CN102436481A - 一种道路网结构模式的自动识别方法 - Google Patents
一种道路网结构模式的自动识别方法 Download PDFInfo
- Publication number
- CN102436481A CN102436481A CN2011103226966A CN201110322696A CN102436481A CN 102436481 A CN102436481 A CN 102436481A CN 2011103226966 A CN2011103226966 A CN 2011103226966A CN 201110322696 A CN201110322696 A CN 201110322696A CN 102436481 A CN102436481 A CN 102436481A
- Authority
- CN
- China
- Prior art keywords
- road
- pattern
- angle
- network data
- single line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种道路网络结构模式的识别方法，包括将道路网络数据中属于同一实际道路对象的两条主干车道识别为双行道模式；将道路网络数据中不属于双行道模式的单线道路按照首尾顺序进行连接，识别为简单道路链模式；将道路网络数据中组成一个复杂交叉口的多个道路结点和包含在复杂交叉口内部的道路识别为复杂道路交叉口模式；提取道路网络数据中的复杂道路链模式。本发明实现道路网结构模式的自动识别，支持在高等级的模式层次上进行道路网结构形态分析。
Description
技术领域
本发明涉及地理信息技术领域，特别是涉及一种道路网结构模式的自动识别方法。
背景技术
空间数据的结构模式特征对于空间数据的自适应可视化、空间数据的多尺度表达的质量提高、多源数据匹配、多尺度空间数据库的建立是十分必要的，而且对于提高空间数据LoD模型表达算法的效率、提高网络传输效率、增强空间数据的可读性方面亦具有十分重要的作用。有关文献：Mackaness, W., Edwards, G., 2002, The Importance of Modelling Pattern and Structure in Automated Map Generalisation. In Proceedings of Joint Workshop on Multi-scale Representations of Spatial Data, Ottwa, Canada。
道路网结构模式特征主要是道路网络中结点、弧段数据结构中抽象出的表达同一道路实体或者能够满足高等级分析层次的逻辑对象结构，如：道路网局部区域的几何形状、道路形状、道路方向、道路延伸等特征。图1示例了路网数据中普遍出现的一些结构模式，如：城市道路网中常见的双行道模式、复杂道路交叉口模式、道路链等结构模式。这些道路的结构模式特征的识别通常根据道路网数据的属性数据，但是在不同的道路网数据在数据完整性、准确性，以及元数据格式方面存在较大的差别，难以设计具有普遍适应性的模式识别方法。目前，如何摆脱属性数据质量的约束，根据道路网数据的几何信息自动识别、利用道路网结构模式方面的研究还处于相当初级的阶段。有关文献：Steiniger, S. and Weibel, R., 2007, Relations among map objects in cartographic generalization, Cartography and Geographic Information Systems, 34(3):175-197。
在现有的道路网结构模式的分析与识别方面，将城市道路网中的模式按照抽象程度的不同渐进地划分成点、线，以及道路链三大类。如图1所示，其中用点模式表示道路网中的交叉口。对于简单的单线道路，道路的结点就是道路交叉口。但是对于由多条车道、匝道等构成的复杂交叉口模式，则由道路网中的多个结点和多条道路构成；用线模式表示道路网中的道路对象，包括由单一道路表示的简单的单线道路和由对应于实际车道的双线表示的双行道模式；道路链则是点模式和线模式基础之上道路的连接和组合，构成了道路网的骨架结构。但是目前缺乏有效的方法对这些道路网结构模式特征进行自动识别。有关文献：Jiang, B. and Claramunt, C., 2004, A Structural Approach to the Model Generalization of an Urban Street Network. In: GeoInformatica, 8(2): pp. 157-171; Heinzle F., Anders K.-H., 2007, Characterising Space via Pattern Recognition Techniques: Identifying Patterns in Road Networks. In: The Generalisation of Geographic Information: Models and Applications. Mackaness W., Ruas A., Sarjakoski T. (eds) (Elsevier), pp. 233-253。
总体而言，上述的一些研究对道路网结构模式的分类具有重要的借鉴意义。然而，对于这些道路网结构模式的自动识别方面存在明显的不足，还需要结合相关研究进行拓展。
发明内容
本发明提供了一种道路网络结构模式的识别方法，该方法综合考虑了道路的几何和拓扑结构信息，通过检测道路网数据中平行道路、分析道路结点的空间分布、查找道道路的拓扑连通关系，可在空间数据生产和分析中进行道路网结构模式的自动识别。
本发明的技术方案为一种道路网络结构模式的识别方法，从道路网络数据中识别出道路网络结构模式，所述道路网络数据包括至少一条多车道分离的多线道路，以及与所述多线道路相关联的复杂交叉口对象；识别实现过程包括如下步骤，
步骤a，将道路网络数据中属于同一实际道路的两条主干车道识别为双行道模式；
步骤b，将道路网络数据中不属于双行道模式的单线道路按照顺序进行连接，识别为简单道路链模式；
步骤c，基于步骤a识别出的双行道模式与步骤b识别出的简单道路链模式，将道路网络数据中组成一个复杂交叉口的多个道路结点和包含在复杂交叉口内部的道路识别为复杂道路交叉口模式；
步骤d，根据步骤c识别出的复杂道路交叉口模式，以及步骤a识别出的双行道模式、步骤b识别出的简单道路链模式，将道路网络数据中在复杂道路交叉口处断开的简单道路链模式进行平滑连接，提取出道路网络数据中的复杂道路链模式。
而且，步骤a的具体实现步骤如下，
步骤a1，计算出道路网络数据中每条道路与临近道路之间的夹角和距离，根据预设的夹角阈值和距离阈值，每一对距离小于距离阈值且夹角小于夹角阈值的分离道路构成一对双行道路的候选配对，每一对候选配对中的每条道路分别对应一条实际道路中的一段；
步骤a2，将道路网络数据中的候选配对按照顺序连接成一个整体直至没有可以连接的候选配对；连接时遇到分叉则分别按照分叉继续进行生成连接树结构，通过深度优先搜索保留最长的连接道路作为识别出的双行道模式。
而且，步骤b的具体实现步骤如下，
步骤b1，当道路网络数据中存在道路名属性时，若两条单线道路和与它们相连的道路的道路名属性相同，则将这两条单线道路和与它们相连的道路划归为同一条简单道路链模式；
当道路网络数据中不存在道路名属性时，计算每个道路结点所连接的不属于双行道模式单线道路任意两两组合所得到的角度，得到道路夹角集合Spl_Rd_Angle，进入步骤b2；
步骤b2，根据道路夹角集合Spl_Rd_Angle中的角度大小，由大到小依次选取每个夹角所对应的两条单线道路，如果二者在该道路结点处从未连接，则将两条单线道路和与它们相连的道路归为同一条简单道路链模式；如果其中一条单线道路在该道路结点处已经与其它道路连接，则不再与另一条单线道路相连。
而且，步骤c的具体实现步骤如下，
步骤c1，对道路网络数据中的道路结点进行基于密度的聚类分析，得到一系列道路结点密集的聚类区域；
步骤c2，计算每一个聚类区域所构成的凸包面积Cvx_Area，根据预设的凸包面积阈值，剔除凸包面积Cvx_Area大于凸包面积阈值的聚类区域；
步骤c3，对连接到每个聚类区域上的所有双行道和简单道路链的长度进行求和计算，结果记为连接道路长度和Str_Len，对每一个聚类区域进一步计算凸包面积Cvx_Area与连接道路长度和Str_Len的比值，保留比值大于预设的比值阈值的聚类区域；
步骤c4，对于步骤c3保留的每一个聚类区域，将其完全包含的每个道路结点、道路抽象成对应的复杂道路交叉口模式；每个复杂道路交叉口模式的元素为一个或以上道路结点，以及两端都属于该复杂道路交叉口模式的多条道路。
而且，步骤d的具体实现步骤如下，
步骤d1，对道路网络数据中的每一个复杂道路交叉口模式，查找所有连接到该复杂交叉口上的所有道路，构成道路集合Conn_Road；
步骤d2，计算所有道路的连接次数，查找其中连接两次的道路，构成道路集合Dbl_Road，连接两次的道路表示已经贯穿该复杂道路交叉口模式；
步骤d3，如果道路集合Dbl_Road中的某条道路为双行道模式，则从道路集合Conn_Road中剔除该道路；如果道路集合Dbl_Road中的某个道路为简单道路链模式，则将该简单道路链模式在复杂道路交叉口模式处打断，划归为两条简单道路链；
步骤d4，对道路集合Conn_Road中剩余的道路，计算两两道路组合所得到的道路夹角，得到道路夹角集合Cpl_Rd_Angle，设其中相分离的两条道路为Seg1和Seg2，道路连线与道路Seg1所构成的夹角为Angle1，道路连线与道路Seg2所构成的夹角为Angle2，道路Seg1和道路Seg2的夹角为夹角Angle1和Angle2的平均值；
步骤d5，根据道路夹角集合Cpl_Rd_Angle中的角度大小，由大到小依次选取每个夹角所对应的两条单线道路；如果两条单线道路在该复杂道路交叉口模式处从未连接，则将两条单线道路和与它们相连的道路归为同一条复杂道路链模式；如果其中一条单线道路在复杂道路交叉口模式处已经与其它道路连接，则不再与另一条单线道路相连。
本发明的技术方案通过将道路网中属于同一实际道路的多条分离的主干车道线道路识别为双行道模式；将属于一个道路交叉口对象的多个道路结点和道路识别为复杂交叉口模式；将在道路结点平滑延伸的多条道路识别为简单道路链模式，在复杂交叉口模式处具有平滑延伸形态的道路识别为复杂道路链模式，可以实现在高等级的模式层次上进行道路网结构形态分析。这种基于道路网的几何信息和拓扑结构的模式识别方法，可以在属性信息缺失的情况下自动识别道路网中的结构模式，可以适用于不同格式标准的数据，具有效率高、效果好的优点。
附图说明
图1为现有技术的道路网络中结构模式示例的示意图；
图2为本发明的流程示意图；
图3为本发明实施例的两条道路结点垂足互相落在另一条道路内部的距离计算方法示意图；
图4为本发明实施例的一条道路结点垂足落在另一条道路内部的距离计算方法示意图；
图5为本发明实施例的两条道路结点垂足互相落在另一条道路外部的距离计算方法示意图；
图6为本发明实施例的两条道路相交时的距离计算方法示意图；
图7为本发明实施例的两条不相交道路夹角计算方法示意图；
图8为本发明实施例的两条相交道路所构成的锐角计算方法示意图；
图9为本发明实施例的两条相交道路所构成的钝角计算方法示意图；
图10为本发明实施例的双行道模式深度优先搜索方法流程示意图；
图11为本发明实施例的不相交道路候选配对示意图；
图12为本发明实施例的单线自相交道路候选配对示意图；
图13为本发明实施例的上下线相交道路候选配对示意图；
图14为本发明的复杂道路交叉口处道路夹角示意图。
图15为本发明的复杂道路链模式识别示意图。
具体实施方式
以下结合附图和实施例详细说明本发明技术方案。
道路数据中存在多条平行道路实际表示的是同一条道路实体。在本发明实施例的方法中将这些平行道路的主干道路识别为双行道模式。图2为本发明实施例的道路网结构模式自动识别方法流程示意图。该实施例对一个道路网络数据Rd_Network中的所有道路结点和道路进行几何分析，首先检测长平行道路作为识别的双行道模式（Dl_Pattern）；然后连接不属于双行道模式的单线道路，识别为简单道路链模式（Spl_Str_Pattern）；接着聚类道路结点，识别复杂道路交叉口模式（Cpl_Nd_Pattern）；最后在复杂交叉口处连接平滑延伸的道路，识别道路网络数据Rd_Network中的复杂道路链模式（Cpl_Str_Pattern）。道路结点是指每条道路两头的端点。
具体实施时，本发明可采用计算机软件技术实现流程的自动运行。实施例的流程详细说明如下：
步骤a，基于所述道路网络数据Rd_Network的几何和拓扑信息，将道路网络数据Rd_Network中属于同一实际道路的两条主干车道识别为道路网络数据Rd_Network的双行道模式。
步骤b，基于所述道路网络数据Rd_Network的几何、拓扑和语义信息，将道路网络数据Rd_Network中不属于双行道模式的单线道路按照顺序进行连接，识别为简单道路链模式。
步骤c，基于所述道路网络数据Rd_Network的几何和拓扑信息，以及步骤a识别出的双行道模式与步骤b识别出的简单道路链模式，将道路网络数据Rd_Network中组成一个复杂交叉口的多个道路结点和包含在复杂交叉口内部的道路识别为复杂道路交叉口模式。
步骤d，根据步骤c识别出的复杂道路交叉口模式，以及步骤a识别出的双行道模式、步骤b识别出的简单道路链模式，将道路网络数据中在复杂道路交叉口处断开的简单道路链模式进行平滑连接，提取道路网络数据Rd_Network中的复杂道路链模式。
拓扑信息包括道路与道路的是否相连、道路与道路的公共结点等。语义信息包括道路名、道路宽度、道路级别等。在步骤b对不属于双行道模式的单线道路按照顺序进行连接时，相邻两段中，第一段的尾是第二段的首，以此类推。对于任意一段，认定其中一个端点是首，另外一端是尾，其中那个是首或尾不重要，但是一旦第一个确定后，后面的就必须是首尾相连了。
以下分步骤详细说明实现过程。
本发明实施例的道路网络数据Rd_Network中具有多线分离道路与多条实际道路相对应，需要对道路网络数据Rd_Network中的所有平行道路进行检测，检测后连接的长平行道路作为识别的双行道模式Dl_Pattern。进行步骤a时，首先确定道路网络数据中具有临近、平行形态特征的双行道路候选配对；然后在道路网络数据中，连接双行道路候选配对，去除分支道路，提取主干道路作为识别的双行道模式。实施例的步骤a具体实现包括如下步骤：
步骤a1，在道路网络数据Rd_Network中计算确定出每条道路与临近道路之间的夹角和距离。根据预设的夹角阈值和距离阈值，每一对距离小于距离阈值且夹角小于夹角阈值的分离道路构成一对双行道路的候选配对，每一对候选配对中的每条道路分别对应一条实际道路中的一段。实施例设定夹角阈值为30°，距离阈值参考国家道路宽度标准设置为20米。具体实施时，本领域技术人员可以自行设定。
图3至图6分别为本发明实施例的道路距离计算方法示意图。如图3和图4所示，当两条道路Seg1与Seg2不相交时，道路Seg1与Seg2之间的距离为道路端点到另一条道路垂线距离的最大值，即道路Seg1端点到另一条道理Seg2垂线距离为d2，道路Seg2端点到另一条道路Seg1垂线距离为d1，道路Seg1与Seg2之间的距离d取d1和d2中的最大值，d=max{d1，d2}。如图5所示，当道路Seg1端点到另一条道理Seg2的垂足和道路Seg2端点到另一条道理Seg1的垂足全部落于道路延长线时，距离为无穷大。如图6所示，当两条道路Seg1与Seg2相交时，距离为零。图7至图9分别为本发明实施例的道路距离和夹角计算方法示意图如图7所示，当两条道路Seg1与Seg2不相交时，道路Seg1与Seg2之间的夹角为向量平移后的锐角。如图8和图9所示，当道路Seg1与Seg2相交时，道路Seg1与Seg2之间的夹角为以交点为顶点的锐角或钝角。
步骤a2，将道路网络数据Rd_Network中的候选配对按照顺序连接成一个整体直至无可以连接的候选配对，具体连接时也是首尾依次相连。连接如遇到分叉则分别按照不同的分叉继续进行生成连接树结构，最终通过深度优先搜索保留最长的连接道路作为识别出的双行道模式。
如图10所示，实施例的步骤a2包括以下步骤：
步骤a21，将步骤a1得到所有双行道路候选配对存入队列 Q ；
步骤a22，如果队列 Q 非空，从队列 Q 中取出一个候选配对Q i ，在队列 Q 中查找与之相连的候选配对Q k ；
步骤a23，如图11所示，如果候选配对Q k 中的道路不相交（1：1配对），则将候选配对Q k 连接到候选配对Q i 尾端作为识别的双行道模式，进入步骤a26；
步骤a24，如图12所示，如果候选配对Q k 是单线自相交道路，即配对中的两条道路中有一条存在分叉道路并又相交于同一条道路上，则保留最短路径作为识别的双行道模式，进入步骤a26；
步骤a25，如图13所示，如果候选配对Q k 是上下线相交道路，即配对中的两条道路中有一条存在分叉道路并相交于另外一条道路上，则从道路分叉处继续查找每一条分叉可以继续连接的候选配对，最后通过深度优先搜索保留最长的道路作为识别的双行道模式，进入步骤a26；深度优先搜索的方式为将已相连的所有候选配对存入树结构，深度查找已相连的所有候选配对的道路结点；
步骤a26，若队列 Q 不为空则转至步骤a22，从队列 Q 中取出候选配对Q k 作为下一轮迭代的候选配对Q i ，继续查找与之相连的候选配对，直至队列 Q 为空。
本发明实施例的简单道路链模式识别的方法中，将道路网络数据Rd_Network中不属于双行道模式的单线道路按照顺序进行连接，识别为简单道路链模式。实施例的步骤b具体实现包括如下步骤：
步骤b1，当道路网络数据Rd_Network中存在道路名属性时，若两条单线道路和与它们相连的道路的道路名属性相同，则将这两条单线道路和与它们相连的道路划归为同一条简单道路链模式，结束流程；
当道路网络数据Rd_Network中不存在道路名属性时，计算每个道路结点所连接的不属于双行道模式单线道路任意两两组合所得到的角度，得到道路夹角集合Spl_Rd_Angle，进入步骤b2。
步骤b2，根据道路夹角集合Spl_Rd_Angle中的角度大小，由大到小依次选取每个夹角所对应的两条单线道路，如果二者在该道路结点处从未连接，则将两条单线道路和与它们相连的道路归为同一条简单道路链模式。如果其中一条单线道路在该道路结点处已经与其它道路连接，则不再与另一条单线道路相连。也就是说，设夹角所对应的两条单线道路为Seg1或Seg2，如果其中一条道路Seg1（或Seg2）在道路结点处已经与其它道路连接，则不再与Seg2（或Seg1）相连。
本发明实施例的复杂道路交叉口模式识别的方法中，将道路网络数据Rd_Network中的道路结点进行聚类分析，识别出复杂道路交叉口模式。实施例的步骤c具体实现包括如下步骤：
步骤c1，对道路网络数据Rd_Network中的道路结点进行基于密度的聚类分析。基于密度的聚类分析方式为，首先判断每一个道路结点30米范围内的道路结点数目，如果大于3个，则将归为一个聚类；然后从新加入聚类的道路结点开始继续计算落入道路结点30米范围内的道路结点数目，直至数目小于3个。由此得到一系列道路结点密集的聚类区域。
步骤c2，针对道路网络数据Rd_Network中的每个聚类区域，对聚类内部的所有节点计算凸包，所述每个聚类区域对应一个凸包。计算每一个聚类区域所构成的凸包面积Cvx_Area，根据预设的凸包面积阈值剔除凸包面积过大的错误复杂交叉口聚类。实施例根据城市普通环形交叉口面积设置凸包面积阈值为20000平方米。
步骤c3，通过分析道路网的结构形态特点可知，连接到聚类区域的道路链越长，则该聚类区域越有可能是复杂道路交叉口。因此对每个聚类上的所有双行道模式和简单道路链的长度进行求和计算Str_Len。然后对每一个道路结点密集的聚类区域，进一步计算聚类面积Cvx_Area与连接道路长度和Str_Len的比值，保留比值大于一定阈值的聚类区域。具体实施时，可以根据不同城市的比值计算结果与道路复杂交叉口的对应关系设置比值阈值，通常预设的比值阈值设定为0.25m-1。
步骤c4，对于步骤c3保留的道路网络数据Rd_Network中的每一个聚类区域，将其完全包含的每个道路结点、道路抽象成对应的复杂道路交叉口模式。每个复杂道路交叉口模式的元素为一个或多个道路结点，以及两端都属于该复杂道路交叉口模式的多条道路。
本发明实施例的步骤d中，将道路网络数据Rd_Network中在复杂道路交叉口处断开的简单道路链模式进行平滑连接，识别出复杂道路链模式。该实施例的步骤d具体实现包括如下步骤：
步骤d1，对道路网络数据Rd_Network中的每一个复杂道路交叉口模式，查找所有连接到该复杂交叉口上的所有道路，构成道路集合Conn_Road；
步骤d2，计算所有道路的连接次数，查找其中连接两次的道路，构成道路集合Dbl_Road，连接两次的道路表示已经贯穿该复杂道路交叉口模式；
步骤d3，如果道路集合Dbl_Road中的某个道路为双行道模式，则从道路集合Conn_Road中剔除该道路；如果道路集合Dbl_Road中的某个道路为简单道路链模式，则将该简单道路链模式在复杂道路交叉口模式处打断，划归为不同的简单道路链模式；
步骤d4，对道路集合Conn_Road中剩余的道路，计算两两道路组合所得到的道路夹角，得到道路夹角集合Cpl_Rd_Angle，设其中相分离的两条道路为Seg1和Seg2，道路连线与道路Seg1所构成的夹角为Angle1，道路连线与道路Seg2所构成的夹角为Angle2，道路Seg1和道路Seg2的夹角为夹角Angle1和Angle2的平均值；
步骤d5，根据道路夹角集合Cpl_Rd_Angle中的角度大小，由大到小依次选取每个夹角所对应的两条单线道路；如果两条单线道路在该复杂道路交叉口模式处从未连接，则两条单线道路和与它们相连的道路归为同一条复杂道路链模式；如果其中一条单线道路在复杂道路交叉口模式处已经与其它道路连接，则不再与另一条单线道路相连。也就是说，每个夹角所对应的两条单线道路Seg1和Seg2，如果其中一条道路Seg1（或Seg2）在复杂道路交叉口模式Cpl_Nd_Pattern处已经与其它道路连接，则不再与Seg2（或Seg1）相连。由大到小依次选取每个夹角所对应的两条单线道路进行处理，有利于保证平滑性。
为便于理解本发明实施效果，下面举例说明本发明实施例的复杂道路链模式的识别方法。图14是一个需要进行道路链连接的复杂交叉口模式，一共有6条截断的道路连接到同一个复杂交叉口上，任意两条道路Seg1和Seg2的夹角为(θ 1 +θ 2 )/2，其中θ 1 为道路Seg1和Seg2之间的道路连线与道路Seg1所构成的夹角，θ 2 为道路Seg1和Seg2之间的道路连线与道路Seg2所构成的夹角。分别计算连接到同一条复杂交叉口处的6条道路A~F两两之间的道路夹角，按照角度由大到小的顺序排序。通过步骤d5得到最终的道路匹配为A-D、B-E、C-F。如图15所示，最后在此复杂交叉口处共识别出3条复杂道路链模式。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明实施例所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种道路网络结构模式的识别方法，其特征在于：从道路网络数据中识别出道路网络结构模式，所述道路网络数据包括至少一条多车道分离的多线道路，以及与所述多线道路相关联的复杂交叉口对象；识别实现过程包括如下步骤，
步骤a，将道路网络数据中属于同一实际道路的两条主干车道识别为双行道模式；
步骤b，将道路网络数据中不属于双行道模式的单线道路按照顺序进行连接，识别为简单道路链模式；
步骤c，基于步骤a识别出的双行道模式与步骤b识别出的简单道路链模式，将道路网络数据中组成一个复杂交叉口的多个道路结点和包含在复杂交叉口内部的道路识别为复杂道路交叉口模式；
步骤d，根据步骤c识别出的复杂道路交叉口模式，以及步骤a识别出的双行道模式、步骤b识别出的简单道路链模式，将道路网络数据中在复杂道路交叉口处断开的简单道路链模式进行平滑连接，提取出道路网络数据中的复杂道路链模式。
2.根据权利要求1所述道路网络结构模式的识别方法，其特征在于：步骤a的具体实现步骤如下，
步骤a1，计算出道路网络数据中每条道路与临近道路之间的夹角和距离，根据预设的夹角阈值和距离阈值，每一对距离小于距离阈值且夹角小于夹角阈值的分离道路构成一对双行道路的候选配对，每一对候选配对中的每条道路分别对应一条实际道路中的一段；
步骤a2，将道路网络数据中的候选配对按照顺序连接成一个整体直至没有可以连接的候选配对；连接时遇到分叉则分别按照分叉继续进行生成连接树结构，通过深度优先搜索保留最长的连接道路作为识别出的双行道模式。
3.根据权利要求1所述道路网络结构模式的识别方法，其特征在于：步骤b的具体实现步骤如下，
步骤b1，当道路网络数据中存在道路名属性时，若两条单线道路和与它们相连的道路的道路名属性相同，则将这两条单线道路和与它们相连的道路划归为同一条简单道路链模式；
当道路网络数据中不存在道路名属性时，计算每个道路结点所连接的不属于双行道模式单线道路任意两两组合所得到的角度，得到道路夹角集合Spl_Rd_Angle，进入步骤b2；
步骤b2，根据道路夹角集合Spl_Rd_Angle中的角度大小，由大到小依次选取每个夹角所对应的两条单线道路，如果二者在该道路结点处从未连接，则将两条单线道路和与它们相连的道路归为同一条简单道路链模式；如果其中一条单线道路在该道路结点处已经与其它道路连接，则不再与另一条单线道路相连。
4.根据权利要求1所述道路网络结构模式的识别方法，其特征在于：步骤c的具体实现步骤如下，
步骤c1，对道路网络数据中的道路结点进行基于密度的聚类分析，得到一系列道路结点密集的聚类区域；
步骤c2，计算每一个聚类区域所构成的凸包面积Cvx_Area，根据预设的凸包面积阈值，剔除凸包面积Cvx_Area大于凸包面积阈值的聚类区域；
步骤c3，对连接到每个聚类区域上的所有双行道和简单道路链的长度进行求和计算，结果记为连接道路长度和Str_Len，对每一个聚类区域进一步计算凸包面积Cvx_Area与连接道路长度和Str_Len的比值，保留比值大于预设的比值阈值的聚类区域；
步骤c4，对于步骤c3保留的每一个聚类区域，将其完全包含的每个道路结点、道路抽象成对应的复杂道路交叉口模式；每个复杂道路交叉口模式的元素为一个或以上道路结点，以及两端都属于该复杂道路交叉口模式的多条道路。
5.根据权利要求1所述道路网络结构模式的识别方法，其特征在于：步骤d的具体实现步骤如下，
步骤d1，对道路网络数据中的每一个复杂道路交叉口模式，查找所有连接到该复杂交叉口上的所有道路，构成道路集合Conn_Road；
步骤d2，计算所有道路的连接次数，查找其中连接两次的道路，构成道路集合Dbl_Road，连接两次的道路表示已经贯穿该复杂道路交叉口模式；
步骤d3，如果道路集合Dbl_Road中的某条道路为双行道模式，则从道路集合Conn_Road中剔除该道路；如果道路集合Dbl_Road中的某个道路为简单道路链模式，则将该简单道路链模式在复杂道路交叉口模式处打断，划归为两条简单道路链；
步骤d4，对道路集合Conn_Road中剩余的道路，计算两两道路组合所得到的道路夹角，得到道路夹角集合Cpl_Rd_Angle，设其中相分离的两条道路为Seg1和Seg2，道路连线与道路Seg1所构成的夹角为Angle1，道路连线与道路Seg2所构成的夹角为Angle2，道路Seg1和道路Seg2的夹角为夹角Angle1和Angle2的平均值；
步骤d5，根据道路夹角集合Cpl_Rd_Angle中的角度大小，由大到小依次选取每个夹角所对应的两条单线道路；如果两条单线道路在该复杂道路交叉口模式处从未连接，则将两条单线道路和与它们相连的道路归为同一条复杂道路链模式；如果其中一条单线道路在复杂道路交叉口模式处已经与其它道路连接，则不再与另一条单线道路相连。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110322696 CN102436481B (zh) | 2011-10-21 | 2011-10-21 | 一种道路网结构模式的自动识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110322696 CN102436481B (zh) | 2011-10-21 | 2011-10-21 | 一种道路网结构模式的自动识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102436481A true CN102436481A (zh) | 2012-05-02 |
| CN102436481B CN102436481B (zh) | 2013-03-06 |
Family
ID=45984544
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201110322696 Expired - Fee Related CN102436481B (zh) | 2011-10-21 | 2011-10-21 | 一种道路网结构模式的自动识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102436481B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103235831A (zh) * | 2013-05-15 | 2013-08-07 | 西南大学 | 基于路网的移动对象位置索引结构及索引方法 |
| CN104899357A (zh) * | 2015-05-12 | 2015-09-09 | 中山大学 | 一种基于AutoCAD平面交叉口工程图的拓扑数据提取方法 |
| CN105701204A (zh) * | 2016-01-12 | 2016-06-22 | 中国测绘科学研究院 | 基于道路网的电子地图兴趣点的提取方法及显示方法 |
| CN105956088A (zh) * | 2016-04-29 | 2016-09-21 | 百度在线网络技术（北京）有限公司 | 一种道路压盖关系的确定方法及装置 |
| CN107655487A (zh) * | 2016-07-25 | 2018-02-02 | 高德软件有限公司 | 一种路段方向识别方法及装置 |
| CN111291144A (zh) * | 2020-01-19 | 2020-06-16 | 华东师范大学 | 一种基于浮动车轨迹的道路交叉口位置和覆盖范围检测框架方法 |
| CN113514072A (zh) * | 2021-09-14 | 2021-10-19 | 自然资源部第三地理信息制图院 | 一种面向导航数据与大比例尺制图数据的道路匹配方法 |
| CN114038217A (zh) * | 2021-10-28 | 2022-02-11 | 李迎 | 一种交通信号配置和控制的方法 |
| CN114184204A (zh) * | 2021-11-24 | 2022-03-15 | 深圳一清创新科技有限公司 | 高精度地图中路口区域的估计方法、装置及智能车辆 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1499399A (zh) * | 2002-11-01 | 2004-05-26 | ������������ʽ���� | 地图及更新指示信息数据结构、地图信息处理及提供装置 |
| CN1590962A (zh) * | 2003-08-26 | 2005-03-09 | 三菱电机株式会社 | 地图数据结构、存储媒体和更新方法及地图信息处理装置 |
| WO2007140527A1 (en) * | 2006-06-05 | 2007-12-13 | Sensis Pty Ltd | System and method for improved road information |
| WO2008061561A1 (de) * | 2006-11-22 | 2008-05-29 | Robert Bosch Gmbh | Verfahren zur lokalisierung eines streckenabschnitts in einer karte |
| US20100274430A1 (en) * | 2009-04-22 | 2010-10-28 | Toyota Motor Engin. & Manufact. N.A. (TEMA) | Detection of topological structure from sensor data with application to autonomous driving in semi-structured environments |
-
2011
- 2011-10-21 CN CN 201110322696 patent/CN102436481B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1499399A (zh) * | 2002-11-01 | 2004-05-26 | ������������ʽ���� | 地图及更新指示信息数据结构、地图信息处理及提供装置 |
| CN1590962A (zh) * | 2003-08-26 | 2005-03-09 | 三菱电机株式会社 | 地图数据结构、存储媒体和更新方法及地图信息处理装置 |
| WO2007140527A1 (en) * | 2006-06-05 | 2007-12-13 | Sensis Pty Ltd | System and method for improved road information |
| WO2008061561A1 (de) * | 2006-11-22 | 2008-05-29 | Robert Bosch Gmbh | Verfahren zur lokalisierung eines streckenabschnitts in einer karte |
| US20100274430A1 (en) * | 2009-04-22 | 2010-10-28 | Toyota Motor Engin. & Manufact. N.A. (TEMA) | Detection of topological structure from sensor data with application to autonomous driving in semi-structured environments |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103235831B (zh) * | 2013-05-15 | 2016-08-10 | 西南大学 | 基于路网的移动对象位置索引结构及索引方法 |
| CN103235831A (zh) * | 2013-05-15 | 2013-08-07 | 西南大学 | 基于路网的移动对象位置索引结构及索引方法 |
| CN104899357B (zh) * | 2015-05-12 | 2018-02-13 | 中山大学 | 一种基于AutoCAD平面交叉口工程图的拓扑数据提取方法 |
| CN104899357A (zh) * | 2015-05-12 | 2015-09-09 | 中山大学 | 一种基于AutoCAD平面交叉口工程图的拓扑数据提取方法 |
| CN105701204A (zh) * | 2016-01-12 | 2016-06-22 | 中国测绘科学研究院 | 基于道路网的电子地图兴趣点的提取方法及显示方法 |
| CN105701204B (zh) * | 2016-01-12 | 2018-11-13 | 中国测绘科学研究院 | 基于道路网的电子地图兴趣点的提取方法及显示方法 |
| CN105956088B (zh) * | 2016-04-29 | 2019-05-21 | 百度在线网络技术（北京）有限公司 | 一种道路压盖关系的确定方法及装置 |
| CN105956088A (zh) * | 2016-04-29 | 2016-09-21 | 百度在线网络技术（北京）有限公司 | 一种道路压盖关系的确定方法及装置 |
| CN107655487A (zh) * | 2016-07-25 | 2018-02-02 | 高德软件有限公司 | 一种路段方向识别方法及装置 |
| CN107655487B (zh) * | 2016-07-25 | 2020-05-08 | 高德软件有限公司 | 一种路段方向识别方法及装置 |
| CN111291144A (zh) * | 2020-01-19 | 2020-06-16 | 华东师范大学 | 一种基于浮动车轨迹的道路交叉口位置和覆盖范围检测框架方法 |
| CN111291144B (zh) * | 2020-01-19 | 2021-03-26 | 华东师范大学 | 一种道路交叉口位置和覆盖范围检测框架方法 |
| CN113514072A (zh) * | 2021-09-14 | 2021-10-19 | 自然资源部第三地理信息制图院 | 一种面向导航数据与大比例尺制图数据的道路匹配方法 |
| CN114038217A (zh) * | 2021-10-28 | 2022-02-11 | 李迎 | 一种交通信号配置和控制的方法 |
| CN114184204A (zh) * | 2021-11-24 | 2022-03-15 | 深圳一清创新科技有限公司 | 高精度地图中路口区域的估计方法、装置及智能车辆 |
| CN114184204B (zh) * | 2021-11-24 | 2024-06-04 | 深圳一清创新科技有限公司 | 高精度地图中路口区域的估计方法、装置及智能车辆 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102436481B (zh) | 2013-03-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102436481B (zh) | 一种道路网结构模式的自动识别方法 | |
| CN105701204B (zh) | 基于道路网的电子地图兴趣点的提取方法及显示方法 | |
| CN114093168B (zh) | 一种基于韧性视角下的城市道路交通运行状态评价方法 | |
| CN110111574B (zh) | 一种基于流量树分析的城市交通不平衡评价方法 | |
| CN108109382A (zh) | 一种基于复合网络的拥堵点、拥堵线、拥堵区域的发现方法 | |
| CN101650191B (zh) | 道路网络拓扑抽象的方法及装置 | |
| CN110619426B (zh) | 一种路网模型的构建方法、装置、设备和存储介质 | |
| CN105303839B (zh) | 潜在拥堵道路交叉点的预测方法和装置 | |
| CN105258704A (zh) | 基于快速路网建模的多尺度时空热点路径探测方法 | |
| CN109272170A (zh) | 一种基于Louvain算法的交通小区划分系统 | |
| CN105825677A (zh) | 一种基于改进bml模型的城市交通拥堵预测方法 | |
| CN107704531B (zh) | 一种osm地图数据中路网交叉口节点自动合并方法 | |
| CN104462773B (zh) | 一种用于生物多样性保护的河流网络构建方法及其应用 | |
| CN109859480A (zh) | 基于复杂网络的拥堵路段建模和评估方法 | |
| CN109902138A (zh) | 基于gis的城市一维水动力模拟基础数据拓扑关系构建和编码方法 | |
| CN102663890A (zh) | 利用浮动车数据确定禁左交限路口的方法 | |
| CN110807931A (zh) | 基于转向关系的交通路网有向图路径模型构建及求解方法 | |
| CN109101682B (zh) | 一种路网对偶拓扑结构的建立方法 | |
| Thomson et al. | Generalisation of geographical networks | |
| CN115309846B (zh) | 一种基于平行系数的道路网结构识别方法 | |
| CN102542617B (zh) | 一种复杂路网的路径识别标识站设置方法 | |
| McElwee et al. | Real-time analysis of city scale transportation networks in New Orleans metropolitan area using an agent based model approach | |
| CN111914039A (zh) | 道路网更新方法及装置 | |
| CN113284030B (zh) | 一种城市交通网络社区划分方法 | |
| CN114298396A (zh) | 文化遗产线路的智能规划方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130306 Termination date: 20141021 |
|
| EXPY | Termination of patent right or utility model |