求物理大神解答关于计速问题

19 天前
 cxwave

今日坐车发现一个关于 4 个计速器测量数值不一致的问题,这 4 个测量装置分别是:
1 、汽车的方向盘下的码表上显示的速度
2 、汽车上安卓面板上的速度
3 、我手机上高德显示的速度
4 、道路旁外面测速区间电子面板显示的速度

这四个装置的速度都显示不一样??? 比如说 1 装置显示、38km/h 2 装置、显示 45km/h 3 装置、41km/h , 4 装置、35km/h 有人可能会说是时间延迟或者是信息延迟,即使抛开这一点来说,那么在同一时间帧内测量到的速度为什么确不一样呢?众所周知数字没有不确定性,而且软件的算法同样是基于数学确定性的,那么为什么测量的值确都不一样呢??哪一个装置测量的是最精确的值呢?造成这样的原因是什么呢?还是与量子力学中的测不准原理有关?还是说测量不准确,还是说跟统计学有关,每次测量的值都有误差,但是平均值根据大数定律趋向于稳定呢?有没有科举物理大佬来帮帮我这个村民,求求了,诚恳

1175 次点击
所在节点    问与答
19 条回复
renmu
19 天前
不同软件的算法不同,有的算瞬时速度,有的是平均速度,再加上传感器的不同,和什么测不准肯定没关系
cxwave
19 天前
@renmu 还有随机误差么
cxwave
19 天前
@renmu 您说的很有道理
unused
19 天前
别的不知道,国标要求车速表不低于实际车速,允许 10%正误差
Wayne2333
19 天前
✅ 一句话结论(先给答案):
手机高德导航的速度最准确,其次是安卓车机导航速度,码表(仪表盘)普遍偏高,路边电子牌速度是雷达测的,也准,但可能滞后或受干扰。
🔍 四个速度来源分别是怎么测的?
表格
复制
来源 测量方式 准确性 备注
1. 汽车码表(仪表盘) 通过车轮转速传感器计算 ❌ 普遍偏高(+3~10 km/h ) 厂家故意调快,避免超速责任,轮胎磨损后误差更大
2. 安卓车机导航速度 通过 GPS 定位计算 ✅ 较准确(±1~2 km/h ) 和手机的原理一样,但天线可能不如手机好
3. 手机高德导航速度 通过 GPS+北斗+基站辅助计算 ✅ 最准确(±1 km/h ) 多星定位,算法优化好,更新频率高
4. 路边电子测速牌 雷达测速(多普勒原理) ✅ 准确(±1~2 km/h ) 测的是你瞬间经过时的速度,但可能受天气、角度、其他车干扰
🎯 举个例子:
假设你真实车速是 100 km/h:
表格
复制
显示来源 显示速度 原因
码表 105~110 km/h 厂家故意调快
安卓车机 99~101 km/h GPS 计算,较准
手机高德 100 km/h 多源融合,最准
路边电子牌 99~101 km/h 雷达测你当时的速度
✅ 总结一句话:
以后看速度,优先信手机高德导航,别信码表,电子牌也准,但不是随时能看到。
pingdog
19 天前
理论上,表盘和车机用同一数据源
手机利用 gps 移动来计算车速,这是根本差异,效果最差
测速雷达拍照后计算两张图片的距离,靠算法,有些误差
cxwave
19 天前
@pingdog 感谢回复
cxwave
19 天前
感谢
ThirdFlame
19 天前
1 、汽车码表是通过统计变速箱输出轴的转速得到的,由于国标要求码表速度不能低于实际真实速度、不能高于真实速度 10%,汽车厂家会选择让他尽量高。(具体国标要求可自行查阅,我这里说的可能不准确)
2 、安卓面板上的理论上应该和码表一样,因为数据来源相同。但是可能计算方法不一样,比如说码表每 3 秒平均、安卓可能是取得 5 秒平均,那么差异就来了。
3 、高德显示的是通过 GPS 、北斗计算得到了,相对更贴近于真实速度,但也是个在一定时间内的平均速度。
4 、雷达可能也是有误差的

结论就是,如果卫星信号没问题,就信高德。 别说是速度了,就是个距离/长度,你用不同的尺子、激光测距仪等测出来的数值也不会完全一样,没有一个是准确值,可以说都是近似值,只不过各个的偏差不一样。
billccn
19 天前
@pingdog 测速雷达是利用多普勒效应,不是计算机视觉,是非常准确的。超速拍照是雷达输出信号驱动相机。
cxwave
19 天前
给大佬请安了
cxwave
19 天前
@ThirdFlame 给大佬请安了,我的描述可能不太准确,但您问题把握非常准确,确实我的问题是关于“真实世界精确的测量值”这个命题。
ouqihang
19 天前
手机装 GPS 应用测最准,高德高于实际 2km/h ,和某些车指示的一致。路边检测延迟高,不一定抓拍自己的速度。
cxtrinityy
19 天前
冷知识,再精确的瞬时速度也是个近似值。
速度是通过微积分来计算近似的,瞬时速度也是使用平均速度来估算,本质都是 v=距离/时间,我们只能通过无限缩短采集时间 t 来提升 v 的精确,并使用这个平均速度来代替瞬时速度,但是我们没办法真的获得 t=0 时的数据。
这样误差就可以理解了,谁使用的数据采集时间越短,谁的速度就越精确。还有一个问题是,采集到的(t1,s1),(t2,s2)...并不是连续的,再考虑采集的数据的精确性,你以为测量时间 t 内运行的距离是 s ,实际上这个 t 和 s 都可能不准确,现实世界的近似随处可见。
一个例子就是,你用卡尺量一个物体你会发现同一个物体不同的人量出来都不一样,可能卡的力度不同,可能卡的角度有偏差,甚至读数角度不同都可能导致结果不同,所以有的卡尺上有棘轮,有表盘,有电子读数。
cxwave
19 天前
@cxtrinityy 感谢佬们解答😊!增加知识了。
atuocn
18 天前
op 是江苏的,只考大三门的吗?

首先不是测不准原理。那是量子力学范畴,表述的也不是这个意思。
其次,测量必定有误差。但是我们讲测量误差,是要保证测量方法,测量条件一致。
在测量方法、测量条件一致的情况下,多次测量的误差,我们用统计方法来研究,找数学期望、方差。

op 举的例子,各自测量方法不一致,所以谈不上什么统计学、测量误差之类的。纯粹是不同方法和测量基准不同。虽然都是对车速的测量,但是一个 3 秒平均,一个五秒平均,基准并不相同。不同方法还带来固有偏差,比如说码表可能是根据车轮转动计算,它可能总是偏快。op 可以问,这四种测量方法哪个更靠谱。

我觉得雷达应该更准,他应该是依据多普勒效应测量。原理是主动发射超声波之类的波束,接收反弹后的波束,依据前后两个波束频率变化计算瞬时车速。而作为专门生产的测速工具,他需要符合国家关于计量设备的要求。
cxwave
17 天前
@atuocn 我今天特地研究了一下,问了 Ai ,我摘抄一下,其实这个问题有点复杂,而且我的描述不够好,核心关键点是:总结核心公式:
‌1 、平均速度:‌ v_avg = Δs / Δt
‌2 、匀速直线运动速度:‌ v = s / t
‌3 、匀变速直线运动瞬时速度:‌ v = v_0 + a * t
‌4 、瞬时速度 (定义):‌ v = ds/dt
选择哪个公式取决于具体问题(物体是做匀速还是匀变速运动、是求平均速度还是瞬时速度等)。
重要概念区分:
‌速度 (Velocity):‌ 是‌矢量‌(Vector),既有‌大小‌又有‌方向‌。
‌速率 (Speed):‌ 通常指瞬时速度的大小,是‌标量‌(Scalar),只有大小,没有方向。平均速率定义为总路程除以总时间(总路程 / 总时间),不同于平均速度(位移 / 时间),因为路程是标量。 @cxtrinityy 大佬在这里回复的是公式定义[ 4 ],求瞬时速度 dt=0 时的速度,然后再次求助 AI ,在物理学中,‌瞬时速率‌(即瞬时速度的大小)可以通过极限的方式求解,当时间间隔Δt→0 时,平均速率趋近于瞬时速率,AI 推导过程略过
5.、总结‌:
(‌1 )瞬时速率‌是Δ𝑡→0 时平均速率的极限值
6 、教训:
(1)现在的 AI 在物理和数学上击败了本站 99%(主观估计值)的人!
(2)最接近答案的是 @cxtrinityy 大佬,用物理公式来证明这一点,而有些人只是“试图说服”,请注意审题,这不是辩论课!
(3)测量精确度问题确实跟量子力学有关!
*测量工具的物理限制‌
任何测量仪器(如卡尺、光电门)都存在最小刻度误差。例如:
**塑料卡尺误差约 0.1 毫米,不锈钢卡尺误差 0.01~0.03 毫米‌
**光电门测量瞬时速度时,即使时间间隔小至毫秒级,仍存在微小误差‌
**理论模型的近似性‌
瞬时速度定义为(此处为公式,但是 V2EX 无法粘贴 LaTeX ,略过)但实际测量中Δt 只能无限接近 0 而无法真正达到‌,另外各种测量干扰相当于统计学中的"随机误差”,数学本质的“无限逼近”‌
极限理论允许通过无限逼近描述精确值,但实际测量只能达到“物理上的无穷小”(即技术允许的最小间隔)‌24 。例如:速度表显示 60km/h ,本质是模型预测值,而非直接测量结果‌。
volvo007
16 天前
可以继续搜索“卡尔曼滤波”,你还能知道这么多不同的速度,我如何融合它们以获得一个最靠谱的结果
cxwave
16 天前
@volvo007 从入门到放弃🤣,真没空研究了。

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://ex.noerr.eu.org/t/1164600

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX