[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

说明书

本发明提供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，包括轨迹数据坐标投影转换、轨迹数据化简处理；针对化简后轨迹数据，采用多核并行计算方式，根据采样点转向变化识别道路交叉口区域内的采样点，构成转向采样点集合；以转向采样点集合为输入，利用自适应统计聚类算法进行自动划分聚类，将不同位置的道路交叉口进行剥离；最后，针对每个转向采样点聚类，通过最小外接圆拟合算法计算覆盖该聚类的最小外接圆的中心位置和半径，以最小外接圆的中心和半径表示该道路交叉口的中心位置和区域范围。

技术领域

本发明涉及计算机视觉和轨迹数据处理的交叉领域，尤其涉及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。

背景技术

道路网地图是一种重要的基础地理信息数据，也是交通出行、路径规划等应用所依赖的重要数据源。随着城市建设的快速发展，城市道路网也时刻发生着更新和变化。目前常用的地图数据更新技术和方法(如野外测绘制图、遥感数据制图等)在应用于道路网数据更新中都面临着数据更新周期长、成本高等问题，因而如何获得更新及时的道路网地图数据仍然是当前需要解决的一个难题。随着全球定位系统(Global Poisoning System,GPS)的广泛应用，越来越多的车辆(如出租车、公交车等)安装GPS定位设备，可以实时采集车辆的位置、速度、行驶方向和数据采集时间等信息，形成了海量的GPS车辆轨迹数据。这些车辆轨迹数据记录了车辆在道路网中的运行状态，同时也蕴含了丰富的道路网信息(如道路网的几何结构、道路转向等信息)，为道路网的实时制图与更新提供了可能。

许多学者对基于车辆轨迹数据提取道路网进行了研究，并提出了许多成熟算法，如唐炉亮等(2015)、Huang等(2018)。道路交叉口是道路网的重要组成部分，也是交通导航、路径规划应用中需要考虑的重要结点。现有基于车辆轨迹数据的道路网提取方法大多将道路交叉口视为一个简单的结点，而对于交叉口的内部几何结构和拓扑连接关系都没有进行精细建模，无法满足用户在交叉口位置处的精细路径规划应用需求。为了对道路交叉口进行精细建模，一些学者提取交叉口位置处的轨迹数据通过曲线拟合生成道路交叉口地图，如Wang等(2015)、Deng等(2018)。其中，轨迹数据中道路交叉口位置和范围识别是构建道路交叉口精细模型需要首先解决的一个关键问题。为了从轨迹数据中识别道路交叉口位置，一些学者进行了探索和尝试。如Fathi和krumm(2010)首先定义了一种形状描述子来度量轨迹采样点的特征，进而以这些特征为输入，通过Adaboost算法来训练分类器以识别道路交叉口的位置。但是该方法需要先构建大量的训练样本，且该方法针对海量轨迹采样点都计算其多维特征因而计算量较大，算法结果对样本质量依赖性强而难以广泛推广。Mariescu-Istodor和(2018)提出了一种类似的道路交叉口探测器，采用一定大小的圆环来统计落入圆环内的轨迹点分布特征以识别道路交叉口的位置。Liu等(2013)针对车道级道路网地图生产，提出一种扩展的道路交叉口模型，并利用高精度的轨迹数据构建交叉口内部细节几何结构和拓扑关系。该道路交叉口细节构建方法需要先确定道路交叉口的位置和范围。Wang等(2015)采用空间自相关局部统计量——G指数来探测道路交叉口的位置，首先从轨迹数据中提取转向变化较大的轨迹点，进而以角度变化为该轨迹点的非空间属性，采用G指数识别转向变化的热点区域为道路交叉口。基于G指数的道路交叉口识别方法虽然可以识别转向变化的热点区域(即转向变化较大的轨迹点)，但是G指数不能直接将这些离散的轨迹点进行聚类以剥离出不同的道路交叉口，因此该类方法还需要进一步依赖聚类算法来实现对轨迹点聚类。该类方法大多需要设置G指数的阈值以及聚类参数，针对不同轨迹数据，算法的适应性不强。唐炉亮等(2017)针对现有道路交叉口识别方法的局限性，提出一种基于转向点对聚类的道路交叉口识别方法，并用于构建交叉口的细节结构。该方法通过局部转向点对的连通性聚类识别交叉口的位置和范围，需要输入邻域半径参数确定转向点对的空间邻近关系，对于不同密度的轨迹点数据，聚类参数设置较难以自动估算。