一种基于低速特征和聚类算法的交叉口提取方法技术

本发明专利技术提供了一种基于低速特征和聚类算法的交叉口提取方法，包括以下步骤：读入轨迹数据；提取轨迹中的转向对，定义两个连续的GPS定位点为转向对，并提取对应的转弯点，得到转弯点集合；筛选出平峰时段所有车辆轨迹的低速点；根据每一转弯点周围的低速点数量，剔除或保留该转弯点，得到筛选后的转弯点数据集；采用基于局部连通性的聚类算法，对筛选后的转弯点数据集进行分类提取类簇中心，得到交叉口；本发明专利技术提出的方法考虑了车辆在经过交叉口时的低速特征，根据车辆的航向变化提取出转弯点，根据低速点数目对转弯点进行剔除，聚类后得到交叉口信息，精确率高。精确率高。精确率高。

【技术实现步骤摘要】
一种基于低速特征和聚类算法的交叉口提取方法


[0001]本专利技术涉及交通大数据应用领域，特别是指一种基于低速特征和聚类算法的交叉口提取方法。

技术介绍

[0002]随着GPS(Global Position System)设备的普及和在日常生活中的大规模应用，由定位设备所采集的轨迹数据无处不在。由GPS定位设备所产生的轨迹数据具有低成本、信息丰富、采集方便等优点，已经广泛应用到我们日常生活中的各个领域。随着城市建设的高速发展，路网信息也是不断地在进行变化。传统的测绘等路网信息提取技术又需要大量人力物力，且路网信息的提取周期过长。车辆GPS轨迹数据覆盖范围广且成本低、周期短，基于车辆GPS轨迹数据的路网信息提取具有现实意义。
[0003]交叉口是路网结构中的重要组成部分，城市交叉口的空间位置、范围及详细的内部结构是构成城市各级交通路网信息的关键。目前大部分交叉口提取的算法主要包括三类，基于GPS轨迹数据的、数字图像的和多传感器组合的交叉口提取。其中，基于GPS轨迹数据的交叉口提取方法主要有以下已有方案：基于局部连通性聚类算法的交叉口识别，利用交叉口与非交叉口处车辆转向大小不同、转向数量不用、转向类型不同筛选转向对及转向对，通过局部连通性聚类算法计算得到交叉口；基于多密度区划分的DBSCAN聚类算法的交叉路口提取，利用交叉口与非交叉口处车辆转向大小不同、转向数量不用、转向类型不同筛选转向对及转弯点，通过多密度区域划分的DBSCAN聚类算法进行交叉口的提取；这些算法的效果普遍一般，且仍有部分特征未被考虑。
>
技术实现思路

[0004]本专利技术的主要目的在于克服现有技术中的上述缺陷，提出一种基于低速特征和聚类算法的交叉口提取方法，本方法考虑到车辆在平峰期经过交叉口的低速特征，根据车辆的航向变化提取出转弯点，根据低速点数目对转弯点进行剔除，聚类后得到交叉口信息，精确率高。
[0005]本专利技术采用如下技术方案：
[0006]一种基于低速特征和聚类算法的交叉口提取方法，包括以下步骤：
[0007]步骤1:读入轨迹数据；
[0008]步骤2:提取轨迹中的转向对，定义两个连续的GPS定位点为转向对，并提取对应的转弯点，得到转弯点集合；
[0009]步骤3:筛选出平峰时段所有车辆轨迹的低速点；
[0010]步骤4:根据每一转弯点周围的低速点数量，剔除或保留该转弯点，得到筛选后的转弯点数据集；
[0011]步骤5:采用基于局部连通性的聚类算法，对筛选后的转弯点数据集进行分类提取类簇中心，得到交叉口。
[0012]具体地，所述的提取转弯点的方法为：
[0013]遍历所有的轨迹，当两个轨迹点p1(x1,y1,k1)和p2(x2,y2,k2)的航向角之差小于转向角阈值α
turn
，且两个轨迹点的时间之差小于时间阈值t
turn
，则两个轨迹点被判定为转向对，其中x，y，k分别为其坐标和其航向对应平面直角坐标系的斜率；并采用
[0014][0015]计算转向对对应的转弯点TP(x,y)，最终得到转弯点集合TP＝{TP1,TP2,...,TP
n
}。
[0016]具体地，所述剔除或保留该转弯点的判断方法为：
[0017]给定一个阈值η∈[0,1]和一个半径阈值R
turn
，对得到的转弯点集合TP＝{TP1,TP2,...,TP
n
}，遍历集合TP，当TP
i
的半径范围R
turn
内低速点的个数TP
i
.clp和TP
i
的半径范围内所有点的个数TP
i
.cp满足TP
i
.clp＞TP
i
.cp
×
η时，则对当前的转弯点进行保留，否则认为其不满足转弯点的条件，舍去。
[0018]由上述对本专利技术的描述可知，与现有技术相比，本专利技术具有如下有益效果：
[0019]本专利技术提供了一种基于低速特征和聚类算法的交叉口提取方法，包括以下步骤：读入轨迹数据；提取轨迹中的转向对，定义两个连续的GPS定位点为转向对，并提取对应的转弯点，得到转弯点集合；筛选出平峰时段所有车辆轨迹的低速点；根据每一转弯点周围的低速点数量，剔除或保留该转弯点，得到筛选后的转弯点数据集；采用基于局部连通性的聚类算法，对筛选后的转弯点数据集进行分类提取类簇中心，得到交叉口；本专利技术提出的方法考虑了车辆在经过交叉口时的低速特征，根据车辆的航向变化提取出转弯点，根据低速点数目对转弯点进行剔除，聚类后得到交叉口信息，精确率高。
附图说明
[0020]图1为本专利技术实施例提供的一种基于低速特征和聚类算法的交叉口提取方法的流程图；
[0021]图2为本专利技术实施例中基于低速特征和局部连通性聚类的交叉口提取算法的转弯点分布区域；
[0022]图3为本专利技术实施例中基于低速特征和局部连通性聚类的交叉口提取算法的转弯点和低速点的分布图；其中图(a)为转弯点的提取分布，图(b)转弯点和低速点分布；
[0023]图4为本专利技术实施例中基于低速特征和局部连通性聚类的交叉口提取算法的提取结果。
具体实施方式
[0024]为使本专利技术实施方式的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施方式中的技术方案进行清楚、完整地描述。
[0025]实施例：
[0026]请参阅图1，本专利技术提供了一种基于低速特征和聚类算法的交叉口提取方法，该交叉口提取方法包括以下步骤：
[0027]步骤1:读入轨迹数据。
[0028]步骤2:提取轨迹中的转向对，并提取对应的转弯点。
[0029]步骤3:筛选出平峰时段所有车辆轨迹的低速点。
[0030]步骤4:根据转弯点周围的低速点数量，剔除或保留转弯点。
[0031]步骤5:采用基于局部连通性的聚类算法，对不同交叉口进行分类提取类簇中心。
[0032]本实施例采用厦门市大数据安全开放平台某比赛提供的厦门市巡游车和网约车GPS轨迹数据集，时间段为2019年和2020年端午期间(2019年6月6日
‑
6月9日、2020年6月24日
‑
27日)的轨迹数据，其数据字典如表1所示。
[0033]表1数据字典
[0034][0035]实验区域采用厦门市湖里区，经度在[118.121926,118.180926]之间且纬度在[24.498138,24.548138]之间的区域，如图2所示，交叉口总数为126个，对轨迹数据也进行经纬度区间的筛选。
[0036]在步骤1中，读入的数据定义如下：
[0037]轨迹数据的定义为：轨迹集合Traj＝＜s1,s2,...,s
n
＞，表示n条轨迹的集合。其中一条GPS轨迹s
i
＝{p1,p2,...,p
m...

【技术保护点】

【技术特征摘要】
1.一种基于低速特征和聚类算法的交叉口提取方法，其特征在于，包括以下步骤：步骤1:读入轨迹数据；步骤2:提取轨迹中的转向对，定义两个连续的GPS定位点为转向对，并提取对应的转弯点，得到转弯点集合；步骤3:筛选出平峰时段所有车辆轨迹的低速点；步骤4:根据每一转弯点周围的低速点数量，剔除或保留该转弯点，得到筛选后的转弯点数据集；步骤5:采用基于局部连通性的聚类算法，对筛选后的转弯点数据集进行分类提取类簇中心，得到交叉口。2.根据权利要求1所述.一种基于低速特征和聚类算法的交叉口提取方法，其特征在于，所述的提取转弯点的方法为：遍历所有的轨迹，当两个轨迹点p1(x1,y1,k1)和p2(x2,y2,k2)的航向角之差小于转向角阈值α
turn
，且两个轨迹点的时间之差小于时间阈值t
turn
，则两个轨迹点被判定为转向对，其中x，y，k分别为其坐标和其航向对应平面直角坐标系的斜率；并采用计算转向对对...

【专利技术属性】
技术研发人员：王成，张明杰，丁成，苏敏咸，江培舟，李文锋，
申请(专利权)人：厦门卫星定位应用股份有限公司，
类型：发明
国别省市：