3. 轨迹数据采集与预处理
车险驾驶行为建模的第一步，不是算法，而是拿到一条“可信”的轨迹。轨迹数据的质量直接决定了后续急加速、急转弯、超速、疲劳驾驶等风险因子识别的准确率。本节围绕数据源、数据格式、去噪、漂移处理与地图匹配五个环节，建立一条从原始信号到可用轨迹的完整预处理链路。
一、三类主流数据源及其特性
车险场景中，轨迹数据主要来自三类采集终端，它们在采样频率、精度、成本与部署难度上差异明显，实际项目常采用多源融合策略。
- GPS/北斗模块：输出经纬度、速度、航向、时间戳，采样频率通常为1Hz，部分设备可达10Hz。优点是直接给出绝对位置，缺点是隧道、地下车库、城市峡谷中信号丢失严重。
- OBD接口：读取车速、发动机转速、节气门开度、瞬时油耗、故障码等车辆总线数据。它不直接提供位置，但速度与加速度精度高，可作为GPS速度的校验与补偿源。
- 手机传感器：加速度计、陀螺仪、磁力计以50Hz甚至更高频率采集，能捕捉急刹、急转等高频事件。缺点是安装姿态不固定，需要做坐标轴对齐与重力分离。
实务建议：UBI车险项目常用“OBD+手机”或“OBD+GPS”组合。OBD提供车辆动力学真值，手机或GPS提供位置上下文，两者时间戳必须统一到同一时钟基准。
二、轨迹数据格式与字段规范
原始数据落地时，建议统一为带时间戳的点序列结构。常见格式包括CSV、JSON Lines以及二进制Protocol Buffers。无论采用哪种，核心字段应保持一致，便于后续批处理与流处理共用同一套解析逻辑。
{
"device_id": "D88231",
"ts": 1717036800123,
"lat": 31.230416,
"lon": 121.473701,
"speed_kmh": 42.6,
"heading": 187.3,
"accel_x": 0.12,
"accel_y": -0.03,
"accel_z": 9.78,
"source": "gps+obd"
}字段设计要点：时间戳统一为毫秒级UTC；经纬度保留6位小数；速度单位统一为km/h；加速度需标注坐标系与是否已去除重力分量。缺失值不要用0填充，应保留null并由预处理阶段插值或标记。
三、去噪、漂移处理与地图匹配流程
原始轨迹点往往包含三类噪声：静止漂移、跳点与信号抖动。处理流程通常按“清洗—去噪—漂移修正—地图匹配”顺序推进。
- 异常点剔除：根据速度阈值与相邻点距离判断跳点。例如两点间推算速度超过200km/h且持续小于2秒，判为跳点并剔除。
- 静止漂移处理：当OBD车速为0但GPS坐标仍在小幅移动时，将连续多点聚类到质心，消除“停车画圈”现象。
- 滤波平滑：对位置序列使用卡尔曼滤波或滑动平均，对加速度使用低通滤波，抑制高频抖动。
- 地图匹配：将修正后的点序列投影到路网，常用HMM（隐马尔可夫模型）或基于距离与航向的加权匹配，输出路段ID与偏移量。
常见误区：先做地图匹配再去噪。若跳点未清理，匹配算法会把错误点吸附到错误路段，导致后续所有风险因子统计偏移。正确顺序是先清洗再匹配。
四、案例：城市隧道场景的轨迹修复
某UBI项目在隧道段出现连续30秒GPS丢失，原始轨迹在隧道入口与出口之间形成一条直线“穿墙”路径。处理方案是：以OBD车速积分推算位移，结合航向角与隧道前最后有效点，生成虚拟轨迹点；出隧道后与GPS重新对齐，并用卡尔曼滤波平滑衔接处。修复后，该路段急加速识别准确率从61%提升至89%。
五、关键参数与常见误区复盘
预处理阶段有几个参数需要根据设备与场景调优，下表给出常用参考值。
| 参数 | 典型取值 | 作用 | 调优建议 |
|---|---|---|---|
| 跳点速度阈值 | 180–220 km/h | 剔除GPS跳变 | 城市道路可降至150 |
| 静止漂移半径 | 5–15 m | 判断停车聚类 | 高楼区适当放大 |
| 卡尔曼过程噪声 | 0.01–0.1 | 平滑强度 | 隧道段调大以容忍推算误差 |
| 地图匹配搜索半径 | 20–50 m | 候选路段范围 | 高架与地面重叠区需缩小 |
复盘要点：预处理不是一次性工作。设备固件升级、城市路网更新、手机型号更换都会改变噪声分布，建议每季度用抽样数据重新评估去噪与匹配参数，并将匹配置信度低于阈值的轨迹段标记为“低可信”，在建模时降权或剔除。
完成本节链路后，轨迹数据才真正具备进入特征工程的条件。下一阶段的风险因子建模，将直接依赖这里输出的标准化轨迹与匹配置信度。