顾及轨迹密度分布异质性的道路交叉口提取方法.pdf
《顾及轨迹密度分布异质性的道路交叉口提取方法.pdf》由会员分享,可在线阅读,更多相关《顾及轨迹密度分布异质性的道路交叉口提取方法.pdf(10页珍藏版)》请在咨信网上搜索。
1、第 卷第期测绘学报V o l ,N o 年月A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c aJ u n e,引文格式:邓敏,罗斌,唐建波,等顾及轨迹密度分布异质性的道路交叉口提取方法J测绘学报,():D O I:/j A G C S D E N G M i n,L UO B i n,TAN GJ i a n b o,e ta l E x t r a c t i n gr o a di n t e r s e c t i o n sf r o m v e h i c l et r a j e c t o r yd
2、a t ai nt h ef a c eo ft r a c ed e n s i t yd i s p a r i t yJ A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a,():D O I:/j A G C S 顾及轨迹密度分布异质性的道路交叉口提取方法邓敏,罗斌,唐建波,姚志鹏,刘国平,温翔,胡润波,柴华,胡文柯中南大学地球科学与信息物理学院,湖南 长沙 ;滴滴出行科技有限公司,北京 EE xx tt rr aa cc tt ii nn ggrr oo aa dd ii nn tt ee rr ss ee
3、 cc tt ii oo nn ss ff rr oo mmvv ee hh ii cc ll ee tt rr aa jj ee cc tt oo rr yydd aa tt aa ii nn tt hh ee ff aa cc eeoo ff tt rr aa cc eedd ee nn ss ii tt yydd ii ss pp aa rr ii tt yyDD EE NN GGMM ii nn,LL UU OOBB ii nn,TT AA NN GGJJ ii aa nn bb oo,YY AA OOZZ hh ii pp ee nn gg,LL II UUGG uu oo pp i
4、i nn gg,WW EE NNXX ii aa nn gg,HH UURR uu nn bb oo,CC HH AA IIHH uu aa,HH UUWW ee nn kk ee S c h o o lo fG e o s c i e n c e sa n dI n f o p h y s i c s,C e n t r a lS o u t hU n i v e r s i t y,C h a n g s h a ,C h i n a;D i d iC h u x i n gT e c h n o l o g yC o,L t d,B e i j i n g ,C h i n aAA bb
5、 ss tt rr aa cc tt:V e h i c l et r a j e c t o r yd a t ap r o v i d e san e wo p p o r t u n i t yf o rr o a dn e t w o r kg e n e r a t i o n,r o a dm a pu p d a t ea n d t r a f f i cc o n d i t i o nm o n i t o r i n g A c c u r a t e l ye x t r a c t i n gr o a d i n t e r s e c t i o n s f r
6、o mt r a j e c t o r yd a t ai sak e ys t e p t ob u i l da r e f i n e d r o a dn e t w o r km a pb a s e do nv e h i c l e t r a j e c t o r yd a t a A t p r e s e n t,s e v e r a l s c h o l a r sh a v ep u tf o r w a r ds o m e m e t h o d su s i n gs p a t i a lc l u s t e r i n gt oi d e n t i
7、 f yr o a di n t e r s e c t i o n sb a s e do nt h ed e t e c t i o no f t u r n i n gp o i n t sa n ds p e e dc h a n g ep o s i t i o n s i n t r a j e c t o r i e s H o w e v e r,d u e t o t h eh e t e r o g e n e i t yo ft r a c kd e n s i t yd i s t r i b u t i o n,n o i s ei n t e r f e r e n
8、 c ea n dt h ei s s u eo fc l u s t e r i n gp a r a m e t e r ss e t t i n g,t h ee x i s t i n gm e t h o d ss t i l lh a v ec h a l l e n g e st oe x t r a c ti n t e r s e c t i o n so fd i f f e r e n ts i z e sa n ds h a p e sf r o ml o w q u a l i t yt r a j e c t o r yd a t a T h e r e f o r
9、 e,t h i sp a p e rp u t sf o r w a r das t r a t e g yo ft r a c kr a s t e r i z a t i o nc o n s i d e r i n gt h eh e t e r o g e n e i t yo ft r a c kd e n s i t yd i s t r i b u t i o na n d ar o a di n t e r s e c t i o ne x t r a c t i o n m e t h o d b a s e do nt h et r a j e c t o r yt r
10、a n s f o r m a t i o n,i n t e r s e c t i o ns e g m e n t a t i o na n dl o c a t i o no p t i m i z a t i o np r o c e s s E x p e r i m e n t so nr e a l w o r l d t r a j e c t o r yd a t aw i t hd i f f e r e n t s a m p l i n g f r e q u e n c i e sa r ec o n d u c t e d t oe v a l u a t e t
11、 h ep e r f o r m a n c eo ft h ep r o p o s e dm e t h o d,a n dr e s u l t ss h o wt h ee f f e c t i v e n e s sa n ds u p e r i o r i t yo f t h ep r o p o s e dm e t h o do v e r t h ee x i s t i n gs t a t e o f t h ea r tm e t h o d s KK ee yyww oo rr dd ss:r o a d i n t e r s e c t i o n;t r
12、 a j e c t o r yd a t a;f e a t u r ee x t r a c t i o n;t r a c k r a s t e r i z a t i o n;d e e p l e a r n i n gFF oo uu nn dd aa tt ii oo nnss uu pp pp oo rr tt:T h e N a t i o n a lN a t u r a lS c i e n c e F o u n d a t i o n o fC h i n a(N o s ;);T h eN a t u r a l S c i e n c eF o u n d a
13、t i o no fH u n a nP r o v i n c e(N o J J )摘要: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
14、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.关键词:道路交叉口;轨迹数据;特征提取;轨迹栅格化;深度学习中图分类号:P 文献标识码:A文章编号:()基金项目:国家自然科学基金(;);湖南省自然科学基金(J J )第期邓敏,等:顾及轨迹密度分布异质性的道路交叉口提取方法道路交叉口是路网地图导航服务中的关键位置节点,为了构建精细化的道路网导航地图,交叉口提取与建模是其中的一个核心步骤.从多源地理大数据中提取交叉口信息一直是地理信息科学领域的一个研究热点,其中基于高分辨率遥感影像
15、数据的道路交叉口提取已受到学者的广泛关注,如文献 利用改进后的YO L O v 网络模型,从高分辨率遥感影像中提取出不同类型的道路交叉口.由于交叉口类型复杂多样,同时受图像光照条件、纹理变化影响且存在被阴影、树木遮挡等问题,基于遥感影像的交叉口识别方法难以完整地发现所有类型的交叉口.相比于遥感影像,通过卫星定位设备(如GN S S接收机)记录的有关空间位置、运动方向和状态等信息的车辆轨迹数据受环境干扰少,可快速对道路的几何、拓扑和交通状态进行感知,已成为道路交叉口提取和城市级道路网地图生成与更新的重要数据源 .从移动轨迹数据中准确识别交叉口的位置和空间范围是进一步对交叉口内部道路的几何形态与拓
16、扑连通关系精细化建模的前提步骤,对于基于轨迹数据的高精度导航路网地图构建与更新具有重要意义.由于交叉口形态复杂多样以及移动轨迹数据的高噪声、空间分布不均等问题,如何从不同采样频率、分布密度的轨迹数据中提取不同大小、形态的交叉口位置和范围仍是一个挑战.当前基于轨迹数据的交叉口提取方法主要可以分为基于轨迹特征的方法、基于栅格化的方法和融合多源数据的交叉口提取方法.基于轨迹特征的方法利用交叉口内轨迹的转向角、速度等特征变化来识别交叉口位置与范围.文献 将转向角度变化较大的轨迹点标记为转向点,进而利用聚类方法划分为转向点聚簇,将转向点聚簇识别为交叉口;类似地,文献,将交叉口定义为轨迹转向点的热点区域,
17、探测转向角变化较大的轨迹点集合,进而通过聚类算法提取交叉口的位置和范围;与轨迹点单一特征相比,文献 依据轨迹段的单体特征或交互特征来识别交叉口处的特征点,对交叉口的识别精度有一定提升.基于轨迹特征的方法能够较好地识别相对分离的交叉口,但对于轨迹分布稀疏或交叉口分布邻近的区域,容易受聚类参数影响而导致交叉口的漏检或邻近交叉口错误合并.基于栅格化的方法根据交叉口整体形态与结构特征来识别交叉口,如文献 根据交叉口区域的道路形态特征,以不同大小的同心圆划分区域,构建了一种局部形状描述子来区分交叉口和非交叉口;在此基础上,考虑到交叉口的多尺度特性,文献 构建了一种多尺度的形状描述子来提取交叉口候选区域,
18、进而采用多尺度图卷积网络对交叉口进行判别;文献 采用目标检测网络模型识别路网地图中的交叉口,但对小交叉口目标的识别能力仍较弱,且难以保证交叉口形状及范围的可靠性;考虑到轨迹数据不同特征在矢量空间和栅格空间能够优势互补,文献 提出一种融合轨迹点密度、拓扑连接及反向交汇点密度等栅格空间特征的交叉口集成提取方法.目前基于栅格化的交叉口提取方法大多依据交叉口的整体形态特征,通过人为设定的特征约束规则来筛选交叉口区域,该类方法主要关注交叉口位置识别,而较少对交叉口范围信息进行提取.近年来,有学者将轨迹数据与遥感影像数据进行融合来识别道路交叉口,如文献 将栅格化后的轨迹图像与遥感影像进行融合,提出了基于语
19、义分割模型的交叉口识别方法;文献 针对遥感影像和轨迹栅格图像分别构建基于深度卷积网络的交叉口分类器,提出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.融合多源数据的交叉口提取方法考虑到不同数据源的信息互补优势,可以提升道路交叉口识别的准确度,但是该类方法也存在着多源数据的匹配融合以及不一致道路信息的处理等问题.顾及轨迹密度分布异质性的交叉口识别方法现有交叉口识别方法主要基于轨迹转向点的空间分布特征来提取道路交叉口的位置和空间范围,但对于轨迹数据分布稀疏、交叉口邻近分布的场景,基于轨迹转向点的方法可能存在着交叉口漏提取和错误合并的问题,如图(a)、(b)所示.同时,现有方法大多采用轨
20、迹转向点聚类的最小外接圆作为交叉口区域范围,在转向点分布不均匀时,该范围可能与实际情况不符,如图(c)所示.针对上述轨迹分布异质以及交叉口形态多样难以直接描述等问题,本文提出一种顾及轨迹密度分布异质性的交叉口提取方法,总体流程如图所示.首先,对原始轨迹数据进行预处理以去除噪声;然后,考虑轨迹整体密度分布的异质J u n e V o l N o A G C Sh t t p:x bc h i n a s m pc o m性,采用数据分块和多层次的栅格化策略,将轨迹数据转换为栅格图像;基于轨迹栅格化图像,本文将交叉口识别问题转化为实例分割问题,提出一种“语义分割层次剥离”的两阶段交叉口提取方法,即
21、采用语义分割模型生成轨迹栅格图中的交叉口候选区域,进而通过层次迭代剥离的交叉口提取算法分离出单个交叉口;最后,依据交叉口特征约束规则进行真伪验证,并对交叉口的空间范围进行估计与优化.图交叉口提取方法存在的挑战F i g C h a l l e n g e so f e x i s t i n g i n t e r s e c t i o ne x t r a c t i o nm e t h o d s图本文方法总体流程F i g T h e f r a m e w o r ko f t h ep r o p o s e dm e t h o d轨迹数据预处理和数据分块轨迹数据是对车辆位置和
22、运动状态的时序记录.本文以ST,T,Tn 表示轨迹数据集,Tk表示第k条轨迹,n为轨迹总条数;轨迹TkP,P,Pm,其中,Pi表示轨迹Tk中的第i个采样点,m为轨迹Tk中采样点总个数;采样点Pi包含位置坐标(xi,yi)、采样时间ti和运动状态属性(如速度vi、方向oi)等.另外,对于采样点只包含位置坐标和采样时间属性的轨迹数据,车辆的运动状态(如速度、方向),可通过前后采样点间的距离、时间差和点位方向进行估算.由于GN S S设备异常或信号遮挡等原因,常用轨迹数据中一般包含了大量的噪声,严重影响从轨迹数据中准确识别道路结构.本文根据采样点间距(轨迹中相邻采样点间距di m,则删除该条轨迹)、
23、轨迹长度(若轨迹长度L m,则删除该条轨迹)、采样间隔(若轨迹中相邻采样点时间间隔ti s,则将该轨迹在该采样点处打断)、运动速度限制(据各级道路速度设计规范,若轨 迹 中 存 在 采 样 点 的 运 动 速 度vi k m/h,则删除该条轨迹)及采样点个数(若轨迹采样点个数m小于,则删除该条轨迹)等规则对轨迹数据进行清理.针对清理后轨迹数据,对研究区域内的轨迹数据进行分块处理,主要原因有两个方面:由于轨迹数据分布具有显著的空间异质性,采用全局的栅格化阈值难以适应不同轨迹密度区域的栅格化需求,轨迹数据分块后可以根据局部区域内轨迹密度分布特征设置合适的栅格化阈值,尽可能地保留低密度区域内的交叉口
24、;对于城市级海量轨迹数据,分块处理后便于采用并行计算提升海量轨迹数据的处理效率.轨迹数据分块的图幅尺寸选择影响着轨迹数据栅格化质量.分幅尺寸过小,会出现将整个交叉口分裂到多个图幅的情况;分幅尺寸过大,轨迹栅格图像分辨率低(图像大小固定),低密度轨迹交叉口不能完整表征.本文采用网格搜索(g r i ds e a r c h)方法,通过试验选择最佳的分幅尺寸g k m,即采用gg大小的网格对清理后轨迹数据进行分块处理,获得数据分块B,B,Bh,Bi表示第i个轨迹数据块.轨迹数据栅格化轨迹数据栅格化是将分块后的轨迹矢量数据映射到栅格空间当中,轨迹密度分布异质性直接影响栅格化结果,本文针对此问题将轨迹
25、栅格化划分为平均轨迹密度估计、密度图生成、密度图平第期邓敏,等:顾及轨迹密度分布异质性的道路交叉口提取方法滑及噪声点剔除个步骤,通过对轨迹数据块进行平均轨迹密度估计以判断所属密度层级,针对不同密度层级的轨迹数据块设置相应的轨迹栅格化阈值,为降低轨迹分布不均造成的影响,其中平均轨迹密度定义为在数据块Bi内轨迹以线宽hd映射到栅格平面内,所有像素单元上轨迹通过的次数v(i,j)之和与有轨迹经过的像素单元个数总和之比,如式()所示Td e n s i t yMiNjv(i,j)MiNjs(i,j)s(i,j)若v(i,j)s(i,j)若v(i,j)()式中,Td e n s i t y为数据块的平均
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 顾及 轨迹 密度 分布 异质性 道路 交叉口 提取 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,个别因单元格分列造成显示页码不一将协商解决,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。