基于低频出租车轨迹的可导航路网构建与更新方法

Taxi trajectory is an important data source of urban big-data. The construction of road network from taxi trajectory has unique advantages, such as low cost, high efficiency and strongly up-to-date. However, on one hand, urban road network is very complex in inner-structure, and on the other hand, the sampling rates of taxi trajectories are not only low but also unfixed, and besides, the acquired data is prone to noise. Consequently, it is very difficult for existing methods to generate navigable road network from taxi trajectories. With this project, we will investigate the problem of generating and updating road network from large-scale taxi trajectories of low sampling frequency, low position precision, high noise and uneven distribution, which firstly focuses on the extraction of road intersection by integrating multiple advanced technologies, then computes turning relationships and link information around road intersections in a divide-and-conquer manner, and consequently, automatically builds navigable urban road network model. Further, we will study how to perfect the constructed road network by fusing remote-sensing images, in which detailed texture information about road is fully explored. Through this study, we plan to systematically address a series of challenges involved in the construction of road network from taxi trajectories, and therefore, lead to an effective while low-cost solution on the generation and maintaining of urban road network. We believe that our project is of significant theoretical and practical value on important issues, such as intelligence transportation, urban planning, location-based service, and so on.

出租车轨迹是城市大数据的重要来源之一。从中识别与提取路网信息具有低成本、高效率、高现势性等独特优势。然而，由于一方面城市道路结构异常复杂，另一方面出租车轨迹采样频率较低且精度不高，使得目前的道路提取方法难以有效构建可导航的路网模型。为此，本项目拟针对低频度、低精度、高噪声、非均匀分布的大规模出租车轨迹数据，优先研究多元技术集成的道路交叉口识别与提取方法，并以分而治之方式开展围绕交叉口的路段信息与转向关系分析与计算，从而自动构建出可导航的城市路网模型。更进一步，本项目拟融合遥感影像与出租车轨迹，利用中/高分辨率遥感影像的丰富细节信息，研究基于遥感影像的路网信息纠正与补全方法。通过本项目工作，系统性研究从出租车轨迹数据构建可导航路网模型所涉及到的一系列问题，最终形成关于城市路网生成与维护的成本低廉且行之有效的解决方案，从而服务于智能交通、城市规划、位置服务等领域。

路网是城市运行的“血管”，基于出租车轨迹数据来构建与更新可导航路网，具有覆盖广、更新快、成本低等独到优势。项目首先从多个技术角度研究道路交叉口的探测方法，提出交叉口的多元集成识别技术，然后顾及路段与交叉口的关联关系，检测与拟合交叉口之间的路段中心线，挖掘等级与限速等导航属性，最后面向OSM路网，提出基于地图匹配技术的路网信息更新方法。.在道路交叉口识别方面，通过分析出租车轨迹在矢栅空间关于交叉口的多模特征，顾及不同特征在矢栅空间的互补优势，设计道路交叉口的集成识别技术，提出基于随机森林方法的零标注监督式分类，可以全面、准确识别结构不同、大小不等的道路交叉口。.在可导航路网构建方面，设计交叉口优先的路网生成技术，在交叉口提取的基础之上，提出一种基于Delaunay三角网的多阶段路段中心线生成方法，进一步提出基于多模特征，顾及邻接路段信息的道路等级、路段限速等导航属性获取方法，实现了城市级路网结构生成及其导航属性挖掘。.在OSM路网信息更新方面，设计基于地图匹配的子轨迹-字符串映射方法，将复杂的交叉口转向关系分析转化为简单的字符串匹配，进一步提出基于地图匹配中断点分析的路网结构更新技术，可以有效发现与更新OSM路网的道路方向问题，并探测OSM路网未标记的路段、掉头点等信息。.项目针对低频度、低精度、高噪声、非均匀分布的大规模出租车轨迹数据，系统性研究了从出租车轨迹数据构建可导航路网的一系列问题，形成了关于城市路网生成与维护的成本低廉且行之有效的解决方案。经过四年研究，共发表文章11篇，申请1项专利，其中，第1标注论文8篇, 第2标注论文3篇，包括5篇SCI论文，5篇EI论文，1篇核心论文