[发明专利]一种基于形态感知的骑行道路曲线拟合方法

权利要求书

1.一种基于形态感知的骑行道路曲线拟合方法，其特征在于，包括以下步骤：

步骤S1：根据历史骑行轨迹数据和路口位置及其影响范围，提取路口轨迹和路段轨迹，并基于轨迹聚类算法得到路口内转向轨迹簇和路口之间的路段轨迹簇；

步骤S2：基于轨迹点的方向和位置，对轨迹簇中的每条轨迹段的形态特征建模；

步骤S3：使用XGBoost分类模型预测轨迹簇中每条轨迹的形态类别，并统计轨迹簇中属于各个形态的轨迹的数量得到轨迹簇的形态；

步骤S4：基于步骤S3得到的轨迹簇的形态，为每类形态的轨迹簇选择对应最优的中心线拟合方法进行拟合以得到道路曲线。

2.根据权利要求1所述的一种基于形态感知的骑行道路曲线拟合方法，其特征在于，所述步骤S1具体包括：

步骤1.1)根据路口位置及其影响范围对每条历史骑行轨迹进行分段，得到位于路口内的路口轨迹段和位于路口之间的路段轨迹段；

步骤1.2)对于路口轨迹段，使用Fréchet距离度量轨迹之间的相似度，将方向权重纳入相似性度量中，轨迹之间的相似性度量公式如下：

S(tr_a,tr_b)＝d_Fréchet(tr_a,tr_b)+w(tr_a,tr_b)*ζ

其中，d_Fréchet(tr_a,tr_b)表示轨迹tr_a和tr_b之间的Fréchet距离，w(tr_a,tr_b)表示轨迹tr_a和tr_b之间方向权重，当tr_a和tr_b的起点或终点的角度差大于15°时权重置为1，否则为0；ζ为自适应相似度阈值，计算方式如下：

其中,β由具体实验调参确定，n为对应路口内轨迹的数量；

基于相似性度量的结果使用DBSCAN聚类算法对轨迹进行聚类得到转向轨迹簇，其参数eps由ζ决定，minSample设为3；

步骤1.3)对于路段轨迹段，根据轨迹的方向一致性进行聚类，即将具有相同起始路口和到达路口的轨迹段聚类至同一个路段轨迹簇。

3.根据权利要求1所述的一种基于形态感知的骑行道路曲线拟合方法，其特征在于，所述步骤S2具体包括：

经过不同形态道路的轨迹分为：直线轨迹段、平缓转弯轨迹段、直角转弯轨迹段、急转弯轨迹段、U型转弯轨迹段和自相交轨迹段；为区分轨迹的形态，提取以下特征作为轨迹的形态特征：

1)方向差f_a，即轨迹段第一个点和最后一个点的方向差；

2)长度f_l，即轨迹的长度；

3)位移长度比f_dl，即轨迹段两个端点之间的距离与轨迹长度的比值。

4.根据权利要求1所述的一种基于形态感知的骑行道路曲线拟合方法，其特征在于，所述步骤S3具体包括：

基于步骤S2得到的形态特征，对每条轨迹段构建一个3维特征向量tr.feature＝[f_a,f_l,f_dl]，然后使用XGBoost分类模型构建一个多分类器以预测每条轨迹的形态类别；最后，对于每个轨迹段簇，计算属于每个形态类别的轨迹段的数量，并将轨迹段数量最多的形态视为该簇的预测形态。

5.根据权利要求1所述的一种基于形态感知的骑行道路曲线拟合方法，其特征在于，所述步骤S4具体包括：

对不同形态的轨迹簇选择对应最优的中心线拟合方法进行拟合；对于直线形态的轨迹簇，选择采用Sweeping Line算法对其进行拟合；对于平缓转弯、直角转弯和急转弯形态的簇，选择采用k段主曲线算法对其进行拟合；对于U型转弯形态的簇，选择采用B样条曲线算法对其进行拟合；对于自相交形态的簇，选择采用轨迹采样算法对其进行拟合。