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。     

基于道路精简滤波原理的车辆导航系统地图匹配算法

针对交叉路口附近道路几何分布较为复杂的实际特点,提出基于道路精简滤波(RRF)原理的地图匹配算法。研究了基于D-S证据理论的多规则数据融合技术在二路段地图匹配中的应用。建立了最短欧氏距离和最小航向差两条判决规则。引入相关性模糊决策理论,将多路段匹配问题简化为二路段匹配问题,使D-S证据判决规则的概率分配函数能根据实际路网分布作适应性调整,提高了算法的鲁棒性。对实际跑车数据的仿真处理结果表明,应用该算法可以较好地解决城市交叉路口地图匹配问题。     

采用斜拉式弯曲划分的曲线化简方法

线要素化简一直是自动制图综合中的重要研究内容。分析已有线化简算法在线弯曲形态保持和单调弧段划分时只考虑一侧等不足,提出线要素的斜拉式弯曲划分和化简新方法。该方法对线要素采用斜剖方式划分弧段,兼顾线要素两侧的弯曲形态;识别出每个划分的单调弧段是U型弧段还是V型弧段,是大弧段还是小弧段,从而分别对其进行不同的处理;在处理过程中,每化简完一个单调弧段,重新对线要素进行弧段划分,然后再次对每个单调弧段进行化简,以此类推,因此该算法是一种动态化简过程。实例显示,本算法在线要素特征点保持、u型弧段和V型弧段保持、大弯曲的保持、整体形态保持等方面非常有效,且化简率非常高,充分证明本算法的科学性和优越性。     

平行路段模式识别与简化初探

道路网模式中的平行路段作为一种局部模式,其识别与简化是地图综合研究的重要内容。本文在分析平行路段产生的原因和常见形态后,给出一种利于简化的平行路段分类方法,并提出基于平头缓冲区搜寻备选平行路段进而利用平行性测度判断路段是否平行的方法。在此基础上,针对3类平行路段分别提出对应的几何化简与连通关系简化方法。实验结果表明,该识别与简化方法能够对路网模式中的平行路段进行有效地综合,具有一定的实用价值,对进一步研究具有参考价值。     

利用路段分类识别复杂道路交叉口

道路网数据中微观结构的识别对于多尺度路网建模、步行导航等至关重要。复杂道路交叉口是重要的道路微观结构之一,针对目前道路复杂交叉口基于几何形状描述与图形匹配识别方法存在的不足,从复杂交叉口识别与化简的角度出发,提出了一种利用路段分类进行复杂道路交叉口识别与化简的方法。该方法首先通过点密度聚类的方法对道路交叉口进行定位,然后利用路段的规模、形状和属性等特征构建特征空间,将交叉口的识别作为一种区分主干路段与辅助路段的两类分类问题,利用支持向量机的方法对交叉口区域内的路段进行分类,从而完成交叉口的识别与化简。利用开放街道地图(OpenStreetMap)数据进行实验,结果表明,该方法能够有效地识别道路交叉口。     

一种改进的道路匹配算法

针对遗传算法在道路匹配时出现的平行路段匹配跳跃问题,利用距离角度拟合法进行改进.将矢量地图与影像地图叠加作为底图进行辅助判断,避免了导航中单一使用矢量数据信息量不足的情况.实验表明,改进后的算法解决了地图矢量数据不完整时产生的误匹配问题;同时在弯道、U形转弯处、交叉路口、平行路段等处都具有较好的匹配准确度.     

基于结构模式的道路网节点匹配方法

道路网数据中微观结构的识别对于多尺度路网建模、步行导航等至关重要。复杂道路交叉口是重要的道路微观结构之一,针对目前道路复杂交叉口基于几何形状描述与图形匹配识别方法存在的不足,从复杂交叉口识别与化简的角度出发,提出了一种利用路段分类进行复杂道路交叉口识别与化简的方法。该方法首先通过点密度聚类的方法对道路交叉口进行定位,然后利用路段的规模、形状和属性等特征构建特征空间,将交叉口的识别作为一种区分主干路段与辅助路段的两类分类问题,利用支持向量机的方法对交叉口区域内的路段进行分类,从而完成交叉口的识别与化简。利用开放街道地图（Open Street Map）数据进行实验,结果表明,该方法能够有效地识别道路交叉口。     

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。     

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。     

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。     

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。     

轨迹延续性与影像特征相似性结合的城市道路提取

城市道路区域检测是城市土地管理、交通规划等领域的迫切需求,而传统城市道路区域检测多使用轨迹提取、遥感解译、人工采集等单独方式,在自动化程度或提取质量上存在一定的局限性。本文结合GNSS轨迹点与高分遥感影像各自的数据优势,提出一种基于轨迹延续性与影像特征相似性的遥感影像道路区域检测方法。该方法以出租车GNSS轨迹点构建轨迹特征栅格,基于轨迹延续性在平均方向特征栅格中划分路段对象,利用道路对象的光谱特征向轨迹无法覆盖的小区内部进行拓展,以获得提取区域内较为完整的道路信息。试验证明：本文方法可以有效降低道路的同物异谱现象及阴影、树木遮挡的影响,高效地提取高分遥感影像中的道路区域。与传统的遥感影像分类方法相比,具有更高的精度与自动化程度,相较于深度学习模型具有更广的适应性。     

Mobile user identification based on road networks and multiple distance measures

Mobile user identification aims at matching different mobile devices of the same user using trajectory data, which has attracted extensive research in recent years. Most of the previous work extracted trajectory features based on regular grids, which will lead to incorrect feature representation due to lack of geographic information. Besides, most trajectory similarity models only considered one single distance measure to calculate the similarity between users, which ignore the connection between different distance measures and may lead to some false matches. In light of this, we present a novel user identification method based on road networks and multiple distance measures in this article. The proposed method segments a city map into several grids and road segments based on road networks. Then it extracts location and road information of trajectories to jointly construct user features. Multiple distance measures are fused by a discriminant model to improve the effect of user identification. Experiments on real GPS trajectory datasets show that our proposed method outperforms related similarity measure methods and is stable for mobile user identification. Meanwhile, our method can also achieve good identification results even on sparse trajectory datasets.     

面向关系数据库的道路识别算法研究

为适应面向关系数据库的GIS应用开发,不再依赖GIS二次开发组件对Maplnfo电子地图进行空间数据处理,提出了在关系数据库中重新组织并存储电子地图的图元数据．进而展开相关空间数据处理算法的研究。本文针对电子地图中表征道路的线对象．以道路结点为基本存储单元,融合路段走向,创建了路网数据库,将对目标点周边道路的识别问题转化为对数据库中道路结点的条件查询问题。算法通过多次T—SQL查询,搜索目标点周边的候选路段,再利用其路段走向特征筛选出在目标点四个方位上的最佳匹配路段．进而生成路网状况的综合描述。实验结果表明,本算法对目标点周边路网的分布状况有较好的识别能力．识别率高、处理时间短且系统资源占用少。