共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
车辆轨迹数据是当前城市导航路网地图动态更新的一种重要数据源,从杂乱无序的轨迹点或轨迹线中提取并拟合道路几何形态,进而生成结构化的道路矢量地图是基于轨迹数据进行道路网地图构建与更新的关键步骤。现有的道路中心线提取方法主要采用单一的线形拟合算法进行轨迹数据拟合,然而真实道路的几何形态复杂多样和车辆轨迹数据质量参差不齐,导致单一的道路线形拟合算法只能在某些特定的数据场景下适用,无法针对不同的数据场景自适应的拟合出理想的道路中心线。此外,相比于专业测量方式采集的高频轨迹数据,出租车等采集的低频轨迹数据存在轨迹点稀疏、噪声多、定位误差大等问题,这使得从低频轨迹数据中提取理想的道路中心线仍具有挑战,尤其是针对复杂的交叉口区域。为此,本文基于分治策略的思想,提出了一种适应不同轨迹数据场景的道路线形组合优化提取方法。该方法在轨迹数据预处理的基础上,根据轨迹数据的分布特点对数据进行场景分类;进而,针对不同的数据场景匹配最优的线形拟合算法,通过组合优化策略生成理想的道路中心线。本文方法融合不同拟合算法的互补优势,可以有效解决数据分布稀疏、道路结构复杂(如自相交立交桥)等不同数据场景下的道路线形拟合问题。采... 相似文献
3.
4.
实时地图匹配技术在智能交通、自动驾驶等领域起着关键作用.现有实时地图匹配算法在高架、立交道路等复杂场景受到平行道路的干扰,匹配正确率较低.针对这一问题,本文提出了一种利用与车辆轨迹同步采集的图像对行驶场景进行分类,从而辅助城市复杂道路环境下地图匹配的方法.该方法在车辆靠近高架区域时利用图像对车辆行驶场景进行分类,结合车辆行驶方向、轨迹点与路段的距离、匹配路段邻接性等指标,对当前轨迹点进行实时匹配.以上海市三段高频采集的轨迹数据为例进行试验,使用匹配率、召回率、精确率等指标对结果进行精度评价.结果表明,本文方法的平均匹配率、召回率和精确率达到96.86%、97.17%、93.46%,优于传统实时匹配方法;对原始轨迹进行降采样后,匹配率、召回率、精确率等指标保持稳定.比较高架道路、立交等复杂场景的匹配效果,以及对比单点匹配耗时、延时和内存占用情况,本文方法均能保持较好的匹配结果. 相似文献
5.
浮动车数据(Floating Car Data,FCD)已广泛应用于城市规划、智能交通系统中,其中地图匹配一直以来都是浮动车数据应用的技术难点。本文在已有地图匹配算法的基础上,提出了基于点序列和要素加权法的地图匹配模型,不仅考虑了当前GPS点的信息,同时也考虑了GPS数据的历史信息和道路网的拓扑结构,从空间关系上分析车辆行驶轨迹和道路的相似性。作者通过上海市出租车轨迹数据对算法进行验证,结果表明:该匹配模型解决了已有地图匹配算法的一些弊端,并且提高了地图匹配的精度,具有高效、实用的特点。 相似文献
6.
7.
《武汉大学学报(信息科学版)》2021,(6)
基于车辆轨迹数据的道路信息提取是地理信息领域的热点也是难点之一,传统方法面临着轨迹数据源要求高、道路提取算法复杂、不同道路提取模型参数适应性不强等问题。针对以上问题,提出基于条件生成式对抗网络的轨迹地图向道路地图转换的轨迹-道路转换方法。该方法以轨迹数据与道路数据的对应关系为先验知识,通过"生成-博弈"的不断循环逐渐逼近最优结果,学习优化条件生成式对抗网络模型参数。首先将轨迹数据栅格化处理,然后基于样本数据学习优化条件生成式对抗网络参数,最后将训练好的模型应用到整个实验区域提取道路数据,发现所提方法可以有效地发现新增道路;同时将训练好的轨迹-道路转换模型与栅格化道路提取方法对比,发现所提方法在轨迹稀疏稠密区域都有更强的轨迹数据适应性,且生成的道路精确率更高。 相似文献
8.
9.
车联网中基于D-S证据理论的地图匹配算法,通常考察定位点到候选道路的投影距离和车辆行驶方向与候选道路的角度差这两种证据。目前城市交通网络结构日趋复杂,此算法得到的匹配结果有一定的局限性,匹配精度也无法满足车联网技术的需求。随着GPS等定位设备的不断发展与改进,车辆的行驶速度与定位时间间隔等数据已可以准确获取,在此基础上,本文对车辆的可达性信息进行考察,作为新的证据与传统证据融合后得到的结果进行D-S证据的二次融合。除此之外,本文针对城市环境中不同道路拓扑结构,对传统算法中的位置信息和车辆行驶方向信息的可靠性参数进行仿真训练,得出更为精确的可靠性参数值以供改进的算法使用。通过仿真实验表明,改进后的算法的匹配精度和稳定性得到了极大的提高,可以更好地适用于城市复杂路网中地图匹配的问题。 相似文献
10.
《测绘科学》2020,(4)
针对目前利用低频时空轨迹数据进行道路提取与更新,难以同时满足提取精度和算法效率要求的问题,该文提出一种基于低频轨迹数据的多时相增量式道路提取方法。首先,将原始轨迹数据分割为多个时相轨迹序列,并利用栅格化法得到多个时相的初始道路中心线;接着,采用吸引力模型纠正初始道路中心线的位置偏差,再通过k-segment主曲线算法拟合得到最终道路中心线,构建道路骨架地图;最后,统计与道路中心线关联的轨迹位置与方向信息,进一步挖掘道路宽度与单双向通行规则等交通语义信息,丰富道路骨架地图。实验结果表明,基于多时相轨迹分别提取与增量融合的方式,可有效发现道路网的时空变化规律,获得较高的道路检测概率与信息提取准确率,同时避免对全时段轨迹直接处理的复杂运算量。 相似文献