým videním. Týmto spôsobom korelácia medzi údajmi všetkých senzorov danej hybridnej senzorovej zostavy 34, takže námietky v spoločnom, prekrývajúcom sa zornom poli týchto senzorov je možné identifikovať v spoločnom súradnicovom systéme alebo alternatívne v primárnom súradnicovom systéme a mapovať do akýchkoľvek iných korelovaných súradnicových systémov pre ostatné snímače. V jednom uskutočnení môžu byť všetky snímače korelované s bežným súradnicovým systémom pixelov.

Ďalej je možné vykonať proces verifikácie prostredníctvom prevádzky systému 32 alebo 32′ A pozorovanie pohybujúcich sa predmetov cestujúcich spoločným, prekrývajúcim sa zorným poľom senzorov zostavy hybridných senzorov 34 normalizácia (krok 116). Toto je kontrola už vykonanej normalizácie a operátor môže upraviť alebo vymazať a znova vykonať predchádzajúce kroky, aby získal požadovanejšiu normalizáciu.

Po normalizácii zostavy senzora 34, môže operátor použiť GUI 102 identifikovať jeden alebo viac jazdných pruhov pre jeden alebo viac prístupov 38 na vozovke 30 v spoločnom súradnicovom systéme (alebo v jednom súradnicovom systéme korelovanom s inými súradnicovými systémami) (krok 118). Identifikáciu jazdného pruhu je možné vykonať ručne tým, že operátor nakreslí hranice jazdného pruhu na displeji údajov zo senzorov (napr. Pomocou rámčeka strojového videnia alebo rámov znázorňujúcich vozovku 30). Fyzické merania (od kroku 102) môžu byť použité na pomoc pri identifikácii jazdných pruhov. V alternatívnych uskutočneniach je možné použiť automatické metódy na identifikáciu a/alebo úpravu identifikácie jazdných pruhov.

Okrem toho môže operátor používať GUI 102 a/alebo editor detekcie 106 na zriadenie jednej alebo viacerých detekčných zón (krok 120). Operátor môže nakresliť detekčné zóny na displej vozovky 30. Fyzické merania (od kroku 102) môžu byť použité na pomoc pri vytváraní detekčných zón.

Spôsob ilustrovaný na obr. 7 je ukázaný iba ako príklad. Odborníkom v danej oblasti techniky bude zrejmé, že spôsob je možné vykonávať v spojení s inými krokmi, ktoré nie sú konkrétne ukázané alebo diskutované vyššie. Okrem toho sa poradie konkrétnych krokov môže meniť, alebo sa môže vykonávať súčasne, v ďalších uskutočneniach. Ďalšie podrobnosti o spôsobe znázornenom na obr. 7 bude lepšie pochopený vo vzťahu k ďalším obrázkom popísaným nižšie.

Obr. 8 je výškový pohľad na časť križovatky vozovky 30, ilustrujúci uskutočnenie zostavy hybridného senzora 34 v ktorom prvý senzor 40 je radar. V zobrazenom uskutočnení prvý snímač 40 je zameraný tak, aby jeho zorné pole 34-1 sa rozprestiera pred zarážkou 130. Napríklad pre zarážku umiestnenú približne 30 m od zostavy hybridného snímača 34 (t.j. D.S= 30 m), výškový uhol β1 pre radar (napr. prvý snímač 40) je nastavený tak, že 10 dB od hlavného laloku je zarovnané približne so zarážkou 130. Obr. 8 ilustruje tento koncept inštalácie svietidla (t.j. tam, kde je nosná konštrukcia 36 je svietidlo). Radar je nakonfigurovaný tak, že 10 dB bod od hlavného laloku sa pretína s vozovkou 30 približne 5 m pred zastávkou. Polovica výškovej šírky radarového lúča sa potom odčíta, aby sa získala hodnota orientácie na výšku použiteľná systémom snímania premávky 32 alebo 32′.

Obr. 9 je pohľad na normalizačné zobrazovacie rozhranie 140 GUI 102 na stanovenie korelácie súradnicového systému medzi viacerými vstupmi senzorov z danej zostavy hybridných senzorov 34. V zobrazenom uskutočnení šesť predmetov 142A-142F sú umiestnené na vozovke 30. V niektorých uskutočneniach môže byť žiaduce umiestniť objekty 142A-142F na zmysluplných miestach na vozovke 30, napríklad pozdĺž hraníc jazdných pruhov, pozdĺž zarážky 130atď. Zmysluplné polohy budú spravidla zodpovedať typu detekcie požadovanej pre danú aplikáciu. Prípadne objekty 142A-142F je možné umiestniť mimo priblíženia 38, ako napríklad na strednom alebo bulvárnom páse, chodníku atď., aby sa obmedzilo prekážky premávky na prístupe 38 počas normalizácie.

Objekty 142A-142F môžu byť každý syntetický cieľový generátor (napr. Dopplerov generátor, atď.). Syntetické generátory cieľov sú vo všeobecnosti objekty alebo zariadenia schopné generovať zaznamenateľný signál zo senzora, ako je radarový podpis (Dopplerov efekt) generovaný, keď je objekt nehybný pozdĺž vozovky 30 (t.j. nepohybovať sa po vozovke 30). Týmto spôsobom stacionárny objekt na vozovke 30 môže mať vzhľad pohybujúceho sa objektu, ktorý je možné snímať a detekovať pomocou radaru. Napríklad sú známe mechanické a elektrické dopplerovské generátory a akýkoľvek vhodný dopplerovský generátor je možné podľa predloženého vynálezu použiť ako syntetický cieľový generátor pre uskutočnenia využívajúce radarový senzor. Mechanický alebo elektromechanický dopplerovský generátor môže zahŕňať spriadací ventilátor v štrbinovom plášti so štrbinou. Elektrický dopplerovský generátor môže zahŕňať vysielač na vysielanie elektromagnetickej vlny na emuláciu spätného signálu radaru (t.j. emuláciu odrazenej radarovej vlny) z pohybujúceho sa objektu vhodnou alebo požadovanou rýchlosťou. Napriek tomu, že typický radar nemôže bežne detekovať stojace objekty, syntetický generátor cieľov, ako je Dopplerov generátor, takúto detekciu umožňuje. Na normalizáciu, ako je opísaná vyššie vzhľadom na obr. 7, stacionárne objekty sú oveľa pohodlnejšie ako pohybujúce sa objekty. Prípadne objekty 142A-142F môžu byť objekty, ktoré sa pohybujú alebo sa pohybujú vzhľadom na vozovku 30ako napríklad rohové reflektory, ktoré zastavujú, poskytujú podpisy radarového odrazu.

Hoci šesť predmetov 142A-142F sú znázornené na obr. 9, v iných uskutočneniach je potrebné umiestniť iba minimálne tri nekolineárne umiestnené objekty. Navyše, ako je uvedené vyššie, nie všetky objekty 142A-142F je potrebné umiestniť súčasne.

Obr. 10 je pohľad na normalizačný displej 146 na zriaďovanie jazdných pruhov pomocou údajov strojového videnia (napr. z druhého senzora 42). Hranice jazdných pruhov 148-1, 148-2 a 148-3 je možné manuálne nakresliť na zobrazenie údajov zo senzorov pomocou GUI 102. Hranica zastavovacej čiary 148-4 a hranica oblasti záujmu 148-5 môže byť tiež nakreslené operátorom na zobrazenie údajov zo senzorov. Navyše, hoci ilustrované uskutočnenie zobrazuje uskutočnenie s lineárnymi hranicami, pre rôzne geometrie vozoviek môžu byť poskytnuté nelineárne hranice. Nakreslenie hraničných čiar, ako je znázornené na obr. 10 je možné vykonať potom, čo bola vytvorená korelácia medzi senzorovými súradnicovými systémami, čo umožňuje mapovanie hraničných čiar nakreslených vzhľadom na jeden súradnicový systém alebo ich koreláciu s iným alebo univerzálnym súradnicovým systémom (napr. Automatickým spôsobom).

Alternatívne k tomu, aby operátor ručne nakreslil hranicu čiary zastavenia 148-4, v ďalších uskutočneniach môže byť použitý automatický alebo poloautomatický proces. Pozíciu zastavovacej čiary je zvyčajne ťažké nájsť, pretože existuje iba jeden trochu hlučný indikátor: kde sa zastavujú predmety (napr. Vozidlá). Predmety nie sú zaručene zastavené presne na zastávke (ako je určené na vozovke) 30 farbou, atď.) mohli zastaviť až niekoľko metrov pred alebo za vyznačenou čiarou na ceste 30. Niektoré spôsoby snímania, ako napríklad radar, môžu mať tiež značné chyby pri odhadovaní polôh zastavených vozidiel. Pri odhade zastavovacej čiary je teda možné očakávať chybu +/− niekoľko metrov. Pozíciu zastavovacej čiary je možné nájsť automaticky alebo poloautomaticky spriemerovaním polohy (napr. Polohy na osi y) najbližšieho zastaveného objektu v každom cykle merania/snímania. Ak vezmete iba najbližšie zastavené objekty, pomôže to eliminovať nežiaduce zošikmenie spôsobené prednými predmetmi vo frontoch (tj. Druhé, tretie atď. Vozidlá vo fronte). Tento súbor údajov bude mať niekoľko odľahlých hodnôt, ktoré je možné odstrániť iteračným procesom (podobným tomu, ktorý je možné použiť pri odhadoch uhla azimutu):

a) Odoberte stredných 50% vzoriek najbližších k odhadu polohy medzi stopami (inliers) a zahoďte ostatných 50% bodov (outliers). Počiatočný odhad polohy zastávky môže byť najlepším odhadom operátora, ktorý je informovaný o akýchkoľvek dostupných fyzických meraniach, údajoch geografického informačného systému (GIS) atď.

(b) Určte priemer (priemer) z inlierov a považujte to za priemer nového odhadu polohy zastavovacej čiary.

(c) Opakujte kroky (a) a (b), kým sa metóda konverguje (napr. 0,0001 delta medzi krokmi (a) a (b)) dosiahne sa prahový počet opakovaní krokov (a) a (b) (napr. 100 iterácií). Metóda by sa zvyčajne mala zbiehať do približne 10 iterácií. Po konvergencii alebo dosiahnutí prahu iterácie sa získa konečný odhad tejto hraničnej polohy zastavovacej čiary. Podľa potreby je možné použiť malý posun.

Spravidla je potrebné poskytnúť systému orientačné informácie 32 alebo 32', Aby bolo možné vhodne rozpoznať orientáciu senzorov zostavy hybridných senzorov 34 vzhľadom na vozovku 30 túžil byť vnímaný. Dve možné metódy na určenie uhlov orientácie sú znázornené na obr. 11A, 11B a 11C. OBR. 11A je pohľad na normalizačný displej 150 pre jednu formu detekcie a normalizácie orientácie senzora. Ako je znázornené na znázornenom uskutočnení na obr. 11A, radarový výstup (napr. Prvého senzora 40) je k dispozícii v prvom zornom poli 34-1 pre štyri jazdné pruhy L1 do L.4 vozovky 30. Mnoho predmetov 152 (napr. vozidlá) sú detekované v zornom poli 34-1a pohybový vektor 152-1 je k dispozícii pre každý detekovaný objekt. Je potrebné poznamenať, že je známe, že radarové senzorové systémy poskytujú vektorové výstupy pre detekované pohybujúce sa objekty. Prezeraním displeja 150 (napr. s GUI 102), operátor môže nastaviť orientáciu prvého senzora 40 uznávané systémom 32 alebo 32„Také, že vektory 152-1 je v zásade zarovnaný s jazdnými pruhmi L1 do L.4. Čiary označujúce jazdné pruhy L1 do L.4 môže ručne nakresliť operátor (pozri obr. 10). Tento prístup predpokladá, že snímané objekty sa pohybujú v podstate rovnobežne s jazdnými pruhmi 30. Zručnosť operátora môže zohľadniť akékoľvek odľahlé hodnoty alebo artefakty v údajoch použitých na tento proces.

Obr. 11B je pohľad na ďalšie normalizačné zobrazenie 150′ Pre inú formu detekcie a normalizácie orientácie senzora. V uskutočnení znázornenom na obr. 11B, displej 150′ Je video prekrytie obrazových dát z druhého senzora 42 (napr. zariadenie strojového videnia) s ohraničovacími boxmi 154-1 objektov detekovaných prvým senzorom 40 (napr. radar). Operátor môže zobraziť displej 150'Na posúdenie a úpravu zarovnania medzi ohraničovacími políčkami 154-1 a vyobrazenia predmetov 154-2 viditeľný na displeji 150“. Zručnosti operátora je možné použiť na riešenie akýchkoľvek odľahlých hodnôt alebo artefaktov v údajoch použitých na tento proces.

Obr. 11C je pohľad na ďalšie normalizačné zobrazenie 150″ Pre inú formu detekcie a normalizácie orientácie senzora. V uskutočnení znázornenom na obr. 11C, automatizovaný alebo poloautomatický postup, umožňuje stanovenie a normalizáciu orientácie senzora. Postup môže pokračovať nasledovne. Najprv sa zaznamenajú údaje senzorov o premávke vozidla za dané časové obdobie (napr. 10-20 minút) a uložia sa. Operátor potom otvorí displej 150″ (Napr. Časť GUI 102) a pristupuje k uloženým údajom senzora. Operátor zadá počiatočný odhad normalizácie do bloku 156 pre daný senzor (napr. prvý snímač 40(čo môže byť radar), ktoré môže zahŕňať odhad uhla azimutu θ, polohy čiary zastávky a hraníc jazdných pruhov. Tieto odhady je možné zistiť pomocou fyzických meraní alebo alternatívne pomocou technických/technických výkresov alebo nástrojov na meranie vzdialenosti elektronických nástrojov GIS, ako sú GOOGLE MAPS, dostupné od spoločnosti Google, Inc., Mountain View, California alebo BING MAPS, dostupné od spoločnosti Microsoft. Corp Uhád azimutu θ sa môže zhodovať s nastavením príslušného senzora v čase záznamu. Operátor potom môže požiadať, aby systém vzal zaznamenané údaje a počiatočné odhady a vypočítal najpravdepodobnejšiu normalizáciu. Výsledky je možné zobrazovať a vizuálne zobrazovať s trasami objektov 158-1, hranice jazdných pruhov 158-2, stop line 158-3, poloha snímača 158-4 (nachádza sa na začiatku grafu vzdialenosti) a zorného poľa 158-5. Operátor môže vizuálne vyhodnotiť automatickú normalizáciu a v bloku výsledkov môže vykonať požadované zmeny 159, ktoré po úprave osviežuje dej. Táto funkcia umožňuje manuálne doladenie automatizovaných výsledkov.

Kroky algoritmu automatickej normalizácie môžu byť také, ako sú opísané v nasledujúcom uskutočnení. Azimutový uhol θ sa odhadne ako prvý. Akonáhle je známy azimutový uhol θ, súradnice objektu pre priradený snímač (napr. Prvý snímač 40) je možné otáčať tak, aby sa osi príslušného súradnicového systému zarovnávali rovnobežne a kolmo na smer premávky. Tento azimutálny uhol θ zjednodušuje odhad hraníc zastavovacej čiary a pruhov. Ďalej je možné súradnice snímača otáčať v závislosti od uhla azimutu θ, ktorý používateľ zadal ako počiatočný odhad. Azimutový uhol θ sa vypočíta tak, že sa v zornom poli senzora nájde priemerný smer pohybu predmetov (napr. Vozidiel). Predpokladá sa, že objekty budú v priemere cestovať rovnobežne s jazdnými pruhmi. Vozidlá, ktoré vykonávajú odbočovacie manévre alebo meniace sa jazdné pruhy, budú tento predpoklad samozrejme porušovať. Tieto typy vozidiel produkujú v súprave vzoriek odľahlé hodnoty, ktoré je potrebné odstrániť. Na filtráciu odľahlých hodnôt sa používa niekoľko rôznych metód. Ako počiatočný filter je možné odstrániť všetky objekty s rýchlosťou nižšou ako daný prah (napr. Približne 24 km/h alebo 15 ml/h). Za tieto objekty sa považuje väčšia pravdepodobnosť, že budú otáčať vozidlá alebo inak nebudú cestovať rovnobežne s jazdnými pruhmi. Tiež všetky objekty so vzdialenosťou mimo približne 5 až 35 metrov za čiarou zastavenia sú odstránené objekty v tejto strednej zóne sú považované za najspoľahlivejších kandidátov, ktorých je možné presne sledovať pri cestovaní v jazdných pruhoch vozovky 30. Pretože umiestnenie zastávky nie je zatiaľ známe, v tomto mieste je možné použiť odhad operátora. Teraz, keď sa používa táto filtrovaná množina údajov, uhol pohybu pre každý sledovaný objekt sa vypočíta odčítaním arktangensu príslušných zložiek rýchlosti x a y. Priemerný uhol všetkých filtrovaných sledovaných predmetov vytvára odhad θ azimutového uhla. V tomto mieste však môžu krajné hodnoty stále skresľovať. Druhý krok odstránenia extrémnych hodnôt možno teraz použiť nasledovne:

(a) Odoberte stredných 50% vzoriek najbližších k odhadu azimutového uhla θ (inliers) a zahoďte ostatných 50% bodov (outliers)

(b) Vezmite priemer z vložených hodnôt a považujte to za nový odhad azimutového uhla θ a

(c) Opakujte kroky (a) a (b), kým sa metóda konverguje (napr. 0,0001 delta medzi krokmi (a) a (b)) alebo sa dosiahne prahový počet opakovaní krokov (a) a (b) ( napr. 100 iterácií). Obvykle by sa táto metóda mala zblížiť do približne 10 iterácií. Po zblížení alebo dosiahnutí prahu iterácie sa získa konečný odhad θ azimutového uhla. Táto konvergencia môže byť v prípade potreby graficky znázornená ako histogram.

OBR. 12A-12E sú grafy odhadov hraničných pruhov pre alternatívne uskutočnenie spôsobu automatického alebo poloautomatického stanovenia alebo úpravy hranice jazdného pruhu. Vo všeobecnosti toto uskutočnenie predpokladá, že objekty (napr. Vozidlá) sa budú pohybovať približne v strede jazdných pruhov 30, a zahŕňa snahu o zníženie alebo minimalizovanie priemernej vzdialenosti od najbližšieho centra jazdného pruhu pre každý objekt. Počiatočný odhad používateľa sa použije ako východiskový bod pre stredy jazdných pruhov (vrátane počtu jazdných pruhov) a potom sa testujú malé zmeny, aby sa zistilo, či poskytujú lepší výsledok. Šírky jazdných pruhov je možné ponechať na odhadoch používateľa (čo môže byť založené na fyzických meraniach) a uplatňujú sa iba horizontálne posuny umiestnení jazdných pruhov. Je možné použiť vyhľadávacie okno +/− 2 metre s prírastkom v jazdnom pruhu 0,1 metra. Pre každú polohu vyhľadávania sa hranice pruhu posunú o offset a potom sa pre všetky vozidlá v každom pruhu vypočíta priemerná vzdialenosť do stredu jazdného pruhu (toto sa dá nazvať „priemerná chyba“ jazdného pruhu). Po vyskúšaní všetkých možných posunov možno priemerné chyby pre každý pruh normalizovať vydelením minimálnej priemernej chyby pre daný pruh všetkými možnými posunmi. Táto normalizácia poskytuje mechanizmus váženia, ktorý zvyšuje hmotnosť priradenú jazdným pruhom, v ktorých sa dobre hodí dráham vozidla, a znižuje hmotnosť jazdných pruhov s hlučnejšími údajmi. Potom sa môžu normalizované priemerné chyby všetkých pruhov sčítať pre každý posun, ako je znázornené na obr. 12E. Ofset poskytujúci najnižšiu celkovú normalizovanú priemernú chybu (označenú čiarou 170 na obr. 12E) možno považovať za najlepší odhad. Počiatočný odhad používateľa upravený ofsetom najlepšieho odhadu je možné použiť na stanovenie hraníc jazdných pruhov systému 32 alebo 32“. Ako už bolo uvedené, v tomto uskutočnení je na všetky jazdné pruhy použitý jediný posun pre všetky jazdné pruhy dohromady, a nie pre úpravu individuálnych veľkostí jazdných pruhov, aby sa zabezpečilo rôzne radenie medzi rôznymi jazdnými pruhmi.

Obr. 13 je pohľad na rozhranie kalibračného displeja 180 na vytváranie detekčných zón, ktoré je možné implementovať prostredníctvom editora detektorov 106. Všeobecne povedané, detekčné zóny sú oblasti vozovky, v ktorých je žiaduce, aby systém detegoval prítomnosť predmetu (napr. Vozidla). 32 alebo 32“. Možných je mnoho rôznych typov detektorov a konkrétny počet alebo typy použitých pre danú aplikáciu sa môžu líšiť podľa potreby. Displej 180 môže obsahovať ponuku alebo panel s nástrojmi 182 za poskytnutie užívateľovi nástrojov na označenie detektorov vzhľadom na vozovku 30. V znázornenom uskutočnení vozovka 30 je znázornený vedľa panela s nástrojmi 182 na základe údajov senzora strojového videnia. Zóny detektora, napríklad detektory zastávok 184 a detektory rýchlosti 186 sú definované relatívne k požadovaným miestam. Ďalej ďalšie informačné ikony 188 je možné vybrať na zobrazenie, ako napríklad indikátory stavu signálu. Rozhranie displeja 180 umožňuje nastaviť detektory a súvisiace systémové parametre, ktoré sa používajú počas normálnej prevádzky systému 32 alebo 32„Pre snímanie premávky. Konfigurácia zón detektora sa môže vykonávať nezávisle od vyššie popísaného normalizačného procesu. Konfigurácia detekčných zón sa môže vyskytnúť v pixelovom/obrazovom priestore a spravidla nezávisí od prítomnosti premávky vozidla. Konfigurácia detekčných zón môže nastať po normalizácii súradnicových systémov pre viac senzorov.

Obr. 14 je pohľad na prevádzkový displej 190 systému snímania premávky 32 alebo 32', Ukazujúce príkladové porovnanie detekcií z dvoch rôznych spôsobov snímania (napr. Prvého a druhého senzora.) 40 a 42) vo video prekrytí (t.j. grafika je prekrytá na video výstupe senzora strojového videnia). V zobrazenom uskutočnení detektory 184Od A do 184D sú k dispozícii, jeden v každom zo štyroch pruhov ilustrovanej vozovky 30. Legenda 192 je v ilustrovanom uskutočnení určený na indikáciu, či nie sú vykonávané žiadne detekcie („obidve vypnuté“), iba prvý senzor robí detekciu („radar zapnutý“), iba druhý snímač vykonáva detekciu („strojové videnie zapnuté“) alebo či oba senzory robia detekciu. Ako je znázornené, vozidlá 194 spustili detekcie pre detektory 184B a 184D pre oba senzory, zatiaľ čo senzor strojového videnia spustil „falošnú“ detekciu detektora 184Vychádza z prítomnosti chodcov 196 cestovanie v smere priečnych pruhov kolmých na smer priblíženia 38 ktorí nespustili jeden senzor (radar). Ilustrácia na obr. 14 ukazuje, ako môžu rôzne spôsoby snímania fungovať odlišne za daných podmienok.

Ako už bolo uvedené, tento vynález umožňuje prepínanie medzi rôznymi senzormi alebo spôsobmi snímania na základe prevádzkových podmienok na vozovke a/alebo typu detekcie. V jednom uskutočnení je systém snímania premávky 32 alebo 32′ Môže byť nakonfigurovaný ako hrubý spínací systém, v ktorom pracuje viac senzorov súčasne (tj. Pracuje súčasne na snímaní údajov), ale iba jeden senzor je v danom čase vybraný na analýzu stavu detekcie. HDSM 90-1 do 90-n vykonávať logické operácie na základe typu použitého snímača, berúc do úvahy typ detekcie.

Jedno uskutočnenie prístupu spínania senzorov je zhrnuté v tabuľke 1, ktorá platí pre dodatočne spracované údaje zo senzorov 40-1 do 40-n a 42-1 do 40-n zo zostáv hybridných snímačov 34. Konečný výstup akéhokoľvek senzorového subsystému je možné jednoducho prechádzať priebežne/nepretržite, aby sa poskytlo konečné rozhodnutie o detekcii. To je v kontraste k prístupu fúzie údajov, ktorý robí rozhodnutia o detekcii na základe zlúčených údajov zo všetkých senzorov. Vynálezcovia vyvinuli pravidlá v tabuľke 1 na základe porovnávacieho testovania v teréne medzi strojovým videním a radarovým snímaním a objavov týkajúcich sa výhodného použitia a logiky spínania. Všetky pravidlá tabuľky 1 predpokladajú použitie radaru nasadeného na detekciu do 50 m po (tj. Proti prúdu) zastavovacej čiary a potom sa v tejto 50 m oblasti spolieha na strojové videnie. Iné pravidlá je možné použiť pri rôznych predpokladoch konfigurácie. Napríklad pri užšom zornom poli radarovej antény sa na radar dalo spoľahnúť v relatívne dlhších vzdialenostiach ako pri strojovom videní.

Obr. 15 je vývojový diagram ilustrujúci uskutočnenie spôsobu výberu spôsobu modality senzora, to znamená prepínania senzorov, na použitie so systémom snímania premávky 32 alebo 32“. Na začiatku sa spustí nový rámec, ktorý predstavuje novozískané údaje senzorov zo všetkých dostupných spôsobov snímania pre danú zostavu hybridných senzorov 34 (krok 200). Vykoná sa kontrola poruchy radaru (alebo iného prvého senzora) (krok 202). Ak je v kroku rozpoznaná porucha 202, vykoná sa ďalšia kontrola chyby videa (alebo iného druhého senzora) (krok 204). Ak zlyhali všetky senzory, systém 32 alebo 32′ Je možné umiestniť do globálneho bezpečného režimu (krok 206). Ak je video (alebo iný druhý snímač) stále funkčné, systém 32 alebo 32„Môžete vstúpiť do režimu iba pre video (krok 208). Ak v kroku nie je žiadne zlyhanie 202, vykoná sa ďalšia kontrola chyby videa (alebo iného druhého senzora) (krok 210). Ak video (alebo iný druhý snímač) zlyhalo, systém 32 alebo 32"Môže vstúpiť do režimu iba pre radar (krok 212). V režime iba pre radar kontrola vzdialenosti detektora od radarového senzora (tj. Zostavy hybridného senzora 34) sa vykoná (krok 214). Ak je detektor mimo radarového lúča, je možné vstúpiť do bezpečného režimu radaru (krok 216), alebo ak je detektor vo vnútri radarového lúča, môže sa začať detekcia založená na radare (krok 218).

Ak všetky senzory fungujú (tj. Žiadny nezlyhal), systém 32 alebo 32„Môže vstúpiť do hybridného režimu detekcie, ktorý môže využiť výhody údajov senzorov zo všetkých senzorov (krok 220). Kontrola vzdialenosti detektora od radarového senzora (tj. Zostavy hybridného senzora 34) sa vykoná (krok 222). Tu môže vzdialenosť detektora odkazovať na polohu a vzdialenosť daného detektora definovanú v zornom poli senzora vo vzťahu k danému senzoru. Ak je detektor mimo radarového lúča, systém 32 alebo 32„Pre detektor môže používať iba údaje z video senzora (krok 224), alebo ak je detektor vnútri radarového lúča, je možné rozhodnúť o hybridnej detekcii (krok 226). Stanoví sa denná doba (krok 228). Počas dňa sa zadá hybridný režim denného spracovania (pozri obr. 16) (krok 230) a počas noci sa vstúpi do režimu hybridného nočného spracovania (pozri obr. 17) (krok 232).

Spôsob opísaný vyššie vzhľadom na obr. 15 je možné vykonať pre každý analyzovaný rámec. Systém 32 alebo 32Môžem sa vrátiť ku kroku 200 pre každý nový analyzovaný rámec údajov zo senzorov. Je potrebné poznamenať, že hoci sa opísané uskutočnenie týka strojového videnia (video) a radarových senzorov, rovnakú metódu je možné použiť na systémy používajúce iné typy spôsobov snímania. Navyše, odborníkom v danej oblasti techniky bude zrejmé, že opísaný spôsob môže byť rozšírený na systémy s viac ako dvoma senzormi. Ďalej je potrebné poznamenať, že prepínanie modality senzora môže byť uskutočňované v celom spoločnom, prekrývajúcom sa zornom poli spojených senzorov, alebo môže byť lokalizované na prepínanie modiel senzora pre jednu alebo viac častí spoločného, ​​prekrývajúceho sa zorného poľa. V poslednom uskutočnení je možné vykonať rôzne spínacie rozhodnutia pre rôzne časti spoločného, ​​prekrývajúceho sa zorného poľa, ako napríklad vykonať rôzne rozhodnutia o prepnutí pre rôzne typy detektorov, rôzne jazdné pruhy atď.

Obr.16 je vývojový diagram ilustrujúci uskutočnenie spôsobu denného spracovania obrazu na použitie so systémom na snímanie premávky 32 alebo 32“. Spôsob ilustrovaný na obr. 16 je možné použiť v kroku 230 z obr. 15.

Pre každý nový rám (krok 300), je možné skontrolovať globálny detektor kontrastu, ktorý môže byť súčasťou systému strojového videnia (krok 302). Ak je kontrast slabý (t.j. nízky), potom systém 32 alebo 32„Na detekciu sa môže spoľahnúť iba na radarové údaje (krok 304). Ak je kontrast dobrý, to znamená, že postačuje na výkon systému strojového videnia, potom sa vykoná kontrola nahromadenia ľadu a/alebo snehu na radare (t. J. Radome) (krok 306). Ak dôjde k tvorbe ľadu alebo snehu, systém 32 alebo 32„Na detekciu sa môže spoľahnúť iba na údaje zo strojového videnia (krok 308).

Ak na radare nedochádza k tvorbe ľadu alebo snehu, je možné vykonať kontrolu, či je prítomný dážď (krok 309). Táto kontrola dažďa môže využiť vstup z akéhokoľvek dostupného senzora. Ak nie je zistený žiadny dážď, je možné vykonať kontrolu s cieľom zistiť, či sú tiene možné alebo pravdepodobné (krok 310). Táto kontrola môže zahŕňať výpočet slnečného uhla alebo použiť inú vhodnú metódu, ako je popísaná nižšie). Ak sú možné tiene, vykoná sa kontrola s cieľom overiť, či sú pozorované silné tiene (krok 312). Ak tiene nie sú možné alebo pravdepodobné, alebo ak nie sú pozorované žiadne silné tiene, vykoná sa kontrola stavu mokrej vozovky (krok 314). Ak nie je žiadny stav mokrej vozovky, je možné vykonať kontrolu jazdného pruhu náchylného na oklúziu (krok 316). Ak neexistuje žiadna náchylnosť na oklúziu, systém 32 alebo 32„Na údaje zo strojového videnia môžem odpovedať iba na detekciu (krok 308). Týmto spôsobom môže strojové videnie fungovať ako predvolená metóda snímania pre dennú detekciu. Ak existujú dažde, silné tiene, mokrá vozovka alebo oklúzia jazdného pruhu, potom je možné vykonať kontrolu hustoty a rýchlosti premávky (krok 318). Pre pomaly sa pohybujúce a preplnené podmienky systém 32 alebo 32„Môžem sa spoľahnúť iba na údaje zo strojového videnia (prejdite na krok 308). V prípade slabej alebo strednej hustoty premávky a normálnej rýchlosti premávky je možné rozhodnúť o hybridnej detekcii (krok 320).

Obr. 17 je vývojový diagram ilustrujúci uskutočnenie spôsobu spracovania nočného obrazu na použitie so systémom na snímanie premávky 32 alebo 32“. Spôsob ilustrovaný na obr. 17 je možné použiť v kroku 232 z obr. 15.

Pre každý nový rám (krok 400), vykoná sa kontrola nahromadenia ľadu alebo snehu na radare (t. j. radome) (krok 402). Ak dôjde k tvorbe ľadu alebo snehu, systém 32 alebo 32„Na detekciu sa môže spoľahnúť iba na údaje zo strojového videnia (krok 404). Ak nie je prítomný ľad alebo sneh, systém 32 alebo 32Na detekciu sa môžem spoľahnúť na radar (krok 406). Keď sa na detekciu používa radar, strojové videnie sa môže použiť aj na validáciu alebo na iné účely, v niektorých uskutočneniach, napríklad na zaistenie prepracovanejšieho prepínania.

Príklady možných spôsobov merania rôznych podmienok na vozovke 30 sú zhrnuté v tabuľke 2 a sú ďalej popísané nižšie. Je potrebné poznamenať, že príklady uvedené v tabuľke 2 a sprievodný opis sa vo všeobecnosti zameriavajú na spôsoby strojového videnia a radarového snímania, v spojení s vonkajšími typmi spôsobov snímania (LIDAR atď.) Je možné použiť aj iné prístupy, či už sú výslovne uvedené alebo nie.

K silnému tieňu obvykle dochádza počas dňa, keď je slnko v takom uhle, že objekty (napr. Vozidlá) vrhajú dynamické tiene na vozovku, ktorá sa výrazne rozkladá mimo teleso objektu. Stín môže pomocou senzorov strojového videnia spôsobiť falošné poplachy. Tiež použitie filtrov tieňového falošného poplachu na systémy strojového videnia môže mať nežiaduce vedľajšie účinky, ktoré môžu spôsobiť zmeškané detekcie tmavých predmetov. Tiene spravidla nevytvárajú žiadne zníženie výkonu pre radary.

Je známych mnoho spôsobov detekcie tieňov pomocou strojového videnia, ktoré je možné použiť v súčasnom kontexte, ako ich bude chápať odborník v danej oblasti techniky. Kandidátske techniky zahrnujú analýzu obsahu priestorového a časového okraja, rovnomerné ovplyvnenie intenzity pozadia a identifikáciu priestorovo prepojených medziprúdových objektov.

Na identifikáciu charakteristík detekcie je možné tiež využiť informácie z viacerých spôsobov snímania. Tieto metódy môžu zahŕňať analýzu správ o detekcii videnia proti radaru. Ak sú tieňové podmienky také, že detekcia založená na videní vedie k veľkému množstvu falošných detekcií, analýza rozdielov medzi detekciou videnia a radarovým detekčným rozdielom môže naznačovať tieňové podmienky. Prítomnosť tieňov sa dá predpovedať aj prostredníctvom znalosti smeru kompasu snímača strojového videnia, zemepisnej šírky/dĺžky a dátumu/času a použitia týchto vstupov v geometrickom výpočte na nájdenie uhla slnka na oblohe a predpovedanie, či budú silné tiene byť pozorovaný.

Radar je možné vo výhradnom uskutočnení použiť výlučne vtedy, ak sú prítomné silné tiene (za predpokladu, že je možné spoľahlivo detekovať prítomnosť tieňov). Na silné spracovanie tieňov v alternatívnych uskutočneniach je možné použiť množstvo alternatívnych spínacích mechanizmov. Algoritmus detekcie strojového videnia napríklad môže namiesto toho priradiť úroveň spoľahlivosti, ktorá naznačuje pravdepodobnosť, že detegovaným objektom je tieň alebo objekt. Radar je možné použiť ako filter falošných poplachov, ak má detekcia videa nízku spoľahlivosť, že detegovaný objekt je objektom a nie tieňom. Alternatívne môže radar poskytovať niekoľko radarových cieľov detegovaných v detekčnej zóne každého detektora (radarové ciele sú spravidla okamžité detekcie pohybujúcich sa objektov, ktoré sú v priebehu času zoskupené a vytvárajú radarové objekty). Počet cieľov je ďalší parameter, ktorý je možné použiť pri spracovaní tieňa senzora strojového videnia. V ďalšom alternatívnom uskutočnení môže byť použitá medziprúdová komunikácia za predpokladu, že tieň musí mať v blízkosti priradený objekt vrhajúci tieň. Navyše v ešte inom uskutočnení, ak je známe, že strojové videnie má zlý odhad pozadia, môže byť použitý výlučne radar.

K nočnému stavu zvyčajne dochádza vtedy, keď je slnko dostatočne ďaleko pod horizontom, takže scéna (t. J. Oblasť vozovky, v ktorej je vnímaná premávka) stmavne. Len pre systémy strojového videnia je telo predmetov (napr. Vozidiel) v noci ťažšie viditeľné a detektory zraku vynikajú predovšetkým svetlometmi vozidla a odrazmi svetlometov na vozovke (striekanie svetlometov). Pozitívna detekcia zostáva spravidla vysoká (pokiaľ nie sú vypnuté svetlomety vozidla). Rozstrekovanie svetlometov však často spôsobuje nežiaduce zvýšenie falošných poplachov a skorých aktivácií detektorov. Prítomnosť nočných podmienok je možné predpovedať na základe znalosti zemepisnej šírky/dĺžky a dátumu/času pre miesto inštalácie systému. 32 alebo 32“. Tieto vstupy je možné použiť v geometrickom výpočte na zistenie, kedy slnko klesá pod prahový uhol vzhľadom na horizont.

V jednom uskutočnení môže byť radar použitý výlučne v noci. V alternatívnom uskutočnení môže byť radar použitý na detekciu príchodu vozidla a strojové videnie môže byť použité na monitorovanie zastavených predmetov, čo pomáha obmedziť falošné poplachy.

Dážď a mokrá vozovka spravidla zahrnujú obdobia počas zrážok a po dažďoch, keď je cesta ešte mokrá. Dážď je možné kategorizovať podľa rýchlosti zrážok. V prípade systémov strojového videnia sú podmienky dažďa a mokrej vozovky zvyčajne podobné nočným podmienkam: tmavá scéna so zapnutými svetlometmi vozidla a mnohými odrazmi svetla viditeľnými na vozovke. V jednom uskutočnení môžu byť podmienky dážď/mokrá vozovka detekované na základe analýzy strojového videnia oproti času detekcie radaru, kde zvýšený časový rozdiel je znakom toho, že striekanie svetlometov aktivuje detekciu strojového videnia včas. V alternatívnom uskutočnení samostatný dažďový senzor 87 (napr. piezoelektrický alebo iný typ) sa monitoruje, aby sa zistilo, či došlo k dažďu. V ešte ďalších uskutočneniach môže byť dážď detegovaný pomocou spracovania strojového videnia, hľadaním skutočných dažďových kvapiek alebo optických skreslení spôsobených dažďom. Vlhkú vozovku je možné zistiť pomocou spracovania strojového videnia zmeraním veľkosti, intenzity a sily okrajov odrazov svetlometov na vozovke (všetky tieto faktory by sa mali zvyšovať, pokiaľ je vozovka mokrá). Radar môže detekovať dážď sledovaním zmien v návrate radarového signálu (napr. Zvýšený hluk, znížená sila odrazu od skutočných vozidiel). Dážď sa navyše dá identifikovať aj prostredníctvom príjmu miestnych údajov o počasí prostredníctvom internetu, rádia alebo iného odkazu.

Vo výhodnom uskutočnení, keď je rozpoznaný stav mokrej vozovky, je možné použiť výlučne radarovú detekciu. V alternatívnom uskutočnení, keď dážď prekročí prahovú úroveň (napr. Prah spoľahlivosti), je možné použiť výlučne strojové videnie a keď je dážď pod prahovou úrovňou, ale cesta je mokrá, môže byť radar váženejšie, aby sa znížili falošné poplachy, a je možné použiť vyššie popísané spínacie mechanizmy s ohľadom na nočné podmienky.

Oklúzia sa všeobecne týka objektu (napr. Vozidla), ktorý čiastočne alebo úplne blokuje zorný uhol od snímača k vzdialenejšiemu objektu. Strojové videnie môže byť náchylné na falošné poplachy oklúzie a môže mať problémy s falošným zapínaním detektorov v priľahlých pruhoch. Radar je oveľa menej náchylný na falošné poplachy k oklúzii. Rovnako ako strojové videnie, radar však pravdepodobne minie vozidlá, ktoré sú úplne alebo takmer úplne okludované.

Možnosť oklúzie sa dá určiť pomocou geometrického uvažovania. Polohy a uhly detektorov a polohu senzora, výšku H a orientáciu je možné použiť na posúdenie, či by bola pravdepodobná oklúzia. Rozsah oklúzie je tiež možné predpovedať za predpokladu priemernej veľkosti a výšky vehikula.

V jednom uskutočnení môže byť radar použitý výlučne v pruhoch, kde je pravdepodobnosť oklúzie. V inom uskutočnení môže byť radar použitý ako filter falošných poplachov, keď si strojové videnie myslí, že je prítomná oklúzia. Strojové videnie môže priradiť páry okludujúco-okludovaných pruhov, potom keď strojové videnie nájde možnú oklúziu a zhodujúci sa okluzívny objekt, systém môže skontrolovať radar a overiť, či radar detekuje iba objekt v okluzívnom pruhu. Ďalej v inom uskutočnení môže byť radar použitý na riešenie problému falošných poplachov krížovej premávky pre strojové videnie.

Podmienky nízkeho kontrastu spravidla existujú vtedy, keď na obrázku strojového videnia chýbajú silné vizuálne hrany. Podmienky nízkeho kontrastu môžu byť spôsobené faktormi, ako sú hmla, opar, dym, sneh, ľad, dážď alebo strata video signálu. Detektory strojového videnia príležitostne strácajú schopnosť detekovať vozidlá v podmienkach s nízkym kontrastom. Systémy strojového videnia môžu byť schopné detekovať podmienky s nízkym kontrastom a detektory sily do stavu bezpečného zapnutia vždy, keď to predstavuje križovatku. Radar by mal byť do značnej miery ovplyvnený podmienkami s nízkym kontrastom. Jedinou výnimkou pre radar s nízkym kontrastom je silný dážď alebo sneh, a najmä tvorba snehu na radome radaru môže v týchto podmienkach radar minúť objekty. Na zamedzenie tvorby snehu na radome je možné použiť externý ohrievač.

Systémy strojového videnia môžu detekovať podmienky s nízkym kontrastom tým, že známym spôsobom hľadajú stratu viditeľnosti silných vizuálnych hrán v snímanom obraze. Na radar sa dá spoľahnúť výlučne v podmienkach s nízkym kontrastom. Za určitých poveternostných podmienok, kde radar nemusí fungovať adekvátne, môžu byť tieto podmienky v ďalších uskutočneniach detegované a detektory umiestnené do stavu bezpečného voči zlyhaniu, než aby sa spoliehali na narušený radarový vstup.

Porucha senzora sa vo všeobecnosti týka úplného výpadku schopnosti detekovať pomocou strojového videnia, radaru alebo akejkoľvek inej senzorickej metódy. Môže zahŕňať aj čiastočnú poruchu snímača. K poruche senzora môže dôjsť v dôsledku chyby používateľa, výpadku napájania, poruchy zapojenia, poruchy komponentov, rušenia, zablokovania softvéru, fyzického zablokovania senzora alebo z iných príčin. V mnohých prípadoch môže senzor ovplyvnený poruchou senzora sám diagnostikovať vlastnú poruchu a poskytnúť chybový príznak. V ostatných prípadoch sa môže zdať, že senzor beží normálne, ale neposkytuje žiadne rozumné detekcie. Počty detekcie radaru a strojového videnia je možné časom porovnať, aby sa zistili tieto prípady. Ak má jeden zo senzorov oveľa menej detekcií ako druhý, je to varovný signál, že senzor s menším počtom detekcií nemusí správne fungovať. Ak zlyhá iba jeden snímač, je možné sa spoľahnúť výlučne na funkčný (tj. Nepoškodený) snímač. Ak obidva snímače zlyhajú, zvyčajne sa nedá nič urobiť s ohľadom na prepínanie a výstupy je možné nastaviť do stavu bezpečného proti zlyhaniu, vždy zapnutý.

Hustota dopravy sa vo všeobecnosti vzťahuje na rýchlosť vozidiel prechádzajúcich križovatkou alebo inou oblasťou, v ktorej je doprava vnímaná. Hustotou premávky nie sú detektory strojového videnia výrazne ovplyvnené. V podmienkach s vysokou hustotou premávky existuje zvýšený počet zdrojov tieňov, striekancov svetlometov alebo oklúzií, čo by mohlo potenciálne zvýšiť falošné poplachy. Existuje však aj menej praktických príležitostí na falošné poplachy počas podmienok s vysokou hustotou premávky, pretože detektory sú s väčšou pravdepodobnosťou obsadené skutočným predmetom (napr. Vozidlom). Radar má vo vyššej premávke spravidla znížený výkon a v hustej premávke mu pravdepodobne budú chýbať objekty. Hustotu premávky je možné merať pomocou bežných štatistík dopravného inžinierstva, ako je objem, obsadenosť alebo prietok. Tieto štatistiky je možné ľahko odvodiť z radarových, video alebo iných detekcií. V jednom uskutočnení sa na strojové videnie dá spoľahnúť výlučne vtedy, keď hustota premávky prekročí prah.

Vzdialenosť sa všeobecne vzťahuje na vzdialenosť od senzora k detektoru v reálnom svete (napr. Vzdialenosť k čiare zastavenia DS). Strojové videnie má slušnú pozitívnu detekciu aj na relatívne veľké vzdialenosti. Maximálny dosah detekcie strojového videnia závisí od uhla kamery, zoomu objektívu a montážnej výšky H a je obmedzený nízkym rozlíšením v dosahu vzdialeného poľa. Strojové videnie zvyčajne nemôže spoľahlivo zmerať vzdialenosti alebo rýchlosti vozidla v ďalekom poli, aj keď niektoré typy falošných poplachov v skutočnosti predstavujú v ďalekom poli menší problém, pretože pozorovací uhol sa stáva takmer rovnobežným s vozovkou, čo obmedzuje viditeľnosť optických efektov na vozovka. Radarová pozitívna detekcia so vzdialenosťou prudko klesá. Rýchlosť klesania závisí od výškového uhla β a montážnej výšky radarového senzora. Radar môže napríklad zaznamenať slabú mieru pozitívnej detekcie na vzdialenosti výrazne pod menovitým maximálnym rozsahom detekcie vozidla. Vzdialenosť každého detektora od senzora sa dá ľahko určiť pomocou systému 32 alebo 32„Kalibračné a normalizačné údaje. Systém 32 alebo 32„Budem poznať vzdialenosť v reálnom svete od všetkých kútov detektorov. Na strojové videnie sa dá spoľahnúť výlučne vtedy, ak detektory prekročia maximálnu prahovú vzdialenosť k radaru. Tento prah je možné nastaviť na základe montážnej výšky H a výškového uhla β radaru.

Rýchlosť sa všeobecne vzťahuje na rýchlosť snímaného objektu (predmetov). Strojové videnie nie je výrazne ovplyvnené rýchlosťou vozidla. Radar je spoľahlivejší pri detekcii pohybujúcich sa vozidiel, pretože sa spravidla spolieha na Dopplerov efekt. Radar zvyčajne nie je schopný detekovať pomaly sa pohybujúce alebo zastavené objekty (pod približne 4 km/h alebo 2,5 ml/h). Chýbajúce zastavené objekty sú menej ako optimálne, pretože by to mohlo viesť k priradenému riadiacemu prvku premávky 86 oneskorenie prepnutia semaforov na obsluhu priblíženia k vozovke 38, zdržiavanie alebo pletenie vodičov. Radar poskytuje meranie rýchlosti pre každý snímaný/sledovaný objekt. Strojové videnie môže tiež merať rýchlosti pomocou známeho detektora rýchlosti. Podľa potreby je možné použiť jeden alebo oba mechanizmy. Na detekciu zastaveného vozidla je možné použiť strojové videnie a na detekciu pohybujúceho sa vozidla možno použiť radar. To môže obmedziť falošné poplachy pre pohybujúce sa vozidlá a obmedziť zmeškané detekcie zastavených vozidiel.

Pohyb senzora sa týka fyzického pohybu senzora premávky. Existujú dva hlavné typy pohybu senzora: vibrácie, ktoré sú oscilačnými pohybmi, a posuny, ktoré sú dlhodobou zmenou polohy senzora. Pohyb môže byť spôsobený rôznymi faktormi, ako napríklad vetrom, premávkou, ohnutím alebo klenutím podpornej infraštruktúry alebo nárazom snímača. Pohyb senzora strojového videnia môže spôsobiť nevyrovnanie zrakových senzorov vzhľadom na zavedené (t. J. Pevné) detekčné zóny, čo vytvára potenciál pre falošné poplachy aj pre zmeškané detekcie. Na zmiernenie vplyvu pohybu senzora je možné použiť stabilizáciu obrazu na palube kamery pre strojové videnie alebo neskôr pri spracovaní videa. Keď sa radar presunie z pôvodnej polohy, môže dôjsť k chybám v odhadoch polohy objektov. To môže spôsobiť falošné poplachy aj zmeškané detekcie. Pohyby senzorov môžu na radar pôsobiť menej ako na strojové videnie. Strojové videnie môže poskytnúť detektor pohybu kamery, ktorý detekuje zmeny v polohe kamery prostredníctvom spracovania strojového videnia. Tiež alebo alternatívne môže byť pohyb senzora buď radaru, alebo zariadenia pre strojové videnie detegovaný porovnaním polôh vozidiel sledovaných radarom so známymi hranicami jazdných pruhov. Ak stopy vozidla nie sú v súlade s jazdnými pruhmi, je pravdepodobné, že bola narušená poloha snímača.

Ak sa pohyboval iba jeden snímač, potom je možné použiť výlučne druhý snímač. Pretože sú oba senzory prepojené s rovnakým krytom, je pravdepodobné, že sa oba budú pohybovať súčasne. V takom prípade môže byť najmenej ovplyvnený snímač vážený alebo dokonca používaný výlučne. Akékoľvek odhady pohybu získané zo strojového videnia alebo z údajov radaru je možné použiť na určenie, ktorý snímač je pohybom najviac ovplyvnený. V opačnom prípade môže byť radar použitý ako predvolený, keď dôjde k významnému pohybu. Alternatívne je možné na opravu výsledkov detekcie oboch senzorov použiť odhad pohybu založený na strojovom videní a radarových dátach v snahe zvrátiť efekty pohybu. V prípade strojového videnia sa to dá dosiahnuť transformáciou obrazu (napr. Preklad, rotácia, deformácia). V prípade radaru to môže zahŕňať transformáciu na odhad polohy vozidiel (napr. Iba rotácia). Okrem toho, ak sa všetky senzory posunuli výrazne tak, že časť oblasti záujmu už nie je viditeľná, potom môžu byť postihnuté detektory umiestnené do stavu bezpečného proti zlyhaniu (napr. Detektor je predvolene zapnutý).

Typ jazdného pruhu sa spravidla vzťahuje na typ jazdného pruhu (napr. Cez jazdný pruh, odbočovací pruh alebo zmiešané použitie). Strojové videnie typ pruhu spravidla veľmi neovplyvňuje. Radar vo všeobecnosti funguje lepšie ako strojové videnie v pruhoch. Typ jazdného pruhu možno odvodiť z počtu fáz alebo relatívnej polohy jazdného pruhu k iným pruhom. Typ pruhu môže byť alternatívne explicitne definovaný užívateľom počas počiatočného nastavenia systému. Na strojové videnie sa dá viac spoliehať v odbočovacích pruhoch, aby ste obmedzili zmeškanie zastavených predmetov čakajúcich na odbočenie. V radaroch sa dá na radar oveľa viac spoľahnúť.

Systém snímania premávky 32 môže poskytovať lepší výkon oproti existujúcim produktom, ktoré sa spoliehajú iba na detekciu videa alebo radar.Niektoré vylepšenia, ktoré je možné dosiahnuť s hybridným systémom, zahŕňajú vylepšenú tradičnú presnosť klasifikácie vozidla, presnosť rýchlosti, detekciu zastaveného vozidla, detekciu nesprávneho smeru vozidla, sledovanie vozidla, úsporu nákladov a nastavenie. Je tiež možné zlepšiť pozitívnu detekciu a znížiť falošnú detekciu. Klasifikácia vozidla je v noci a za zlých poveternostných podmienok náročná, pretože strojové videnie môže mať problémy s zisťovaním funkcií vozidla, radar však nie je väčšinou týchto podmienok ovplyvnený, a preto sa dá všeobecne zlepšiť v základnej klasifikačnej presnosti počas týchto podmienok napriek známym obmedzeniam radaru pri meraní dĺžky vozidla. . Zatiaľ čo jedna verzia integrácie detektora rýchlosti zlepšuje meranie rýchlosti v priebehu dňa, vzdialenosti a ďalších prístupov, iný sylogizmus môže ďalej zlepšiť presnosť detekcie rýchlosti tým, že sa hľadá kombinovaný proces na súčasné používanie viacerých spôsobov (napr. Strojové videnie a radar). V prípade zastavených vozidiel sa „miznúce“ vozidlo v dopplerovskom radare (dokonca aj s povoleným sledovaním) často vyskytuje, keď sa objekt (napríklad vozidlo) spomalí na menej ako približne 4 km/h. (2,5 ml/hod.), Hoci integrácia strojového videnia a radarovej technológie môže pomôcť udržať detekciu, kým sa objekt opäť nezačne pohybovať, a tiež poskytnúť schopnosť presnejšie a rýchlejšie detegovať zastavené objekty. V prípade predmetov so zlým smerom (napr. Vozidlá) môže radar pomocou Dopplerovho radaru ľahko určiť, či objekt ide zlým smerom (t. J. V zlom smere na jednosmernej ceste), s malou pravdepodobnosťou falošného poplachu. Keď sa teda blíži normálna premávka, napríklad z jednosmerného výjazdu z diaľnice, systém by mohol poskytnúť výstražný poplach, keď vodič neúmyselne prejde zlým smerom na nájazd na diaľnicu. Na sledovanie vozidla pomocou fúzie údajov sa volia výstupy strojového videnia alebo radaru v závislosti od osvetlenia, počasia, tieňov, dennej doby a ďalších faktorov, ktoré umožňujú HDM. 90-1 do 90-n mapovať súradnice radarových objektov do spoločného referenčného systému (napr. univerzálneho súradnicového systému) vo forme logiky rozhodovania po algoritme. Vylepšená systémová integrácia môže pomôcť obmedziť náklady a zlepšiť výkon. Spolupráca radaru a strojového videnia pri zdieľaní spoločných komponentov, ako sú napájanie, I/O a DSP v ďalších uskutočneniach, môže pomôcť ďalej znížiť výrobné náklady a zároveň umožniť trvalé zlepšovanie výkonu. Pokiaľ ide o automatické nastavenie a normalizáciu, užívateľskému zážitku prospieva relatívne jednoduché a intuitívne nastavenie a normalizačný proces.

Akékoľvek relatívne termíny alebo termíny používané v tomto dokumente, ako napríklad „v zásade“, „približne“, „v zásade“, „všeobecne“ a podobne, by mali byť interpretované v súlade s príslušnými definíciami alebo obmedzeniami, ktoré sú tu výslovne uvedené, a podliehajú im. Vo všetkých prípadoch by akékoľvek relatívne termíny alebo termíny používané v tomto dokumente mali byť interpretované tak, aby v širokom rozsahu zahŕňali všetky relevantné zverejnené uskutočnenia, ako aj také rozsahy alebo variácie, ktorým by rozumel odborník v danej oblasti techniky s ohľadom na celistvosť predložený opis, ktorý zahŕňa bežné variácie výrobnej tolerancie, variácie citlivosti senzora, náhodné variácie zarovnania a podobne.

Aj keď bol vynález opísaný s odkazom na príkladné uskutočnenie (y), odborník v odbore pochopí, že je možné vykonať rôzne zmeny a ich prvky nahradiť ekvivalenty bez odchýlenia sa od rozsahu vynálezu. Okrem toho je možné vykonať mnoho modifikácií na prispôsobenie konkrétnej situácie alebo materiálu učeniu vynálezu bez odchýlenia sa od jeho podstatného rozsahu. Preto sa zamýšľa, že vynález nie je obmedzený na konkrétne opísané uskutočnenie (a), ale že vynález bude zahŕňať všetky uskutočnenia spadajúce do rozsahu priložených nárokov. Napríklad znaky rôznych uskutočnení uvedených vyššie môžu byť použité spoločne v akejkoľvek vhodnej kombinácii, ako je požadované pre konkrétne aplikácie.


Temas relacionados:

analyzátor „deux coupes couplées“ nalejte do troch dimenzií
V rámci všetkých oblastí, ale najmä v oblasti elektrickej energie, sa každý čoraz viac obáva o bezpečnosť používateľov ako tovaru. To vyžaduje zariadenie s automatickým vypnutím napájania, akonáhle dôjde k poruche v inštalácii. Túto ochranu robia diferenciálne zariadenia, kde hlavná súčasť pozostáva z vysoko citlivého polarizovaného relé. Vylepšenie tejto ochrany vyžaduje úplnú kontrolu charakteristík relé. Napriek tomu, že rôzne časti súčiastky vykazujú tolerancie, počas montáže budú tieto časti zahŕňať posun jeho elektrických charakteristík v pomeroch, ktoré je ešte potrebné určiť. Riadenie týchto driftov vyžaduje nové nástroje na kvantifikáciu vplyvných parametrov, ale aj na zlepšenie elektrických vlastností relé. Prvým nástrojom sú analytické modelovacie techniky, ktoré nám umožňujú porozumieť elektromagnetickým javom, ako je sýtosť, vírivé prúdy, polarizačné body magnetu, ako cievky ako kontaktné body vplyvu medzi pevnou a pohyblivou časťou. Druhý je numerický model využívajúci reprezentáciu techník konečných prvkov s pôvodnou metódou, ktorá používa asociáciu dvojrozmernej formulácie. . Dva rezy spojené s Il na analýzu trojrozmerných zariadení


Nároky

1. Spôsob kinematického satelitného určovania polohy v reálnom čase, ktorý zahŕňa:

v mobilnom prijímači, prijímajúcom viacero signálov nosných navigačných satelitov, pričom každý signál nosného navigačného satelitného signálu je spojený s navigačným satelitom z množstva navigačných satelitov v mobilnom prijímači, pričom prijíma množstvo korekčných signálov z referenčnej stanice, pričom každý korekčný signál zodpovedá navigačnému satelitu z množiny navigačných satelitov, ktoré určujú fázu a pseudo-rozsah pre každý zo signálov nosného signálu navigačného satelitu a vypočítavajú súbor hypotéz o celočíselnej nejednoznačnosti fáz z pseudozsahu a fázy pomocou rovnice merania, ktorá nezahŕňa východiskový vektor, v ktorom výpočet sady hypotéz nejednoznačnosti celočíselnej fázy zahŕňa: uskutočnenie testovania hypotéz na súbore hypotéz nejednoznačnosti celočíselnej fázy, ktoré zahŕňa: zastavenie testovania hypotéz, keď je pomer medzi pravdepodobnosťami najvyššej a nasledujúcej najvyššej celočíselnej hypotézy nejednoznačnosti fázy prekračuje prahovú hodnotu a generovanie druhého súboru hypotéz nejednoznačnosti fázovej fázy v reakcii na priestor hľadania hypotéz, ktorý sa stáva menším ako prahová hodnota, a v mobilnom prijímači, výpočet polohy mobilného prijímača zo sady hypotéz nejednoznačnosti fázovej fázy a dvojito diferencovaných meraní pseudorozsahu a fázy.

2. Spôsob podľa nároku 1, vyznačujúci sa tým, že testovanie hypotéz ďalej zahŕňa odstránenie hypotézy nejednoznačnosti celočíselnej fázy z ďalšieho testovania na základe pseudo pravdepodobnosti, že hypotéza nejednoznačnosti celej fázy prejde prahom odstránenia.

3. Spôsob podľa nároku 1, vyznačujúci sa tým, že výpočet množiny hypotéz nejednoznačnosti celočíselnej fázy ďalej obsahuje vykonanie dekorelačnej reparametrizácie priestoru na hľadanie hypotéz.

4. Spôsob podľa nároku 1, vyznačujúci sa tým, že sa pravdepodobnosti vypočítajú ako hodnoty jedinej presnosti.

5. Spôsob podľa nároku 1, vyznačujúci s a tým, že výpočet sady hypotéz o dvojznačnosti celočíselnej fázy sa vykonáva na mobilnom prijímači.

6. Spôsob kinematického určovania polohy satelitu v reálnom čase, ktorý zahŕňa:

na mobilnom prijímači, prijímajúcom niekoľko signálov nosných navigačných satelitov, pričom každý signál nosného navigačného satelitu je spojený s navigačným satelitom z množstva navigačných satelitov prijímajúcich množstvo korekčných signálov z referenčnej stanice, pričom každý korekčný signál zodpovedá navigačný satelit z množiny navigačných satelitov určujúcich fázu a pseudorozsah pre každý zo signálov nosného navigačného satelitu generujúci súbor hypotéz nejednoznačnosti fázových čísel z pseudozsahov a fáz pomocou rovnice merania, ktorá neobsahuje základnú líniu vektor v mobilnom prijímači, výpočet polohy mobilného prijímača zo sady hypotéz o celočíselnej nejednoznačnosti fáz a dvojito diferencovaných meraní pseudozsahu a fázy.

7. Spôsob podľa nároku 6, vyznačujúci sa tým, že ďalej obsahuje odhad základného vektora na základe fázy pre každý signál navigačného satelitného nosiča a hypotézu nejednoznačnosti celej fázy zo sady hypotéz nejednoznačnosti fázovej fázy, kde rovnica merania obsahuje odhadovaný základný vektor.

8. Spôsob podľa nároku 6, vyznačujúci sa tým, že generovanie súboru hypotéz nejednoznačnosti fázovej fázy zahŕňa generovanie súboru hypotéz nejednoznačnosti fázovej fázy bez dynamického prechodového modelu.

9. Spôsob podľa nároku 6, vyznačujúci sa tým, že ďalej zahrnuje testovanie podmnožiny súboru hypotéz nejednoznačnosti fázovej fázy.

10. Spôsob podľa nároku 9, vyznačujúci sa tým, že testovanie podmnožiny hypotéz nejednoznačnosti fázovej fázy ďalej zahŕňa testovanie podmnožiny hypotéz nejednoznačnosti fázovej fázy pomocou Bayesovského aktualizačného algoritmu.

11. Spôsob podľa nároku 9, vyznačujúci sa tým, že testovanie podmnožiny hypotéz nejednoznačnosti fázovej fázy ďalej obsahuje:

generovanie aktualizovanej podskupiny hypotéz nejednoznačnosti fázovej fázy a testovanie aktualizovanej podmnožiny hypotéz nejednoznačnosti fázovej fázy.

12. Spôsob podľa nároku 11, vyznačujúci sa tým, že generovanie aktualizovanej podmnožiny obsahuje výpočet vonkajšieho súčinu podmnožiny hypotéz nejednoznačnosti celočíselnej fázy a druhej podmnožiny hypotéz nejednoznačnosti fázovej fázy, kde druhá podmnožina hypotéz nejednoznačnosti fázovej fázy zahŕňa aspoň jedno celé číslo. hypotéza fázovej nejednoznačnosti zodpovedajúca ďalšiemu navigačnému satelitu, pričom podskupina hypotéz o celočíselnej nejednoznačnosti fáz nezahŕňa hypotézu dvojznačnosti fázovej nejednoznačnosti zodpovedajúcu ďalšiemu navigačnému satelitu.

13. Spôsob podľa nároku 12, vyznačujúci sa tým, že ďalej obsahuje inicializáciu pravdepodobnosti aktualizovanej podmnožiny na základe pravdepodobnosti podmnožiny hypotéz nejednoznačnosti celočíselnej fázy a počtu hypotéz nejednoznačnosti celočíselnej fázy v aktualizovanej podskupine.

14. Spôsob podľa nároku 9, vyznačujúci sa tým, že ďalej obsahuje:

ukončenie testovania podskupiny hypotéz nejednoznačnosti celočíselnej fázy, keď pomer medzi pravdepodobnosťami najvyššej a najbližšej pravdepodobnosti hypotéza nejednoznačnosti dvojfázovej fázy prekročí prah.

15. Spôsob podľa nároku 9, v y z n a č u j ú c i s a t ý m, že testovanie podmnožiny hypotéz nejednoznačnosti fázovej fázy zahŕňa testovanie podmnožiny hypotéz nejednoznačnosti fázovej fázy v logaritmickom priestore.

16. Spôsob podľa nároku 9, vyznačujúci sa tým, že testovanie podmnožiny hypotéz nejednoznačnosti fázovej fázy ďalej zahŕňa určenie pravdepodobnosti pre každú hypotézu nejednoznačnosti fázy s celou číslicou s jednoduchou presnosťou.

17. Spôsob podľa nároku 6, v y z n a č u j ú c i s a t ý m, že pseudozsah a fáza zahrnujú dvojnásobne diferencované merania pseudozsahu a fázy.

18. Spôsob podľa nároku 6, vyznačujúci sa tým, že generovanie sady hypotéz nejednoznačnosti fázovej fázy zahŕňa generovanie sady hypotéz nejednoznačnosti fázovej fázy pomocou Kalmanovho filtra.

19. Spôsob podľa nároku 6, vyznačujúci sa tým, že generovanie súboru hypotéz nejednoznačnosti fázovej fázy zahŕňa generovanie súboru hypotéz nejednoznačnosti fázovej fázy pomocou prostriedkov a kovariancií generovaných Bierman-Thorntonovým filtrom a najmenej jedným z algoritmu LAMBDA a MLAMBDA.

20. Spôsob podľa nároku 6, vyznačujúci sa tým, že ďalej zahrnuje reparametrizáciu súboru hypotéz nejednoznačnosti celočíselnej fázy na dekorelovanie každej hypotézy nejednoznačnosti celočíselnej fázy.


Pozri si video: Components of GPS