基于路划网络功能的道路选取方法

提出以路划为选取单元以路划网络功能为选取指标的道路选取方法,路划网络功能的衡量指标综合考虑了中心度、连接度、长度等因素,由网络分析获得;选取的道路通过基于图论的逐步搜索保持连通性和规模最小;采用多种结构形态的实际城市局部路网、整体路网进行试验,结果表明该方法能较好地保持路网的整体结构、局部典型结构和道路连贯性,适用于各种形态的路网,具有良好的通用性,较常规的基于路划长度的选取方法具有明显优势。     

利用道路分类进行道路网层次迭代匹配

道路网匹配过程往往采用全局遍历的搜索模式,这种模式会影响匹配效率。针对这一问题,提出一种利用道路分类的层次迭代匹配新方法。首先,依据拓扑关系对道路进行分类,并按道路类型将其划分为匹配层和非匹配层,其中划分至匹配层的道路类型数量较少;其次,对匹配层匹配,并只在同种类型道路集中搜索匹配对象,从而避免全局遍历;然后,将非匹配层中剩余未匹配的道路视为新道路网,重新依据拓扑关系分类,划分出新的匹配层和非匹配层,仍按相同方法进行匹配,如此迭代直至匹配结束;最后,对少量无匹配对象道路进行全局遍历检查,作为提高匹配正确率的有效补充。实验结果及对比分析表明,该方法避免了全局遍历匹配,减少了不同层次间道路的干扰,有效提高了匹配的效率和正确率。     

一种基于平行系数的双线主干道识别方法

城市主干道路的识别和提取是路网综合的关键步骤,而双线道路则是大比例尺地图数据中道路综合的难点。针对城市双线主干道识别问题,基于Gestalt视觉准则构建候选双线主干道线对的约束条件,提出了一种基于平行系数的双线主干道识别方法。首先对道路网数据进行拓扑处理,然后借助道路匹配思想,结合Hausdorff（HD）距离匹配方法识别出可能构成双线主干道的候选线对。再对候选线对进行平行系数计算,当平行系数满足阈值条件时,就判定该线对是构成双线主干道的弧段。最后根据构成双线主干道路段间的空间关系,将已识别的弧段连接成整条道路。实验证明,选取典型样本方法正确设置阈值后,该方法能有效地提取道路网中的双线主干道。     

径向基函数神经网络的路网自动匹配算法

针对VGI数据中检测更新的问题,该文提出基于径向基函数的神经网络自动匹配算法。通过选取路段的距离、方向、形状和长度4个空间特征的相似度作为衡量路段是否匹配的指标。考虑到4个空间特征指标对匹配的影响力不同,在RBF(radial basis function)神经网络中的隐含层对基函数引入粒度拉伸因子,使径向对称的RBF顾及各向异性。同时对输出层在线性加权求和函数的基础上引入sigmoid函数,使计算结果(路段的匹配度值)归一化。该算法对数据质量较差的VGI路网具有很好的匹配能力,与BP神经网络相比,RBF神经网络在地图匹配中具有更好的匹配效率。     

基于道路外包矩形的移动终端自适应匹配算法

首先通过外包矩形与定位点坐标确定候选道路遍历范围,然后通过计算包含定位点的道路外包矩形个数自动判断其所处路段是简单或交叉路段,继而对简单路段采用垂直投影,交叉路段采用历史轨迹进行匹配。最后采用c#语言实现了该算法,并与两类常用算法对比,验证了其优越性。     

基于通勤轨迹的潮汐交通拥堵路段识别与分析

提出一种基于通勤轨迹数据,结合地图匹配算法和潮汐交通特征计算的潮汐交通拥堵识别方法,轨迹数据具有时间和空间上的连续性,而道路流量受单条轨迹数据的缺失影响比较小。潮汐路段空间分布结果显示武汉市都市发展区的潮汐交通分布在环线之间的连接路、跨江通道的出入口路段以及重要交通枢纽附近。武汉市目前潮汐路段相对较多而可变车道数量较少,本研究的识别结果有助于相关部门规划潮汐车道具体位置的决策,以及对可能潮汐拥堵路段的预测。     

全局寻优的矢量道路网自动匹配方法研究

对道路之间存在1:N匹配关系的矢量道路网自动匹配问题进行研究.针对现有方法中大多数是基于局部寻优策略来寻找匹配道路,当同名道路存在较大距离偏差.又存在1:N匹配关系时,很容易导致误匹配的问题,改局部寻优策略为全局寻优策略,通过综合利用道路结点和道路弧段的特征信息,建立道路网匹配的最优化模型,并利用概率松弛法求解最优解,从而获得道路结点的匹配关系,以此为基础再获得道路弧段之间的匹配关系.试验表明:本文方法更具全局一致性,具有较高的准确率;即使在同名道路存在较大位置偏差甚至是非均匀偏差时,也可取得较为满意的结果,避免各种局部寻优方法难以准确设定权值的难题.     

结合行驶场景语义的轨迹-路网实时匹配方法

实时地图匹配技术在智能交通、自动驾驶等领域起着关键作用.现有实时地图匹配算法在高架、立交道路等复杂场景受到平行道路的干扰,匹配正确率较低.针对这一问题,本文提出了一种利用与车辆轨迹同步采集的图像对行驶场景进行分类,从而辅助城市复杂道路环境下地图匹配的方法.该方法在车辆靠近高架区域时利用图像对车辆行驶场景进行分类,结合车辆行驶方向、轨迹点与路段的距离、匹配路段邻接性等指标,对当前轨迹点进行实时匹配.以上海市三段高频采集的轨迹数据为例进行试验,使用匹配率、召回率、精确率等指标对结果进行精度评价.结果表明,本文方法的平均匹配率、召回率和精确率达到96.86％、97.17％、93.46％,优于传统实时匹配方法;对原始轨迹进行降采样后,匹配率、召回率、精确率等指标保持稳定.比较高架道路、立交等复杂场景的匹配效果,以及对比单点匹配耗时、延时和内存占用情况,本文方法均能保持较好的匹配结果.     

一种改进的快速浮动车地图匹配方法

浮动车地图匹配算法能够实现浮动车离散点与路段的快速准确匹配,是浮动车路况信息生成技术中的核心环节。本文针对现有方法的不足,实现了建立定位点的有效阈值缓冲区,并依据空间关系检索候选匹配路段,研究实现了一种利用行驶速度、行驶方向、投影距离、行驶距离4个参数进行行车轨迹判别的逻辑匹配算法。试验表明,该方法无需对路网数据进行大量的前期处理工作,简化了候选匹配路段的检索过程,在保证匹配正确率的同时也表现出了更高的效率。     

利用概率松弛法的城市路网自动匹配

多源空间数据匹配是空间数据集成与互操作,变化检测与数据更新的重要前提。路网数据匹配在导航、智能交通和基于位置服务等领域具有重要的研究意义和实用价值。本文提出一种基于概率松弛方法的城市路网自动匹配方法,该方法首先通过路段间几何差异性估算候选路段的初始概率,然后根据邻接候选匹配路段的兼容性不断更新原概率矩阵直到收敛于某一极小值。最后基于收敛的概率矩阵计算各候选路段的结构相似性,并通过设定相应的规则选取和提炼1: 1, 1: M和M: N匹配对。实验选取中国武汉,瑞士苏黎世地区的OpenStreetMap数据与导航数据进行匹配算法的验证。结果表明：本文算法对非刚性偏差较大的路网数据能达到较高精度,不存在匹配方向性问题,且能够识别1: 0, 1: M和M: N匹配。     

道路网层次骨架控制的道路选取方法

提出了基于路网层次骨架控制的道路自动选取方法。首先,该方法以stroke为单位,利用中介中心性值对stroke进行层次结构划分;其次,采用结构特征识别完善道路层次骨架;第三,基于层次骨架间的连通关系建立逐层传递的stroke重要性计算模型;最后,通过该计算模型自上而下的逐层计算,得到stroke重要性,并据此完成道路网选取。采用3种典型道路网数据,对本方法与其他主要常规stroke选取方法进行对比,试验结果表明本方法不但对语义的依赖性极低,同时消除了中介中心性在评价道路重要性时对边缘道路的不利影响,在保持道路网整体结构和层次性上有较为明显的优势,可适用于各种形态的道路网选取。     

A Pattern‐Based Approach for Matching Nodes in Heterogeneous Urban Road Networks

This article presents an approach to hierarchical matching of nodes in heterogeneous road networks in the same urban area. Heterogeneous road networks not only exist at different levels of detail (LoD), but also have different coordinate systems, leading to difficulties in matching and integrating them. To overcome these difficulties, a pattern‐based method was implemented. Based on the authors' previous work on detecting patterns of divided highways, complex road junctions, and strokes to eliminate the LoD effect of road networks, the proposed method extracts the local networks around each node in a road network and uses them as the matching units for the nodes. Second, the degree of shape similarity between the matching units is measured using a Minimum Road Edit Distance based on a transformation. Finally, the proposed method hierarchically matches the nodes in a road network using the Minimum Road Edit Distance and eliminates false matching nodes using M‐estimators. An experiment involving matching heterogeneous road networks with different LoDs and coordinate systems was carried out to verify the validity of the proposed method. The method achieves good and effective matching regardless of differences in LoDs and road‐network coordinate systems.     

城市道路复杂网络结构化等级分析

根据复杂网络理论提出了一种城市道路网结构化分析与结构等级建模方法。首先,根据城市道路链生成对偶图;然后,分析路网几何结构,对由城市道路链生成的对偶图进行中心性测度分析;集成各项结构指标进行道路等级建模,以保持各个指标的结构信息;最后,根据集成指标分析城市道路的结构重要性、划分道路等级并保持道路网的连通性。实验结果表明,通过所提方法进行的道路结构化等级分析能够反映道路网中包含的等级结构特征,而且与单一指标和现有的道路分级相比,集成各项结构指标后划分的道路等级能够更好地符合道路网固有的等级特点。     

粗精匹配结合的矢量道路辅助惯性导航算法

针对无源环境下无法采用卫星导航定位方式对惯性导航系统的累积误差进行修正的问题,提出一种采用高精度的矢量道路数据进行粗精匹配的导航校正算法。该方法首先通过分析惯导轨迹的特征标示点以及外接矩形,剔除明显的误匹配道路和冗余道路,获取待匹配道路集合;进而,结合ICCP算法具有匹配精度较高,匹配结果较稳定的优点,完成惯导轨迹位置误差的补偿和校正;最后,根据匹配方差和历史匹配轨迹对匹配结果的准确性进行分析和判断。仿真实验结果表明,该算法能够提高惯性导航定位误差的校正精度,减少在复杂道路交叉口等情况的误匹配。     

城市道路网匹配的层次化面域剖分模型

针对道路网“节点-弧段”数据模型在道路网结构化表达方面存在的不足,本文基于stroke的基本原理,设计了基于道路等级划分的道路网层次化面域剖分模型,使道路网空间结构特征表达具备了层次化特征。基于道路重要性等级和与面域边界的连通关系,对面域内的道路进行了层次性划分。建立了由“整体-局部-对象本身”的道路网层次化表达模型。最后,基于该模型本文提出城市道路网匹配模型,从高等级道路到低等级道路,利用特征一致性评价模型选取匹配对象。通过试验结果分析,证明了本文方法适用于解决具有典型城市特征的道路匹配问题。     

顾及邻域居民地群组相似性的道路网匹配方法

现有多源同比例尺道路网匹配方法中,大多只利用道路自身特征进行匹配,而较少顾及道路周边要素对匹配过程的影响和约束,从而影响了道路网匹配效果的进一步提高,特别是对系统误差改正后仍存在一定位置或旋转偏差的道路数据进行匹配时,这种影响尤为明显。本文借鉴人类对陌生环境的空间认知特点,提出了一种顾及邻域居民地群组相似性的道路网匹配方法。该方法通过构建城市骨架线网确定与道路相邻的居民地群组,进而计算居民地群组空间关系和几何特征相似度来获得对应道路的匹配结果。其特点在于:对存在位置或旋转偏差的道路数据匹配,以其邻域空间内居民地群组的整体相似性指标来带动道路自身匹配,实际上是增加了周边居民地群组对道路匹配过程的约束,更具鲁棒性。试验及对比分析表明,本方法能够较好地解决系统误差改正后仍存在较大位置和旋转偏差的道路数据间的匹配问题,提高匹配的正确率。     

顾及上下级空间关系相似性的道路网联动匹配方法

现有道路网匹配方法中,大多利用道路自身结点和弧段特征进行匹配,而较少注意道路邻域要素在道路网匹配中的重要定位参考作用,从而影响匹配效率和正确率的进一步提高。针对上述问题,本文提出了一种顾及上下级空间关系相似性的道路网联动匹配方法,即模仿人在读图时通过特征地物和空间关联寻找目标地物的思维过程,将匹配看作是一种特征目标寻找、信息关联传递的推理过程。首先,运用Stroke技术将复杂道路网进行等级划分。其次,通过道路骨架关联关系树构建道路网联动匹配模型。最后,选取高等级骨干道路作为起始特征对象,计算道路间的上下级空间关系相似性,逐级迭代使匹配信息在道路网联动匹配模型中传递,从而得到匹配结果。试验表明,本文算法缩小了待匹配数据的搜索范围,能够有效提高匹配正确率和效率,尤其在数据位移较大、存在非系统性几何位置偏差的情况下优势明显。     

一种改进SURF的视觉影像匹配算法

视觉影像经常存在纹理情况复杂和动态模糊等情况,严重降低了连续影像间各类特征的相似性,导致传统的匹配算法难以获得准确、稳定、分布良好的影像匹配,影响后续影像处理中各类信息的获取。针对上述情况,本文提出了一种改进SURF视觉影像匹配方法。该方法包括特征提取、初始匹配和对应匹配3个步骤。首先,利用SURF特征匹配方法提取足够且分布良好的特征点;其次,进行初始匹配,得到一些正确的匹配点对及影像对之间的初始投影变换关系;最后,采用几何对应匹配策略进行匹配传播,得到更可靠的匹配结果。通过图像对之间的几何关系,几何对应匹配能够发现比初始SURF算法更合适的匹配结果。对TUM数据综合试验表明,该算法简单快速,匹配精度高。     

顾及几何特征和拓扑连续性的道路网匹配方法

已有的道路网匹配方法需要一定的人为干预和控制,仍无法实现匹配自动化,而且对于具有一定尺度差异的数据而言,受不相关道路对象的影响,匹配结果中会存在较多的误匹配。为此,本文提出一种顾及几何特征和拓扑连续性的由粗匹配到精匹配的分层匹配策略。粗匹配阶段,利用短边中位数Hausdorff距离计算匹配对象的相似度,再以道路网弧段端点的近邻分析结果作为匹配阈值,判断匹配对象是否为同名实体;精匹配阶段,将粗匹配阶段评价结果中离散的同名实体构建为完整的道路Stroke,即以追踪的方式剔除误匹配和添加漏匹配。利用宿城区不同尺度的道路网对所提算法进行验证,结果表明,该算法具有较好的匹配效果,能够实现匹配自动化。     

基于OSM的浮动车轨迹数据校正方法

浮动车轨迹数据具有覆盖范围广、更新周期短、获取成本低等特点，对于地图的生产和更新具有重要意义，但是由于受到卫星信号被遮挡及多路径效应的影响，其精度普遍较低。本文采用一种基于OSM作为参考数据的方式对浮动车轨迹数据进行校正。首先通过一种分层时空地图匹配的方式将轨迹数据与OSM进行匹配；然后采用引力模型对数据进行校正；最后在武汉市出租车轨迹数据上进行了试验。结果表明，本文提出的数据校正方法可以有效地提高浮动车轨迹数据的精度。