軌跡大數(shù)據(jù)挖掘與高時空精度道路眾包測圖
軌跡大數(shù)據(jù)具有采集成本低、更新快、蘊含信息豐富等特點,是人們探索人類活動規(guī)律、挖掘空間物理結(jié)構(gòu)的一種新手段。《軌跡大數(shù)據(jù)挖掘與高時空精度道路眾包測圖》以軌跡大數(shù)據(jù)挖掘為背景,以城市各級道路網(wǎng)信息獲取與更新為目標(biāo),全面系統(tǒng)地介紹基于軌跡數(shù)據(jù)的高時空精度道路眾包測圖理論與方法,包括時空軌跡數(shù)據(jù)獲取、軌跡數(shù)據(jù)高精度濾選、城市各級道路交叉口識別與幾何連通信息獲取、路網(wǎng)變化檢測理論與方法、各級路網(wǎng)自動更新策略!盾壽E大數(shù)據(jù)挖掘與高時空精度道路眾包測圖》遵從數(shù)據(jù)獲取、數(shù)據(jù)降噪、知識發(fā)現(xiàn)的邏輯主線,每一章敘述從具體問題入手,由淺入深,闡明思路,便于讀者掌握軌跡大數(shù)據(jù)挖掘方法的實質(zhì),學(xué)習(xí)面向高時空精度路網(wǎng)信息的軌跡提取方案。
更多科學(xué)出版社服務(wù),請掃碼獲取。
全球定位系統(tǒng),測量技術(shù),研究
目錄
第1章 時空軌跡大數(shù)據(jù)獲取 1
1.1 高時空精度道路測圖技術(shù) 2
1.1.1 高精度道路專業(yè)測圖技術(shù) 2
1.1.2 高精度道路眾包測圖技術(shù) 3
1.1.3 高精度道路專業(yè)測圖與眾包測圖技術(shù)的優(yōu)缺點 4
1.2 浮動車數(shù)據(jù)采集系統(tǒng) 5
1.2.1 系統(tǒng)原理 5
1.2.2 系統(tǒng)構(gòu)成 5
1.2.3 系統(tǒng)特點 7
1.2.4 數(shù)據(jù)特征 7
1.3 志愿者數(shù)據(jù)共享平臺 9
1.3.1 平臺模式 9
1.3.2 平臺特點 10
1.3.3 數(shù)據(jù)構(gòu)成 11
1.3.4 數(shù)據(jù)特征 13
參考文獻 14
第2章 軌跡數(shù)據(jù)預(yù)處理 18
2.1 軌跡數(shù)據(jù)誤差來源 18
2.1.1 GPS誤差 18
2.1.2 數(shù)據(jù)缺失 19
2.2 軌跡漂移點剔除 20
2.2.1 現(xiàn)有漂移點處理方法 20
2.2.2 浮動車數(shù)據(jù)分布特點 22
2.2.3 基于Delaunay三角網(wǎng)密度的漂移點剔除 23
2.2.4 實驗驗證 25
2.3 軌跡高精度濾選 27
2.3.1 現(xiàn)有軌跡數(shù)據(jù)清洗方法 27
2.3.2 高低精度同步軌跡分布特點 29
2.3.3 基于運動一致性模型的車載軌跡大數(shù)據(jù)清洗方法 30
2.3.4 實驗驗證 35
2.4 缺失軌跡重建 40
2.4.1 現(xiàn)有缺失重建方法 40
2.4.2 行為特征提取 42
2.4.3 基于歷史行為的缺失軌跡概率建模 43
2.4.4 實驗驗證 45
參考文獻 47
第3章 道路交叉口識別與信息獲取 50
3.1 道路交叉口信息獲取綜述 50
3.1.1 基于圖像數(shù)據(jù)的交叉口識別 50
3.1.2 基于3DLiDAR和多傳感器融合的交叉口識別 51
3.1.3 基于軌跡數(shù)據(jù)的交叉口識別 51
3.1.4 小結(jié) 52
3.2 道路交叉口功能及車輛轉(zhuǎn)向特征 53
3.3 道路平面交叉口快速識別 54
3.3.1 車輛轉(zhuǎn)彎變化點對提取 54
3.3.2 基于生長聚類方法的轉(zhuǎn)向點對聚類 56
3.3.3 基于局部連通性聚類方法的平面交叉口識別 58
3.4 平面交叉口在多級路網(wǎng)數(shù)據(jù)中的空間結(jié)構(gòu)獲取 59
3.4.1 平面交叉口中心位置及范圍圓確定 59
3.4.2 行車道級道路平面交叉口空間結(jié)構(gòu)提取 60
3.4.3 車道級道路平面交叉口空間結(jié)構(gòu)提取 62
3.5 實驗驗證 62
3.5.1 實驗數(shù)據(jù) 62
3.5.2 參數(shù)設(shè)置 63
3.5.3 實驗結(jié)果可視化與準(zhǔn)確性評價 66
3.5.4 城市道路平面交叉口識別方法對比 69
參考文獻 71
第4章 多級道路幾何連通性信息獲取 73
4.1 道路幾何連通性信息獲取綜述 73
4.1.1 基于圖像數(shù)據(jù)的道路信息獲取 73
4.1.2 基于機載/車載激光數(shù)據(jù)的道路信息提取 75
4.1.3 基于車載軌跡數(shù)據(jù)的道路信息提取 75
4.1.4 小結(jié) 76
4.2 道路中心線級與行車道級幾何連通性信息提取 78
4.2.1 基于認知規(guī)律的路網(wǎng)信息感知過程解析 78
4.2.2 顧及認知規(guī)律的軌跡融合模型與路網(wǎng)生成 79
4.2.3 路網(wǎng)信息提取定性和定量評價 85
4.2.4 實驗驗證 86
4.3 道路車道級幾何連通性信息提取 89
4.3.1 車載軌跡數(shù)據(jù)在道路平面及橫切面的分布特征 89
4.3.2 基于優(yōu)化約束高斯混合模型的車道級道路幾何信息獲取 90
4.3.3 車道級道路連通性信息提取 97
4.3.4 實驗驗證 101
參考文獻 111
第5章 異源異構(gòu)道路數(shù)據(jù)變化檢測 116
5.1 道路數(shù)據(jù)變化檢測綜述 116
5.1.1 柵格數(shù)據(jù)變化檢測方法 116
5.1.2 矢量數(shù)據(jù)變化檢測方法 117
5.1.3 空間數(shù)據(jù)變化分類與建模 118
5.2 道路幾何圖形相似性度量 118
5.2.1 幾何圖形的描述方法 118
5.2.2 道路的幾何圖形相似性度量 121
5.3 道路屬性語義相似性度量 126
5.3.1 空間信息本體的語義表達 126
5.3.2 道路信息分類本體的建立 128
5.4 基于地物相似度模型的道路數(shù)據(jù)變化檢測 137
5.4.1 地物相似度模型 138
5.4.2 道路數(shù)據(jù)變化分類 140
5.4.3 道路數(shù)據(jù)變化檢測 141
5.5 交通道路數(shù)據(jù)變化發(fā)現(xiàn)與提取 145
5.5.1 變化前后的數(shù)據(jù)準(zhǔn)備 146
5.5.2 地物相似度計算 147
5.5.3 道路數(shù)據(jù)變化發(fā)現(xiàn)與提取 147
5.6 地物相似度模型與空間數(shù)據(jù)變化發(fā)現(xiàn)算法的評價 150
5.6.1 地物相似性度量的準(zhǔn)確性分析 150
5.6.2 地物相似度變化閾值的確定與分析 151
參考文獻 155
第6章 道路信息變化檢測 159
6.1 城市路網(wǎng)變化檢測綜述 159
6.1.1 新圖像數(shù)據(jù)疊加歷史圖像數(shù)據(jù)檢測道路變化 159
6.1.2 圖像數(shù)據(jù)融合GIS信息檢測道路變化 160
6.1.3 矢量路網(wǎng)數(shù)據(jù)前后對比檢測道路變化 161
6.1.4 結(jié)合當(dāng)前軌跡數(shù)據(jù)與歷史路網(wǎng)數(shù)據(jù)探測道路變化 161
6.2 城市多級路網(wǎng)變化檢測 162
6.2.1 城市多級路網(wǎng)變化類型 162
6.2.2 基于地圖匹配算法的路網(wǎng)變化檢測方法 163
6.3 道路中心線級路網(wǎng)變化檢測 165
6.3.1 道路中心線級路網(wǎng)幾何連通性變化類型 165
6.3.2 基于點對線匹配方法的道路變化檢測 166
6.3.3 道路中心線級路網(wǎng)更新 170
6.3.4 實驗驗證 171
6.4 行車道級路網(wǎng)變化檢測 177
6.4.1 行車道路網(wǎng)變化類型 177
6.4.2 基于軌跡數(shù)據(jù)的行車道路網(wǎng)拓撲變化檢測 179
6.4.3 基于變化檢測結(jié)果的行車道路網(wǎng)更新 183
6.4.4 實驗驗證 184
6.5 車道級道路網(wǎng)變化檢測 188
6.5.1 基于誤差橢圓理論的候選匹配路段確認 189
6.5.2 基于模糊邏輯理論的軌跡匹配方法 190
6.5.3 基于匹配結(jié)果的車道級道路網(wǎng)絡(luò)變化探測 193
6.5.4 實驗驗證 196
參考文獻 203