利用轨迹数据进行道路网更新及轨迹融合

随着经济的快速发展,城市道路网更新迅速,道路网数据对于交通规划和城市发展具有重要意义。本文提出了一种基于轨迹数据的道路更新及轨迹融合方法。首先使用几何最短距离分析和隐马尔科夫模型来提取失配轨迹,然后使用基于Delaunay三角网和基于山脊线相结合的轨迹融合方法,提取出新增道路骨架线,对得到的骨架线进行显化和延长处理,使其融合到现有道路网中。试验结果表明,采用基于Delaunay三角网和基于山脊线相结合的轨迹融合方法,能够提高新增道路的生成效率,改善道路网的更新效果。     

顾及形态特征和语义信息的双线道路识别方法

双线道路识别与提取是城市路网综合的关键。提出了一种城市双线道路提取的方法。在构建好的道路网眼的基础上,综合考虑双线道路网眼形态特征以及构成网眼路段之间的语义相似度,设计了识别双线道路网眼的综合指标。通过判断网眼综合指标确定最终的双线道路网眼,最后根据识别出的双线道路网眼提取出双线道路。实验表明,该方法能有效提取出城市道路数据中的双线道路。     

网眼矩形特性在道路网模式识别中的运用

从格网模式道路网的基本形态特征出发,研究了基于网眼矩形特性的道路格网模式识别方法。首先从样本道路网中任意选取部分典型的格网模式的道路网,统计该区域所有道路网眼单元的矩形度,求得样本区域道路网眼矩形度的平均值和标准差范围。再另外选取其他样本区域作为检验数据,分别用K均值聚类和系统聚类的方法进行识别实验。实验结果表明,该方法具有较高的识别正确率,为格网模式道路网识别和综合奠定了基础。     

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。     

小比例尺道路网眼约束下的多尺度道路网自动匹配

针对道路网多尺度匹配的问题,提出了一种在小比例尺数据道路网眼约束下的多尺度道路匹配方法。首先,构建两幅不同比例尺数据的道路网眼;其次,在小比例尺道路网眼的约束下,提取出大比例尺道路中由若干道路网眼构成的复合网眼,并完成与小比例尺道路网眼具有多对一和一对一关系的网眼匹配;然后,实现不同比例尺道路网眼的多对多匹配;最后,由复合网眼与小比例尺道路网眼的匹配关系转化为多比例尺道路网眼边界道路之间的匹配和内部道路之间的匹配,完成整个道路网的匹配。试验结果证明,本方法能较好地实现多尺度道路网的匹配。     

城市道路网面域层次结构特征的识别与表达

层次性是道路网一个重要的空间结构特征,文中提出一种城市道路网面域层次结构特征的识别与表达方法。首先以路链为基本单元对道路网数据进行重新组织,选取连通度、接近度、中介度和长度对路链的结构特征重要性进行评价;然后以道路网眼作为表达道路网面域层次结构特征的基本单元,依据路链的属性等级、结构特征重要性以及视觉对称性原则,依次选取路链对道路网最大包络区域进行层次剖分从而获得其包含的各级层次道路网眼;最后利用二叉树模型对道路网眼之间的层次关系和邻接关系进行结构化表达。实验结果表明,所提方法能够完整提取出道路网包含的全部道路网眼并准确建立它们之间的空间关系,其结果能较好地反映道路网面域的层次结构特征。     

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。     

适应不同轨迹数据场景的道路线形组合优化提取方法

车辆轨迹数据是当前城市导航路网地图动态更新的一种重要数据源,从杂乱无序的轨迹点或轨迹线中提取并拟合道路几何形态,进而生成结构化的道路矢量地图是基于轨迹数据进行道路网地图构建与更新的关键步骤。现有的道路中心线提取方法主要采用单一的线形拟合算法进行轨迹数据拟合,然而真实道路的几何形态复杂多样和车辆轨迹数据质量参差不齐,导致单一的道路线形拟合算法只能在某些特定的数据场景下适用,无法针对不同的数据场景自适应的拟合出理想的道路中心线。此外,相比于专业测量方式采集的高频轨迹数据,出租车等采集的低频轨迹数据存在轨迹点稀疏、噪声多、定位误差大等问题,这使得从低频轨迹数据中提取理想的道路中心线仍具有挑战,尤其是针对复杂的交叉口区域。为此,本文基于分治策略的思想,提出了一种适应不同轨迹数据场景的道路线形组合优化提取方法。该方法在轨迹数据预处理的基础上,根据轨迹数据的分布特点对数据进行场景分类;进而,针对不同的数据场景匹配最优的线形拟合算法,通过组合优化策略生成理想的道路中心线。本文方法融合不同拟合算法的互补优势,可以有效解决数据分布稀疏、道路结构复杂(如自相交立交桥)等不同数据场景下的道路线形拟合问题。采...     

低频轨迹数据的多时相增量式道路提取方法

针对目前利用低频时空轨迹数据进行道路提取与更新,难以同时满足提取精度和算法效率要求的问题,该文提出一种基于低频轨迹数据的多时相增量式道路提取方法。首先,将原始轨迹数据分割为多个时相轨迹序列,并利用栅格化法得到多个时相的初始道路中心线;接着,采用吸引力模型纠正初始道路中心线的位置偏差,再通过k-segment主曲线算法拟合得到最终道路中心线,构建道路骨架地图;最后,统计与道路中心线关联的轨迹位置与方向信息,进一步挖掘道路宽度与单双向通行规则等交通语义信息,丰富道路骨架地图。实验结果表明,基于多时相轨迹分别提取与增量融合的方式,可有效发现道路网的时空变化规律,获得较高的道路检测概率与信息提取准确率,同时避免对全时段轨迹直接处理的复杂运算量。     

对自组织映射聚类实现道路网网格模式识别

提出了一种基于对自组织映射聚类的道路网网格模式识别方法。以道路网中的网眼为基本单元,从网眼自身形状特征、相邻网眼的形状特征以及与周围网眼的关系等方面定义了5个参量。将由5个参量描述的网眼及由CRITIC方法导出的参量权重作为自组织映射的输入,经过训练,运用K-means方法对神经元码书向量进行聚类。对深圳市道路网数据进行了实验和对比分析,结果表明该方法能有效识别网格模式。     

基于GPS时空轨迹的路网拓扑自动变化检测

充分利用出租车GPS时空轨迹数据分布广和时效性强的特点,提出一种基于车载GPS轨迹数据的路网拓扑自动变化检测新方法。该方法首先利用向量相似性度量模型,度量GPS轨迹向量与路网局部拓扑向量之间的相似性,检测疑似道路拓扑变化点,然后通过比较疑似道路拓扑变化点与路网拓扑关系,完成新增、废弃、改建等道路变化,实现基于车载GPS轨迹的路网拓扑自动变化检测。实验结果表明,该方法不仅有效地检测出道路新增、道路废弃与道路改扩建等变化,而且能利用出租车实时和大范围分布特点来实现城市路网大范围实时变化检测。     

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。     

Detecting vehicle traffic patterns in urban environments using taxi trajectory intersection points

Abstract

Detecting and describing movement of vehicles in established transportation infrastructures is an important task. It helps to predict periodical traffic patterns for optimizing traffic regulations and extending the functions of established transportation infrastructures. The detection of traffic patterns consists not only of analyses of arrangement patterns of multiple vehicle trajectories, but also of the inspection of the embedded geographical context. In this paper, we introduce a method for intersecting vehicle trajectories and extracting their intersection points for selected rush hours in urban environments. Those vehicle trajectory intersection points (TIP) are frequently visited locations within urban road networks and are subsequently formed into density-connected clusters, which are then represented as polygons. For representing temporal variations of the created polygons, we enrich these with vehicle trajectories of other times of the day and additional road network information. In a case study, we test our approach on massive taxi Floating Car Data (FCD) from Shanghai and road network data from the OpenStreetMap (OSM) project. The first test results show strong correlations with periodical traffic events in Shanghai. Based on these results, we reason out the usefulness of polygons representing frequently visited locations for analyses in urban planning and traffic engineering.     

Integrated compression of vehicle spatio‐temporal trajectories under the road stroke network constraint

With fast growth of all kinds of trajectory datasets, how to effectively manage the trajectory data of moving objects has received a lot of attention. This study proposes a spatio‐temporal data integrated compression method of vehicle trajectories based on stroke paths coding compression under the road stroke network constraint. The road stroke network is first constructed according to the principle of continuous coherence in Gestalt psychology, and then two types of Huffman tree—a road strokes Huffman tree and a stroke paths Huffman tree—are built, based respectively on the importance function of road strokes and vehicle visiting frequency of stroke paths. After the vehicle trajectories are map matched to the spatial paths in the road network, the Huffman codes of the road strokes and stroke paths are used to compress the trajectory spatial paths. An opening window algorithm is used to simplify the trajectory temporal data depicted on a time–distance polyline by setting the maximum allowable speed difference as the threshold. Through analysis of the relative spatio‐temporal relationship between the preceding and latter feature tracking points, the spatio‐temporal data of the feature tracking points are all converted to binary codes together, accordingly achieving integrated compression of trajectory spatio‐temporal data. A series of comparative experiments between the proposed method and representative state‐of‐the‐art methods are carried out on a real massive taxi trajectory dataset from five aspects, and the experimental results indicate that our method has the highest compression ratio. Meanwhile, this method also has favorable performance in other aspects: compression and decompression time overhead, storage space overhead, and historical dataset training time overhead.     

顾及交叉路口和车辆模态的轨迹重构与分析

由于数据传输和存储成本的限制,大多数轨迹数据采样率低且不确定,而城市精细模型往往需要高频轨迹数据,例如,微观交通碳排模型需要时间间隔为1 s的轨迹数据。因此,对低频轨迹数据进行高频重构有非常重要的意义。提出了一种顾及交叉路口和车辆模态的轨迹重构方法,采用高频轨迹数据训练车辆运动模态的理论概率模型,结合交叉路口来确定低频轨迹点之间的模态序列,并通过遗传算法求解理论概率模型来完成各模态时间和距离的分配,进而完成轨迹点的高频重构。结果表明,所提方法重构轨迹的均方根误差（root mean square error,RMSE）值相较于传统的数学插值方法降低了62.9%,相较于未考虑交叉路口的模态方法,降低了12.2%。因此,该方法在低频轨迹数据重构中具有很好的应用价值。     

路网更新的轨迹-地图匹配方法

全面准确的路网信息作为智慧城市的重要基础之一,在城市规划、交通管理以及大众出行等方面具有重要意义和价值。然而,传统的基于测量的路网数据获取方式往往周期较长,不能及时反映最新的道路信息。近几年,随着定位技术在移动设备的广泛运用,国内外学者在研究路网信息获取时逐渐将视野转向移动对象的轨迹数据中所蕴含的道路信息。当前,基于移动位置信息的路网生成和更新方法多是直接面向全部轨迹数据施加道路提取算法,在处理大规模轨迹或者大范围道路时,计算量极大。为此,本文基于轨迹地图匹配技术,提出一种采用"检查→分析→提取→更新"过程的螺旋式路网数据更新策略。其主要思想是逐条输入轨迹,借助HMM地图匹配发现已有路网中的问题路段,进而从问题路段周边局部范围内的轨迹数据中提取并更新相关道路信息。该方法仅在局部范围内利用少量轨迹数据来修复路网,避免了对整个轨迹数据集进行计算,从而有效减少了计算量。基于OpenStreetMap的武汉市区路网数据以及武汉市出租车轨迹数据的试验表明,本文提出的路网更新方法不仅可行,而且灵活高效。     

一种路网拓扑约束下的增量型地图匹配算法

着眼于低频浮动车轨迹数据,对地图匹配问题进行了抽象,并分析了影响匹配结果的几何约束与拓扑约束。针对GPS采样的低频性和城市路网的复杂性,提出了一种路网拓扑约束下的增量型地图匹配算法（topology-constrained incremental matching algorithm,TIM）。选取北京市浮动车的GPS样例轨迹数据进行匹配,结果表明,该匹配算法在不同复杂程度的城市路网下均表现较好。     

融合SAR和TM图像更新GIS道路网络数据

遥感作为空间数据获取的一种手段,其在空间数据更新中的作用显得越来越重要,遥感数据已逐渐成为空间数据更新的主要数据来源。提出一种利用遥感图像自动更新GIS道路网络数据的方法,通过融合两种传感器图像数据,将整个道路网络准确完整地提取出来,然后通过线性特征的变化检测确定已修改的道路及新修建的道路。实验结果表明该方法可以准确地更新道路网络数据。     

道路网多特征匹配优化算法

同名道路匹配技术是道路数据集成、更新和融合的重要前提。道路网匹配在智能交通(intelligent transportation system,ITS)与位置服务(location-based service,LBS)等方面具有重要的研究价值和应用意义。本文提出了一种道路网多特征匹配优化算法:首先从形状、距离、语义3方面分别设计了基于面积累积的形状差、综合中值Hausdorff距离和全局加权属性项距离3种相似性度量,以更准确地描述道路待匹配对之间的特征差异;然后通过SVM对相似性特征样本集训练,以构建道路网回归匹配模型;最后利用此模型对未知匹配结果道路待匹配对进行匹配结果预测。大量试验结果表明,本文算法对非线性偏差明显的道路网数据能够实现较高的匹配准确率和召回率,能有效地用于包含多重匹配关系的道路网匹配。