[发明专利]基于认知规律的时空轨迹融合方法及路网拓扑生成方法有效
| 申请号: | 201510040109.2 | 申请日: | 2015-01-27 |
| 公开(公告)号: | CN104573390A | 公开(公告)日: | 2015-04-29 |
| 发明(设计)人: | 唐炉亮;刘章;李清泉 | 申请(专利权)人: | 武汉大学 |
| 主分类号: | G06F19/00 | 分类号: | G06F19/00 |
| 代理公司: | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人: | 严彦 |
| 地址: | 430072 湖*** | 国省代码: | 湖北;42 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 认知 规律 时空 轨迹 融合 方法 路网 拓扑 生成 | ||
技术领域
本发明涉及基于认知规律的时空轨迹融合方法及路网拓扑生成方法,属于地理信息系统与智能交通研究领域。
背景技术
随着城市交通的飞速发展与交通环境的日益恶化,人们出行时对精细程度高、现势性好的道路信息需求迫在眉睫,同时,人们每天穿行于城市道路网络中,会产生海量时空轨迹数据,是精细道路数据的产生者和感知者,如何从人们日常出行的海量时空轨迹中挖掘和提取出人们出行需求的道路信息,成为全世界科学家们面临的科学难题。
从时空GPS轨迹数据中提取道路网信息的研究已经开展了相关的探索性工作,主要分为二类方法,第一类研究主要采用栅格化方法将轨迹数据栅格化后提取道路的中心线,第二类研究主要是采用轨迹聚类的方法。
虽然研究人员已经提出了生成基于GPS数据的数字道路地图上面的方法,这些方法不适用于从大量GPS数据中提取路网的原因有两个:以上研究都没有考虑出租车司机择路的经验知识,没有从认知的角度分析轨迹之间的联系;都从GPS轨迹数据中对道路数据进行了一定程度的提取,但是对于目前如此复杂的城市道路网络拓扑关系的提取较为困难。
发明内容
为了便于从人们日常出行的海量时空轨迹中挖掘和提取出人们出行需求的道路图形和拓扑信息,本发明提出了基于认知规律的时空轨迹融合方法及路网拓扑生成方法。
本发明通过以下技术手段解决上述问题:
一种基于认知规律的时空轨迹融合方法,包括以下步骤,
步骤1,若当前的新轨迹与融合前轨迹之间存在部分重合,在轨迹分离处打断,得到待融合的两条相似轨迹段,新轨迹中重合轨迹部分以外的直接添加到融合前轨迹中,然后进入步骤2;若当前的新轨迹与融合前轨迹之间不存在部分重合,判断当前的新轨迹与融合前轨迹之间是否存在交点,若存在则在交点处打断并记录,将新轨迹添加到融合前轨迹中后进入步骤4,若不存在,则直接将新轨迹添加到融合前轨迹中后进入步骤4;
步骤2,进行基于两条相似轨迹段约束的Delaunay三角形构网,包括以下子步骤,步骤2.1,定义新添加的轨迹线上轨迹点的权重值为1,融合前轨迹线上轨迹点的权重值与生成该轨迹线的轨迹线数目n相等;
步骤2.2,判断两条相似轨迹段是否存在相交部分,若存在,在交点处打断并记录交点,进入步骤2.3,若不存在则直接进入步骤2.3;
步骤2.3,依据Delaunay构网的准则,以两条相似轨迹段的轨迹点为基础构造Delaunay三角网;
步骤3,进行两条相似轨迹段的融合,包括分析Delaunay三角网中各三角形相互之间边与边的邻接关系,根据邻接关系分别生成各三角形的相应融合线段,依次连接各三角形的相应融合线段,并记录方向和经验权值,得到基于Delaunay三角网的融合后轨迹段;
所述根据邻接关系分别生成各三角形的相应融合线段实现方式为,对于与其他三角形有两条邻接边的三角形,相应融合线段是两条邻接边的权值比分割点的连线,对于与其他三角形只有一条邻接边的三角形,相应融合线段是邻接边的权值比分割点与其相对的端点的连线;所述权值比分割点求取方式如下,
权值比分割点P是由两端点A、B计算得出,
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉大学,未经武汉大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510040109.2/2.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用





