[发明专利]一种道路交叉口位置和覆盖范围检测框架方法

说明书

本发明提出了一种基于浮动车轨迹的道路交叉口位置和范围检测框架，首先利用四叉树模型将检测区域划分成不同大小的单元，通过轨迹点速度和方向特征，使用DBSCAN聚类筛选出包含道路交叉口的单元，然后分别采用DBSCAN算法+凸包技术和Mean Shift算法+环型轨迹点密度变化检测确定道路交叉口的位置及覆盖范围。本发明能够使用浮动车轨迹数据有效精准地定位路口及其覆盖范围，捕捉路口形态，为导航服务和路径规划提供有效地决策支撑。

技术领域

本发明属于轨迹挖掘技术领域，具体涉及一种基于浮动车轨迹的道路交叉口位置和覆盖范围检测框架方法。

背景技术

道路交叉口是数字路网的重要组成部分，是各条互联道路的连接点，在移动导航场景中，我们需要根据道路交叉口的位置和范围提前进行转向播报，道路交叉口的位置和范围定位的准确性会影响导航的准确性。此外，道路交叉口的缺失会影响到路径规划的合理性。

目前基于车辆轨迹生成道路交叉口的算法可分为两种基本类型，一种算法是基于线的交叉口提取方法法，由轨迹点连接生成道路，并通过简单地连接这些道路产生交叉口，该方法无法得知交叉口的范围，不适用导航场景。另一种是基于点的路口提取方法，使用统一大小的网格划分区域，直接将发生方向变化的轨迹点聚类获得路口中心位置，然而交叉口的大小不一，且发生转向的点不一定是位于道路交叉口，对于道路交叉口的检测有效率仍然较低。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于浮动车轨迹的道路交叉口位置和覆盖范围检测框架方法，能够使用浮动车轨迹数据有效精准地定位路口及其覆盖范围，捕捉路口形态，为导航服务和路径规划提供有效的决策支撑。

为实现上述技术目的，本发明采取的技术方案为：

一种基于轨迹相似度的转向路径提取及路网拓扑变化检测框架，包含以下步骤：

S1:使用基于四叉树的单元划分方法将检测区域分割成各种大小的网格。

S2:网格内浮动车轨迹点的方向进行投影，通过DBSCAN进行聚类成不同的方向簇，根据轨迹方向簇的数量以及速度特性，得到存在道路交叉口的网格。

S3:基于S2中得到的存在交叉路口的网格筛选出发生转向变化的转向点。

S4:使用Mean Shift算法+环形转向点密度变化检测算法确定路口位置及其覆盖范围

S5:使用DBSCAN聚类算法+凸包技术graham扫描法确定路口位置及其覆盖范围

S6:对两种方法分别得到的路口及覆盖范围，进行相互校验，由此准确的路口及覆盖范围集合

为优化上述技术方案，采取的具体措施还包括：s

上述的步骤S1具体包括：

考虑到道路交叉口的大小不同，首先使用基于四叉树的单元划分方法将观察区域分割成各种大小的网格。设置四叉树的最小边长为25米，从200米开始逐层搜索包含道路交叉口网格(即从四叉树第四层开始)。

上述步骤S2具体包括：

由于每个点的方向是由其与正北方向之间的夹角来表示，简单地根据点之间的方向差值来提取不同方向是不合理的，例如，0°和356°是同一方向。为此，算法将一维的方向属性投影为二维平面数据。然后根据点的方向投影坐标之间的距离，将每个网格内的所有转向点通过DBSCAN进行聚类成不同的方向簇。考虑到车辆在交叉口转弯时可能会减速，我们进一步利用相邻网格的平均速度来筛选交叉口网格。因此，当网格内的轨迹点的平均速度小于相邻网格内的平均速度时，网格内形成的方向簇的数量等于2且方向簇的方向差小于130度，或方向簇数量大于2的情况则判定为存在道路交叉口的网格。

上述步骤S3具体包括：