基于GPS轨迹的矢量路网地图自动生成方法

提出一种基于GPS探测车轨迹的大规模矢量路网地图自动生成方法.该方法不需要路网地图的基图,可以只利用GPS探测车在路网中的行驶轨迹,自动将实际路网的真实拓扑结构反映在数字地图上.该方法分三个步骤:首先,实现GPS探测车轨迹数据的大地经纬度坐标到地图城建坐标的转换;然后,利用坐标转换后的GPS轨迹数据生成路网栅格地图;最后,将已生成的栅格路网地图进行矢量化处理.采用真实GPS探测车轨迹数据进行的实际路网自动生成实验表明,该方法能够成功地通过GPS轨迹自动生成路网地图,生成的矢量路网数字地图具有较高的精确度,可以满足交通诱导和汽车导航等系统中数字地图及时、自动更新的应用需求.     

复杂激光点云数据中路面自动化提取技术

为了从数据量十分庞大的点云数据中提取出所需的道路要素,实现道路基础设施的数字化,该文提出了一种复杂激光点云环境中的路面提取方法.基于最近行车轨迹数据点进行道路剖面的划分,搜索出每个点的最近行车轨迹点,并根据它们的编号来进行剖面划分.采用两个连续点的距离、高程、点到行车轨迹的距离这三项指标,通过它们的阈值进行路面点的判断...     

基于轨迹聚类的路网构造

随着定位设备的普及以及大规模移动轨迹数据的快速涌现,使得基于移动轨迹的数据挖掘和知识发现研究变得越来越热,其中一个有价值的研究方向是从GPS轨迹中抽取路网结构.然而如何有效地从轨迹数据中探测交叉口并进而构造路网却是一个难以解决的问题,针对此问题提出了一个基于轨迹点聚类的交叉口探测算法,以及在此基础上的路网快速构造方法.实验结果表明,算法能够有效地确定交叉口的位置及数量,且利用探测到的交叉口能够实现路网结构的快速构造.     

轨迹数据压缩综述

移动终端的普及和全球定位系统(Global Positioning System,GPS)的发展,产生了海量的移动轨迹数据.许多基于位置服务(Location-Based Services,LBS)利用这些轨迹数据为用户提供服务.但是轨迹数据的日益增多也带来了许多挑战:数据量巨大、查询延时增长、数据冗余.因此,轨迹压缩对于提供更好的服务是非常有必要的.轨迹压缩的目标是在满足压缩轨迹与原始轨迹之间的相似度条件下,尽可能减小轨迹数据量.本文回顾了已有的轨迹压缩工作,包括线段简化压缩方法、基于路网的压缩方法和语义压缩方法,并介绍了基于压缩轨迹的查询处理和轨迹管理系统.     

基于出行偏好和路径长度的路径规划方法

针对基于最短路径的路径规划方法只关注路径长度, 而基于轨迹的路径规划方法过度依赖用户偏好的问题, 提出一种同时考虑用户出行偏好和路径长度的路径规划方法. 首先, 利用长短期记忆模型从历史出行轨迹中提取用户的出行偏好; 其次, 采用Markov链Monte Carlo采样技术将用户的出行偏好引入启发式搜索算法A*中, 在道路网络中搜索得到符合用户出行偏好且较短的路径; 最后, 以北京市路网和出租车轨迹数据作为测试数据, 将该方法与基于最短路径的规划方法和基于轨迹的路径规划方法进行实验对比. 实验结果表明, 该路径规划方法更稳定, 并且其规划的路径具有较高的准确度、 较短的行驶距离和行程时间.     

一种基于轨迹大数据离线挖掘与在线实时监测的出租车异常轨迹检测算法

以防止出租车欺诈绕路为例,提出一种基于出租车GPS时空轨迹数据离线挖掘与在线实时检测相结合的异常轨迹检测算法,获得快速反馈实时检测的结果.首先,将路网地图进行网格化切分并编号,用Pathlet方法优化常用的以GPS点组成的轨迹序列,并将轨迹通过匹配、补全等处理变换为Pathlet序列.然后,从大量出租车历史数据中,获得轨迹的Pathlet序列,并聚类得到起点与终点之间正常的K类轨迹.当实时轨迹需要被检测时,便与K类正常轨迹进行匹配,只需计算两段Pathlet序列的编辑距离,并同时考量时间和空间两个维度设定合理阈值,判断是否抛出异常.最后,基于北京地区2011年3月到5月出租车GPS轨迹的真实数据集进行了大量实验,对比了相关工作,印证了所提出算法的有效性和高效性.     

车辆轨迹地图匹配异常成因辨识方法

车辆轨迹地图匹配异常指轨迹被匹配到不合理的地图路段,其主要成因可归纳为物理遮挡、地图路段缺失和复杂路网。针对这一现象,提出一种数据驱动的匹配异常轨迹段快速识别和成因归类方法。首先归纳不同成因导致的地图匹配异常数据特征,并构建表征指标;其次提出车辆轨迹分段方法,区分正常和异常的地图匹配轨迹段;进而建立基于随机森林的地图匹配异常轨迹段成因分类方法;最后通过上海市地图路网和出租车营运轨迹数据验证方法的有效性。验证表明,提出的方法准确率达93.5%,可有效辨识物理遮挡、社区路段缺失和复杂路网三种成因,同时具有较好的区域可迁移性。     

基于用户移动行为相似性聚类的Markov位置预测

由于采集点丢失或出现新用户等原因,GPS轨迹数据往往具有稀疏性,使得基于单个用户数据的位置预测准确率较低.针对这种情况,提出了基于移动行为相似性和用户聚类的Markov位置预测方法.首先,基于Voronoi图和原始GPS轨迹进行区域划分,位置预测基于区域轨迹进行;其次,提出了同时考虑用户转移特性和用户区域特性的移动行为相似性计算方法;再次,根据移动行为相似性对用户进行聚类,并在聚类的用户组上采用一阶Markov模型进行位置预测,提高了位置预测的准确性.真实GPS轨迹数据上的实验表明了所提出方法的有效性.     

基于HSI图像分割的AGV道路标线中心线提取

针对视觉导航AGV的道路标线中心线提取,提出了一种新型的基于HSI图像分割的方法。该方法首先将原始的RGB图像转换成HSI图像,在此基础上完成图像分割。图像分割所获得的单色位图,经过图像形态学的处理,包括开运算、腐蚀、差运算等,最终可提取出道路标线的中心线。对实际道路图像数据的实验验证了该方法的有效性。与原有方法相比,该方法所需运算简单,实现该方法所需硬件资源消耗小,适合基于嵌入式系统开发的视觉导航AGV。     

基于车载GPS定位误差分布规律的地图匹配算法

针对目前车载GPS定位信息地图匹配技术的主要缺陷,即GPS定位点的道路纵向位置修正效果较差,特别是对GPS独立定位的情况而言,修正精度很低,通过分析车载GPS定位误差的特点及其分布规律设计了一种地图匹配算法,重点提高车载GPS定位点在道路纵向的修正精度.采用长春市局部路网的地理信息为基础,采集车载GPS实测数据完成了算法的实证分析.结果表明,所提出的地图匹配算法应用效果理想,尤其是将车载GPS定位点的道路纵向位置修正精度提高了2.5 m以上,从而可满足车载GPS数据用户更高水平的信息需求.     

考虑临近时空序列影响的城市交通状态判别方法

以营运车辆的GPS数据作为研究对象,根据路网连接的拓扑属性构建电子矢量地图,在离散化的时-空系统中,提出新的交通状态判别算法设计思路. 考虑路段交通状态的时空关联特性,采用当前路段速度、邻近时空序列速度综合计算进行路段交通状态判别.     

基于深度学习的交通路口自动识别

基于车辆轨迹数据提取道路信息已经成为数字地图更新的一种有效而廉价的方法，引起了广泛的研究。交通路口是道路信息的重要组成，如何快速而准确提取交通路口具有一定的挑战。深度学习的快速发展为解决这一问题提供了一种新的思路。本文针对轨迹数据在交通路口的分布特性，首先提出一种基于LSTM深度学习的转弯轨迹模式自动提取方法，通过统计航向变化规律对路口转弯轨迹进行建模分类，然后采用LSTM深度模型学习轨迹时间序列，从而实现转弯轨迹模式的自动识别，训练好的模型可以对新的未知轨迹数据实现自动快速地提取转弯轨迹。其次，针对因路口转弯点的稀疏性而影响准确定位路口中心这一难点，本文提出一种联合补偿点计算和转弯轨迹航向变化幅度的方法选取路口候选点，然后通过聚类路口候选点识别道路交叉口。为验证和评估该方法的有效性，采用福州市鼓楼区出租车实际轨迹数据进行测试。结果表明，该方法道路交叉口识别准确率达到96.7%，为电子地图实时更新及无人驾驶自动导航应用等提供关键技术支持，同时我们开放该方法源代码和实验数据，以便于其他研究者开展相关研究。     

基于GPS轨迹数据的拥堵路段预测

基于真实的GPS轨迹数据,对城市拥堵路段进行预测.在此过程中,摒弃传统的基于交通流预测和拥堵识别的方法,提出一种新的基于拥堵向量和拥堵转移矩阵的拥堵路段预测方法.该方法同时考虑路段拥堵的时间周期性和时空相关性,通过对出租车GPS轨迹数据进行挖掘和训练,建立拥堵向量和拥堵转移矩阵,实现对拥堵路段的预测.真实数据集上的实验验证了所提的拥堵路段预测方法的有效性.     

实时载波相位测量技术在道路定测中的应用

实时载波相位测量（ＲＴＫ）是全球定位系统（ＧＰＳ）应用中的最新技术,它可实时获得具有厘米级精度的点位坐标,具有速度快、精度高等优点．由于ＧＰＳ具有三维坐标信息,若将ＲＴＫ技术应用于道路定测可以集传统的中线放样和中平测量于一体,大大提高作业效率,具有良好的应用前景．为此探讨了ＲＴＫ在道路定测应用中的有关问题,包括适用于ＲＴＫ作业的道路中线任意点坐标的计算、坐标转换、高程计算等,提出了相应的数学模型及处理方法,为改进道路勘测手段、拓展ＲＴＫ技术的应用领域起到了促进作用．     

基于空间认知和社区识别理论的路径选择模型

将启发式决策、空间认知以及社区识别理论结合,描述出行者的路径选择与路网结构的关系。采用基于模块增益的社区结构算法解构路网结构,描述人们的认知过程,建立相应的路径选择算法。以长沙市中心城区路网为例,利用建立的路径选择方法,分别用静态路阻（距离）、动态路阻（速度）对路网进行解构,计算路径选择集;采用问卷调查方法和出租车GPS数据对实际的路径选择轨迹进行提取,并将理论计算结果与实际调查结果进行对比分析,采用静态路阻的一致率为85%,采用动态路阻的一致率为73%。结果表明建立的集成空间认知和模块增益的路径选择模型可以较好地描述人们的路径选择过程,对于静态路阻的路径选择描述具有更高的准确性。研究成果对于城市规划和交通规划具有一定的借鉴价值。     

基于空间认知和社区识别理论的路径选择模型

将启发式决策、空间认知以及社区识别理论结合,描述出行者的路径选择与路网结构的关系。采用基于模块增益的社区结构算法解构路网结构,描述人们的认知过程,建立相应的路径选择算法。以长沙市中心城区路网为例,利用建立的路径选择方法,分别用静态路阻（距离）、动态路阻（速度）对路网进行解构,计算路径选择集;采用问卷调查方法和出租车GPS数据对实际的路径选择轨迹进行提取,并将理论计算结果与实际调查结果进行对比分析,采用静态路阻的一致率为85%,采用动态路阻的一致率为73%。结果表明建立的集成空间认知和模块增益的路径选择模型可以较好地描述人们的路径选择过程,对于静态路阻的路径选择描述具有更高的准确性。研究成果对于城市规划和交通规划具有一定的借鉴价值。     

基于证据理论的车辆组合导航系统的信息融合

由于车载GPS(G lobal Position ing System)接收机的定位精度通常受卫星状况和道路环境的影响,同时DR(Dead Reckon ing)系统的距离和航向传感器随着行驶距离的增加,会产生误差积累,这些误差使传感器的定位轨迹偏离车辆所在的实际位置。为此,在信息融合理论的基础上,利用高精度的电子地图对导航系统提供的车辆位置进行修正,以车辆位置到匹配道路的距离、车辆行驶方向与道路方向的夹角作为评判可信度的证据,提出了基于D-S(Dempster-Shafer)证据推理的信息融合方法。实际跑车实验表明,该地图匹配融合方法能够使车辆导航系统的定位精度达到5 m左右。对于改善低成本的GPS/DR车辆导航系统的性能是个行之有效的方案。     

基于特征选择的公交专用道设置方法

本文研究城市公交专用道的设置方法,以贵州省贵阳市城市道路为实验城市,融合了电警、卡口过车数据、公交车GPS数据、公交车线路数据、公交车站点分布数据、道路基础信息数据和电警、卡口地理信息数据。构建视频检测设备的网络拓扑结构,分析公交车和社会车辆速度的关系特征构建特征选择模型,判断出城市哪些路段需要设置公交专用道。然后设计模型优化算法进一步判断各路段适不适合设置公交专用道以及怎样设置的方法,最终研究出一套能够基于数据自动计算城市公交专用道设置方案的方法。     

基于优化随机森林算法的浮动车GPS数据插补模型

为改善浮动车GPS数据因采集过程中受到干扰造成数据缺失问题,通过分析法研究了浮动车GPS数据与交通流状态和道路线形之间的关联性,提出一种基于优化随机森林算法的浮动车GPS数据插补模型,本模型针对随机森林算法插补过程中,因自身的随机性而引起插补结果具有波动性问题,在结果输出部分引入权重因子,通过线性优化算法,调节权重因子大小使输出结果波动性降低的同时满足道路线形特征。实验对6名志愿者21天的出行轨迹数据进行插补,结果表明：本文所构建的模型平均误差12.3m,相较于随机森林模型、决策树模型和线性回归模型分别减少14.9m、24.3m和239.3m,可见采用优化随机森林算法建立的插补模型有效提升了浮动车GPS数据插补精度,为交通状态分析、地图匹配等应用提供数据基础。