基于时空轨迹数据的复杂城市道路网车道级精细建模

Spatial form of complex urban road network and detailed modeling for lane-level detail are very important for intelligent traffic management, precise navigation positioning and urban space efficient utilization. How to make full use of massive amounts of vehicle spatial-temporal trajectories, extract rapidly and automatically generate lane-level complex road network information such as overpasses, or tunnels, that is one of the frontier research topic for trajectory data mining. The project combines with complex urban road network entities and track data spatial-temporal distribution characteristics, based on the basic principle of hierarchical analysis method. We propose the time and space adaptive optimization mechanism for unstructured floating vehicle movement track, design trajectory segmentation and mesh refinement model conforming to the road network connectivity and direction, build hierarchical object generation strategy for three-dimensional path connected lane, to implement the local rich detail information automatically reconstruction such as lane number, direction, intersection. Finally, we will reveal the complex urban road network object modeling from global to local level and trajectory information extraction mechanism, provide effective way for floating car spatial-temporal trajectory data mining, meet the diverse application requirements of urban road network such as traffic management, change detection and updating.

复杂城市道路网络的空间形态、车道级细节层次精细建模在智能交通管理、精确导航定位和城市空间高效利用方面具有重要价值。如何充分利用海量泛在的浮动车时空轨迹数据，快速自动化地提取和生成拥有立交桥等复杂道路网的车道级信息，是轨迹大数据挖掘的前沿研究课题之一。项目基于层次分析基本原理方法，结合城市道路网络复杂实体和轨迹数据的时空分布特征，提出非结构化的浮动车行驶轨迹的时间空间自适应优化处理机制，设计符合路网连通性和方向性的轨迹分段分割和构网精化模型，构建立体联通车道的层次化对象生成策略，实现车道级的数量、方向、交叉路口等局部丰富细节信息自动重建。进而，揭示复杂城市道路由整体到局部的层次对象建模和轨迹信息提取的模型机理，为浮动车时空轨迹数据挖掘提供有效途径，满足城市道路网交通管理、变化检测和更新等精细化应用需求。

复杂城市道路网络的空间形态、车道级细节层次精细建模在智能交通管理、精确导航定位和城市空间高效利用方面具有重要价值。如何充分利用海量泛在的浮动车时空轨迹数据，快速自动化地提取和生成拥有立交桥等复杂道路网的车道级信息，是轨迹大数据挖掘的前沿研究课题之一。项目针对快速扩张变化的复杂城市道路网的现势性与精细表达问题，旨在发展一套融合多种类型浮动车时空轨迹的城市交通道路网车道级别精细化建模的规律与机制。项目基于层次分析基本原理方法，结合城市道路网络复杂实体和轨迹数据的时空分布特征，研究和提出非结构化的浮动车行驶轨迹的时间空间自适应优化处理机制，设计符合路网连通性和方向性的轨迹分段分割和构网融合精化模型，构建立体联通车道的层次化对象生成策略，实现车道级的数量、方向、交叉路口等局部丰富细节信息自动重建。进而，揭示了复杂城市道路由整体到局部的层次多类型对象建模和轨迹信息提取的模型，为浮动车时空轨迹数据挖掘提供有效途径，满足城市道路网交通管理、变化检测和更新等精细化应用需求。