[发明专利]一种基于梯度提升决策树的路口展宽车道探测方法

说明书

本发明提供一种基于梯度提升决策树的路口展宽车道探测方法，包括进行数据输入、特征分析和特征选择，选择浮动车数据点在道路横截面上的分布宽度、分布密度、FCD的方向夹角以及速度；构建基本分类器，包括按照浮动车轨迹的运行场景，构建基本分类器；基于梯度提升决策树的车道计算，包括利用浮动车数据，参照基本分类器，根据梯度提升决策树分类方法，选取将FCD划分不同车道数量时，信息熵最小且该车道划分在横截面上最佳分布状态对应的分类个数作为该段道路对应的车道数目；展宽车道判定，包括对比同一道路上，不同研究单元对应的道路路段上车道数量变化情况，判断路口是否存在展宽车道。本发明提高了路口车道数判断的精度。

技术领域

本发明属于时空轨迹大数据技术领域，涉及一种基于梯度提升决策树的路口展宽车道探测方法。

背景技术

随着GPS定位技术的普及，越来越多的车辆安装了GPS接收机，这类车辆的轨迹几乎覆盖了城市的全部路网、路面[1,2]，这些时空GPS轨迹数据，为基于浮动车数据的道路信息获取技术提供了海量的历史数据。

利用时空GPS轨迹大数据提取城市路网、道路车道信息是目前研究的热门话题。本节从数据来源方面概述基于浮动车轨迹的道路车道数量计算和交叉路口展宽车道这两个方面的相关研究进展，总结现阶段研究成果，及现阶段存在的问题。

1)基于浮动车轨迹的道路车道数量计算

由于浮动车总是行驶在道路上，其实际行驶轨迹勾勒出城市路网的拓扑结构及车道变更信息等，国内外越来越多的研究人员开始利用浮动车轨迹获取城市道路信息。由于不同车辆安装的GPS定位装置精度不同，因此，现有的基于FCD(Floating Car Data，浮动车数据)的道路车道数量计算的方法，根据车辆本身的定位精度，可以分为：基于高质量GPS数据的道路车道数量计算和基于泛在FCD数据的道路车道数量计算。

(1)基于高质量GPS数据的道路车道数量计算

基于高质量GPS数据的道路车道数量计算方法，其数据来源通常是差分GPS(Difference Global Positioning System，DGPS)等高精度GPS轨迹数据。Wagstaff K.等探索了利用时空DGPS轨迹数据提取道路中心线以及车道边界线的方法，并且利用K均值算法对DGPS轨迹进行聚类处理，从聚类结果中获取车道信息[3]；其后，Fang等提出了一种脱离原始地图的道路信息获取方法，通过采取轨迹分类-聚类的方法获取道路信息，在利用高斯混合模型(Gaussian mixture model)获取道路车道信息[4]；Chen Y等采用轨迹分类和融合方法从大量DGPS轨迹数据中提取道路级别信息，利用高斯混合模型提取车道信息[5]；Edelkamp等采用了分层聚类算法对DGPD轨迹数据进行先聚类再分类，将聚类的簇中心作为车道中心线位置，而将聚类的类别个数作为车道数目[6]；Knoop V L等利用配备GPS-PPP(精密单点定位)的车辆轨迹数据，估计不同车道的位置和宽度[7]。上述研究利用高质量GPS轨迹数据获取道路信息，提取精细化到道路的车道信息、复杂交叉路口几何结构等，但该类方法均需要专业设备，存在数据采集成本高、更新周期长、工序复杂等问题。

(2)基于泛在FCD数据的道路车道数量计算

当前泛在、海量、低成本的浮动车轨迹数据中蕴含了丰富的道路交通信息，Uduwaragoda等利用核密度聚类方法，从GPS轨迹数据中探测车道数量和车道位置[8]。Wang等采用高采样频率的浮动车数据提取城市车道级别路网信息，并重点讲解了从低精度浮动车数据中探测交叉路口复杂路网的提取方法[9]。唐炉亮等对FCD进行特征分析，研究了基于朴素贝叶斯分类方法及高斯约束混合模型的车道数量获取方法[1-2]。该方法实现了从浮动车数据中快速获取车道数量信息，但其在道路交叉路口附近路段车道数量判断错误率较高，其原因在于未充分考虑交叉路口交通运行特性及其独特的几何结构。上述利用泛在FCD的道路车道数量计算的研究，均是基于时空轨迹分类理论。