[发明专利]一种基于形态感知的骑行道路曲线拟合方法

说明书

本发明公开了一种基于形态感知的骑行道路曲线拟合方法，首先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，之后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得到轨迹段的形态特征向量，接着使用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，最后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。

技术领域

本发明属于轨迹挖掘技术领域，具体涉及一种基于形态感知的骑行道路曲线拟合方法。

背景技术

随着非机动车保有量的大规模增加，非机动车相关的服务蓬勃发展且已进入到快速成长期。为方便快捷地到达目的地，人们常以非机动车作为交通工具。由于缺少专业精准的非机动车骑行导航地图，骑行时常常进入非机动车限行区域；此外，骑行时依赖更新不及时的两轮车导航软件提供的线路前往目的地，时有发生误入深山、林区等事件。构建并及时更新非机动车骑行地图能保证高效的骑行线路规划、提升非机动车骑行体验感。此外，非机动车相关服务的迅猛增长积累了海量的非机动车骑行轨迹数据，为骑行地图的推断提供了数据基础。然而，由于实际道路形态的多样性以及骑行行为的随机性，不同形态的道路上的骑行轨迹存在明显差异，使得骑行道路曲线的拟合面临严峻的挑战。因此，亟需设计一种基于形态感知的骑行道路曲线拟合方法。

目前，基于交叉链接的地图推断算法中道路曲线拟合的方法可分为两种基本类型，一种方法是基于轨迹段的方法，利用交叉口的影响范围或在交叉口识别过程中将轨迹与交叉口“捆绑”，从而筛选出相邻交叉口之间的轨迹簇，然后使用单一的中心线拟合方法拟合得到道路曲线，然而该方法受轨迹形态的限制，目前没有一种中心线拟合方法适用于拟合所有形态的道路曲线。另一种是基于轨迹点的方法，沿着交叉口的出或入方向搜索，以搜索到的第一个交叉口作为相邻交叉口，在搜索过程中使用滑动窗口模型从所有的轨迹点中选取最合适的GPS位置作为道路曲线的形态点，然而由于轨迹的偏态分布和骑行行为的随机性，在轨迹稀疏区域的道路曲线检测效果较差。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于形态感知的骑行道路曲线拟合方法，能够使用非机动车的轨迹数据有效精准地拟合骑行道路曲线，为导航服务和路径规划提供有效的决策支撑。

为实现上述技术目的，本发明采取的技术方案为：

一种基于形态感知的骑行道路曲线拟合方法，包含以下步骤：

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。

为优化上述技术方案，采取的具体措施还包括：

上述的步骤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，考虑到相邻路段但航向不一致的轨迹不能被Fréchet距离区分的问题，将方向权重纳入相似性度量中，因此轨迹之间的相似性度量公式如下：