基于低精度时空轨迹数据的城市交叉口自动识别的方法技术

本发明专利技术提供一种基于低精度时空轨迹数据的城市交叉口自动识别的方法，降低了获取城市交叉口的成本，为未来自主驾驶和智能交通提供基础数据和方法参考。该方法首先从轨迹数据的空间密度及时间间隔出发，对数据进行预处理；其次，跟踪并识别轨迹的转弯过程，提取一次转弯过程中航向角度变化值超过转向角阈值且时间间隔小于时间阈值的转弯点对；然后，利用基于距离和空间的生长聚类方法得到转弯点对的聚类类簇及类簇中心；最后基于局部点连通的聚类方法，对转弯点对类簇进行归类，通过分析这些类簇中心点的转向属性及其中心点个数，完成交叉口自动识别。本发明专利技术得到的交叉口识别正确率为94.3%。

【技术实现步骤摘要】

本专利技术涉及基于低精度时空轨迹数据的城市交叉口自动识别的方法，属于地理信息系统与智能交通研究领域。
技术介绍
城市道路交叉口是城市道路系统的重要组成部分，是城市道路上各类交通汇合、转换、通过的地点，是管理、组织道路各类交通的控制点。在整个道路网中，交叉口成为通行能力与交通安全上的卡口，并且在智能交通导航应用中占有举足轻重的地位。当前城市交叉口探测的方法数据源不同主要分为两类：从高分辨率遥感影像数据中识别交叉口和从时空轨迹数据中提取城市交叉口位置。利用时空轨迹大数据提取城市交叉口结构是目前研究的热点话题。相较于采样率在1s且定位精度在5m以内的高精度轨迹数据而言，由国内出租车及公共交通运输工具采集的时空轨迹数据，其定位精度在10-15m左右，采样间隔为10-60s，是一种低精度GPS数据。FathiAlireza和JohnKrumm(2010)采用图形描述器方法从专业采集车和辅助大众运输车辆采集的高精度时空轨迹数据中探测城市交叉口并确定交叉口位置。此后，LiuJiang等人(2013)提出基于测量车获取的高精度时空轨迹数据构建城市交叉口范围内的道路拓扑图。Wang等人(2014)提出一种基于高采样率时空轨迹数据的城市交叉口位置识别方法流程。该流程首先利用核密度方法，去除时空轨迹数据中的漂移点；然后利用物理模型方法对时空轨迹进行融合，将没有融合在一起的时空轨迹作为处于交叉口位置的疑似轨迹点；然后利用局部G统计，对疑似轨迹点进行密度评估，选择符合评估阈值的轨迹点作为处于交叉口位置的轨迹数据，并进一步对这些轨迹数据进行聚类，且构建以这些交叉口点为连接点的城市道路网络图。然而，以上研究并未对交叉口局部范围内的平面结构进行深入解析和识别。同时，利用高采样率和高定位精度的时空轨迹数据获取城市交叉口位置，虽然具有精度可靠的特点，但是也存在数据采集成本高、周期长且无法反应因为城市建设和车道功能改变等引起的道路交叉口结构变化的局限性。同高采样率及高定位精度的时空轨迹数据相比，来源于城市出租车系统或者其他采集设备的低精度时空轨迹数据，虽然定位精度低、采样频率低，但是其海量信息包含了丰富的道路信息。目前利用低精度时空GPS轨迹数据获取城市交叉口结构信息是一个难点，而大量的研究仍然停留在道路网络地图提取，对交叉口的自动识别还处于研究阶段。
技术实现思路
本专利技术在以上研究的基础上，提出了一种基于低精度时空轨迹数据的城市交叉口自动识别的新方法。本专利技术提供一种基于低精度时空轨迹数据的城市交叉口自动识别的方法，包括以下步骤，步骤1，数据预处理；利用密度聚类方法剔除掉原始低精度轨迹数据中的漂移点，再选取采样间隔小于15s的轨迹数据；步骤2，跟踪并识别轨迹的转弯过程，提取一次转弯过程中航向角度变化值超过转向角阈值且时间间隔小于时间阈值的转弯点对；步骤3，利用基于距离和空间的生长聚类方法，对所有的转弯点对进行聚类计算，直到每一个转弯点对找到其归属类别为止；步骤4，计算各转弯点对类簇中心，采用基于局部点连通性的聚类方法，若两个类簇中心是直接可达的，则将这两个类簇中心划分为同一类，直到所有的类簇中心得到划分；步骤5，将属于同一个类别的类簇中心点作为对象，通过分析这些类簇中心点的转向属性及其中心点个数，完成交叉口自动识别。所述步骤1，数据预处理。低精度时空轨迹数据一般有两个特征，一是，数据定位精度较低，二是，数据采样间隔不一致，范围从5s浮动到60s之间，因此需要对数据进行预处理操作。预处理操作包括两个方面：首先，采用现有的密度聚类方法，剔除原始浮动车数据中低密度漂移点，目前密度聚类方法非常成熟，具体实施时可以自行选择，不在赘述，然后，选取原始数据中采样间隔小于15s的轨迹数据；所述步骤2，根据步骤1预处理后的数据，利用车辆在交叉口区域的行驶特点：车辆在交叉口处存在左转、右转、直行、掉头这几种类型的组合，例如：(左转，右转，掉头)，(左转，右转，掉头，直行)，(左转，右转，直行)几种，计算轨迹点中前一个轨迹点与后一个轨迹点之间的航向角度变化值，并按照航向角度变化值与转向属性之间的关系，标示状态变化点对的转向属性；所述步骤3，对步骤2获取的具有左转、右转、掉头转弯点对，分别进行基于角度和距离的空间聚类。转弯点对的空间相似性从距离和角度两方面度量，首先将转弯点对用坐标向量表示；然后，考虑到轨迹转弯点对之间的角度和距离的量纲和量级不同，会对最终的空间相似性造成很大影响，为了消除该影响对它们做标准化处理；最后对两者加权求和得到转弯点对的空间相似性，用公式1表示。在聚类过程中，首先选取一个转弯点对作为初始类别，按照公式1计算转弯点对两两之间的相似度，将满足聚类相似度阈值的归属到同一类，不断迭代，直至所有转弯点对都归属到对应的类别，且聚类类别不再发生变化为止：所述步骤4，根据步骤3获取的各转向状态变化点对聚类类簇，利用现有的类簇中心点方法首先计算每个转弯点对类簇的中心点，位于同一交叉口的转弯点对类簇，其中心点必然集中在相应的交叉口区域。利用DBSCAN区域连通性的思想，采用基于局部点连通性分析的聚类方法，给定搜索半径阈值R，如果两个中心点的距离小于R，认为这两个点是可达的；对每一个中心点搜索其邻域内的其他中心点，得到初始类簇，然后将每个簇内的点直接可达的点吸收进来，不断迭代，直到已有的簇不再增长或者没有新簇出现为止。将属于同一空间范围的转弯点对类簇的中心归为一类；所述步骤5，分析步骤4获取的归属于同一空间范围的转弯点对类簇中心，对交叉口进行自动识别，具体方法：1)如果属于同一空间范围的转弯点对类簇中心点的属性仅有左转和右转两种，且中心点的数量也仅有两个，那么将其表示为非交叉口，也即属于道路转弯点；2)如果属于同一空间范围的转弯点对类簇中心点的属性仅有掉头一种类型，那么就将其标示为非交叉口，也即属于道路转弯路段；3)如果属于同一空间范围的转弯点对类簇中心点的属性不属于前两种情况，那么就将其标示为交叉口；完成最终的交叉口自动识别。本专利技术构筑了一种基于低精度时空轨迹数据的城市交叉口自动识别的方法，降低了获取城市交叉口的成本，为未来基于交叉口探测城市交通流信息、城市道路路网更新、城市道路路网拓扑点提取提供基础数据和方法参考。本专利技术所提供方法首先，利用密度聚类方法剔除掉原始低精度轨迹数据中的漂移点，再选取采样间隔小于15s的轨迹数据；其次，跟踪并识别轨迹的转弯本文档来自技高网...

【技术保护点】
一种基于低精度时空轨迹数据的城市交叉口自动识别的方法，其特征在于：包括以下步骤，步骤1，数据预处理；利用密度聚类方法剔除掉原始低精度轨迹数据中的漂移点，再选取采样间隔小于15s的轨迹数据；步骤2，跟踪并识别轨迹的转弯过程，提取一次转弯过程中航向角度变化值超过转向角阈值且时间间隔小于时间阈值的转弯点对；步骤3，利用基于距离和空间的生长聚类方法，对所有的转弯点对进行聚类计算，直到每一个转弯点对找到其归属类别为止；步骤4，计算各转弯点对类簇中心，采用基于局部点连通性的聚类方法，若两个类簇中心是直接可达的，则将这两个类簇中心划分为同一类，直到所有的类簇中心得到划分；步骤5，将属于同一个类别的类簇中心点作为对象，通过分析这些类簇中心点的转向属性及其中心点个数，完成交叉口自动识别。

【技术特征摘要】
1.一种基于低精度时空轨迹数据的城市交叉口自动识别的方法，其特征在于：
包括以下步骤，
步骤1，数据预处理；利用密度聚类方法剔除掉原始低精度轨迹数据中的漂
移点，再选取采样间隔小于15s的轨迹数据；
步骤2，跟踪并识别轨迹的转弯过程，提取一次转弯过程中航向角度变化值
超过转向角阈值且时间间隔小于时间阈值的转弯点对；
步骤3，利用基于距离和空间的生长聚类方法，对所有的转弯点对进行聚类
计算，直到每一个转弯点对找到其归属类别为止；
步骤4，计算各转弯点对类簇中心，采用基于局部点连通性的聚类方法，若
两个类簇中心是直接可达的，则将这两个类簇中心划分为同一类，直到所有的类
簇中心得到划分；
步骤5，将属于同一个类别的类簇中心点作为对象，通过分析这些类簇中心
点的转向属性及其中心点个数，完成交叉口自动识别。
2.根据权利要求1所述的一种基于低精度时空轨迹数据的城市交叉口自动识别
的方法，其特征在于：
所述步骤2，根据步骤1预处理后的数据，利用车辆在交叉口区域的行驶特
点—车辆在交叉口处存在左转、右转、直行、掉头这几种类型的组合，计算轨迹
点中前一个轨迹点与后一个轨迹点之间的航向角度变化值，并按照航向角度变化
值与转向属性之间的关系，标示状态变化点对的转向属性。
3.根据权利要求2所述的一种基于低精度时空轨迹数据的城市交叉口自动识别
的方法，其特征在于：
所述步骤3，对步骤2获取的具有左转、右转、掉头转弯点对，分别进行基
于角度和距离的空间聚类；
首先将转弯点对用坐标向量表示；然后，对以坐标向量表示的转弯点对做标
准化处理；最后，将转弯点对的两个标准化向量与其他转弯点对的两个标准化向
量加权求和得到转弯点对的空...

【专利技术属性】
技术研发人员：唐炉亮，杨雪，牛乐，李清泉，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42