基于低频出租车轨迹的城市路网交叉口提取研究

出租车GPS轨迹数据获取成本低、周期短,且覆盖面广,具有实时性及大规模性,同时其包含大量的行车记录信息,对提取数字道路信息具有巨大贡献,适用于大范围城市交通路网信息的获取和快速更新。基于GPS轨迹数据进行交叉口提取是目前的研究热点,但现有研究方法大多适用于高频GPS数据,不能很好地提取稀疏区域的交叉口,难以适应出租车轨迹点采样频率低、定位精度低、噪声点多、数据分布不均匀的特性。因此,本文聚焦于城市路网的交叉口识别,为尽可能准确、全面地提取道路交叉口信息,兼顾密集与稀疏区域,提出了一种集成识别策略,分别在矢量空间和栅格空间,采用密度峰值聚类和数学形态学处理方法提取交叉口,并设计了一种融合机制探测交叉口,最后结合主成分分析法判断交叉口的真伪性,识别真实交叉口,并去除伪交叉口,从而得到基于低频出租车轨迹的城市道路交叉口。与已有的研究方法相比,本方法提取了更多的交叉口,并与遥感图像显示一致。本文提取结果准确率为92.23%、召回率为77.26%、F值为84.08%,很好地保证了交叉口的完整性和准确性,在智能交通系统中具有一定的应用价值。     

浮动车轨迹数据聚类的有向密度方法

为了充分挖掘浮动车轨迹数据的潜在特性,本文在OPTICS空间密度聚类算法基础上,提出了一种有向密度的快速聚类方法(D-OPTICS)。该方法通过扇形空间邻域计算其有向密度信息,并基于方向信息约束其密度可连通性,通过有向可达距离曲线生成数据基本簇,最后,通过空间网格及类簇聚合等优化方法,实现其大规模浮动车轨迹数据的快速聚类处理。通过有向时空数据的聚类分析,发现浮动车轨迹的时空分布特性,以提取复杂路网的结构信息。本文以福州市大规模浮动车轨迹数据,对D-OPTICS进行了系统实验,分析表明,该算法可实现浮动车轨迹数据的快速有向密度聚类分析,有助于挖掘发现时空轨迹数据的分布规律,且基于聚类结果提取了福州市区复杂路网的有向拓扑结构图。同时,与DBSCAN及OPTICS等传统的密度聚类算法进行性能对比,实验表明,D-OPTICS算法能更好地支持大规模浮动车轨迹数据的处理要求。     

基于多光谱LiDAR数据的道路中心线提取

针对城市三维激光点云中,道路与地面高程相差小、激光反射强度相近使得道路提取困难;广场、停车场等地物的高程、反射强度与道路极为相近,容易产生错误提取的问题。本文设计了一种描述道路条带信息的局部二进制特征（Stripe Local Binary Feature, SLBF）,结合LiDAR数据中的三维信息和多光谱信息获得基于强度、密度和平坦度等统计特征（Statistics-Based Feature, SBF）,并采用随机森林分类器实现了机载点云中道路面点云和非道路面点云的有效提取。通过欧式聚类精化道路点云和迭代腐蚀边界细化中心线,进而获得矢量化的道路中心线。以Waddenzee区域的多光谱机载点云数据进行实验验证,道路中心线提取结果的完整度达到94.15%,准确度达到97.95%,精度达到92.28%。实验结果表明,该方法可以有效地提取道路中心线,同时由于设计的特征具有不变性,能够适用于城市和林间小路等各种环境。     

基于机载激光点云数据的山区道路提取

针对山区道路特点和机载激光点云数据处理的难点,依据道路点高程特点对原始点云滤波得到地面点集,利用点邻域内法向量和坡度、邻域内平面法向量偏角方差来描述山区完好道路表面的平滑特征提取候选道路点集,根据道路几何上连通的特性设置距离阈值对候选道路点集进行欧式距离聚类精化道路点,采用形态学细化方法提取道路线。以某一山区机载激光点云数据为例,实现道路提取方法,并验证方法的可行性。     

东莞市交通路网格局对城市空间扩张影响研究

城市化进程中,交通路网格局的发展与土地利用变化有着密切关系,交通系统的发展引起城市空间形态、土地利用开发、土地利用价格和用地布局特征的变化,反之,土地利用变化也引起了交通路网格局、路网密度的改变。本文以东莞市为例,对其交通路网密度与新增城市用地变化强度作了定量分析。根据TM遥感影像提取2001、2005和2009年3期的城市用地,采用核密度估算(KDE)新增城市用地变化强度,探讨区域内交通路网格局与新增城市用地变化强度的关系。结果表明,在2001-2005年间,路网格局变化较大,新增道路类型主要为高速路,新增城市用地总量较大、扩张速度快,特别是交通路网密度大的边缘区域。在2005-2009年间,随着路网发育不断成熟,路网密度内部差异减少,新增道路类型主要为县乡道路,新增城市用地速度明显放缓。经相关系数显著性检验后表明:2001-2009年间,在置信度为95%时,东莞市道路网密度、加权密度(x)与新增城市用地核密度(y)的相关系数Rxy均大于0.1946,证明东莞市道路网密度、加权密度与新增城市用地核密度高度相关。     

基于路网数据和复杂图论的中国城市交通布局评价

城市化的快速发展推动了我国城市道路网的不断扩张和发展。城市道路网是一个动态、开放、自组织的空间复杂网络,构成了城市的结构框架,研究城市道路网的结构特征对路网规划和城市建设有着重要的应用价值。在国内城市道路网络结构特征的相关研究中,很少有学者基于道路走向的视角对整个城市路网结构进行研究,也缺少对全国主要城市路网的整体性评价。本文选取我国一、二线及新一线49个城市作为研究区和2020年2月的城市道路网作为实验数据,首先采用图论和玫瑰图的方法对49个城市的道路网方向特征进行可视化,定性分析城市路网的复杂结构,然后基于最值比R、道路首位度S、过阈值比T、走向顺序φ和路网密度δ等5个路网指标对49个城市的道路网进行聚类分析,从而探究我国城市路网的分布特征。结果表明,我国城市主要以南北和东西走向为城市道路的主导向,部分城市因地形的影响沿着有利于城市交通和居民生活的方向规划道路;基于路网指标的聚类得到了十字正交型、十字状向风车状扩散型、风车状向圆弧四角星扩散型和混合复杂型等4类城市道路网类型,这4类城市路网在方向分布特征上具有显著差异,突出表现在有序性和复杂性;从路网类型的空间分布来看,十字正交型和十字状向风车状扩散型路网大多分布在我国的内陆地区,而风车状向圆弧四角星扩散型和混合复杂型路网则大多分布在沿海地区。本文主要通过分析我国一、二线及新一线城市道路网的分布特征,探究了我国主要城市交通路网的布局现状,能够为城市新区道路规划和路网布局优化提供参考依据。     

基于网络约束方法的交通事故空间点格局分析

研究一种基于路网约束空间格局方法在交通事故分析中的应用,以武汉市13个区交通事故为研究对象,将交通事故抽象成道路网上的点要素,采用路网约束下的核密度估计方法,讨论其空间分布格局并与平面空间点聚类分析的结果进行对比分析,最后采用局部Moran's Ⅰ方法对道路基本单元网络核密度估计结果值进行判别,揭示0.01显著性水平下的武汉交通事故易发路段。实验结果表明,网络核密度估计算法可直观体现事故沿城市道路网的聚类模式,对核密度结果进行的局部Moran's Ⅰ统计方法能够有效地应用于易发路段的鉴别。     

顾及路网与轨迹多模特征的道路等级分类研究

道路等级不仅反映在路网结构的静态骨架信息上,也蕴含在轨迹数据呈现的动态语义信息上。为解决(OpenStreetMap)OSM路网部分路段及路网生成产品等级缺失问题,本文提出一种顾及路网与轨迹多模特征的道路等级分类方法。首先通过轨迹数据的清洗、地图匹配和基于路名的路网合并实现轨迹点与命名道路的联结;然后以命名道路为分析单元,综合考虑路网及轨迹数据,在系统分析路网结构的道路几何特征、道路分布特征、道路拓扑特征及道路单双向信息基础上,进一步挖掘与融合轨迹数据蕴含的道路宽度、道路车流量、道路速度等静动态特征,形成关于道路等级的描述特征集,作为识别道路等级的基础与依据;最后以随机森林(RF)为基本分类器进行特征选择及模型训练实现道路等级识别。为验证本文方法,选取武汉市汉正街区域及二环区域,基于OSM路网数据及众源轨迹数据开展试验。该方法取得了较好的分类结果,小范围汉正街区域的验证集准确率为91.2%,大范围二环区域的验证集准确率达到80.8%。与单类特征相比,集成路网与轨迹特征极大提高了道路等级分类准确率;与原始路段形式进行道路等级分类相比,以路名重构道路形式进行道路等级分类效果更好。     

扫描线局部特征约束的车载LiDAR点云城市道路边界提取方法

城市环境下的车载LiDAR点云在道路边界提取时容易受到路边车辆、行人遮挡等影响，而造成伪边界点的生成和边界线的不连续。本文发现利用高程标准差约束能够有效的处理该类问题。本文首先进行数据预处理，包括点云分段及地面点滤波、基于相邻点间距离将地面点整合成扫描线存储；其次基于扫描线建立连续双窗口，采用扫描线双向移动窗口法，构造双窗口之间高差、夹角值、高程标准差3种约束条件获取候选路坎点，并根据道路边界的连续性采用密度聚类中的DBSCAN算法聚类去噪，生成较为连续且精确的路坎边界点；最后对边界断点区域计算累计曲率值和距离来判断该位置是否为路口，若边界线断点为路口不进行连接，反之，视为车辆或行人遮挡导致的断点，采用二次多项式曲线填补拟合，获得边界的数学参数模型。实验结果表明，在存在较多遮挡的城市环境下道路边界提取精度能够达到80%以上。     

面向车载激光扫描数据的道路目标精细化鲁棒提取

精确的三维道路信息,对于交通运输,城市规划,道路网建设,三维道路建模等具有重要意义.车载移动测量系统作为一项高新测绘技术能快速,准确地获取三维激光点云,适用于大场景的道路提取与建模.本文提出了一种从车载激光点云中快速精细化提取三维道路及其边界的方法.该方法首先利用车载激光点云的空间特征对点云进行自适应分段,然后利用先验知识与规则提取候选的道路及其边界,并根据道路边界的线状特征,对所提取的道路边界进行跟踪及矢量化,最后得到道路的参数.为了验证本方法的有效性,试验采用了3组不同道路场景的数据进行验证,结果表明提取结果的准确度,完整度及检测质量都达到了90%以上.定量与定性的结果分析表明,本文方法对于不同复杂场景下不同点密度的数据具有很好的适应性,能快速,鲁棒地提取大场景内的道路及其边界.     

基于双注意力残差网络的高分遥感影像道路提取模型

高分辨率遥感影像中,道路光谱信息丰富,且空间几何结构更清晰。但是,基于高分遥感影像的道路提取面临道路尺寸变化大、容易受树木、建筑物及阴影遮挡等因素影响,导致提取结果不完整。此外,高分遥感影像中同物异谱和异物同谱现象较为严重,从而影响道路提取结果连续性及细小道路信息完整性,而且难以区分道路和非道路不透水层。因此,本文提出基于双注意力残差网络的道路提取模型DARNet,利用深度编码网络,获取细粒度高阶语义信息,增强网络对细小道路的提取能力,通过嵌入串联式通道-空间双重注意力模块,获取道路特征图逐通道的全局语义信息,实现道路特征的高效表达及多尺度道路信息的深层融合,增强阴影和遮挡环境下网络模型的鲁棒性,改善道路提取细节缺失现象,实现复杂环境下高效、准确的道路自动化提取。本文在3个实验数据集对DARNet和DLinkNet、DeepLabV3+等5个对比模型进行对比试验和定量评估,结果表明,本文DARNet模型的F1分别为77.92%、67.88%和80.37%,高于对比模型。此外,定性比较表明,本文提出模型可以有效克服由于物体阴影、遮挡和高分影像光谱变化导致道路提取不准确与不完整问题,改善细...     

GPS/PWV时间序列特征提取方法的研究

针对GAMIT/GLOBK软件解算得到的4 a GPS/PWV时间序列的特征提取问题，提出基于滤波辅助的部分集成经验模态分解（PEEMD）与Hilbert谱分析相结合的特征提取方法。首先，在PEEMD方法的基础上,结合滤波辅助的PEEMD方法与Hilbert谱分析，建立GPS/PWV时间序列特征提取模型；然后，将所提出的方法应用于TNML测站4 a的GPS/PWV长时间序列和7 d的GPS/PWV短时间序列分析中，并将滤波辅助的PEEMD结果与传统的小波分解结果进行对比。结果表明，该特征提取方法能准确有效地提取出 GPS/PWV时间序列中的周年周期和日周期特征分量，滤波辅助的PEEMD分解结果与小波分解结果一致，且提取的特征分量与原始信号更加吻合。     

基于航向角变化的趋势集合轨迹特征划分算法

在GPS或网络信号受到干扰或遮蔽时,导航精度和自主性会大大降低,组合导航技术能弥补这一缺陷。针对组合导航匹配实时、快速和准确的应用需求,本文提出一种具有实时性、高准确性的基于航向角变化的趋势集合特征划分算法。该算法通过计算轨迹点的航向角变化量,对趋势确定集合和趋势待定集合的趋势状态进行赋值,能有效地划分出轨迹上各段的特征点集合。算法还对由外界因素（如超车、紧急避让和驾驶员不同驾驶习惯等）引起的无效特征情况,进行趋势集合状态的分析和判断,以保证特征划分的准确性。本文以北京西五环地区的车辆轨迹数据为例,进行了实地跑车实验表明,基于航向角的趋势集合特征划分算法,在实时性和提取效果方面,具有明显的优势,算法简单可行、高效、可操作性强。     

面向高分遥感影像道路提取的轻量级双注意力和特征补偿残差网络模型

针对高分辨率遥感影像背景复杂,道路提取容易受阴影、建筑物和铁路等背景信息干扰的问题,提出一种带有轻量级双注意力和特征补偿机制的DAFCResUnet模型。该模型在ResUnet的基础上,通过增加轻量级的双注意力和特征补偿模块实现模型在性能和时空复杂度上的平衡。其中,双注意力模块可以增强模型的特征提取能力,特征补偿模块可以融合网络中来自深浅层的道路特征。在DeepGlobe和GF-2道路数据集上的实验结果表明,DAFCResUnet模型的IoU和F1-score可以达到0.6713、0.8033和0.7402、0.8507,模型的整体精度优于U-Net、ResUnet和VNet模型。与U-Net和ResUnet模型相比,DAFCResUnet模型仅增加了少量的计算量和参数量,但IoU和F1-score均有较大幅度的提高;与VNet模型相比,DAFCResUnet模型在计算量和参数量远低于VNet的情况下取得了更高的精度,模型在精度和时空复杂度两方面均有优势。相比其他对比模型,DAFCResUnet模型具有更强的特征提取和抗干扰能力,能更好解决道路上的干扰物、与道路特征相似地物、树荫或阴影遮挡等造成的道路空洞、误提和漏提现象。     

Relationship Between Urban Road Traffic Characteristics and Road Grade Based on a Time Series Clustering Model: A Case Study in Nanjing,China

With the increasing number of vehicles in large- and medium-sized cities challenges in urban traffic management, control, and road planning are being faced. Taxi GPS trajectory data is a novel data source that can be used to study the potential dynamic traffic characteristics of urban roads, and thus identify locations that show a notable lack of road planning. Considering that road traffic characteristics on their own are insufficient for a comprehensive understanding of urban traffic, we develop a road traffic characteristic time series clustering model to analyze the relationship between urban road traffic characteristics and road grade based on existing taxi trajectory data. We select the main urban area of Nanjing as our study area and use the taxi trajectory data of a single month for evaluating our method. The experiments show that the clustering model exhibit good performance and can be successfully used for road traffic characteristic classification. Moreover, we analyze the correlation between traffic characteristics and road grade to identify road segments with planning designs that do not match the actual traffic demands.     

遥感影像上线状目标自动提取研究现状与思考

自动识别遥感影像上的目标，快速、准确地获取所需信息是遥感数据处理的主要发展方向。从分析遥感影像上道路的基本特征出发，探讨了道路提取的基本思想，总结了国内外关于道路半自动提取的现状，综述了常用的提取算法，提出了对该问题的思考和进一步研究的设想。     

基于亮度补偿的遥感影像阴影遮挡道路提取方法

在基于高分辨率遥感影像的道路提取中,阴影遮挡是导致提取的部分或整段道路缺失的重要因素,严重制约了道路提取的自动化过程,因此探索适用性强的阴影情况下道路提取方法对地图数据生产和地理大数据研究具有重要意义。本文针对传统的阴影系数修正方法难以消除植被、建筑上的阴影对道路提取带来的干扰,选用路面颜色不一、地物干扰少的郊区影像与地物丰富、路面地物阴影干扰严重的市区影像开展研究,提出了基于亮度补偿的阴影遮挡道路的提取方法。首先,在图像预处理的基础上,利用HSI阈值分割获取阴影区域;其次,在削弱蓝色分量信息后采用亮度补偿方法实现像素点空间域增强以及阴影区信息的恢复,在增大道路面阴影与周围环境差异的基础上,借助高效的分割算法实现阴影道路提取;最后,通过和由K-means聚类分割获取的非阴影道路进行合并,经细化处理最终实现阴影遮挡道路的完整提取。实验结果表明,此方法提取郊区与市区影像中阴影道路的正确率在80%以上,该方法能有效地提取阴影遮挡道路,消除其他阴影的干扰,降低阴影道路提取时的斑块破碎度,较好的保留道路的主体。