出租车全球定位系统轨迹聚合与精细路网提取
吴群勇1，2，3，吴祖飞1，2，3，张1，2，3
1.福州大学数据挖掘与信息共享教育部重点实验室空，福建福州350002；
2.卫星空信息技术综合应用国家与地方联合工程研究中心，福建福州350002；
3.福建信息工程研究中心空，福建福州350002
收到日期:2018年6月7日；修订日期:2018年11月21日
基金项目:国家自然科学基金(41471333)；中央政府指导地方科技发展项目(2017 L 3012)；福建省自然科学基金(2016JD1198)
第一作者简介:吴群勇(1973-)，男，研究员，主要研究方向为时间空数据分析与地理信息服务。E-mail:qywu@fzu.edu.cn
通信作者:吴祖飞，电子邮件:1274390655@qq.com
针对GPS数据提取双向路网和交叉口转向信息精度低的问题，提出了一种考虑位置和行驶方向的轨迹聚合和精细路网提取方法，实现了精细路网提取。为了提高交叉口路网的提取精度，首先剔除原始轨迹中离散的、异常的轨迹点，按照一定的步长对轨迹段进行加密；然后引入行驶方向角表示车辆在轨迹点的行驶方向，综合考虑位置和行驶方向得到每个轨迹点的相似轨迹点集，然后依次计算每个轨迹点的偏移距离，通过轨迹点的迭代偏移完成轨迹聚合；最后剔除不成功的轨迹点，将已经聚集的轨迹点连接成轨迹线，作为缓冲区。利用栅格数据数字化的方法，提取出能够反映道路精细转弯关系的路网。基于福州出租车GPS数据的航迹聚合和路网提取实验表明，该方法能够根据车辆行驶方向有效聚合GPS航迹，提取的路网为双向道路，能够反映道路在交叉口的精细转弯关系。
关键词:出租车全球定位系统轨迹轨迹采集双向路网精路网提取
全球定位系统轨迹聚集和精细道路网提取
吴群勇1，2，3，吴祖飞1，2，3，张良攀1，2，3
1.教育部空间数据挖掘与信息共享重点实验室，福州350002；
2.国家&。卫星地理空间信息技术地方联合工程研究中心，福州350002；
3.福建省空间信息研究中心，福州350002
基金资助:国家自然科学基金(编号:41471333)；《中央地方科技发展项目指导意见》(2017L3012号)；福建省自然科学基金(编号:2016JD1198)
第一作者:吴群勇(1973-)，男，研究员，主要从事时空数据分析和地理信息服务。E-mail:qywu@fzu.edu.cn。
对应作者:吴祖飞，电子邮件:1274390655@qq.com。
文摘:针对利用全球定位系统数据提取双向道路和交叉口精度低的缺点，提出了一种考虑位置和行驶方向的轨迹聚合和精细道路提取方法，以提取精细道路网络。首先，从原始轨迹中去除离散和异常的轨迹点，并将轨迹点以一定的步长插入轨迹段，以提高相交网络的提取精度。其次，引入行驶方向角来表示车辆在轨迹点处的行驶方向，通过考虑轨迹点的位置和方向得到其相似的轨迹点集合，依次计算每个轨迹点的偏移距离，通过迭代偏移轨迹点完成轨迹聚合。最后，剔除未成功采集的轨迹点，利用栅格数字化方法从采集后的轨迹数据中提取出能够反映道路精细转向关系的路网。利用福州出租车的全球定位系统数据进行轨迹聚合和路网提取实验。实验结果表明，该方法能够根据车辆行驶方向有效地采集全球定位系统轨迹，提取的道路网络为双向道路，能够很好地反映交叉口道路的转向关系。
关键词:全球定位系统轨迹轨迹聚集双向道路提炼道路提取
作为重要的基础地理信息数据源[1]，路网数据在地图匹配[2-4]、交通拥堵控制[5]等领域有着重要的应用。如何快速获取现状性强、细化程度高的道路网络信息已成为交通地理信息领域的一个重要研究方向[6]。随着移动定位技术的成熟，携带定位设备的出租车可以在短时间内获得大量的城市路网数据，因此出租车GPS轨迹数据成为挖掘路网信息的重要数据源[7]。
有几种方法可以从出租车GPS轨迹数据中提取道路网络信息:
(1)基于轨迹聚类的道路网络提取，通常利用轨迹点位置和方位信息以及聚类算法对轨迹进行聚类来提取道路网络[8-9]。文献[10]假设每个轨迹段附近都有势能场，通过移动轨迹点来采集同一条道路上的轨迹，然后用轨迹增量法遍历轨迹段来提取路网。这种方法很难在交叉口完全分离转弯关系不同的轨道，尤其是在停车场附近。文献[11]采用文献[10]提出的轨迹分离方法对轨迹进行预处理，然后通过轨迹点的方位角变化确定交叉口位置，独立提取交叉口内部的路网信息。文献[12]根据距离和方向对轨迹段进行聚类，用B样条曲线拟合同一聚类的轨迹点，得到路网。该方法计算复杂，提取结果明显受路网区域特征的影响。
(2)采用轨迹增量法提取路网。该方法以轨道为研究单元，融合位置和形状相似的普通轨道段，在路段交叉口进行轨道分割，实现路网提取[13-14]。文献[15]提出了一种基于轨迹点速度和方向变化特征的交叉口识别方法。文献[16]通过遍历轨迹线段集，基于轨迹的空之间的位置关系，确定是否将轨迹线段添加到要生成的道路网络集中。由于道路交叉口的确定明显受到阈值的影响，用这种方法提取的路网平滑度不够。
(3)利用轨迹栅格化提取单线路网。该方法将轨迹栅格化为二维数字灰度地图，并通过骨架线提取方法从图像中识别道路网络[17]。在文献[18]中，基于二值化轨迹数据，分别使用道格拉斯-皮克算法和多元自回归自适应样条算法获得道路中心线。文献[19]提出了一种改进的核密度方法，可以基于灰度地图生成道路网络骨架，然后利用地图匹配算法改善道路网络的拓扑结构和几何特征。文献[20]使用图像细化算法从光栅化的轨迹数据中提取道路网络。然而，基于栅格化方法提取的大部分路网数据通常具有明显的锯齿，难以反映交叉口的详细信息。
(4)其他考虑车辆行驶特性的路网提取方法。文献[21]通过根据轨迹点的分布位置计算轨迹点的重复次数来识别可能的交叉口，然后按照一定的规则连接交叉口，得到路网；文献[22]采用轨迹增量的方法提取道路几何特征，结合地址标签信息提取道路属性信息；文献[23]在轨迹上构造德劳奈三角剖分得到道路轮廓，然后在道路轮廓的基础上构造德劳奈三角剖分，通过连接不同类型三角形边的中点提取道路中心线。
以上大部分方法的路网提取结果都是单线路网数据，更详细的路网信息需要单独处理；一些算法的路网提取结果是道路中间的双线路网，但很难通过以节点的形式表示交叉口来反映道路的真实转弯关系，或者通过确定交叉口的范围来提取内部路网信息。然而，当交叉口存在复杂的转弯关系时，确定交叉口位置的准确性明显受到阈值的影响[11]。
基于以上问题，本文提出了一种轨迹点聚合和道路网提取的方法。该方法假设道路两侧的轨迹点会被道路中间区域的轨迹点吸引，而中间区域的轨迹点会被与道路两侧轨迹点方向相反的方向吸引。然后根据轨迹点的吸引力对轨迹点进行移位，实现同一道路上同一行驶方向的轨迹聚合；最后剔除不成功的轨迹点，将聚集的轨迹按照车辆ID和时间顺序连接成轨迹线。将每一条轨迹进行缓冲并融合成面元，通过栅格数字化提取道路网络。这种方法的优点是可以分离不同行驶方向的轨迹并分别进行聚集，完整提取复杂路口道路的精细转弯关系。
1细化路网提取策略
由于GPS设备的定位误差、城市高层建筑和车辆运行的影响，出租车的原始GPS轨迹数据具有以下特点:①包含许多远离城市主干道的离散轨迹点和停靠点；②道路上不同行驶方向的轨迹点交错混合；(3)交叉口的车辆轨迹不能反映真实的道路几何特征。由于上述原因，无法直接利用轨迹数据提取细化后的路网。因此，首先对轨迹点进行预处理，剔除离散和异常的轨迹点，对转弯路口的稀疏轨迹点进行一定程度的加密；其次，分离道路上不同行驶方向的轨迹点；最后，基于迁移后的轨迹点提取道路网络。
在对原始轨迹数据进行预处理时，引入了轨迹点集、行驶方向角和相似轨迹点集三个概念，并基于行驶方向角定义了相似轨迹点集。假设道路上的轨迹点周围通常聚集了许多行驶方向角相近的轨迹点，那么当轨迹点周围没有行驶方向角相近的轨迹点时，就认为轨迹点是否位于支路上，将其视为离散点进行剔除。
定义1: traj，一个轨迹点集，一个由多个GPS轨迹点Pi组成的序列。其中，轨迹点Pi包含运动物体的车辆ID、采样时间、墨卡托平面直角坐标、乘客状态等信息。
定义2:行驶方向角θ，从轨道点Pi-1的北行线到顺时针方向Pi-1与Pi+1之间的角度，视为轨道点Pi的行驶方向角。本文将射线Pi-1-Pi+1的方向定义为车辆在轨迹点Pi处的行驶方向。轨道起点和终点的行驶方向角由后面的轨道点和前面的轨道点决定。如图1所示，轨道的起点O1和终点O5的驱动方向角为。对应的行驶方向是光线O1-O2和光线O4-O5。
(4)
公式中，x'O和y'O是偏移后的轨迹点在投影坐标系中的坐标；θ为待偏移轨迹点的行驶方向角度；δdx和δdy是在Oxy直角坐标系中沿x/y坐标轴偏移的轨迹点的偏移量，即δdx =δdi。本文中轨迹点只沿X轴偏移，所以δdy = 0；XO和yO是投影坐标系中要偏移的轨迹点的原始坐标。
所有轨迹点完成一次偏移计算后，将偏移坐标更新为轨迹点的当前坐标，并计算所有轨迹点偏移距离的平均值δ d。如果δ d大于预设阈值δ，用偏移坐标重新计算轨迹点的行驶方向角θ，继续迭代偏移；反之，则认为轨迹点聚合完成，迁移结束。
2.3精细道路网络提取
(1)消除未压缩的轨迹点。轨迹点迁移后，位于同一条道路上的大部分轨迹都可以聚集，但是一些轨迹点中相似的轨迹点数量较少，使得轨迹点在迭代过程中的偏移距离很小，导致一些轨迹点的聚集不完全。为了提高交叉口路网信息的提取精度，需要识别和剔除不完全聚集的轨迹点。考虑到轨迹聚合后位于同一条道路上的轨迹点相距很近，通过遍历轨迹点集合并判断轨迹点周围是否有相似的轨迹点来识别未聚合的轨迹点，并拒绝识别出的未聚合的轨迹点。判断是否存在相似轨迹点集的方法见2.2.1节，与预处理阶段在距离和角度阈值上不同。
(2)栅格化提取道路网络。将剔除未压缩的轨迹点后的轨迹点集按照车号和采样的时间顺序连接成轨迹线，然后将每条轨迹线做成距离为γ的缓冲区，融合成单分量曲面元。由于局部道路轨迹稀疏，当轨迹间的最大距离超过缓冲区半径γ的两倍时，融合在道路缓冲区内的表面元素容易在道路上形成孔洞。在二值化之前，需要根据孔洞的面积设置一个阈值来填充孔洞。最后利用ArcScan工具提取道路的中心线，剔除距离过短的线段和悬挂线，从而提取双轨路网的细化信息。
3测试和分析3.1数据和测试环境
本文以福州市鼓山高架桥附近的道路为试验路段(图6)。该区域路网交错，转弯路口较多，很好地验证了该方法的有效性。选取福州市2015年5月22日至5月30日的出租车轨迹数据作为测试数据，采样频率为10 ~ 30s ~ 30s，轨迹数据包括车辆ID、采样时间、投影坐标系中XY坐标和乘客状态信息，共39 087个轨迹点，1959条轨迹。本实验在通用PC(Intel Core i5/CPU 3.20 GHz/8g/Win 10)环境下，基于ArcGIS 10.3平台和JAVA编程语言进行轨迹采集和路网提取实验。
3.2.1数据预处理参数的确定
在预处理阶段，需要确定获得相似轨迹点的距离、行驶方向角阈值和加密步骤。具体思路是先对轨迹数据进行分析，根据测试区域道路的几何特征确定阈值范围。然后选择不同的参数进行测试，结合路网提取效果和算法运行效率确定具体的阈值。
考虑到所选试验区内高速公路与高架桥道路存在重叠，道路宽度范围为4 ~ 20 m，本文选取5 m、10 m、15 m和20m作为距离阈值，筛选相似的轨道点进行轨道聚合试验。结果表明，如果距离阈值过小，道路边缘的轨迹点很容易被消除，但如果距离阈值过大，离散点不能被有效消除。当距离阈值为15 m时，不同道路上的轨道可以很好地分开。轨迹采集后道路交叉口的定位精度与行驶方向角度阈值的选择密切相关。行驶方向角阈值太小，无法提前道路交叉口的位置，太大，无法延迟道路交叉口的位置。由于测试区域涉及不同类型和不同等级的道路交叉口，本文采用2.5、5、7.5和10作为行驶方向角阈值进行轨迹聚合测试。结果表明，当行驶方向角阈值设置为5°时，通过轨迹聚合得到的道路交叉口接近真实位置。因此，用于在预处理期间获得相似轨迹点集的距离阈值被设置为15 m，并且行驶方向角度阈值被设置为5。
测试数据的轨道段间隔通常在80-120 m之间，为了使轨道采集后的道路尽可能的平顺，本文选取5 m、10 m、15 m和20m作为加密步长进行测试。当步长为5 m和10 m时，交叉口的轨道聚集效果较好，但当步长为5 m时，加密轨道点数量过大，导致轨道聚集时间延长，当步长大于15 m时，局部转角较小。因此，本文选择10 m作为步长对轨道段进行加密。
3.2.2轨道收集参数的选择
轨迹采集过程中相似轨迹点的采集参数与预处理中去除离散轨迹点的采集参数相同。下面的讨论分别影响权重常数k和偏移距离阈值的选择。
最优影响权重常数k应使轨迹点的偏差符合由外向内逐渐聚集的趋势。本文以影响权重常数分别为0.25、0.5和0.75进行轨迹聚合实验，迭代次数限制在100次。结果表明，影响权重常数过大会导致轨迹点偏移过远，无法完成轨迹聚合。过小则轨迹点偏移距离过小，迭代终止时轨迹聚合尚未完成；k为0.5时，轨迹集中效果好，所以影响权重常数为0.5。
在轨迹点的迭代偏移过程中，轨迹点的平均偏移距离会随着轨迹集中程度的增加而越来越小。迁移距离设定阈值过低，迁移迭代时间过长，但浓度水平不会明显增加；如果太高，很容易导致迭代周期过早结束，影响道集效果。实验表明，当偏移距离阈值小于0.005 m时，航迹聚集速度降低，效果没有明显改善。因此，当偏移距离阈值设置为0.005 m时，可以在迭代时间和聚集效果之间实现良好的平衡。
3.2.3道路网络提取参数的确定
在道路网络提取过程中，需要确定获取相似轨迹点的阈值参数和缓冲半径:
(1)在排除未压实的轨迹点时，道路上同一行驶方向的轨迹线，经过汇总后通常在10 cm以内。因此筛选相似轨迹点集合的距离阈值为1 m，行驶方向角阈值为5，以保证稀疏轨迹段上的轨迹点不被视为未完成的轨迹点。
(2)为了保证道路交叉口的路网提取质量，缓冲半径应尽可能小，这样交叉口的缓冲区就不会太大。
实验表明，当半径选择为0.1 m时，可以很好地减少同一条道路上由于轨道线稀疏融合而在轨道间缓冲区形成的空洞。
3.3结果分析
利用上述选取的参数，利用福州市轨道数据进行了轨道采集和路网提取实验。测试结果如图6所示。
轨迹采集后，根据车辆ID和时间将轨迹点连接成轨迹线，得到的轨迹线基本能反映路网结构，但仍有一些轨迹点没有完全采集。删除这些跟踪点后，结果如图7所示。提取了图7(b)和(c)中不同类型道路交叉口的转弯关系，可以清晰地反映道路之间的连通性。图7(d)和图7 (e)中局部区域的轨迹没有完全聚集在一起，这是由于车辆转弯时轨迹采样频率低、轨迹点太少造成的。
为了对该方法提取的道路网进行定性评价，首先将其与试验区的Google卫星图像进行叠加对比。如图8所示，道路上同一行驶方向的轨迹已经聚集，与Google卫星图像上的道路吻合较好，基本上完全落在卫星图像的道路范围内。在路口区域采集轨迹后，能够反映真实的车辆行驶路径。
本文提取的道路网结果与OSM道路网的叠加如图9所示。红色实线是用这种方法提取的道路网，黑色是OSM矢量道路网，基本上是互相重合的整体。OSM的道路网络是在交叉口通过人工干预处理的，交叉口代表复杂的转弯，很难反映道路之间的真实连接关系。与OSM路网相比，本文提取的路网信息在交叉口更加详细，能够反映道路的具体转弯关系，如图9(b)-(c)所示。同时，本文提取的路网数据比OSM路网数据更加详细。由于OSM路网没有及时更新路网变化信息，局部地区缺少新道路，部分无效路段没有及时删除。但本文提取的路网路段连通性更合理，没有孤立路段，悬挂线更少，如图9(d)-(e)所示。
为了定量评价该方法、文献[14]和文献[24]的准确性，本文采用文献[25]提出的基于线元缓冲的相似度计算方法。该方法以标准矢量数据作为不同距离缓冲区的基准，通过计算待评估线元与缓冲区相交长度的百分比来评估不同缓冲区半径下的精度。本文以试验区的OSM矢量路网为标准数据，分别制作了2 m、5 m和7 m的缓冲区。比较了三种方法提取的道路网的精度，评价结果如图10所示。文献[14]中通过构造轨迹点的Delunay三角剖分提取的道路网络为单线形式，这种方法的提取结果是具有完整路口信息的双线道路网络，能够更真实地反映道路转弯关系；随着缓冲半径的增加，该方法提出的路网精度明显提高。当缓冲距离为7 m时，该方法优于文献[14]的结果。与文献[24]的结果相比，在不同的缓冲半径下，该方法提取的道路网精度明显提高。试验区OSM矢量路网总长度为33 666.2 m，采用该方法提取的路网总长度为33 727.5 m，与OSM路网整体几乎完全重叠。总结了复杂交叉口的OSM矢量路网，提取的交叉口转弯关系基于车辆轨迹，反映了车辆转弯时的真实行驶路径。
提出了一种通过移动轨迹点进行轨迹聚合和道路网络提取的方法。利用福州市出租车轨迹数据进行轨迹聚合和路网提取实验。结果表明，该方法能够实现道路网络和交叉口转向信息的精细提取，为道路网络信息的精细提取提供了一种新方法。与现有的道路网络提取算法相比，该方法具有以下三个特点:
(1)该方法受研究区域路网几何特征的影响较小，能够同时提取路网的精细几何特征和中心线层面的交叉口结构；
(2)该方法考虑了空之间的位置和轨道点的行驶方向，可以实现复杂互通区的道路提取，严格区分位置相邻但行驶方向不同的路段；
(3)基于轨迹聚合的结果，栅格化方法提取的路网能够反映复杂路口区域道路的精细转弯关系，及时发现道路变化，为路网信息更新提供帮助。
由于原始轨道缺乏高程数据，作者没有对上下道路的重叠部分进行精细识别。今后，他将继续完善细化路网提取方法，并尝试利用出租车GPS数据识别路网的上下段，进一步提高细化路网提取的精度。
引文格式:吴群勇、吴祖飞、张。出租车GPS轨迹聚合及精细路网提取。测绘学报，2019，48 (4): 502-511。doi:10.11947/j . agcs . 27998 . 999999999996
精炼的
颜色
背
参加
1.《gps论文 论文推荐| 邬群勇：出租车GPS轨迹集聚和精细化路网提取》援引自互联网，旨在传递更多网络信息知识，仅代表作者本人观点，与本网站无关，侵删请联系页脚下方联系方式。
2.《gps论文 论文推荐| 邬群勇：出租车GPS轨迹集聚和精细化路网提取》仅供读者参考，本网站未对该内容进行证实，对其原创性、真实性、完整性、及时性不作任何保证。
3.文章转载时请保留本站内容来源地址，https://www.lu-xu.com/shehui/1063741.html
