面向交叉路口特征点的矢量数据化简算法

针对现有的算法不能够很好地保留道路交叉路口特征点的问题,该文提出了一种基于道路交叉路口特征点的矢量数据化简算法。把曲线上的特征点分为交叉路口特征点和重要的特征点两类,对两类点分别进行处理得到分段点;利用相邻的分段点作为道格拉斯-普克算法的首尾点,对每段子曲线以基于最小二乘法拟合曲线选定最优距离阈值,进行逐段化简。实验结果表明,该算法能够有效地化简道路矢量数据并保留交叉路口和重要的特征点。     

车辆轨迹数据提取道路交叉口特征的决策树模型

众源车辆轨迹数据隐含最新的道路分布信息,研究利用轨迹数据提取道路特征有益于基础路网数据的快速建库与更新。道路网由交叉口和连接交叉口的道路线构成,其中交叉口特征识别是整个道路网生成的关键。由于缺乏精细的交叉口识别模型,轨迹数据生成的道路网容易出现路口遗漏、结构失真等现象。针对这一问题,本文提出一种利用轨迹数据提取道路交叉口的方法。首先,分析车辆在交叉口与非交叉口区域移动轨迹几何形态及隐含动力学特征的变化情形;然后,利用决策树方法构建轨迹片段分类模型,并结合移动开窗式的轨迹线剖分模型建立交叉口区域变道轨迹片段提取方法;最后,依据Hausdorff距离对交叉口区域轨迹片段进行聚类,并提取中心线获得完整的道路交叉口结构。采用真实的车辆轨迹线作为测试数据,验证了本文提出方法的有效性。     

面向交叉路口特征点的矢量数据化简算法

针对现有的算法不能够很好地保留道路交叉路口特征点的问题,该文提出了一种基于道路交叉路口特征点的矢量数据化简算法。把曲线上的特征点分为交叉路口特征点和重要的特征点两类,对两类点分别进行处理得到分段点;利用相邻的分段点作为道格拉斯-普克算法的首尾点,对每段子曲线以基于最小二乘法拟合曲线选定最优距离阈值,进行逐段化简。实验结果表明,该算法能够有效地化简道路矢量数据并保留交叉路口和重要的特征点。     

面向交叉路口特征点的矢量数据化简算法

针对现有的算法不能够很好地保留道路交叉路口特征点的问题,该文提出了一种基于道路交叉路口特征点的矢量数据化简算法。把曲线上的特征点分为交叉路口特征点和重要的特征点两类,对两类点分别进行处理得到分段点;利用相邻的分段点作为道格拉斯-普克算法的首尾点,对每段子曲线以基于最小二乘法拟合曲线选定最优距离阈值,进行逐段化简。实验结果表明,该算法能够有效地化简道路矢量数据并保留交叉路口和重要的特征点。     

面向交叉路口特征点的矢量数据化简算法

针对现有的算法不能够很好地保留道路交叉路口特征点的问题,该文提出了一种基于道路交叉路口特征点的矢量数据化简算法。把曲线上的特征点分为交叉路口特征点和重要的特征点两类,对两类点分别进行处理得到分段点;利用相邻的分段点作为道格拉斯-普克算法的首尾点,对每段子曲线以基于最小二乘法拟合曲线选定最优距离阈值,进行逐段化简。实验结果表明,该算法能够有效地化简道路矢量数据并保留交叉路口和重要的特征点。     

一种室内导航网络众包构建方法

室内导航网络是室内位置服务的基础,传统人工测绘或基于CAD半自动提取等方法时效性较差。室内移动对象众包轨迹数据的出现为室内导航网络构建提供了一种新的解决方案。提出一种室内导航网络众包构建方法。首先提取出用于构建室内导航网络的廊道区域轨迹点;其次通过轨迹点生长融合聚类算法将廊道轨迹点转化为聚类点;最后通过聚类点连接生成室内导航网络。以某商城一楼2 d的移动对象轨迹数据进行了实验。结果表明,本文方法提取的室内导航网络准确度较高,能够为室内空间结构快速变化检测和更新提供支持。     

众源车辆轨迹加油停留行为探测与加油站点提取

针对当前加油站点信息采集成本高、更新周期长等问题,提出了运用车辆轨迹数据提取加油站点的方法。首先,从轨迹运动特征、几何模式等方面分析个体和群体加油行为轨迹特征。其次,基于Stop/Move模型,集成加油轨迹运动特征提出速度序列线性聚类算法提取加油停留轨迹。最后,运用Delaunay三角网层次聚类加油停留轨迹线,综合运用傅里叶形状识别、语义约束等方法识别、提取加油站点。运用北京市7d的出租车轨迹数据进行试验分析,共提取482个加油站,正确率为93.1%,且位置精度高。     

移动轨迹聚类方法研究综述

轨迹数据是人类移动行为的表征,能够映射出人的出行模式和社会属性等信息。怎样有效挖掘轨迹数据蕴藏的人类活动规律一直是研究的热点。通过轨迹聚类发现行为相似的类簇,从而探究群体的移动模式是轨迹挖掘和深度应用常见的方法之一。本文首先根据轨迹数据的特点,将轨迹数据模型分为轨迹点模型和轨迹段模型,并据此定义相应的相似性度量：空间相似性度量和时空相似性度量;然后,对两类模型的聚类方法进行了综述,并总结不同聚类算法的优缺点,以期为不同应用选取聚类算法提供科学依据;最后对移动轨迹数据聚类方法研究的发展趋势进行了讨论。     

时空轨迹多层级相似子段匹配方法

轨迹子段匹配是轨迹数据挖掘的重要手段,针对其计算复杂度较高、受噪声影响大的问题,提出了一种融合自适应希尔伯特地理网格编码的多层级轨迹编码树结构,在可接受的建树代价下,形成了从轨迹整段到最小片段的层次化组织形式和子段从属关系表达结构,并在轨迹片段编码树的基础上,设计了相似子段匹配算法,将复杂的空间计算转化为空间编码的字符串前缀匹配操作,极大地降低轨迹子段匹配的计算复杂度。实际轨迹数据的实验表明,在不影响匹配准确率的前提下,提出的子段匹配方法的效率与基于经典距离的相似性度量方法相比,有超过一个数量级的性能提升。     

顾及轨迹密度分布异质性的道路交叉口提取方法

车辆轨迹大数据为道路网生成与更新、道路状态信息感知提供了新机遇,从轨迹数据中准确提取道路交叉口是基于车辆轨迹数据构建精细化道路网地图的关键步骤。当前已有学者根据轨迹点的转向、速度变化等特征,基于空间聚类提出了一些道路交叉口识别的经典方法,但由于轨迹数据密度分布的异质性、噪声干扰及最优聚类参数设置等问题,从不同采样频率、分布密度的轨迹数据中提取不同大小、形态的交叉口仍是一个挑战。为此,本文首先针对轨迹密度的空间分布异质性提出基于层次划分的轨迹栅格化策略,进而从视觉角度出发,提出一种基于“转换-分割-优化”全流程的道路交叉口层次提取方法。通过对不同采样频率的真实轨迹数据进行试验分析,验证了本文方法对低频轨迹数据中道路交叉口提取的准确度与有效性,识别结果优于现有代表性方法。     

Area‐preservation Simplification of Polygonal Boundaries by the Use of the Structured Total Least Squares Method with Constraints

This article presents an area‐preservation approach for polygonal boundary simplification by the use of structured total least squares adjustment with constraints (STLSC), with the aim being to maintain the area of the original polygons after the simplification. Traditionally, a simplified line is represented by critical points selected from the original one. However, this study focuses on maintaining the areas of the polygons in the process of simplification of polygonal boundaries. Therefore, the proposed method in this article is a supplement to the existing line simplification methods, and it improves the quality of the simplification of polygonal boundaries in terms of positional and area errors. Based on the sub‐divisions of the original polyline, using the critical points detected from the polyline by the use of line simplification methods, the framework of the proposed method includes three main components, as follows: (1) establishment of the straight‐line‐segment fitting model based on both the critical and intermediate points on the sub‐polyline; (2) introduction of both area and end‐point constraints to reduce the geometric distortions due to the line simplification; and (3) derivation of the solution of boundary simplification by the use of STLSC. An empirical example was conducted to test the applicability of the proposed method. The results showed that: (1) by imposing the linear fitting model on both the critical and intermediate points on the sub‐polylines in the proposed STLSC method, the positional differences between the original points and the simplified line are approximately in a normal distribution; and (2) by introducing both end‐point and area constraints in the proposed STLSC method, the areas of the simplified polygons are the same as those of the original ones at different scales, and the two neighboring fitted lines are connected to each other at the optimized position.     

一种顾及道路复杂度的增量路网构建方法

针对传统路网采集和更新需要昂贵的实地测量以及大量的后续内业处理问题,提出了一种从大规模粗糙轨迹数据中自动生成路网的方法。该方法包含轨迹滤选和路网增量构建两步:第1步通过构建空间、时间、逻辑约束的规则模型,在消除数据中的噪音和冗余的同时,将原始轨迹进行合理分割,滤选形成规范轨迹集合;第2步基于信息熵计算轨迹点周围道路的复杂度,据此自动调节道路分割参数,不断将新产生的路段加入到路网,同时计算道路平均交通流量和速度等路况信息,遍历各规范轨迹的定位点重复以上处理过程,最终得到完整路网。通过昆明市200辆出租车采集的约6851万条轨迹数据进行路网构建试验,并与OpenStreetMap数据比较,证明了本文方法的有效性。与已有典型方法比较,本文方法能用更少节点提取更高质量的路网。     

一种基于点云数据的建筑物平面精细分割方法

针对现有大规模点云数据平面特征分割方法中存在的错误识别、效率低、抗噪性差等问题,该文提出一种基于2D霍夫变换和八叉树的建筑物平面精细分割方法。该方法首先,对原始点云进行空间均匀降采样并向X-Y面投影,利用改进的2D霍夫变换算法提取投影后的点云线段,使用选权迭代法精确计算线段所在直线的方程及端点坐标,进一步确定立面的空间几何方程;接下来,建立原始点云数据的八叉树结构,利用端点坐标设计立方体并分割出立方体内的立面点云;最后,将立面点云从原始点云中剔除,对余下点云降采样并向X-Z面投影,重复以上过程分割水平面点云。试验验证了该文方法对建筑物面状特征分割的有效性。     

基于直线特征检测的道路边线自动提取方法

针对如何从车载激光点云数据中快速、准确地提取道路边线的问题,本文提出一种基于直线特征检测的道路边线自动提取方法。首先对原始点云进行地面滤波,删除非地面点,获取包含道路信息的地面点云,接着把点云投影到二维图像上,根据反射强度获得平均强度图像,对平均强度图像进行LSD直线检测,获得道路边线的直线段,然后进行直线连接,把检测出来的短线段连接成长直线,最后根据直线特征提取出道路边线,并且利用定量指标对提取结果进行定量分析。实验证明,该方法提取的道路边线具有较高的准确率和完整性。     

Evaluating Alternative Line Simplification Strategies for Multiple Representations of Cartographic Lines

Two basic strategies have been identified for handling multiple representations of line features in digital databases. Either a finite number of scale-dependent representations of cartographic lines can be explicitly stored, or a scale-independent database is generated from which subsequent scale representations can be extracted as needed. These two strategies parallel differences in hierarchical and non-hierarchical line simplification operators. Non-hierarchical line-simplification can produce the most geometrically accurate simplification at any scale, while hierarchical operators are often associated with scale-independent databases. In this research, hierarchical and non-hierarchical line simplification operators are evaluated by comparing both the points retained by these different algorithms and the overall quality of the graphic portrayal for sample lines of different complexity and at different scales. Visual inspection of the results did not reveal any discernable difference at any scale for any line. Subsequent numerical analyses shows some differences but overall little geometric quality is lost by using a hierarchical operator as opposed to a non-hierarchical one and given the greater flexibility of scale representations that is possible, hierarchical methods appear to be more satisfactory.     

轨迹分割与图层融合的车辆轨迹线构建道路地图方法

传统道路地图构建方法将轨迹点（线）同等对待提取道路数据,忽略车辆轨迹的空间差异性,制约其结果精度与应用范围。为此,本文根据轨迹速度将轨迹线集分割滤选为3个轨迹线子集,将轨迹方向与Delaunay三角网模型集成探测路网拓扑结构;顾及轨迹线子集的特征差异选取不同参数值和约束条件并分层提取道路几何、交通语义数据,分别构建3个道路图层;运用缓冲区方法并根据道路几何、语义特征将多个道路图层融合为单个完整道路地图。运用出租车轨迹数据进行试验分析,结果表明：该方法顾及轨迹分布差异性,能将道路几何、交通语义信息融合提取,更适于处理复杂道路结构下的轨迹线。     

Estimating traffic speed and speeding using passively collected big mobility data and a distributed computing framework

With the increasing availability of location-aware devices, passively collected big GPS trajectory data offer new opportunities for analyzing human mobility. Processing big GPS trajectory data, especially extracting information from billions of trajectory points and assigning information to corresponding road segments in road networks, is a challenging but necessary task for researchers to take full advantage of big data. In this research, we propose an Apache Spark and Sedona-based computing framework that is capable of estimating traffic speeds for statewide road networks from GPS trajectory data. Taking advantage of spatial resilient distributed datasets supported by Sedona, the framework provides high computing efficiency while using affordable computing resources for map matching and waypoint gap filling. Using a mobility dataset of 126 million trajectory points collected in California, and a road network inclusive of all road types, we computed hourly speed estimates for approximately 600,000 segments across the state. Comparing speed estimates for freeway segments with speed limits, our speed estimates showed that speeding on freeways occurred mostly during the nighttime, while analysis of travel on residential roads showed that speeds were relatively stable over the 24-h period.     

一种利用低频轨迹数据提取道路交叉口的方法

为实现从低频轨迹数据中提取城市道路交叉口,本文设计了一种基于数据预处理与聚类算法的道路交叉口精准识别方法。首先结合轨迹数据的特征,采用启发式滤波算法对原始数据进行清洗,剔除冗余点与异常点;然后依据车辆的运行规律,提出了一种分步式道路交叉口的提取算法,由此计算出疑似道路交叉口的特征点;最后利用层次密度聚类算法(HDBSCAN)对筛选过后的轨迹点进行聚类并提取质心,得到道路的交叉口,最终以成都市某日的出租车行驶轨迹为数据源,进行试验分析。结果表明,使用该算法提取交叉口,精确率达95.33%、召回率达82.11%、F值达88.46%,能有效且准确识别城市道路交叉口信息,在城市管理与交通规划中具有一定的应用价值。     

出租车GPS轨迹集聚和精细化路网提取

针对利用GPS数据提取双向路网和交叉路口转向信息精度低的不足,本文提出一种顾及位置与行驶方向的轨迹集聚和精细化路网提取方法,实现了精细化路网提取。为提高交叉路口路网的提取精度,首先剔除原始轨迹中的离散和异常轨迹点,并按一定的步长对轨迹段进行加密;然后引入行驶方向角来表达车辆在轨迹点处的行驶方向,顾及位置和行驶方向获取每个轨迹点的相似轨迹点集合;接着依次计算每个轨迹点的偏移距离,通过对轨迹点的迭代偏移完成轨迹集聚;最后剔除未成功集聚的轨迹点,将完成集聚的轨迹点连成轨迹线并作缓冲区,运用栅格数据数字化方法提取得到能够反映道路精细转向关系的道路网。以福州市出租车GPS数据进行轨迹集聚和路网提取试验,结果表明:本文方法能有效地将GPS轨迹按车辆行驶方向分别进行集聚,提取的道路网为双向道路并且能反映交叉路口处道路的精细转向关系。