[发明专利]基于车载GPS数据与神经网络的道路中心线提取方法

说明书

本发明涉及一种利用车载GPS数据与神经网络获得道路中心线的方法，所述预测方法包括，首先对人工标记的道路中心线与对应区域的车辆GPS数据进行预处理得到矩阵形式的数据作为训练样本；使用上一步中得到的训练样本，将道路中心线作为目标值，车载GPS数据作为输入，使用梯度下降方法对神经网络进行训练；最后对新区域的车载GPS数据进行预处理，并将样本送入训练好的神经网络中。对神经网络的输出进行处理得到该区域的道路中心线。

技术领域

本发明涉及一种利用海量车载GPS提取道路中心线方法，属于测绘与地理信息学领域。

本发明所提出道路中心线生成方法，是交通矢量地图制作的重要技术支撑。

本文提出了一种利用GPS数据提取道路特征的方法。

背景技术

GIS(Geographic Information System)系统在人们的日产出行之中扮演者重要的角色，较为突出的应用有车辆导航系统，拥堵实时播报系统，出行时间预测系统等。通过先进的机器学习方法与网络通信技术，为人们安排更加方便的出行路线。

电子矢量地图是GIS系统中的重要组成部分。过去，地图的制作需要搭载高精度GPS设备的车辆进行实地探测。这种方法虽然可以得到高精度的地图，但是更新一次地图需要耗费大量的人力物力，通常受限于人力、资金等因素，用这种方法测绘地图往往有很长的更新周期。与之相对的是随着中国城市化进程的加快，道路网络变化的速度也在加快。当电子地图无法做到实时更新时，会给予智能交通系统错误的信息，这会导致交通运输压力的增大与资源能源的浪费。如何高效化、及时化、自动化获取以及更新电子地图具有重要的商业及研究价值。

随着车载GPS终端的普及，以及滴滴、优步等网约车服务的兴起，数据分析师可以轻易的获取海量的车载GPS数据，这些数据能够覆盖当地的通行道路，随即有许多基于GPS数据的道路矢量图提取方法被提出。这其中大致可以分为两类：1.将浮动车辆的GPS轨迹数据转化为独立GPS点数据，利用核密度估计方法找到GPS点最密集的区域计算出道路中心线。2.将车载GPS轨迹看做曲线，利用部分曲线聚类方法得到道路中心线。这些方法利用了非监督学习的方法，流程中包含有许多基于经验的设计，无法很好地描述道路特征，适应性较差。

附图说明

图1为本发明基于车载GPS数据与神经网络的道路中心线提取方法。

图2为本发明使用GPS数据特征提取方法。

图3为本发明使用的用于学习道路中心线与特征之间映射关系的神经网络。

发明内容

为了解决现有技术中的上述问题，本发明的提供一种基于车载GPS数据与神经网络的道路中心线提取方法。

参见图1，一种基于车载GPS数据与神经网络的道路中心线提取方法，所述方法包括以下5个步骤：

步骤100：划分M个等大的区域，利用出租车的出行记录获得对应区域的GPS数据，利用人工标记或现有道路矢量图获得对应区域的道路中心线；

步骤200:对于步骤100中的每一个区域中的GPS数据进行处理得到关于道路的特征矩阵，作为输入。

步骤300:对于步骤100中的每一个区域中的人工标记中心线进行处理得到关于道路中心线的矩阵，作为输出

步骤400：使用步骤200与步骤300中得到的训练样本，将道路中心线作为目标值，车载GPS数据作为输入，使用动量梯度下降方法对网络参数进行训。

步骤500：将训练好模型的应用于新的区域，以获得该区域的道路中心线。

所述基于车载GPS数据与神经网络的道路中心线提取方法，具体来说包括三个部分：