[发明专利]一种基于统计聚类的轨迹数据中道路交叉口位置识别方法

权利要求书

1.一种基于统计聚类的轨迹数据中道路交叉口位置识别方法，其特征在于，包括以下步骤：

步骤1，由于车辆GPS设备采集的轨迹数据坐标系为WGS-84坐标系，采样点的空间位置以经纬度进行存储，并采用QGIS软件将原始车辆轨迹数据坐标系转换为平面投影直角坐标系；

步骤2，对所述轨迹数据进行数据处理，其中，利用Douglas-Peucker算法对所述轨迹数据进行化简，去除轨迹直线段上冗余的采样点；

步骤3，采用并行计算方式，针对每一条车辆轨迹，计算该轨迹上前后采样点转向变化，通过设置采样点的转向变化量阈值ω来检测其中转向变化较大的采样点，将这些采样点标记为道路交叉口区域的候选点，对所述轨迹上的未在交叉口附近的采样点进行剔除，保留轨迹上转向变化较大的采样点，将所有轨迹数据中检测到的转向变化较大的采样点进行合并，构成转向采样点集合，其中，预设的转向变化量阈值ω＝45度；

步骤4，以所述步骤3所得所述转向采样点集合为输入，通过自适应统计聚类算法对转向采样点进行聚类，将不同位置的交叉口进行剥离使得每个聚类对应于一个道路交叉口；

所述步骤4进一步包括：采用自适应统计聚类算法ASCHD对所述步骤3计算所得的转向采样点集进行聚类，将不同位置的道路交叉口进行剥离，实现方式如下，

设步骤3所得转向采样点集合D＝{P₁,P₂,…,P_K}，其中P_i表示第i个采样点，K表示步骤3得到的转向采样点的总个数；首先，利用集合D内各采样点的空间位置构建Voronoi图，计算每个采样点对应的Voronoi图单元的面积，以该面积值作为该采样点的非空间属性值，同时，如果两个采样点的Voronoi图单元有公共边，则定义这两个采样点为空间邻近点对，否则为非空间邻近点对；然后，对每个采样点计算G指数，具体计算公式如下：

其中，z_j是采样点P_j的Voronoi图单元面积值，Z是所有采样点Voronoi图单元面积的平均值，σ是所有采样点Voronoi图单元面积的标准方差，w_i,j是采样点P_i和P_j之间的空间权重，K为转向采样点集中采样点总个数；

然后，计算得到D中每个采样点的G指数值以后，从中检测出G指数大于0的采样点构成聚类种子点；针对每一个种子点P_i将其标记为一个新的聚类Ci＝{P_i}，搜索其空间邻近点对且亦属于种子点的采样点P_k，如果Ci和P_k合并后能够使以下统计量λ增加，则将Ci和P_k合进行合并，即Ci＝{P_i,P_k}，否则不合并，继续搜索邻近的种子点判断合并后统计量λ是否增加，统计量λ计算公式如下：

其中，C_i表示一个采样点集合(或聚类)，P_k为C_i中的一个采样点，z_k为采样点P_k的Voronoi图单元的面积，Z是D中所有采样点Voronoi图单元面积的平均值，σ是D中所有采样点Voronoi图单元面积的标准方差，u为集合(或聚类)C_i中采样点个数；

最后，逐步迭代进行搜索和合并过程，直到无法找到可以继续合并的邻近种子点时停止合并；从种子点集合中将已经聚类合并的种子点进行剔除，从未合并的种子点集合中选择一个种子点，重复执行上述搜索邻近种子点和聚类合并的过程，生成新的聚类；该聚类过程直到所有种子点都被合并或被访问过时停止，返回生成的采样点聚类C＝{C₁,C₂,…,C_R}，其中C_k为第k个聚类，R为聚类算法计算得到的聚类数目；

步骤5，以所述步骤4得到的聚类后的采样点为输入，对每个聚类，通过最小圆拟合算法计算每个聚类点的最小外接圆，返回最小外接圆的中心位置和外接圆的半径值作为道路交叉口中心位置和区域范围的估计，输出检测到的所有道路交叉口的中心位置和区域范围半径。