[发明专利]一种基于手机定位数据的道路网重建方法及系统

说明书

一种基于手机定位数据的道路网重建方法及系统，包括：获取原始数据集，原始数据集包括训练数据集和预测数据集；原始数据集为根据手机定位数据得到轨迹点；对训练数据集和预测数据集分别利用时间和密度两个维度进行特征构建与组合，并随之生成训练集和预测集；使用生成的训练集，基于机器学习中的算法得到采样点分类模型；将学习到的分类模型应用于预测集，将轨迹点划分为道路点和非道路点；基于约束Delaunay三角网对已识别出的道路点进行道路构建；按照拓扑关系，修改道路中心线，从而完成道路网的重建。本发明提出了一种高质量的精细化道路网生产和更新的新方式，将为无缝导航技术尤其是精细级道路网方面提供技术支撑，扩大路径导航服务的覆盖范围。

技术领域

本发明涉及时空轨迹数据挖掘技术，特别是一种基于手机定位数据的道路网重建方法及系统，属于地理信息系统与智能交通研究领域。

背景技术

道路是城市重要的基础设施，在城市快速发展过程中，如何及时补充和更新城市道路数据，以保持其准确性、及时性和完善程度是一个亟待解决的难题。城市中居民社区规模不断扩大，其内部道路网日趋精细和复杂，但已有的小区级道路信息精细程度不够甚至缺失，导致居民区内室外细部导航存在“盲区”，给室外无缝导航技术的发展造成很大障碍。与此同时，路网结构信息是电子地图基础数据的核心内容，更是电子地图实现导航功能、智能交通系统的数据基础，因此，准确和及时地更新城市精细级道路网是一个重要的问题(城市精细化道路网是指城市中各封闭小区内部的小区级支路)。

随着众源轨迹数据获取的便捷性和其更新的实时性得以大幅度提高，学术界和工业界均可以很容易地得到大量包含时空信息的轨迹数据，使得基于时空轨迹数据的路网提取方法成为可能。目前，道路网自动提取方法主要有两种：一种是从车载GPS轨迹数据中提取道路信息；另一种是基于高分辨率遥感影像提取路网信息。但是，现有的路网提取方法主要集中在城市各主干道的研究上，而城市内小区级精细路网常常被忽略。其中，遥感影像因为成像距离远，覆盖范围大，同时刻画不同空间尺度精细信息的能力不足，基于此类数据的处理方法仅能较好的解决一般主干道的信息提取，并不能最终解决精细化道路网构建问题；此外，一般学校、小区等建筑范围内部在一定程度上限制了GPS轨迹数据的获取，而行人移动轨迹数据随机性强，采样频率低，包含道路、建筑物及广场等各种地物类型，使得基于移动轨迹数据提取路网存在重重困难。

发明内容

发明所要解决的技术问题在于针对现有小区级路网中道路精细程度不够和部分缺失的问题，提供一种精细化道路网提取方法，可以方便准确的完成精细级路网的构建工作。该方法将基于大规模行人数据进行道路网重建的问题转化为道路点与非道路点的两类分类问题，首先使用时间和密度两个维度的不同组合进行特征集的构建，生成训练集，然后使用随机森林算法学习采样点分类模型，之后应用分类模型对数据集进行划分，得到道路点集合，最后借用约束Delaunay三角网对已识别道路点集合进行道路构建与道路中心线提取，从而完成封闭区域内精细化路网的构建。其包括以下步骤：

步骤1)获取原始数据集，原始数据集包括训练数据集和预测数据集；其中原始数据集为根据手机定位数据得到轨迹点；

步骤2)对训练数据集和预测数据集分别利用时间和密度两个维度进行特征构建与组合，并随之生成训练集和预测集；

步骤3)使用生成的训练集，基于机器学习中的算法学习得到采样点分类模型；

步骤4)将学习到的分类模型应用于预测集，将轨迹点划分为道路点和非道路点；

步骤5)基于约束Delaunay三角网对已识别出的道路点进行道路构建；

步骤6)按照拓扑关系，修改道路中心线，从而完成道路网的重建。

进一步地，在本发明的基于手机定位数据的道路网重建方法中，所述步骤1中训练数据集是根据下述方式得到：获取多个封闭小区内部轨迹点的分布模式，选择轨迹点分布模式不同的多个不重叠的小规模区域组成训练数据集。