基于共享单车GPS数据的小区道路生成方法

利用GPS数据生成路网对城市交通有着重要意义。由于机动车自身对道路条件的要求,利用机动车GPS提取路网主要针对城市主干道及主路,忽略了小路及小区路网。为完善城市路网,提出了一种基于共享单车GPS轨迹的道路拓扑结构生成方法。首先提取路网拓扑节点,通过引入趋势夹角判断转折点后利用转向角分析确定拓扑点。然后提取道路线型,通过OW(opening window)算法对轨迹进行分割、基于DBCSAN算法思想提出一种对子轨迹聚类方法,再提取特征点来拟合道路中心线。利用缓冲区验证路网的精度,结果表明该方法生成的道路既能确保拓扑结构又具有较高的覆盖率。     

一种利用导航轨迹数据的车道信息提取方法

基于轨迹数据提取车道级道路信息的关键在于道路中心线,然而目前已有研究大都基于先验地图或者粗略估算来获取道路中心线,这严重降低了后续车道信息提取与更新的效率和精度。为此,文章提出了一种利用导航GNSS轨迹数据自动提取车道信息的方法。首先,利用自适应K-means聚类方法对导航轨迹进行方向划分并基于轨迹的密度分布实现轨迹数据清洗;其次,根据机动车轨迹在道路上的位置分布进行拟合,实现车行方向道路中心线的提取;最后,基于约束高斯混合模型实现各个路段的车道数量和车道中心线的提取。实验结果表明,该方法可以准确地提取车道信息,其中车道数量精度为79.8%,车道中心线的位置精度接近1 m,车道宽度精度大都优于0.5 m。     

一种基于GPS轨迹的道路拓扑生成方法

复杂路网拓扑的自动生成建立在道路提取和交叉路口识别的基础之上,是智能交通控制和自动导航服务等领域的研究热点之一,基于浮动车或出租车的GPS轨迹可以反映交通路网的拓扑结构。为此,提出了一种基于GPS轨迹的道路拓扑生成方法,即在无道路地图辅助的情况下,该方法基于大规模GPS轨迹,能够快速提取路口交叉点,自动构建具有地理位置信息的拓扑结构和计算相邻路口的网络距离。实验结果表明,该方法能够提取出各个道路交叉点并建立各点之间的拓扑关系。在提取主干道路拓扑实验中,在设置路宽为55米的情况下提取路口交叉点的正确率达到了87.08%,各路口之间的平均网络距离误差率为8.87%,并且能够正确地得到交叉点之间的连通关系。     

基于新道路发现的GIS地图更新算法

针对导航系统中电子地图的更新代价大、耗时长的问题,结合浮动车的历史GPS轨迹信息匹配到当前电子地图中时匹配时效的情形,提出了一种基于失效数据筛选的新道路判定和电子地图更新算法。首先,通过计算全部失效点的横纵跨度判断行驶轨迹的主方向。其次,通过飘逸筛选,剔除可能由于车载GPS采集设备因故障而产生的定位失准数据点组;利用基于直线的最小二乘法,对匹配失效的异常轨迹进行线性拟合,以确定轨迹的位置和方向;通过角度筛选,剔除误差较大的定位数据点组。最后,将筛选所得新道路的轨迹数据进行融合并排序,结合电子地图的路网结构,根据新道路的路段端点的匹配结果,将新道路插入到当前GIS电子地图的路网中。通过在某城市局部区域的电子地图路网数据上进行实验,结果表明该方法能够准确地判定和筛选新增道路,并将其正确地插入到电子地图的当前路网结构中。     

高分辨率遥感影像道路线性要素识别

为有效从高分辨率遥感影像中自动提取道路,提出利用线性要素间的拓扑关系识别道路线性要素的方法。提取影像中的线性要素并获取其邻域的光谱属性形成有向直线段;利用提出的道路线性要素识别模型,将满足条件的有向直线段聚类生成道路要素集;利用先验知识进一步验证。该方法主要使用道路线性要素的结构信息,适用于大范围、场景复杂的遥感影像,具有较高鲁棒性,目前该方法已应用于基于高分辨率遥感影像的GPS导航道路数据的生产和更新。     

基于大规模船舶轨迹数据的航道边界提取方法

传统的道路数据获取方法成本高、更新慢等无法适用于海洋航道的获取，从众源轨迹数据中提取道路或航道信息具有成本低、更新快等特性，然而，由于船舶轨迹数据噪声多、数据量大、不同区域分布不均使得航道边界提取面临较大挑战。针对该问题，提出一种基于大规模船舶轨迹数据进行航道边界提取的方法。首先对大规模的船舶轨迹数据进行并行化去噪、插值、轨迹分段；然后，基于并行化及基于Geohash编码的空间聚类，将轨迹数据化简为多个方形区域的点集数据；其次，对其进行窗口划分，对传统的NiBlack方法进行扩展，提出SpatialNiBlack算法，对方形区域进行航道识别；最后，提出一种新的提取算法del-alpha-shape，基于航道识别结果获得航道边界。理论分析与实验结果表明，所提方法在最大密度值是200，最小密度值是10，窗口长和宽分别为5和5时，可同时达到86.7%的准确率和79.4%的召回率。实验结果表明，该方法可以从大规模的轨迹数据中提取有价值的航道边界，是一种有效的航道提取方法。     

基于轨迹点聚类的航路发现方法

为了加强对局部空域航路的掌握和管理,提出一种基于轨迹点聚类的航路发现方法.首先,针对根据真实数据的分布特点生成的仿真数据,采用预处理模块对轨迹数据的噪声进行削弱和剔除;其次,提出一种包括孤立点剔除、轨迹重采样、轨迹点聚类、聚类中心修正和连接聚类中心五个部分的航路发现方法,对航路进行提取;最后,对航路提取结果进行了可视化...     

基于DeepLabV3+的遥感影像道路中心线提取北大核心CSCD

针对目前已有基于遥感影像道路中心线提取算法易受道路旁树木遮挡、建筑物及其阴影覆盖和道路上车辆等因素影响,造成提取出来的道路中心线存在断裂、不完整现象,提出了一种基于深度学习语义分割的道路掩膜,引用细化算法提取道路中心线矢量数据,对矢量道路中心线进行优化的道路中心线提取方法。首先,通过对深度学习语义分割提取出来的道路掩膜进行形态学膨胀处理,减少道路掩膜出现部分断裂、空洞、不完整现象;然后,利用细化算法,对膨胀处理后的道路掩膜提取道路中心线并进行矢量化;最后,结合出现断裂处的道路中心线间几何、空间等约束关系,进行优化处理。实验结果表明:该方法相对于其他道路中心线提取方法,具有较高的精确度、完整度,在不考虑前期深度学习样本制作、模型训练所使用时间的情况下,提取效率也优于其他方法;生成了标准格式的矢量道路中心线数据,可直接用于实际生产。     

基于稀疏采样GPS轨迹数据的路口识别方法

目前的路口识别算法多数在密集采样的全球定位系统(GPS)轨迹数据基础上,采用车辆行驶方向转变作为依据进行路口识别。但稀疏采样的GPS轨迹数据由于采样时间间隔较长,无法准确模拟出车辆行驶方向。为此,针对交叉路口容易发生停车现象的特点,提出一种GPS轨迹数据的路口识别方法。从稀疏采样的GPS轨迹数据中提取出行驶轨迹的停车点及其后续点作为研究对象,依据改进GDBSCAN算法对提取出的停车点进行聚类,判断停车事件发生的热区。运用提取出的后续点对热区进行连通性计算,并根据连通性确定是否存在路口。实验结果表明,该路口识别方法具有较好的识别能力,且与DBSCAN算法相比,聚类速度明显提高。     

基于GIS路网的公交路线轨迹算法

为解决公交路线轨迹偏移路网以及在GIS路网信息缺失尤其是乡村道路情况下的公交轨迹描绘.论文首先通过深入分析公交车辆GPS数据,分别聚类出线路上下行轨迹点;其次,轨迹点清洗并排序;再次,结合GIS路网基础信息进行地图匹配;最后,根据改进的Dijkstra算法解决路网拓扑结构缺失情况下制作出公交路线轨迹.将该算法实施在A市35条公交线路上,线路匹配成功率为85%,未匹配成功线路由于样本缺失或者路网基础信息错误导致,可见该算法具有较好的准确率和实用性.     

一种高斯混合模型组合分类的机载LiDAR城区道路提取方法

城区道路自动提取一直是遥感领域研究的重点和热点之一。针对遥感影像提取易受建筑物和植被遮挡的影响,点云数据提取道路边界又较模糊的不足,提出了一种高斯混合模型组合分类的道路提取方法。该方法利用融合影像即含有色彩信息的点云数据,首先对滤波后点云中的反射强度属性,运用偏度平衡法粗提取道路点云;再对点云数据中的灰度信息和点密度属性采用高斯混合模型组合分类提取道路的种子区域,并利用强度影像扩展和约束该区域;最后运用主动轮廓法和数学形态学方法进一步优化并提取道路中心线。为验证该方法的有效性,分别采取位于国外某城市的两组LiDAR点云数据进行实验。结果表明,该方法可以有效地减弱阴影遮挡对道路提取的影响,提取的道路中心线较为平滑,道路的提取质量达到85%以上。     

基于EDRNet模型的高分辨率遥感影像道路提取

针对高分辨率遥感影像道路提取结果不完整、边界质量差的问题,提出基于EDRNet模型的遥感影像道路提取方法。利用残差网络构建道路提取模型EDR1,保留道路的细节信息并加速网络收敛。通过融合多尺度、多层次的道路特征信息,设计道路提取结果优化模型EDR2。在此基础上,利用混合损失函数,提高道路提取的完整度。实验结果表明,EDRNet道路提取方法在马萨诸塞州道路数据集上的召回率、精确率和F1-score指标分别达到了84.4%、81.7%及83.0%,其结果完整且准确。     

基于深度学习的GPS轨迹去匿名研究

移动互联网和LBS技术的高速发展使得位置服务提供商可以轻松收集到大量用户位置轨迹数据,近期研究表明,深度学习方法能够从轨迹数据集中提取出用户身份标识等隐私信息.然而现有工作主要针对社交网络采集的签到点轨迹,针对GPS轨迹的去匿名研究则较为缺乏.因此,对基于深度学习的GPS轨迹去匿名技术开展研究.首先提出一种GPS轨迹数...     

High-resolution Remote Sensing Image Road Extraction Method for Improving U-Net

Accurate and efficient extraction of road information based on remote sensing image is a great significance for the establishment and maintenance of basic geographic databases. Due to the complex background information of high-resolution remote sensing images, existing algorithms cannot extract road information very well. U-Net network has good experimental results in image segmentation, but the accuracy of road segmentation results is not good. For this reason, this paper proposes a high-resolution image road extraction method based on improved U-Net network. Firstly, the U-Net-based network structure is designed and implemented. The network uses VGG16 as the network coding structure, which can extract feature semantic information better. Secondly, the use of Batch Normalization and Dropout solves the phenomenon of over-fitting that occurs during the network training process. Finally, the training data is expanded by rotation and mirror transformation, and the ELU activation function is used to improve the network training speed. The experimental results show that the method can extract road information more accurately and efficiently.     

一种改进U-Net的高分辨率遥感影像道路提取方法

从遥感影像中准确高效地提取道路信息,对基础地理数据库的建立与维护具有重大意义。高分辨率遥感影像背景信息复杂,导致现有算法无法较好地从中提取道路信息。U-Net网络在图像分割方面有较好的实验效果,但道路分割结果准确性不佳,因此,提出了一种改进U-Net网络的高分辨率影像道路提取方法。首先,设计基于U-Net的网络结构,将VGG16作为网络编码结构,可更好地提取特征语义信息;其次,利用Batch Normalization与Dropout解决网络训练过程中出现的过拟合;最后,对训练数据利用旋转与镜像变换进行扩充,采用ELU激活函数,提升了网络训练速度。实验结果表明：该方法可以较为准确高效地提取道路信息。     

利用邻域质心投票从分类后影像提取道路中心线

目的 利用分类算法对高分辨率影像中的道路进行分割时,得到的二值图像往往混杂了许多非道路区域,且道路区域呈面状,无法直接应用于生产与研究。针对该问题,提出一种利用邻域质心投票提取道路中心线的算法。方法 首先检测像素在各方向上的连通距离以构建邻域多边形,随后进行质心投票来提取道路的中心线,与此同时估算道路宽度并判断出连通距离较长的方向数目,以排除非道路区域的干扰,最后经形态学处理得到细化的中心线。结果 选取测试图像及具有不同道路分布特征的高分辨率航空影像的分类结果进行实验,并将该算法与Zhang和Couloigner提出的算法进行了对比分析。结果显示,该算法的提取质量为80.6%和79.0%,且计算效率较高,处理实际影像的用时小于参考算法的20%,此外在稳定性及对不同路宽的适应性等多个方面均具有优势。结论 提出一种邻域质心投票算法,该算法能够同时实现传统方法中提纯与中心线提取两个步骤所对应的功能,从分类影像直接提取道路中心线。实验结果表明,该算法能够根据形状特征有效检测道路,且具备一定抗干扰能力,适用于对混杂了非道路区域的高分辨率影像的分类结果进行处理。     

移动群智感知下的交通流速缺失数据恢复算法

GPS等设备的普及使得基于大规模车辆数据的城市级道路状态评估成为可能,本文研究移动群智感知下的交通流速缺失数据恢复问题.首先,利用探测车收集车辆数据,设计了基于网格密度提取路网的方法;其次,针对GPS数据特点设计一种自适应的路段流速计算方法,得到交通流速矩阵;再次,对交通状况评估时存在的数据缺失情形进行分类,基于数据时空特征改进了压缩感知的稀疏基,有效地将交通流速缺失数据的预测问题建模成稀疏向量的恢复问题;最后,基于大规模真实出租车数据集对所提出算法性能进行全面验证.结果表明:在数据缺失程度大于50%时,本文所提出算法能够准确地恢复缺失数据,且性能优于其他同类算法.     

结合非监督分类和几何—纹理—光谱特征的高分影像道路提取

目的 目前针对复杂场景高分辨率遥感影像道路提取多采用监督分类方法,但需要人工选择样本,自动化程度低且具有不稳定性。基于像元级的方法,提取完整度低且易产生椒盐噪声;面向对象的方法易产生粘连问题。为了提高道路提取的完整度、准确度和自动化程度,提出一种基于非监督分类和几何—纹理—光谱特征的道路提取方法。方法 首先考虑光谱特征利用非监督分类进行初步分割,结合基于纹理特征分类的结果得到初始道路区域。然后根据道路特征建立一套完整的非道路区域滤除体系：边缘滤波断开道路和非道路的连接、纹理滤波滤除大面积非道路区域、形状滤波去除剩余小面积非道路区域。最后利用张量投票算法得到连贯、平滑的道路中心线。结果 选择复杂场景下的高分辨率IKONOS影像和QuickBird影像进行实验,与国内外基于像素和面向对象的两种有代表性的道路提取方法进行对比,采用完整率、正确率、检测质量3个评价指标进行定量评价。实验结果表明该方法相比于其他算法在完整率、正确率和检测质量上平均提高26.61%、5.57%和26.77%。定性分析结果表明,本文方法可以有效改善椒盐噪声和粘连现象。此外本文方法的自动化程度更高。结论 提出了一种基于非监督分类和几何—纹理—光谱特征的高分辨遥感影像道路提取方法,非监督相对于监督分类的方法有更高的自动化程度,复杂场景下的道路提取融合几何—纹理—光谱特征有效避免了基于像元级道路提取易产生的椒盐噪声现象和面向对象道路提取易产生的粘连现象。该方法适用于高分辨率遥感影像城市道路提取,能够得到较高的完整度、准确度以及自动化程度。非监督分类和多特征结合的道路提取方法有广阔的应用前景。