基于浮动车GPS轨迹数据的立交桥结构提取方法

基于浮动车gps轨迹数据的立交桥结构提取方法
技术领域
1.本发明属于可导航路网构建的技术领域，具体涉及一种基于浮动车gps轨迹数据的立交桥结构提取方法。


背景技术：

2.道路网是gis的重要基础信息之一，也是众多科学研究的基础数据，在市政规划、智能交通、位置服务等领域发挥着重要作用。传统的道路网制图依靠专业的数据采集人员实地测量，再经繁琐的人工后处理，数据获取成本高，制图费时费力。随着导航定位技术的发展，通过各种各样的便携式设备能轻松地采集到成本低、覆盖广、更新快，包含大量行车语义信息的海量轨迹数据，带来了利用浮动车gps轨迹数据提取道路网的新思路。此外，经济迅速发展，车流量日益增加，交通基础设施载荷激增，亟待高效的通行方式出现，作为城市重要交通枢纽的立交桥应运而生。立交桥具有层次化的三维结构，其顶视图可视作包含多个变体“y字”和倒“y字”型路口的复杂集成体，在几何形态和拓扑结构上都比普通十字路口更为复杂多样。这也使得基于浮动车gps轨迹数据提取立交桥结构成为一件具有挑战性的任务。
3.但是，现有的基于gps轨迹数据构建路网的研究主要集中于基础路网的构建，包括道路中心线提取和交叉口探测，缺乏对包括立交桥在内的复杂交叉口的几何形态及拓扑结构提取的深入研究。另外，在方法上，基于影像分割或轨迹栅格的道路提取方法等大多关注道路几何形态的构建，难以正确表达上下交叠道路间的拓扑连通关系；基于轨迹点聚类的道路提取方法，大多忽略了轨迹的连通性，处理繁琐，流程自动化不足。因此，如何综合利用gps轨迹数据的时空特征信息，高效且正确地提取立交桥的几何形态和拓扑结构，成为现有技术亟需解决的问题。


技术实现要素：

4.本发明的目的在于针对现有技术的不足之处，提供一种基于浮动车gps轨迹数据的立交桥结构提取方法，该方法克服了现有基于gps轨迹数据的道路提取方法在几何形态和拓扑结构刻画正确性上的不足，兼顾立交桥几何形态和拓扑结构的复杂性，能高效正确地提取立交桥结构的二维表示。
5.为解决上述技术问题，本发明采用如下技术方案：
6.一种基于浮动车gps轨迹数据的立交桥结构提取方法，包括如下步骤：
7.步骤1、获取浮动车gps轨迹数据并进行预处理，并筛选出位于提取范围内的立交桥主体之上的浮动车gps轨迹数据；
8.步骤2、指定桥的提取范围和立交桥出入口序列信息，并指定方法参数值；
9.步骤3、以步骤2指定的立交桥出入口为起点、固定大小的窗口为基本单元，逐步进行潜在分岔口感知与高置信分岔口验证，并沿指定方向追踪，递归地将始于立交桥单一出/入口的子结构建模为带方向的二维树状图；
10.步骤4、以位于同一地理位置的分岔口为锚点，将从不同入口或出口提取到的所有子结构联结为一个整体，并通过对融合后的结构做精细化整合，得到几何信息完整的正向或逆向追踪立交桥结构；
11.步骤5、以正向追踪所得融合结构为基，逆向追踪获得的道路汇入点为辅，将汇入点的拓扑信息嵌入其中，从而提取出几何完整性与拓扑连接正确性均较高的立交桥结构。
12.进一步地，步骤1中对浮动车gps轨迹数据进行预处理包括：
13.根据轨迹点与轨迹的关系，对原始轨迹点数据做拆分、分段、去重的预处理，保留采样频率适当、采样点数充足的轨迹；
14.在此基础上，综合位于不同区域的轨迹的空间分布与几何特征，利用单条轨迹的最小外接矩形长宽比和面积分别归一化后等权重加权的组合指标来过滤迂回轨迹与不位于立交桥主体的轨迹；
15.根据轨迹水平方向定位精度、轨迹整体平均速度、最大速度来筛除低水平方向定位精度和非机动车轨迹，借助邻域轨迹通量剔除由定位不准确带来的低密度轨迹；
16.最后，计算各轨迹点距其起点和终点的路径长度，作为轨迹点的补充特征。
17.进一步地，步骤2中方法参数值包括轨迹数据存储路径、轨迹特征字段名、结构存储路径、滑动窗口半径、方向角峰值间隔。
18.进一步地，步骤3具体包括以下子步骤：
19.s3.1、采用子结构追踪器进行追踪，并初始化子结构追踪器的状态；
20.s3.2、确定窗口内轨迹点方向角的峰值及其数量，并根据分岔口处普遍存在道路朝向分异的趋势，设计规则判定下一窗口的中心是否为潜在分岔口；
21.s3.3、基于潜在分岔口感知，各滑动追踪窗口中心均具备是否为潜在分岔口的标签信息，通过放大潜在分岔口的道路朝向分异趋势，验证其是否为高置信分岔口；
22.s3.4、以滑动窗口中心的岔口分支数量为先验依据，利用聚类识别通过高置信分岔口的轨迹流的不同丛集模式，一个丛集群中的轨迹即为新追踪分支的数据基础；
23.s3.5、潜在分岔口感知和高置信分岔口验证的结果共同控制子结构追踪器的状态，不同的状态决定了子结构追踪器不同的动作；
24.s3.6、依据现实情景建立规则，发现并剔除在子结构提取时因模糊的轨迹分流造成的同一岔口处重复分岔引入的冗余分支。
25.进一步地，步骤s3.1对子结构追踪器初始化，在初始化前先构造所有轨迹的od表和包含所有轨迹od点的kd-tree，然后对各立交桥出入口子结构追踪器分别做初始化，具体包括：
26.确定追踪方向：对于立交桥入口，则指定追踪方向为正向；立交桥出口，则指定追踪方向为逆向；
27.根据立交桥入口(或出口)位置，构建初始窗口，查询经过初始窗口的轨迹：若指定追踪方向为正向，则保留查询结果中o点所在轨迹簇；若指定追踪方向为逆向，则保留查询结果中d点所在轨迹簇；
28.累计追踪长度归零，以前面步骤获得的轨迹簇为数据基础，变更初始窗口大小，并使用其内部轨迹点的质心位置更新窗口中心。
29.进一步地，s3.2中确定窗口内轨迹点方向角的峰值及其数量的确定方法为：
30.将方向角空间划分为连续均匀的360个子区间，统计窗口内轨迹点的方向角分布情况，然后利用高斯核密度估计拟合其分布密度函数，并求取该密度函数峰值对应的角度，去除虚假峰值方向角后得到窗口内轨迹点方向角的峰值及其数量；
31.s3.2中潜在分岔口判定规则为分别记录当前窗口和下一窗口内方向角峰值的个数，当峰值个数呈现出增长趋势，则认为下一窗口中心为潜在分岔口。
32.进一步地，s3.3中若当前滑动窗口中心为潜在分岔口且其方向角峰值数n
cur
大于1，则需验证其是否为高置信分岔口，具体方法为：
33.岔口分支数量确定：若
cur
＝2，则岔口分支数为2；若n
cur
≥3，则自适应地增大方向角峰值间隔并求得新的方向角峰值数 n
new
；若 n
new
》3或 n
new
＝ 1，则当前滑动窗口中心不为分岔口，验证结束；若 n
new
＝2，则岔口分支数为2；若n
new
＝3，则岔口分支数为3；
34.分支预追踪：根据上一步确定的岔口分支数量将轨迹分流为相应数量的轨迹束，对每束轨迹，不考虑道路再次分岔地，预先沿指定方向滑动一定数量的窗口，以追踪不同分支；
35.高置信分岔口判定：利用等长分支末端距离来反映道路朝向分异程度，若其大于一定阈值，则当前窗口中心通过验证，为高置信分岔口。
36.进一步地，s3.5子结构追踪器状态与动作的对应法则为：
37.若当前窗口中心感知结果不为潜在分岔口，子结构追踪器沿着或逆着当前窗口内轨迹点方向角峰值方向滑动一步；
38.若当前窗口中心感知结果为潜在分岔口，高置信分岔口验证未通过，子结构追踪器沿着或逆着当前窗口内轨迹点方向角的主方向滑动一步；
39.若当前窗口中心感知结果为潜在分岔口，并通过高置信分岔口验证，则子结构追踪器进行轨迹分流，向各个方向角峰值方向滑动一步并开启新的追踪分支。
40.进一步地，s3.6中冗余分支剔除方法包括：
41.重复分岔现象探测：在立交桥情境下，道路一般不会在较短的距离内频繁分岔，据此探测两分岔口间是否发生重复分岔；
42.高低等级分岔口后续分支匹配：按分岔口在道路前进方向中出现的先后顺序，将其定义为高低等级分岔口。根据两给定分支的最大外接矩形重叠度、分支末端投影距离、所在道路走向差值，判断其是否表征同一条道路；
43.冗余分支剔除：通过分支匹配获取低等级分岔口中冗余分支的编号，若冗余分支末端未发生分岔，则直接剔除该分支；否则先整合其末端的局部结构，再剔除冗余片段。
44.进一步地，步骤4具体包括如下子步骤：
45.s4.1、发现空间邻近分岔口点簇群；判断各个分岔口点簇中任意两分岔口是否表征同一道路分岔口，合并两同一位置的道路分岔口及其后续分支并更新分岔口点簇群，重复以上内容，直至点簇群中无点簇或点簇中的分岔口不处于同一位置；
46.s4.2、探测定位各单一子结构在重叠区域结构不一致的现象，通过分支片段匹配及融合更新进行整合。
47.进一步地，s4.1中同位置岔口合并具体包括：
48.通过匹配两分岔口的后续分支来判断两分岔口是否表征同一道路分岔口，当匹配分支存在且两分岔口所在前置路段走向差在指定范围内，则该两分岔口需要合并；
49.合并两分岔口及其后续分支：识别两分岔口在道路中的相对位置关系，将两分岔口位置中心作为合并后的岔口；依据两分岔口的相对位置关系实现前后岔口分支的对齐，将对齐且相互匹配的分支进行重采样并融合；若要融合的两分支末端均为分岔口，则递归地进行同位
50.置岔口合并；若仅一个末端存在分岔口，则融合后的分支继承连接关系。
51.进一步地，步骤5中正逆向追踪信息互补具体方法为：
52.首先，从逆向追踪所得融合结构中提取出汇入点信息，即其分岔口信息；借助空间分析构建汇入点嵌入匹配表，并利用轨迹数据重叠度和道路走向信息过滤伪匹配表项；最后，根据匹配表，依次嵌入各汇入点，合并重复的分支片段，得到建模为有向网络图的立交桥结构。
53.与现有技术相比，本发明的有益效果为：
54.本发明兼顾轨迹点在宏观整体上的有序连接与在微观局部中的相似集聚，设计了一种正逆向滑动追踪轨迹与互补融合的两阶段自动化立交桥结构提取策略；该方法贯彻“分而治之”的思想，将问题化繁为简，精准把握结构中重要节点的本质特征，以相同的自动化流程，统一了对道路中分岔口和汇入口的信息提取，最终方法仅需输入处理后的轨迹数据和配置文件，即可构建几何完整度与拓扑正确性均较高的立交桥结构，实现了低成本、高效率、高准确性的立交桥结构自动化提取，克服了现有基于gps轨迹数据的道路提取方法在几何形态和拓扑结构刻画正确性上的不足。
附图说明
55.图1为本发明实施例基于浮动车gps轨迹数据的立交桥结构提取方法的流程图；
56.图2为本发明实施例中浮动车gps轨迹数据处理的流程图；
57.图3为本发明实施例中始于立交桥单一出(入)口的子结构提取的流程图。
具体实施方式
58.下面将结合本发明实施例对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
59.需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
60.下面结合具体实施例对本发明作进一步说明，但不作为本发明的限定。
61.本实例提供了一种基于浮动车gps轨迹数据的立交桥结构提取方法，以采集自深圳的浮动车gps轨迹数据为例，采用本方法进行立交桥结构提取，流程参阅图1，具体步骤如下：
62.步骤1、获取浮动车gps轨迹数据并对其进行预处理，筛选出位于提取范围内立交桥主体之上的浮动车gps轨迹数据，计算轨迹点的始末距离，以表征轨迹的移动特征；具体地，在本实施例中，浮动车gps轨迹数据预处理的流程参见图2，具体操作包括：
63.s1.1、原始轨迹预处理：根据轨迹点与轨迹的关系，对原始轨迹点数据做拆分、筛
选、分段、去重的预处理，保留采样频率适当、采样点数不少于20个的轨迹；
64.s1.2、迂回轨迹剔除：在此基础上，综合位于不同区域的轨迹的空间分布与几何特征，剔除绝大多数的不位于立交桥主体的迂回轨迹；本实施例中，利用单条轨迹的最小外接矩形长宽比和面积分别归一化后等权重加权的组合指标来衡量轨迹迂回程度，并滤除该指标值小于第10百分位数的轨迹；轨迹迂回度计算公式如下：
65.d
detour
＝0.5
×raspect
+0.5
×rarea
；
66.其中，r
aspect
为轨迹最小外接矩形长宽比的归一化值，r
area
为轨迹最小外接矩形面积的归一化值，d
detour
指示轨迹迂回程度；
67.s1.3、高水平方向定位精度轨迹筛选：可选的，根据轨迹水平方向定位精度字段筛选出整条轨迹中有15％及以上的点水平定位精度值大于10m的高水平方向定位精度轨迹；
68.s1.4、非机动车轨迹剔除：根据轨迹速度特征，剔除轨迹整体平均速度小于15km/h且轨迹点最大速度小于30km/h的非机动车轨迹；
69.s1.5、低密度轨迹剔除：借助邻域轨迹通量剔除由定位不准确导致的偏离主体的低密度轨迹；
70.s1.6、轨迹点辅助长度特征计算：计算各轨迹点距其起点和终点的路径长度，作为轨迹点的补充特征。
71.步骤2、基础配置信息确定：指定立交桥提取范围和立交桥出入口序列信息，指定方法参数值；其中，方法参数值包括：轨迹数据路径、轨迹特征字段名、结构存储路径、滑动窗口半径、方向角峰值间隔。在本实施例中，为尽可能使窗口全面覆盖道路中的轨迹点，并使子结构追踪器能够敏感地察觉道路走向分异，将滑动窗口半径设为20米，角度峰值间隔设为4度。
72.步骤3、始于立交桥单一出(入)口的子结构提取：借轨迹的连续性来跨越结构二维表示与真实三维对象间维度不匹配带来的鸿沟，兼顾轨迹点在宏观整体上的有序连接与在微观局部中的相似集聚，以立交桥出入口为起点，固定大小的窗口为基本单元，逐步进行潜在分岔口感知与高置信分岔口验证；最终，子结构追踪器在不同动作的驱动下，沿指定方向滑动式地追踪，递归地将始于立交桥的单一出(入)口的子结构建模为带方向的二维树状图。
73.在本实施例中，以单一出入口子结构提取的流程对步骤3进行说明，参见图3，具体包括如下步骤：
74.s3.1、子结构追踪器初始化：为从某一立交桥出入口出发的子结构追踪做数据准备及状态初始化。在初始化前先构造所有轨迹的od表和包含所有轨迹od点的kd-tree，然后对各立交桥出入口子结构追踪器分别做初始化；具体包括：
75.(1)确定追踪方向：对于立交桥入口，则指定追踪方向为正向；立交桥出口，则指定追踪方向为逆向。
76.(2)根据立交桥入口(或出口)位置，构建半径为40米的初始窗口，查询经过初始窗口的轨迹：若指定追踪方向为正向，则保留查询结果中o点所在轨迹簇；若指定追踪方向为逆向，则保留查询结果中d点所在轨迹簇。
77.(3)累计追踪长度归零，以前面步骤获得的轨迹簇为数据基础，变更初始窗口半径为20米，并使用其内部轨迹点的质心位置更新窗口中心。
78.s3.2、潜在分岔口感知：轨迹点蕴含行车语义信息，局部轨迹点方向角的聚集往往具备一定的指向性，通过将方向角空间划分为连续均匀的360个子区间，统计窗口内轨迹点的方向角分布情况，然后利用高斯核密度估计拟合其分布密度函数，并求取该密度函数峰值对应的角度，因角度空间循环连续，在去除虚假峰值方向角后确定窗口内轨迹点方向角的峰值及其数量。根据分岔口处普遍存在道路朝向分异的趋势，设计规则判定下一窗口的中心是否为潜在分岔口，判定规则为：分别记录当前窗口和下一窗口内方向角峰值的个数，当峰值个数呈现出增长趋势，则认为下一窗口中心为潜在分岔口。
79.s3.3、高置信分岔口验证：基于潜在分岔口感知，各滑动追踪窗口中心均具备是否为潜在分岔口的标签信息，通过放大潜在分岔口的道路朝向分异趋势，验证其真伪。若当前滑动窗口中心为潜在分岔口且其方向角峰值数n
cur
大于1，则需验证其是否为高置信分岔口，包括：
80.(1)岔口分支数量确定：若
cur
＝2，则岔口分支数为2；若n
cur
≥3，则自适应地增大方向角峰值间隔并求得新的方向角峰值数
new
；若
new
》3或
new
＝1，则当前滑动窗口中心不为岔口，验证结束；若
new
＝2，则岔口分支数为2；若n
new
＝3，则岔口分支数为3。
81.(2)分支预追踪：根据上一步确定的岔口分支数量将轨迹分流为相应数量的轨迹束，对每束轨迹，不考虑道路再次分岔地，预先沿指定方向滑动10个窗口，以追踪不同分支。
82.(3)高置信分岔口判定：利用等长分支末端距离来反映道路朝向分异程度，本实施例中，若其大于40米，则当前窗口中心通过验证，为高置信分岔口。
83.s3.4、轨迹分流：车辆在转向时行为模式既有相似性，也有分异性，以滑动窗口中心岔口分支数量为先验依据，利用聚类识别通过高置信分岔口的轨迹流的不同丛集模式，一个丛集群中的轨迹即为新追踪分支的数据基础。在高置信分岔口处需将轨迹分为不同的轨迹束，将经过分岔口的具有一定长度(100米)的轨迹段简化为包含轨迹段起点和终点的点对，以起点到终点的有向线的方向角表征各轨迹段。然后，以岔口分支数量为先验知识借助k-means++聚类方法随机生成彼此尽可能远离的初始轨迹流中心，当聚类中心变化均小于1度时，停止迭代，完成轨迹分流。
84.s3.5、子结构追踪器状态转移：潜在分岔口感知和高置信分岔口验证的结果共同控制子结构追踪器的状态，不同的状态决定了追踪器不同的动作。状态与动作的对应法则为：若当前窗口中心感知结果不为潜在分岔口，子结构追踪器沿着或逆着当前窗口内轨迹点方向角峰值方向滑动一步；若当前窗口中心感知结果为潜在分岔口，高置信分岔口验证未通过，子结构追踪器沿着或逆着当前窗口内轨迹点方向角的主方向滑动一步；若当前窗口中心感知结果为潜在分岔口，并通过高置信分岔口验证，则子结构追踪器进行轨迹分流，向各个方向角峰值方向滑动一步并开启新的追踪分支。
85.s3.6、单一子结构冗余分支剔除：依据现实情景建立规则，发现并剔除在子结构提取时因模糊的轨迹分流造成的同一岔口处重复分岔引入的冗余分支，包括内容：
86.(1)重复分岔现象探测：在立交桥情境下，道路一般不会在较短的距离内频繁分岔，据此探测两分岔口间是否发生重复分岔。在本实施例中，认为在100米内道路发现的多个岔口即为重复；
87.(2)高低等级分岔口后续分支匹配：按分岔口在道路前进方向中出现的先后顺序，将其定义为高低等级分岔口。根据两给定分支的最大外接矩形重叠度overlap、分支末端投
影距离end_dis、所在道路走向差值heading_diff，判断其是否表征同一条道路。判断规则为：认为overlap》0.8或end_dis《5m，且heading_diff≤20度时，两分支表征同一条道路；
88.(3)冗余分支剔除：通过分支匹配获取低等级分岔口中冗余分支的编号，若冗余分支末端未发生分岔，则直接剔除该分支；否则先整合其末端的局部结构，再剔除冗余片段。
89.步骤4、同追踪方向子结构融合：根据部分与整体的关系，以位于同一地理位置的分岔口为锚点，将从不同入口(或出口)提取到的所有子结构联结为一个整体，并通过对融合后的结构做精细化整合，再次去伪存真，得到基本具备完整几何信息的正向(或逆向)追踪立交桥结构。
90.在本实施例中，步骤4同追踪方向子结构融合的具体操作包括：
91.s4.1、同位置岔口合并：发现空间邻近分岔口点簇群；判断各个分岔口点簇中任意两分岔口是否表征同一道路分岔口，合并两同一位置的道路分岔口及其后续分支并更新分岔口点簇群，重复以上内容，直至点簇群中无点簇或点簇中的分岔口不处于同一位置；其中，该步骤还包括：
92.(1)通过匹配两分岔口的后续分支来判断两分岔口是否表征同一道路分岔口，当匹配分支存在且两分岔口所在前置路段走向差在指定范围内，则该两分岔口需要合并；
93.(2)合并两分岔口及其后续分支：识别两分岔口在道路中的相对位置关系，将两分岔口位置中心作为合并后的岔口；依据两分岔口的相对位置关系实现前后岔口分支的对齐，将对齐且相互匹配的分支，以10米的间隔进行重采样并融合；若要融合的两分支末端均为分岔口，则递归地进行同位置岔口合并；若仅一个末端存在分岔口，则融合后的分支继承连接关系。
94.s4.2、结构精细化整合：探测定位各单一子结构在重叠区域结构不一致的现象，通过分支片段匹配及融合更新进行整合。包括通过空间分析探测结构不一致的现象，并构建结构整合匹配表；据匹配表，分阶段融合具有相同分支编号的分支片段。
95.步骤5、正逆向追踪信息互补：以正向追踪所得融合结构为基，逆向追踪获得的道路汇入点为辅，将汇入点的拓扑信息嵌入其中，从而提取出几何完整性与拓扑连接的正确性均较高的立交桥结构。
96.在本实施例中，步骤5正逆向追踪信息互补，首先，从逆向追踪所得融合结构中提取出汇入点信息，即其分岔口信息；借助空间分析构建汇入点嵌入匹配表，并利用轨迹数据重叠度和道路走向信息过滤伪匹配表项；最后，根据匹配表，依次嵌入各汇入点，合并重复的分支片段，得到建模为有向网络图的几何完整及拓扑正确的立交桥结构。
97.以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

技术特征：
1.一种基于浮动车gps轨迹数据的立交桥结构提取方法，其特征在于，包括如下步骤：步骤1、获取浮动车gps轨迹数据并进行预处理，并筛选出位于提取范围内的立交桥主体之上的浮动车gps轨迹数据；步骤2、指定桥的提取范围和立交桥出入口序列信息，并指定方法参数值；步骤3、以步骤2指定的立交桥出入口为起点、固定大小的窗口为基本单元，逐步进行潜在分岔口感知与高置信分岔口验证，并沿指定方向追踪，递归地将始于立交桥单一出/入口的子结构建模为带方向的二维树状图；步骤4、以位于同一地理位置的分岔口为锚点，将从不同入口或出口提取到的所有子结构联结为一个整体，并通过对融合后的结构做精细化整合，得到几何信息完整的正向或逆向追踪立交桥结构；步骤5、以正向追踪所得融合结构为基，逆向追踪获得的道路汇入点为辅，将汇入点的拓扑信息嵌入其中，从而提取出几何完整性与拓扑连接正确性均较高的立交桥结构。2.根据权利要求1所述的基于浮动车gps轨迹数据的立交桥结构提取方法，其特征在于，步骤1中对浮动车gps轨迹数据进行预处理包括：根据轨迹点与轨迹的关系，对原始轨迹点数据做拆分、分段、去重的预处理，保留采样频率适当、采样点数充足的轨迹；在此基础上，综合位于不同区域的轨迹的空间分布与几何特征，利用单条轨迹的最小外接矩形长宽比和面积分别归一化后等权重加权的组合指标来过滤迂回轨迹与不位于立交桥主体的轨迹；根据轨迹水平方向定位精度、轨迹整体平均速度、最大速度来筛除低水平方向定位精度和非机动车轨迹，借助邻域轨迹通量剔除由定位不准确带来的低密度轨迹；最后，计算各轨迹点距其起点和终点的路径长度，作为轨迹点的补充特征。3.根据权利要求1所述的基于浮动车gps轨迹数据的立交桥结构提取方法，其特征在于，步骤3具体包括以下子步骤：s3.1、采用子结构追踪器进行追踪，并初始化子结构追踪器的状态；s3.2、确定窗口内轨迹点方向角的峰值及其数量，并根据分岔口处普遍存在道路朝向分异的趋势，设计规则判定下一窗口的中心是否为潜在分岔口；s3.3、基于潜在分岔口感知，各滑动追踪窗口中心均具备是否为潜在分岔口的标签信息，通过放大潜在分岔口的道路朝向分异趋势，验证其是否为高置信分岔口；s3.4、以滑动窗口中心的岔口分支数量为先验依据，利用聚类识别通过高置信分岔口的轨迹流的不同丛集模式，一个丛集群中的轨迹即为新追踪分支的数据基础；s3.5、潜在分岔口感知和高置信分岔口验证的结果共同控制子结构追踪器的状态，不同的状态决定了子结构追踪器不同的动作；s3.6、依据现实情景建立规则，发现并剔除在子结构提取时因模糊的轨迹分流造成的同一岔口处重复分岔引入的冗余分支。4.根据权利要求3所述的基于浮动车gps轨迹数据的立交桥结构提取方法，其特征在于，步骤s3.1对子结构追踪器初始化，在初始化前先构造所有轨迹的od表和包含所有轨迹od点的kd-tree，然后对各立交桥出入口子结构追踪器分别做初始化，具体包括：确定追踪方向：对于立交桥入口，则指定追踪方向为正向；立交桥出口，则指定追踪方
向为逆向；根据立交桥入口或出口位置，构建初始窗口，查询经过初始窗口的轨迹：若指定追踪方向为正向，则保留查询结果中o点所在轨迹簇；若指定追踪方向为逆向，则保留查询结果中d点所在轨迹簇；累计追踪长度归零，以前面步骤获得的轨迹簇为数据基础，变更初始窗口大小，并使用其内部轨迹点的质心位置更新窗口中心。5.根据权利要求4所述的基于浮动车gps轨迹数据的立交桥结构提取方法，其特征在于，s3.2中确定窗口内轨迹点方向角的峰值及其数量的确定方法为：将方向角空间划分为连续均匀的360个子区间，统计窗口内轨迹点的方向角分布情况，然后利用高斯核密度估计拟合其分布密度函数，并求取该密度函数峰值对应的角度，去除虚假峰值方向角后得到窗口内轨迹点方向角的峰值及其数量；s3.2中潜在分岔口判定规则为分别记录当前窗口和下一窗口内方向角峰值的个数，当峰值个数呈现出增长趋势，则认为下一窗口中心为潜在分岔口。6.根据权利要求3所述的基于浮动车gps轨迹数据的立交桥结构提取方法，其特征在于，s3.3中若当前滑动窗口中心为潜在分岔口且其方向角峰值数n
cur
大于1，则需验证其是否为高置信分岔口，具体方法为：岔口分支数量确定：若n
cur
＝2，则岔口分支数为2；若n
cur
≥3，则自适应地增大方向角峰值间隔并求得新的方向角峰值数n
new
；若n
new
>3或n
new
＝1，则当前滑动窗口中心不为分岔口，验证结束；若n
new
＝2，则岔口分支数为2；若n
new
＝3，则岔口分支数为3；分支预追踪：根据上一步确定的岔口分支数量将轨迹分流为相应数量的轨迹束，对每束轨迹，不考虑道路再次分岔地，预先沿指定方向滑动一定数量的窗口，以追踪不同分支；高置信分岔口判定：利用等长分支末端距离来反映道路朝向分异程度，若其大于一定阈值，则当前窗口中心通过验证，为高置信分岔口。7.根据权利要求3所述的基于浮动车gps轨迹数据的立交桥结构提取方法，其特征在于，s3.5子结构追踪器状态与动作的对应法则为：若当前窗口中心感知结果不为潜在分岔口，子结构追踪器沿着或逆着当前窗口内轨迹点方向角峰值方向滑动一步；若当前窗口中心感知结果为潜在分岔口，高置信分岔口验证未通过，子结构追踪器沿着或逆着当前窗口内轨迹点方向角的主方向滑动一步；若当前窗口中心感知结果为潜在分岔口，并通过高置信分岔口验证，则子结构追踪器进行轨迹分流，向各个方向角峰值方向滑动一步并开启新的追踪分支。8.根据权利要求3所述的一种基于浮动车gps轨迹数据的立交桥结构提取方法，其特征在于，s3.6中冗余分支剔除方法包括：重复分岔现象探测：在立交桥情境下，道路一般不会在较短的距离内频繁分岔，据此探测两分岔口间是否发生重复分岔；高低等级分岔口后续分支匹配：按分岔口在道路前进方向中出现的先后顺序，将其定义为高低等级分岔口。根据两给定分支的最大外接矩形重叠度、分支末端投影距离、所在道路走向差值，判断其是否表征同一条道路；冗余分支剔除：通过分支匹配获取低等级分岔口中冗余分支的编号，若冗余分支末端
未发生分岔，则直接剔除该分支；否则先整合其末端的局部结构，再剔除冗余片段。9.根据权利要求1所述的一种基于浮动车gps轨迹数据的立交桥结构提取方法，其特征在于，步骤4具体包括如下子步骤：s4.1、发现空间邻近分岔口点簇群；判断各个分岔口点簇中任意两分岔口是否表征同一道路分岔口，合并两同一位置的道路分岔口及其后续分支并更新分岔口点簇群，重复以上内容，直至点簇群中无点簇或点簇中的分岔口不处于同一位置；s4.2、探测定位各单一子结构在重叠区域结构不一致的现象，通过分支片段匹配及融合更新进行整合。10.根据权利要求9所述的一种基于浮动车gps轨迹数据的立交桥结构提取方法，其特征在于，s4.1中同位置岔口合并具体包括：通过匹配两分岔口的后续分支来判断两分岔口是否表征同一道路分岔口，当匹配分支存在且两分岔口所在前置路段走向差在指定范围内，则该两分岔口需要合并；合并两分岔口及其后续分支：识别两分岔口在道路中的相对位置关系，将两分岔口位置中心作为合并后的岔口；依据两分岔口的相对位置关系实现前后岔口分支的对齐，将对齐且相互匹配的分支进行重采样并融合；若要融合的两分支末端均为分岔口，则递归地进行同位置岔口合并；若仅一个末端存在分岔口，则融合后的分支继承连接关系。

技术总结
本发明提供一种基于浮动车GPS轨迹数据的立交桥结构提取方法，包括：获取浮动车GPS轨迹数据并进行预处理；指定提取范围内的立交桥出入口序列信息，并指定方法参数值；以立交桥出入口为起点、固定大小的窗口为基本单元，逐步进行潜在分岔口感知与高置信分岔口验证，将始于立交桥单一出/入口的子结构建模为带方向的二维树状图；根据二维树状图进行同追踪方向子结构融合，得到几何信息完整的正向或逆向追踪立交桥结构；以正向追踪所得融合结构为基，逆向追踪获得的道路汇入点为辅，将汇入点的拓扑信息嵌入其中，提取出立交桥结构。本发明兼顾了立交桥几何形态和拓扑结构的复杂性，能高效正确地提取立交桥结构的二维表示。正确地提取立交桥结构的二维表示。正确地提取立交桥结构的二维表示。


技术研发人员：向隆刚 邓媛媛
受保护的技术使用者：武汉大学
技术研发日：2023.03.30
技术公布日：2023/7/7