[发明专利]基于低精度时空轨迹数据的城市交叉口自动识别的方法

权利要求书

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间相似性：

在聚类过程中，先选取一个转弯点对作为初始类别，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。

4.根据权利要求3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4，根据步骤3获取的各转弯点对聚类类簇，利用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。

5.根据权利要求4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，具体方法如下：

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；

至此，完成最终的交叉口自动识别。