[发明专利]基于轨迹大数据的立体交叉口精细道路信息获取方法及装置

说明书

本发明提供一种基于轨迹大数据的立体交叉口精细道路信息获取方法及装置，包括利用符号分段聚合近似表示方法的轨迹高程序列变化趋势提取、顾及多要素特征空间相似度模型的轨迹优选、基于增量融合方法的立体交叉口平面结构生成、利用两段阈值法的匝道分离(汇入)点提取、道路水平段与坡道段的语义分割、融合先验知识的语义增强、立体交叉口几何结构信息获取。本发明降低了获取城市立体交叉口精细道路信息的成本,且探测方法简单、容易实现，实验结果表明：立体交叉口平面几何位置正确率为94.22％、匝道分离(汇入)点位置正确率为89.64％、道路趋势正确率为95.89％、跨层正确率为96.66％。

技术领域

本发明涉及地理信息系统与智能交通研究领域，更具体地说，涉及一种基于轨迹大数据的立体交叉口精细道路信息获取方法及装置。

背景技术

城市道路信息是智能交通相关应用的基础。其中交叉口作为城市交通路网的重要组成部分，精细道路信息的获取十分重要。交叉口的空间位置、范围及详细的转向信息是构成各级交通路网数据的关键，其几何、拓扑信息描述随路网细节水平不一而呈现差异化。目前，获取城市道路网络信息的数据源包括：图像数据、LiDAR点云数据、车行轨迹数据。近年来，随着GPS设备的普及，众包轨迹数据成为成取城市道路信息的重要数据源。与高精度遥感影像及激光点云数据相比，记录移动目标随时间变化的空间位置及其他运动属性的众包轨迹大数据(大数据是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合)来源广、成本低，且蕴含大量城市道路静态、动态信息。国内学者唐炉亮、杨雪等人从2011年到2015年先后对城市车行道级别路网及车道级路网获取进行了研究，并提出一种基于认知规律的城市车行道级别路网提取以及一种基于混合高斯混合模型方法的城市道路车道数量获取。杨雪等人(2018)提出了一种基于时空轨迹大数据的城市交叉口车道级结构提取(交叉口范围确定，交叉口各转向点提取，交叉口各转向点与相邻路段车道级路网空间融合)的方法。国外学者Liu Jiang等人(2013)提出基于测量车获取的高精度时空轨迹数据构建城市交叉口范围内的道路拓扑图。Wang等人(2014)提出一种基于高采样率时空轨迹数据的城市交叉口位置识别方法流程。该流程首先利用核密度方法，去除时空轨迹数据中的漂移点；然后利用物理模型方法对时空轨迹进行融合，将没有融合在一起的时空轨迹作为处于交叉口位置的疑似轨迹点；然后利用局部G统计，对疑似轨迹点进行密度评估，选择符合评估阈值的轨迹点作为处于交叉口位置的轨迹数据，并进一步对这些轨迹数据进行聚类，且构建以这些交叉口点为连接点的城市道路网络图。然而，以上研究并未对复杂立体交叉口结构进行深入解析和构建。

发明内容

本发明主要解决的技术问题在于，提供一种深入解析和构建复杂立体交叉口结构的方法，为了实现上述目的，本发明提出了一种基于轨迹大数据的立体交叉口精细道路信息获取方法及装置。

根据本发明的一个方面，本发明提供一种基于轨迹大数据的立体交叉口精细道路信息获取方法，包括以下步骤：

获取立体交叉口范围内的每条轨迹，并确定各所述轨迹的高程变化趋势；

将各所述轨迹划分为多个轨迹集合，利用高程变化趋势聚类的方法，在各所述轨迹集合内删去异常高程变化趋势的轨迹；

构建空间相似度模型，通过所述空间相似度模型对各轨迹集合中的剩余的每条轨迹进行相似度评价，根据评价结果获取优质轨迹；

对各所述优质轨迹，按照轨迹集合进行基于轨迹点的增量融合，不断通过轨迹点的融合、新增点、抛弃点以生成立体交叉口平面结构；

根据立体交叉口特征将所述立体交叉口平面结构划分为匝道和主线，利用两段阈值法提取匝道分离点和汇入点；

对各所述优质轨迹按照高程变化趋势进行分段处理，获取多个具有唯一变化趋势的子轨迹段，并根据道路路段连续坡道起止点检测方法，提取坡道段的起止点；