一种基于车辆轨迹数据的路径提取方法技术

本发明专利技术公开了一种基于车辆轨迹数据的路径提取方法，该方法主要数据筛选和轨迹分割进行数据的预处理，之后通过聚类的方法并融合现有开源路网获得初始路网，最后提出一种基于LS‑SVM的道路中心线拟合方法以提高拟合精度。本发明专利技术可以利用大规模的商用GPS粗糙轨迹数据，并克服了采样率低，GPS精度低等挑战以成功提取出高精度的道路中心线，大大提高了所提取出路径的精度。

Path extraction method based on vehicle trajectory data

The invention discloses a method for extracting path trajectory data based on the method of data filtering and trajectory segmentation to preprocess data, then use clustering method to obtain the initial network and integration of the existing open source network, and finally puts forward a fitting road center line LS based on SVM method in order to improve the fitting accuracy. This method can be used for large-scale commercial GPS rough track data, and to overcome the low sampling rate, low accuracy of GPS to challenge successfully extracted the central line of the road with high precision, greatly improves the accuracy of the extracted path.

【技术实现步骤摘要】

本专利技术涉及车联网和位置数据处理技术，具体涉及一种基于车辆轨迹数据的路径提取方法，属于计算机

技术介绍
精度高更迭快的电子地图对于各种基于地图的应用(如导航系统等)来说是不可或缺的，然而现有的生成和更新高精度地图的方法主要依赖于地理调查与勘探，需要耗费极大的人力物力，导致更新成本巨大而更迭速度缓慢，造成出行成本的提高甚至是生命财产的损失。近年来，随着GPS设备在移动对象上的普及，带来了大量的包含位置，速度，时间等丰富GPS信息的数据，因此在过去的十年中，人们开始研究如何利用这些轨迹数据来进行数字地图的生成与更新，人们提出了利用轨迹融合，聚类等手段实现路径的提取，然而这些方法大多使用GPS精度高，采样率高的实验轨迹数据，并不符合现实中商业数据的特点，而使用这种粗糙数据的方法又在提取出的道路精度上有所欠缺。
技术实现思路
本专利技术的目的是为了解决上述问题，实现利用粗糙的GPS轨迹数据集完成高精度的路径提取，从而为相关的出行应用等提供精确的电子地图支持。在此背景下，本专利技术使用来自普通货车的粗糙轨迹数据集，普通车辆出于成本考虑所上传的GPS数据通常有着诸如采样率低，精度低等特点，本专利技术克服了这些挑战并利用大规模的轨迹数据成功提取出高精度的道路中心线，大大提高了所提取出路径的精度。一种基于车辆轨迹数据的路径提取方法，具体的步骤包括：步骤一：利用3σ法则筛选数据，得到更加可信的数据；步骤二：利用轨迹分割的方法切分轨迹，得到关键的节点；步骤三：将前一步得到的关键节点聚类并修剪聚类结果，得到粗糙的骨干路网；步骤四：将上步得到的粗糙骨干路网与开源的路网融合得到新的粗糙骨干路网；步骤五：利用LS-SVM处理数据，基于上述骨干路网拟合出最终的高精度道路中心线。本专利技术的优点在于：(1)本专利技术提出了一种基于模拟退火思想的轨迹分割方法，能够对车辆轨迹进行有效准确的分割。(2)本专利技术提出一种利用生成的骨干路径与已有的开源路网融合方法，能够进一步提高识别准确率。(3)本专利技术基于LS-SVM方法，提出一种道路中心线拟合的新方法，能够极大的提升识别路径的精度。附图说明图1为本专利技术的3σ原则筛选流程图。图2为本专利技术的轨迹间距图。图3为本专利技术的融合算法流程图。图4为本专利技术的轨迹融合分类图。具体实施方式下面将结合附图和实施例对本专利技术作进一步的详细说明。本专利技术的一种基于车辆轨迹数据的路径提取方法，包括以下几个步骤：步骤1：利用3σ法则筛选数据，得到更加可信的数据；车辆上传的轨迹数据中通常会存在因为诸如传感器偏差以及通信误差导致的干扰数据，如图1所示，本部分目的在于利用3σ原则筛选出有效的数据，而3σ原则主要适用于高斯分布中，因此需要对数据进行K-S检测是否满足高斯分布，并利用以下方法将数据转化为伪高斯分布： x ( γ ) = x γ - 1 γ , γ ≠ 0 ln x , γ = 0 ]]>其中：x(γ)表示对x进行伪高斯分布转换后的结果，其中xγ表示对x进行指数化处理，γ是参数；γ的求解方法是计算能够使下式获得最优值的参数γ： f ( γ ) = m a x ( - N 2 l n ( 1 N Σ j = 1 N ( x j ( γ ) - x ‾ ( γ ) ) 2 ) + ( γ - 1 ) Σ j = 1 N l n ( x j ) ) ]]>其中：M表示速度的数据集，xj表示具体的节点的速率，f(γ)是优化函数，其中N表示数据集的个数，xj(γ)如上式表示对具体的某一个节点xj的高斯转化,定义如下： x ‾ ( γ ) = 1 N Σ i = 1 N 本文档来自技高网...

【技术保护点】
一种基于车辆轨迹数据的路径提取方法，包括以下几个步骤：步骤一：利用3σ法则筛选数据，得到可信的数据；步骤二：利用轨迹分割的方法切分轨迹，得到关键的节点；步骤三：对关键节点聚类并修剪聚类结果，得到粗糙的骨干路网；步骤四：将粗糙骨干路网与开源的路网融合得到新的粗糙骨干路网；步骤五：利用LS‑SVM处理数据，基于步骤四骨干路网拟合出最终的高精度道路中心线。

【技术特征摘要】
1.一种基于车辆轨迹数据的路径提取方法，包括以下几个步骤：步骤一：利用3σ法则筛选数据，得到可信的数据；步骤二：利用轨迹分割的方法切分轨迹，得到关键的节点；步骤三：对关键节点聚类并修剪聚类结果，得到粗糙的骨干路网；步骤四：将粗糙骨干路网与开源的路网融合得到新的粗糙骨干路网；步骤五：利用LS-SVM处理数据，基于步骤四骨干路网拟合出最终的高精度道路中心线。2.根据权利要求1所述的一种基于车辆轨迹数据的路径提取方法，所述的步骤一具体为：对数据进行K-S检测是否满足高斯分布，并利用以下方法将数据转化为伪高斯分布： x ( γ ) = x γ - 1 γ , γ ≠ 0 ln x , γ = 0 ]]>其中：x(γ)表示对x进行伪高斯分布转换后的结果，其中xγ表示对x进行指数化处理，γ是参数；γ的求解方法是计算能够使下式获得最优值的参数γ： f ( γ ) = m a x ( - N 2 l n ( 1 N Σ j = 1 N ( x j ( γ ) - x &Over...

【专利技术属性】
技术研发人员：田大新，杨越，王云鹏，马晓磊，单雄宇，胡俊杰，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11