[发明专利]基于近邻区域行为差异的骑行道路交叉口识别方法

说明书

本发明公开了一种基于近邻区域行为差异的骑行道路交叉口识别方法，首先利用四叉树模型将检测区域划分为不同大小的单元，通过骑行轨迹数据提取各网格单元内的行为特征，根据各网格及其近邻网格的行为特征差异性计算网格与近邻网格的关联特征，随后使用XGBoost分类器识别包含骑行道路交叉口的单元，对包含骑行道路交叉口单元内的所有转向轨迹点，采用基于流量感知的自适应带宽Mean‑shift算法识别骑行道路交叉口的中心位置，最后使用环形轨迹点密度变化算法确定骑行道路交叉口的覆盖范围。

技术领域

本发明属于轨迹挖掘技术领域，具体涉及一种基于近邻区域行为差异的骑行道路交叉口识别方法。

背景技术

随着非机动车保有量的大规模增加，非机动车相关的位置服务已进入快速发展时期，居民的日常出行越来越多地考虑以非机动车作为交通工具，从而方便快捷地到达目的地。在实际场景中，骑手为节省通行时间，通常选择通行公园、广场等场所内的一些狭小道路，它们汇聚形成的道路交叉口规模较小且彼此邻近，错综复杂，而由于缺少专业精准的非机动车骑行导航地图，骑手在通行这些交叉口时容易迷路甚至行驶进入错误的路线，影响骑行体验感。骑行道路交叉口作为骑行地图的重要组成部分，对骑行地图导航服务具有重大意义，在实时导航场景中，需要根据骑行道路交叉口的位置及范围提前进行转向播报，骑行道路交叉口的缺失与不精确识别会影响到路径规划的合理性。

近年来，有大量文献致力于机动车路网中的交叉口识别的检测研究。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，第一种类型的算法简单地将通过地图构建算法生成的地图节点视为交叉口，该方法会将道路端点误识别为交叉口，且无法得知交叉口的范围，不适用于导航场景。第二种类型的算法根据轨迹在交叉口处的多方向、低速等行为特性定位交叉口区域，随后聚类发生转向行为的轨迹点以确定交叉口位置。然而在骑行场景中，仅考虑上述行为特性难以识别彼此邻近且通行轨迹稀疏的小规模交叉口。

发明内容

本发明所要解决的技术问题是针对骑行场景中彼此邻近且通行轨迹稀疏的小规模交叉路口难以检测、以及已有的基于机动车轨迹数据的交叉路口检测方法不能直接用于骑行交叉路口检测等问题，提供一种基于近邻区域行为差异的骑行道路交叉口识别方法，能够使用骑行轨迹数据有效精准地定位骑行道路交叉口，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：

一种基于近邻区域行为差异的骑行道路交叉口识别方法，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：基于骑行轨迹数据提取各网格单元内的行为特征，根据各网格及其近邻网格的行为特征差异性计算网格与近邻网格的关联特征。

S3：使用XGBoost分类模型获取存在骑行道路交叉口的网格。

S4：基于S3中得到的存在交叉路口的网格筛选出发生转向行为的骑行转向点。

S5：使用基于流量感知的自适应带宽Mean-Shift聚类算法确定交叉路口中心位置。

S6：基于S5得到的路口中心位置，通过环形转向点密度变化检测算法确定交叉路口覆盖范围。

为优化上述技术方案，采取的具体措施还包括：

上述的步骤S1具体包括：

考虑到骑行司机可通行的交叉路口规模不一，其最大直径通常不超过100m，最小直径通常只有6-10m，采用基于四叉树的单元划分方法将观测区域分割为各种大小的网格，设置四叉树的最小边长为12.5m，从100m开始采用层序遍历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：