本文關(guān)鍵詞：基于低頻出租車GPS軌跡數(shù)據(jù)的路網(wǎng)信息提取　出處：《武漢大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 路網(wǎng)信息提取 數(shù)學(xué)形態(tài)學(xué) 多元自適應(yīng)回歸樣條 道路交叉口

【摘要】：隨著全國(guó)各地城市經(jīng)濟(jì)蓬勃發(fā)展,我國(guó)的城市路網(wǎng)結(jié)構(gòu)正處于快速變化之中,因而數(shù)字道路信息的快速、準(zhǔn)確獲得與及時(shí)更新變得尤為重要。諸如智能交通系統(tǒng)、城市規(guī)劃系統(tǒng)等重要地理信息應(yīng)用都依賴于準(zhǔn)確及時(shí)的道路網(wǎng)絡(luò)信息。目前,數(shù)字道路信息通常由專業(yè)設(shè)備采集制作,不僅費(fèi)用昂貴,而且難以及時(shí)更新。運(yùn)用遙感影像提取道路的方法發(fā)展較快,但由于遙感影像中混合了多種地物,道路提取容易受到干擾,提取難度較大,且同樣存在成本高、信息滯后的問題。汽車的GPS軌跡能夠反映道路網(wǎng)絡(luò)的位置信息和幾何結(jié)構(gòu),因此可以依據(jù)日常車輛的軌跡數(shù)據(jù)來(lái)獲取道路信息,這種方法具有成本低廉、覆蓋面大、數(shù)據(jù)易于獲取、現(xiàn)勢(shì)性強(qiáng)等優(yōu)點(diǎn)。本文聚焦低頻率低精度的出租車GPS軌跡數(shù)據(jù),設(shè)計(jì)了一種路網(wǎng)信息提取的框架。本文依次提出了基于低頻出租車GPS軌跡數(shù)據(jù)的道路交叉口、道路中心線、道路單雙向信息及交叉口轉(zhuǎn)向關(guān)系信息提取方法。首先,柵格化車輛軌跡數(shù)據(jù)得到軌跡圖像,使用數(shù)學(xué)形態(tài)學(xué)濾波的方式處理該圖像填補(bǔ)空洞、去除噪聲、平滑表面,最后利用數(shù)學(xué)形態(tài)學(xué)細(xì)化的方法獲取近似道路中心線和道路交叉口。為盡可能準(zhǔn)確、全面的提取道路交叉口信息,在軌跡數(shù)據(jù)柵格化階段生成多種分辨率圖像,分別處理獲取道路交叉口,并將提取結(jié)果融合,以達(dá)到提取采樣數(shù)據(jù)稀疏區(qū)域道路交叉口的目的。其次,提出了兩種道路中心線獲取的方法:(1)使用Douglas-Peukcer算法化簡(jiǎn)由數(shù)學(xué)形態(tài)學(xué)細(xì)化獲取的初步道路中心線,使其與真實(shí)道路形狀更加接近;(2)以分布在相鄰道路交叉口之間的軌跡點(diǎn)為數(shù)據(jù)源,利用多元自適應(yīng)回歸樣條擬合路段。接著,提出Intersection-Link模型,作為多元自適應(yīng)回歸樣條的數(shù)據(jù)源,并據(jù)此模型提取道路單雙向信息和道路交叉口轉(zhuǎn)向關(guān)系。最后,整合以上技術(shù)和方法,設(shè)計(jì)了一種面向大量低頻低精度出租車GPS軌跡數(shù)據(jù)的道路網(wǎng)絡(luò)信息提取框架。并以武漢市10天內(nèi)出租車GPS軌跡數(shù)據(jù)作為數(shù)據(jù)源進(jìn)行了實(shí)驗(yàn),選取了武漢市兩處核心區(qū)域,驗(yàn)證了本文方法的有效性。
[Abstract]:With the vigorous development of city economy throughout the country, city road network structure of our country is undergoing rapid change, so the digital road information fast, accurate and timely update has become particularly important. Such as intelligent traffic system, the information system of city planning and other important geographic use depends on road network information timely and accurately. At present, the digital road the information is usually produced by professional equipment acquisition, not only expensive, but also difficult to update. Using the method of remote sensing image road extraction has developed rapidly, but due to a variety of remote sensing images in the mixed material, road extraction is susceptible to interference, extraction difficult, and also has high cost, information lag can reflect the position information and problem. The geometric structure of the road network GPS track car, so you can according to the daily vehicle trajectory data to obtain road information, this method Has the advantage of low cost, large coverage, easy access to data, has the advantages of high practicality. The taxi GPS trajectory data focus on low frequency and low precision, designed a network information extraction framework. This paper puts forward the low-frequency taxi GPS trajectory data of Road intersection based on the central line of the road, Road and cross single two-way information export to relation information extraction method. Firstly, the grid data from vehicle trajectory trajectory images, using mathematical morphology methods to process the image to fill the holes, remove noise, smooth surface, finally uses mathematical morphology thinning method to obtain the approximate centre line of the road and road intersection. As accurately as possible, a comprehensive cross road extraction export information in the track data grid phase to generate multiple resolution image processing, respectively get the road intersection, and the extraction results of fusion, in order to achieve extraction Sample data sparse regions of the road intersection. Secondly, we propose two methods to obtain the central line of the road: (1) preliminary road center line using Douglas-Peukcer algorithm to simplify the mathematical morphology to get, to make it more close to the real road shape; (2) the distribution between adjacent road intersection track points as the data source, the regression spline fitting section using multivariate adaptive. Then, proposed Intersection-Link model, multivariate adaptive regression splines as data source, and based on the model of road extraction from single two-way information and road intersection to relationship. Finally, the integration of the above techniques and methods, design a number of low frequency and low precision for taxi GPS trajectory data of road network information extraction framework. Taking Wuhan city 10 days taxi GPS trajectory data as the data source selection experiments were carried out in Wuhan city at the core region, The validity of this method is verified.

【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：U495;P228.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 傅家治;《道路交叉口轉(zhuǎn)角曲線起迄點(diǎn)放樣公式》的改進(jìn)[J];測(cè)繪通報(bào);1980年05期

2 陳立湘;道路交叉口轉(zhuǎn)角曲線起迄點(diǎn)放樣公式的探討[J];地礦測(cè)繪;1994年03期

3 高易堯;聶磊;稅常峰;;道路交叉口司機(jī)視覺行為習(xí)慣研究[J];山西科技;2006年01期

4 李碩;王春梅;李昂;;基于公交優(yōu)先的道路交叉口可變相位多層模糊控制[J];湘潭大學(xué)自然科學(xué)學(xué)報(bào);2013年01期

5 欒學(xué)晨;楊必勝;李秋萍;;基于結(jié)構(gòu)模式的道路網(wǎng)節(jié)點(diǎn)匹配方法[J];測(cè)繪學(xué)報(bào);2013年04期

6 楊則銳;道路交叉口轉(zhuǎn)角曲線起迄點(diǎn)放樣公式[J];測(cè)繪通報(bào);1978年04期

7 徐柱;蒙艷姿;李志林;李木梓;;基于有向?qū)傩躁P(guān)系圖的典型道路交叉口結(jié)構(gòu)識(shí)別方法[J];測(cè)繪學(xué)報(bào);2011年01期

8 何霞;;淺談道路交叉口的設(shè)計(jì)[J];科技信息;2010年34期

9 張君緯;郭蘭英;孫樹賢;紀(jì)翠娜;;運(yùn)用車流波動(dòng)理論計(jì)算道路交叉口信號(hào)控制的最短周期[J];煙臺(tái)師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年02期

10 李寧方;安雷生;;地鐵站點(diǎn)施工期間道路交叉口交通疏導(dǎo)分析[J];河南科技;2013年07期

相關(guān)會(huì)議論文 前3條

1 陳寧國(guó);劉祥樹;薛郁;;道路交叉口交通實(shí)測(cè)和數(shù)值分析[A];第二十屆全國(guó)水動(dòng)力學(xué)研討會(huì)文集[C];2007年

2 張雷元;樹愛兵;;道路交叉口信號(hào)相位設(shè)計(jì)實(shí)用方法[A];第七屆中國(guó)智能交通年會(huì)優(yōu)秀論文集——智能交通技術(shù)[C];2012年

3 蓋春英;;北京市道路交叉口紅線展寬再思考[A];城市時(shí)代，，協(xié)同規(guī)劃——2013中國(guó)城市規(guī)劃年會(huì)論文集（01-城市道路與交通規(guī)劃）[C];2013年

相關(guān)重要報(bào)紙文章 前10條

1 規(guī)劃宣;東勝區(qū)運(yùn)用高科技改造道路交叉口[N];鄂爾多斯日?qǐng)?bào);2008年

2 通訊員 楊運(yùn)洲;東海整治城區(qū)交通秩序[N];連云港日?qǐng)?bào);2008年

3 夏竹青;為城市擁堵頑疾開良方[N];人民政協(xié)報(bào);2014年

4 本報(bào)記者 劉云;昆明城建將作大整容[N];云南日?qǐng)?bào);2002年

5 記者 孫亞斐;從“限、建、疏、管”四個(gè)方面治堵[N];蘭州日?qǐng)?bào);2011年

6 張?zhí)?本報(bào)記者 龔其明;鳳凰山隧道西延線工程即將開建[N];達(dá)州日?qǐng)?bào);2014年

7 湯曉峰;市政府投入4500萬(wàn)改善城區(qū)道路[N];南通日?qǐng)?bào);2007年

8 李上喜 本報(bào)記者 周漁 李成;交通智能化[N];眉山日?qǐng)?bào);2005年

9 本報(bào)記者 寶玉 實(shí)習(xí)生 耿榮榮;今年投資七億搞城建[N];哈密報(bào)(漢);2007年

10 周建峰 張杰;城市綜合交通體系規(guī)劃出臺(tái)[N];宜興日?qǐng)?bào);2007年

相關(guān)博士學(xué)位論文 前1條

1 王延長(zhǎng);基于多相機(jī)全向視覺導(dǎo)航的道路建模[D];浙江大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 王陽(yáng)生;基于模型約束的道路交叉口自動(dòng)識(shí)別方法研究[D];武漢大學(xué);2005年

2 王洋;北京市部分擁堵點(diǎn)段交通疏堵改造工程案例研究[D];北京工業(yè)大學(xué);2015年

3 張林芳;南昌市道路交叉口景觀設(shè)計(jì)研究[D];江西農(nóng)業(yè)大學(xué);2013年

4 王龍;基于DPM模型的高分辨率遙感影像道路交叉口檢測(cè)與識(shí)別[D];遼寧科技大學(xué);2015年

5 李科;道路交叉口預(yù)信號(hào)設(shè)置及其設(shè)計(jì)研究[D];長(zhǎng)安大學(xué);2016年

6 陽(yáng)杰;基于FLUENT的道路交叉口風(fēng)場(chǎng)并行計(jì)算研究[D];中南林業(yè)科技大學(xué);2016年

7 郝偉;基于人均延誤的公交專用進(jìn)口道評(píng)價(jià)方法研究[D];湖南大學(xué);2016年

8 馮毅文;基于大規(guī)模車輛軌跡數(shù)據(jù)的道路交叉口排隊(duì)長(zhǎng)度探測(cè)[D];深圳大學(xué);2017年

9 王德浩;基于低頻出租車GPS軌跡數(shù)據(jù)的路網(wǎng)信息提取[D];武漢大學(xué);2017年

10 蒙艷姿;道路交叉口的結(jié)構(gòu)化識(shí)別與簡(jiǎn)化[D];西南交通大學(xué);2009年

本文編號(hào)：1378569