一种基于统计聚类的轨迹数据中道路交叉口位置识别方法技术

本发明专利技术提供一种基于统计聚类的轨迹数据中道路交叉口位置识别方法，包括轨迹数据坐标投影转换、轨迹数据化简处理；针对化简后轨迹数据，采用多核并行计算方式，根据采样点转向变化识别道路交叉口区域内的采样点，构成转向采样点集合；以转向采样点集合为输入，利用自适应统计聚类算法进行自动划分聚类，将不同位置的道路交叉口进行剥离；最后，针对每个转向采样点聚类，通过最小外接圆拟合算法计算覆盖该聚类的最小外接圆的中心位置和半径，以最小外接圆的中心和半径表示该道路交叉口的中心位置和区域范围。

An intersection location recognition method based on statistical clustering in track data

【技术实现步骤摘要】
一种基于统计聚类的轨迹数据中道路交叉口位置识别方法
本专利技术涉及计算机视觉和轨迹数据处理的交叉领域，尤其涉及一种基于统计聚类的轨迹数据中道路交叉口位置识别方法。
技术介绍
道路网地图是一种重要的基础地理信息数据，也是交通出行、路径规划等应用所依赖的重要数据源。随着城市建设的快速发展，城市道路网也时刻发生着更新和变化。目前常用的地图数据更新技术和方法(如野外测绘制图、遥感数据制图等)在应用于道路网数据更新中都面临着数据更新周期长、成本高等问题，因而如何获得更新及时的道路网地图数据仍然是当前需要解决的一个难题。随着全球定位系统(GlobalPoisoningSystem,GPS)的广泛应用，越来越多的车辆(如出租车、公交车等)安装GPS定位设备，可以实时采集车辆的位置、速度、行驶方向和数据采集时间等信息，形成了海量的GPS车辆轨迹数据。这些车辆轨迹数据记录了车辆在道路网中的运行状态，同时也蕴含了丰富的道路网信息(如道路网的几何结构、道路转向等信息)，为道路网的实时制图与更新提供了可能。许多学者对基于车辆轨迹数据提取道路网进行了研究，并提出本文档来自技高网...

【技术保护点】
1.一种基于统计聚类的轨迹数据中道路交叉口位置识别方法，其特征在于，包括以下步骤：/n步骤1，由于车辆GPS设备采集的轨迹数据坐标系为WGS-84坐标系，采样点的空间位置以经纬度进行存储，并采用QGIS软件将原始车辆轨迹数据坐标系转换为平面投影直角坐标系；/n步骤2，对所述轨迹数据进行数据处理，其中，利用Douglas-Peucker算法对所述轨迹数据进行化简，去除轨迹直线段上冗余的采样点；/n步骤3，采用并行计算方式，针对每一条车辆轨迹，计算该轨迹上前后采样点转向变化，通过设置采样点的转向变化量阈值ω来检测其中转向变化较大的采样点，将这些采样点标记为道路交叉口区域的候选点，对所述轨迹上的未在...

【技术特征摘要】
1.一种基于统计聚类的轨迹数据中道路交叉口位置识别方法，其特征在于，包括以下步骤：
步骤1，由于车辆GPS设备采集的轨迹数据坐标系为WGS-84坐标系，采样点的空间位置以经纬度进行存储，并采用QGIS软件将原始车辆轨迹数据坐标系转换为平面投影直角坐标系；
步骤2，对所述轨迹数据进行数据处理，其中，利用Douglas-Peucker算法对所述轨迹数据进行化简，去除轨迹直线段上冗余的采样点；
步骤3，采用并行计算方式，针对每一条车辆轨迹，计算该轨迹上前后采样点转向变化，通过设置采样点的转向变化量阈值ω来检测其中转向变化较大的采样点，将这些采样点标记为道路交叉口区域的候选点，对所述轨迹上的未在交叉口附近的采样点进行剔除，保留轨迹上转向变化较大的采样点，将所有轨迹数据中检测到的转向变化较大的采样点进行合并，构成转向采样点集合，其中，预设的转向变化量阈值ω＝45度；
步骤4，以所述步骤3所得所述转向采样点集合为输入，通过自适应统计聚类算法对转向采样点进行聚类，将不同位置的交叉口进行剥离使得每个聚类对应于一个道路交叉口；
步骤5，以所述步骤4得到的聚类后的采样点为输入，对每个聚类，通过最小圆拟合算法计算每个聚类点的最小外接圆，返回最小外接圆的中心位置和外接圆的半径值作为道路交叉口中心位置和区域范围的估计，输出检测到的所有道路交叉口的中心位置和区域范围半径。


2.根据权利要求1所述基于统计聚类的轨迹数据中道路交叉口位置识别方法，其特征在于：步骤1中，轨迹数据坐标系转换采样QGIS软件进行转换，其中QGIS坐标转换的投影参数设置时，平面投影直角坐标系选择以6度带的高斯-克吕格投影为投影模型，投影坐标系的中央经度选择能够覆盖原始轨迹点最多的6度带进行投影变换，通过软件计算得到投影后的轨迹数据。


3.根据权利要求1所述基于统计聚类的轨迹数据中道路交叉口位置识别方法，其特征在于，所述步骤2进一步包括：采用Douglas-Peucker算法对轨迹数据进行化简，并且Douglas-Peucker算法的距离阈值参数d＝3米。


4.根据权利要求1所述基于统计聚类的轨迹数据中道路交叉口位置识别方法，其特征在于，所述步骤3进一步包括：通过计算轨迹采样点的转向变化量来识别道路交叉口区域候选点，实现方式如下，
设步骤2化简后的轨迹数据集为S＝{T1,T2,…,Tn}，其中，Tj表示第j条车辆轨迹，n为输入的轨迹总条数，轨迹Tj＝{P1,P2,…,Pm}，其中，Pi表示轨迹Tj中的第i个采样点，m为轨迹Tj中采样点总个数，Pi是一个五元组且具体表示为Pi＝(xi,yi,ti,oi,vi)，其中，xi和yi分别表示采样点Pi的X坐标和Y坐标值(单位：米)，ti表示采样时间(单位：秒)，oi表示采样点Pi处所记录的车辆前进方向(以正北方向为起始，单位：度)，vi表示采样点Pi处所记录的车辆行驶速度(单位：千米/小时)；
对于S中的一条轨迹Tj＝{P1,P2,…,Pm}，计算Tj中相邻两个采样点Pi和Pi+1间车辆前进方向的差异值，并记为采样点Pi的转向变化量Δθ(Pi)，具体计算公式如下：



对于每一个采样点添加一个类别标签属性项，如果采样点Pi的转向变化量Δθ(Pi)大于预设的角度阈值ω，则将该采样点Pi的类别标签标记为1，否则将该采样点Pi的类别标签标记为0，对S中的所有轨迹的采样点进行转向变化量的计算，检测出其中类别标签为1的采样点构成道路交叉口区域的候选点集。


5.根据权利要求1或4所述基于统计聚类的轨迹数据...

【专利技术属性】
技术研发人员：邓敏，张建国，郑旭东，唐建波，刘慧敏，陈雪莹，黄金彩，张华剑，姚劲，张幼英，芦春霞，石岩，刘宝举，
申请(专利权)人：湖南博通信息股份有限公司，中南大学，
类型：发明
国别省市：湖南;43