顾及轨迹密度分布异质性的道路交叉口提取方法

P208; 车辆轨迹大数据为道路网生成与更新、道路状态信息感知提供了新机遇,从轨迹数据中准确提取道路交叉口是基于车辆轨迹数据构建精细化道路网地图的关键步骤.当前已有学者根据轨迹点的转向、速度变化等特征,基于空间聚类提出了一些道路交叉口识别的经典方法,但由于轨迹数据密度分布的异质性、噪声干扰及最优聚类参数设置等问题,从不同采样频率、分布密度的轨迹数据中提取不同大小、形态的交叉口仍是一个挑战.为此,本文首先针对轨迹密度的空间分布异质性提出基于层次划分的轨迹栅格化策略,进而从视觉角度出发,提出一种基于"转换-分割-优化"全流程的道路交叉口层次提取方法.通过对不同采样频率的真实轨迹...

Full description

Saved in:
Bibliographic Details
Published in测绘学报 Vol. 52; no. 6; pp. 1000 - 1009
Main Authors 邓敏, 罗斌, 唐建波, 姚志鹏, 刘国平, 温翔, 胡润波, 柴华, 胡文柯
Format Journal Article
LanguageChinese
Published 中南大学地球科学与信息物理学院,湖南 长沙 410083%滴滴出行科技有限公司,北京 100094 20.06.2023
Subjects
road intersection
deep learning
道路交叉口
特征提取
feature extraction
轨迹数据
深度学习
轨迹栅格化
track rasterization
trajectory data
Online AccessGet full text
ISSN1001-1595
DOI10.11947/j.AGCS.2023.20210173

Cover

More Information
Summary:P208; 车辆轨迹大数据为道路网生成与更新、道路状态信息感知提供了新机遇,从轨迹数据中准确提取道路交叉口是基于车辆轨迹数据构建精细化道路网地图的关键步骤.当前已有学者根据轨迹点的转向、速度变化等特征,基于空间聚类提出了一些道路交叉口识别的经典方法,但由于轨迹数据密度分布的异质性、噪声干扰及最优聚类参数设置等问题,从不同采样频率、分布密度的轨迹数据中提取不同大小、形态的交叉口仍是一个挑战.为此,本文首先针对轨迹密度的空间分布异质性提出基于层次划分的轨迹栅格化策略,进而从视觉角度出发,提出一种基于"转换-分割-优化"全流程的道路交叉口层次提取方法.通过对不同采样频率的真实轨迹数据进行试验分析,验证了本文方法对低频轨迹数据中道路交叉口提取的准确度与有效性,识别结果优于现有代表性方法.
ISSN:1001-1595
DOI:10.11947/j.AGCS.2023.20210173