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。     

基于轨迹数据的道路交叉口及其结构提取方法

针对轨迹大数据自动提取城市道路,特别是交叉口问题,该文提出一种新的基于出租车轨迹数据的道路交叉口识别及其结构提取方法:识别轨迹中的转弯片段及其中心点;利用中心点周围轨迹的面积自适应确定聚类半径,并借助自适应聚类半径的DBSCAN方法识别可能的交叉口;对交叉口的轨迹数据进行清洗,用公共子轨迹相似性和角度相似性对转弯片段聚...     

车辆轨迹与遥感影像多层次融合的道路交叉口识别

交叉口是构成道路网络的基础与核心要素,起到了连接道路和承载转向的重要作用.在城市路网中,交叉口不仅数量众多、形态多样,而且结构复杂、大小不一.单一数据源对于道路交叉口的描述能力有限,难以做到道路交叉口的全面、精确识别.为此,本文设计了一种从车辆轨迹与遥感影像中识别道路交叉口的多元集成方法.首先,集成形态学处理、密度峰值聚类与张量投票提取种子交叉口,将其作为小样本集;然后,据此采用协同训练机制,分别构建基于深度卷积网络,面向车辆轨迹与遥感影像的交叉口分类器;最后,综合两模型优点,形成道路交叉口的集成分类模型.本文方法在多个层次上融合车辆轨迹与遥感影像关于交叉口的互补性描述特征,提出半监督式交叉口提取技术,无须人工标注即可有效识别复杂多样的道路交叉口.基于武汉市出租车轨迹和遥感影像的试验表明,本文方法在无人工标注样本的前提下,道路交叉口提取的准确率超过93％,召回率达到87％.     

利用轨迹大数据进行城市道路交叉口识别及结构提取

交叉口是城市交通路网生成、更新的重要组成部分。本文基于车辆时空轨迹大数据,提出了一种城市交叉口自动识别方法。该方法首先通过轨迹跟踪识别轨迹数据中包含的车辆转向点对;然后基于距离和角度的生长聚类方法进行转向点对的空间聚类,并采用基于局部点连通性的聚类方法识别交叉口;最后利用交叉口范围圆和转向点对提取城市各级别路网下的交叉口结构。以武汉市出租车轨迹大数据为例,对武汉市城区内189个交叉口进行了探测。试验结果表明,本文所提方法可以准确地从轨迹大数据中识别出城市交叉口及其结构。     

车辆轨迹数据的道路学习提取法

车辆轨迹数据的道路信息提取是地理信息领域的热点也是难点之一,深度学习的快速发展为该问题的解决提供了一种思路与方法。本文针对车辆轨迹数据的车行道级道路提取问题,引入深度学习领域的生成式对抗网络,利用残差网络构建深层网络和多尺度感受野感知轨迹数据不同细节特征,构建了基于条件生成式对抗网络的轨迹方向约束下车行道级道路提取模型。首先提出了朝向-颜色映射栅格化转换方法,实现轨迹朝向信息向HSV颜色空间的转换;然后利用样本数据学习模型参数;最后将训练模型应用到郑州、成都、南京3个试验区域提取车行道级道路数据。试验结果表明,本文方法能够有效地提取完整的车行道级道路数据。     

结合轨迹数据的混合多特征道路网选取方法

道路网选取是制图综合的重要内容,针对现有方法仅考虑道路网静态特征等问题,提出了一种结合轨迹数据的混合多特征选取方法。首先以stroke为基本选取单元,构建对偶图来描述路网的结构关系,采用长度、连通度、接近度和中介度等指标对道路的静态特征进行评价;然后结合轨迹数据特点,采用车流量、车辆速度和道路交叉口附近的车辆密度等指标对道路的动态特征进行评价;最后利用基于相互关系准则的标准重要性方法计算得到各指标的权值及各道路的综合重要性值。同时引入线Voronoi图对道路进行划分,得到道路的密度特征值,并将其作为道路网选取的约束指标。实验结果表明,所提方法能够保持道路的整体结构,同时顾及道路的连通性和密度分布,而且结合了轨迹数据的动态交通特性,选取结果符合实际情况,具有一定的实用性。     

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。     

出租车轨迹数据快速提取道路骨架线方法

文章就如何利用出租车GPS轨迹数据提取道路信息展开研究:首先运用角平分线算法生成轨迹线的缓冲区,再利用点水平切割中点线法从缓冲区中提取道路骨架线的方法。该方法快速、简单、实用,对大多数道路的结构情况都能够很好地进行描述。最后利用昆明市出租车数据进行实验,并将实验结果与影像数据对比,证明提取的道路骨架线与影像吻合较好。     

一种基于道路网络模型减少车辆轨迹数据量的算法

定位及移动通信的发展使我们可以获取和传输车辆在道路网络上的轨迹信息。除实现定位或导航等基本功能外,从车辆轨迹数据中还可以提取大量的交通信息,成为交通规划和管理的一个重要的信息来源。通过建立轨迹数据与道路网络之间的拓扑关系,提取轨迹数据中能代表主要信息的特征点来代替大量的轨迹数据,以达到减少轨迹数据量的目的。特征点通过一个综合了网络关系、速度币口方向的筛选方法进行提取,该方法也同时有利于建立轨迹数据检索结构和定义查询语言,系统的实验和分析验证了所提出方法的有效性。     

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...     

基于道路要素的多尺度路网数据模型

GIS-T路网数据模型是实现ITS应用的前提和基础。本文以道路要素作为表达、存储和组织路网数据的基本单位,考虑不同尺度下的应用需求,提出了基于道路要素的多尺度路网数据模型,同时建立了道路拓扑关系与车道拓扑关系。本模型在不同尺度下分为3个层次,不同层次的要素之间建立了实体对应关系。该模型在交通标志标线布设方案自动生成系统上的实验表明,其建模方法是可行、有效的。     

车辆GPS轨迹兴趣区域提取算法研究

车辆行驶轨迹是驾驶员主观意愿和路网客观约束综合作用的结果,从海量轨迹中挖掘兴趣区域可为车辆提供更深层次、更有效的位置服务。文中深入分析车辆GPS轨迹特征,在基于时间的聚类算法中引入路网约束,实现车辆GPS轨迹的兴趣点提取和噪点剔除,基于DBSCAN算法生成兴趣区域,采用Google Geocoding反向地理编码发掘并合并语义重复区域,在语义层次上实现兴趣区域提取。实验表明,该算法可在语义层次有效提取兴趣区域。     

针对复杂道路网络的车辆轨迹地图匹配算法

针对高度城市化地区存在的复杂道路网络环境下,如何高效地进行车辆轨迹数据的地图匹配问题,该文提出了一种针对复杂道路网络的车辆轨迹数据地图匹配算法。该算法以车辆轨迹序列为匹配对象,通过环形轨迹的识别把车辆轨迹序列划分为无环路轨迹段,并用道路拓扑关系来计算轨迹序列的最优匹配路线,实现在复杂道路网络中的车辆轨迹数据地图匹配。为了验证本算法的性能,以上海市道路网络为实验区,以约1.3万辆出租车在2015年4月的轨迹数据为数据源,进行实证研究。实验结果显示,该文提出的地图匹配算法在复杂的道路网络中有较高的匹配成功率和匹配效率。     

An automated algorithm for extracting road edges from terrestrial mobile LiDAR data

Terrestrial mobile laser scanning systems provide rapid and cost effective 3D point cloud data which can be used for extracting features such as the road edge along a route corridor. This information can assist road authorities in carrying out safety risk assessment studies along road networks. The knowledge of the road edge is also a prerequisite for the automatic estimation of most other road features. In this paper, we present an algorithm which has been developed for extracting left and right road edges from terrestrial mobile LiDAR data. The algorithm is based on a novel combination of two modified versions of the parametric active contour or snake model. The parameters involved in the algorithm are selected empirically and are fixed for all the road sections. We have developed a novel way of initialising the snake model based on the navigation information obtained from the mobile mapping vehicle. We tested our algorithm on different types of road sections representing rural, urban and national primary road sections. The successful extraction of road edges from these multiple road section environments validates our algorithm. These findings and knowledge provide valuable insights as well as a prototype road edge extraction tool-set, for both national road authorities and survey companies.     

车辆轨迹信息的道路属性粗糙集定权模型

针对利用道路自身属性来计算重要度,并进行道路选取时产生的路网不连通、道路悬挂等问题,该文提出一种新的道路属性定权模型。结合轨迹大数据与道路自身属性,以路段为基本单位,选取道路长度、连通度、网络密度、车流量、平均车速、偏好系数6项属性作为道路重要性的衡量指标,采用基于牵引程度的离散化方法,实现指标数据的离散化,利用粗糙集确定属性权重。基于武汉市车辆的轨迹数据和道路数据的实验结果表明,该文模型计算得到的重要性值更符合实际情况,以该重要性进行道路选取时,有效地解决了路网中一些道路由于自身属性较小,使得重要度计算较小,导致道路选取时被舍弃,产生的路网不连通、道路悬挂等问题。     

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.     

山脊线和山谷线自动提取的一种新方法

针对当前山脊线和山谷线的提取都是从其几何特征或物理特征的单一方面进行研究和设计,不能够利用隐含在数字化资料中的山脊线和山谷线的有效信息的弊端;本文利用几何分析方法Douglas-Peuker提取山脊线和山谷线的特征点,并结合提取区域内地形概略的分水线和汇水线,用概略的分水线和汇水线对特征点进行识别、归类、顺序提取各条山脊线和山谷线,把山脊线的几何特性与物理特性结合起来,克服了各自的弊端。实践表明提取的山脊线和山谷线与实际基本符合。     

基于众源轨迹数据的行人路网提取

目前,导航位置服务应用提供的路线大多基于机动车道路网数据,难以满足行人导航的需求,有无完备的行人道路网络成为制约行人导航应用的重要因素,因此,本文提出了一种基于莫尔斯理论的行人路网提取方法.首先对轨迹进行预处理,清除轨迹数据中的冗余和噪声,并对原始轨迹进行合理分割,形成清晰的轨迹集合;然后利用莫尔斯理论,对步行轨迹密度...