車載設備的GPS在實際應用中常常收到一些類似的客戶投訴，如明明駕駛人員沒有超速行駛，平臺卻收到了超速報警;有時地圖顯示車輛開到另一個城市，有時地圖會拉出多條直線，中間的定位點全部都丟失了，等等這些給客戶的業務管理工作造成了實際的困擾。

　　GPS數據流轉

　　上述的問題是由什么原因產生的?如何分析解決?這都是車載監控定位設備廠商需要解決的首要問題，也是最基礎最困難的問題，如圖1，從衛星接收到GPS數據信息后，需要經過8個步驟才會最終顯示在平臺地圖上，并形成各種業務應用的基礎數據，要確保數據有效性，需要從這個數據流轉的流程的每一步進行研究。

　　GPS定位數據問題解決方向判定 　　流程環節眾多，當GPS數據在平臺地圖展示出現問題時，到底哪里出現了問題?哪個環節是更為重要的，需要優先解決?哪個環節影響面更大?可以參考下表進行評分分析。

　　上表中最左列為用戶反饋的問題，其中如衛星顆數、隧道無定位、時間錯誤等問題，不算嚴重，衛星顆數數據一般用戶并不直接去關心，隧道不定位一般也都能理解，GPS時間異常處理也比較簡單，可以通過系統時間、網絡校時等方法去糾正，可以將這些問題點嚴重度評分設置低一些，但漂移、無效定位等問題會直接影響客戶業務開展，重要級別明顯要高。

　　在表1頂部首行，則根據GPS定位數據流轉流程列出了相關環節關鍵點，這些環節影響面和解決的優先級確定，可以對上表各相關性進行打分，即可確定，比盲目的去解決將會提高效率很多。也許我們花了時間和大量人力去糾結解決其中一個問題，解決完了才發現，客戶反饋的問題仍存在，而解決的問題雖然有改善，卻只解決了很小比重的一個局部問題點。

　　通過表1確定關鍵點后，還可以進一步展開細節，如軟件包括了單片機與算法，算法又包括了靜態、靜態轉動態、動態、動態轉靜態，也包括了位置漂移、速度漂移、方位角變化，漂移也包括了漸變漂移、突變漂移等，這些算法中是每遇到問題就全部梳理一遍代碼，還是重點梳理其中一塊功能?可以繼續用表1評分方式進行，以準確定位問題點，提高解決問題覆蓋面的效率。

　　GPS數據流各環節問題分析

　　天線

　　天線本身有質量好壞，需要選擇較好的天線之外，安裝是很重要的因素，這是采集GPS數據的源頭，很多GPS定位不穩定或無效的原因最初就是因天線安裝位置不合理造成的。

　　天線頭一般為扁方形，應該扁平放置，這樣向上好增加接收衛星信號面積。不能垂直貼在車輛的A柱上;

　　天線當比較長的時候，不能隨意挽成圈，這樣會形成類似電感效應，影響天線靈敏度。應該是捏扁后綁緊，形成來回折回的線性形狀;

　　天線不能靠電子設備太近，因為電子設備一般均有一定的輻射干擾，應該盡量遠離。攝像頭也是電子設備之一，有時忽略了，將天線安裝在攝像頭的正下方，也是不合適的。

　　GPS模塊

　　模塊穩定性至關重要，在高低溫、濕度等各種環境下應能穩定工作，選型很重要。常規的環境試驗、電性能試驗及軟件通訊試驗可以確保模塊可以使用，但無法確保模塊在各區域各環境各時段下長期工作的穩定性，需要對長時間內的GPS數據進行綜合分析來判斷模塊的優劣，為模塊選型決策做依據。通過綜合分析還可以判斷區域、時段等條件下GPS信號質量并做分級，以便在運營業務時加以科學的區分管理，排除難以解決的客觀因素。

　　確定某區域、某時段、某線路范圍內，對模塊對比或對GPS信號質量判斷分析可以通過數據分析出：

　　通過算法過濾或糾正的和未通過算法的原始GPS數據的柱形圖與比率;

　　衛星數據信噪比變化曲線;

　　衛星顆數穩定曲線;

　　定位無效有效轉換的曲線與比率。

　　例如，某一區域2種模塊的GPS數據對比，其中一個模塊的數據有較多的點經過了算法糾正、或信噪比變化曲線不穩定、或經常處于有效無效定位轉換時，說明該模塊性能較另一模塊性能較差，在大數據基礎下，可以形成比較準確的模塊質量判斷，這種現場數據是在試驗室里加裝GPS信號放大器或發生器模擬不出來的。

　　軟件算法

　　網上有很多關于GPS的文章，如4個衛星定位及相關原理公式等，這些其實在車載GPS應用中不是太適用，因為這些算法屬模塊內的算法，由模塊廠商處理。 　　GPS模塊輸出數據通過串口傳給主機軟件，一般先經過單片機再到主機軟件，這兩塊軟件的算法是否設計合理，通常對最終平臺展示與相關報警信息的確定是非常關

　　鍵重要的。單片機處理一般比較簡單，不能漏掉數據即可，起到中轉站作用。

　　軟件算法則是對模塊輸出的數據進行一定智能化的過濾與糾正處理。過濾是對漂移比較簡單的處理方法，一般設定好相關的距離突變、速度突變、方向突變及最大最小閥值，超出閥值的點作為無效點直接過濾掉，從而解決GPS定位中不可避免的位置、速度漂移問題。

　　過濾算法雖然可以排除無效點，但同時也造成了有效點的丟失，有時因模塊本身數據輸出質量問題，或區域偶發性定位無效等也可能造成定位數據的丟失。連續丟失點在平臺地圖中造成的后果就是拉直線。在使用導航時，我們會發現車輛始終處于線路上，這是因為地圖有線路數據，當進入隧道、漂移、丟點情況時，可以通過算法將車輛拉回到道路中。但在車載監控行業應用時，對地圖的應用只是展示，并沒有地圖本身的線路數據。在深一步的GPS算法研究中，結合車輛在線路的不斷重復行走選戰，可以對已經走過的線路各點漂移過濾基礎上，確認出各有效點，通過累積比較，最終智能形成線路數據。這樣當漂移、丟點發生時，可以以此線路為依據，推斷評估出當前可能的位置定位點，以補充純粹的過濾算法的不足。

　　網絡傳輸

　　車載設備端GPS數據經各種算法與模塊質量、天線質量判斷并選型后，會形成有效的定位數據，這些數據還需要通過網絡向平臺傳輸。由于網絡穩定的不確定性，可能會導致定位數據不及有效傳輸到平臺，如果發生一些定位數據的丟失，也會造成地圖中的“拉直線”。因此需要設計較好的緩存與數據補傳機制，當網絡中斷時，將定位數據緩存在設備端，即使設備端在重啟和關機時都不能隨意丟棄這些待補傳的數據。

　　平臺處理

　　GPS定位數據傳到平臺，經過解析進行存儲與展示。到這里一般認為GPS數據均是有效數據，但由于設備端存儲的歷史數據是有限的，因此如何利用好海量的平臺GPS數據也是一個研究課題。僅僅是存儲是簡單易實現的，但如果結合歷史記錄進一步對線路進行識別認定，并形成線路庫通過智能自動查詢，能更準確的對設備端的各定位數據點進行強制糾正，這樣對于同一條線路，展示在地圖上時，多次往返均會嚴絲合縫的重合，給客戶帶來最好的體驗。

　　平臺大數據處理

　　在平時的業務運營過程中，平臺獲取了大量的GPS數據，除業務事件需要定位查詢外，大部分數據是“死”的，永遠存在數據庫，沒有發揮任何作用。在“云平臺”理念下，完全可以充分利用這些數據來提高GPS數據獲取質量，如用于模塊選型、區域時段線路的GPS信號質量分級管理、生成智能線路庫等，這些在前面的章節都有描述，而其具體實現，則是通過對平臺GPS數據庫的數據分析得到。

　　如前面所述的幾種曲線與比率：

　　衛星數據信噪比變化曲線;

　　衛星顆數穩定曲線;

　　定位無效有效轉換的曲線與比率。

　　通過一定限制條件(如模塊對比、區域時段線路)等，可以對不同的模塊，不同的區域時段線路進行GPS數據質量進行綜合評估，驗證出模塊綜合質量與區域時段線路的GPS信號數據特殊性，前者對模塊的評估，有助于廠商的模塊選型，后者對信號質量的評估，能使用戶清晰了解客觀環境的影響，從而做好相應對策。尤其是后者，如果通過大數據確定是客觀環境影響，在不清楚的時候，很可能向廠商進行投訴反饋，最終卻長時間無法得到解決。

　　智能線路的生成能使普通地圖能像專業導航地圖那樣，“測繪”出經常走過的線路，有了這些數據，對漂移、隧道慣性定位等是非常有幫助的。

　　附GPS模塊原始數據的應用：GPS干擾器的發現

　　一般平臺獲取的數據是算法后的數據，GPS模塊如果數據無效就會被過濾掉或糾正，但有時原始的GPS模塊數據即使無效也是有一定意義的。比如現在淘寶上很容易買到幾十元的GPS干擾器，在測試中發現，這種干擾器使用后，GPS模塊會出現長時間的定位無效，但衛星顆數卻可能保持一定數量的狀態，這種情況下則需要對GPS模塊原始數據進行分析后才能推理出來，當然最終仍需要上車驗證。