CN105371857A - 一种基于公交车gnss时空轨迹数据建构路网拓扑的装置及方法 - Google Patents

Abstract

本发明涉及一种基于公交车GNSS时空轨迹数据建构路网拓扑的装置及方法。所述装置包括移动客户端和服务器端；所述移动客户端包括依次连接的GNSS数据采集模块、数据预处理模块、位置匹配模块和客户端通信模块；所述服务器端包括行驶特征挖掘模块和服务器端通信模块；所述行驶特征挖掘模块设置有挖掘算法程序和存储数据的数据库。本发明通过对公交车GNSS时空轨迹数据的分析建构路网地图，无需额外硬件设备，也不受环境基础设施影响；避免了耗费大量的人力、物力现场采集、勘测数据，大大缩短了路网地图更新的周期，且方便进行进一步的挖掘交通路网信息参数及进行交通态势预测。

Description

一种基于公交车GNSS时空轨迹数据建构路网拓扑的装置及方法

技术领域：

本发明涉及一种基于公交车GNSS时空轨迹数据建构路网拓扑的装置及方法，属于数据挖掘的技术领域。

背景技术：

传统的路网数据获取方式主要包括人工实地测绘和卫星遥感技术，大部分的路网中关键点(如公交站点和交通信号灯)的位置数据通常是通过人工实地测绘的方式获取。例如，交通信号灯由交通行政部分负责设立，一般机构无法获得其位置数据。在地图上标注交通信号灯位置需要专业人员、专业设备反复测量，庞大的交通信号灯分布网对测量工作构成严峻考验。另外，虽然目前交通路网地图包含大多数交通信号灯信息，但是小的路口和偏僻处的交通信号灯很容易被忽略。

人工实地测绘和卫星遥感技术需要耗费大量的人力、物力，并且采集周期长、数据时效性差；由于施工、修路等多种因素影响，城市道路结构经常会发生变化，以至于传统的路网数据获取方法无法准确、实时地反映出最新的路网结构。实时动态地更新路网信息是一个巨大的挑战。

中国专利CN104062671A公开了一种曲率约束的GNSS浮动车地图匹配方法及装置。本发明方法采用曲率积分值刻画浮动车轨迹曲线弯曲程度，根据GNSS浮动车两个轨迹点之间的累积弯曲程度，在道路网络中搜索出以该特征值具有最大相似作为约束条件的最佳匹配结果，以实现GNSS浮动车轨迹数据的地图匹配。该方法目的仅仅是得到准确的定位数据，是一个数据修正过程，而且该方法是假设路网不会发生变化，这显然也是不准确的。

发明内容：

针对现有技术的不足，本发明提供一种基于公交车GNSS时空轨迹数据建构路网拓扑的装置。

本发明还提供一种利用上述装置建构路网拓扑的方法。

术语说明：

GNSS：GlobalNavigationSatelliteSystem(全球导航卫星系统)的缩写，泛指所有的卫星导航系统，包括全球的、区域的和增强的，如美国的GPS、俄罗斯的Glonass、欧洲的Galileo、中国的北斗卫星导航系统，以及相关的增强系统，如美国的WAAS(广域增强系统)、欧洲的EGNOS(欧洲静地导航重叠系统)和日本的MSAS(多功能运输卫星增强系统)等，还涵盖在建和以后要建设的其他卫星导航系统。国际GNSS系统是个多系统、多层面、多模式的复杂组合系统。

SVM算法：是通过一个非线性映射p，把样本空间映射到一个高维乃至无穷维的特征空间中(Hilbert空间)，使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题.简单地说，就是升维和线性化.升维，就是把样本向高维空间做映射，一般情况下这会增加计算的复杂性，甚至会引起“维数灾难”，因而人们很少问津.但是作为分类、回归等问题来说，很可能在低维样本空间无法线性处理的样本集，在高维特征空间中却可以通过一个线性超平面实现线性划分(或回归).一般的升维都会带来计算的复杂化，SVM方法巧妙地解决了这个难题：应用核函数的展开定理，就不需要知道非线性映射的显式表达式；由于是在高维特征空间中建立线性学习机，所以与线性模型相比，不但几乎不增加计算的复杂性，而且在某种程度上避免了“维数灾难”.这一切要归功于核函数的展开和计算理论。

发明概述：本发明所述基于公交车GNSS时空轨迹数据建构路网拓扑的装置，可运行在移动设备上(如公交车、出租汽车等)，以一定频率上传一组经过处理的定位数据(包括路线编号、公交站点编号、时间、经纬度、瞬时速度、瞬时方向角度等信息数据)。

本发明所述基于公交车GNSS时空轨迹数据建构路网拓扑的方法，将建构路网拓扑问题分解为生成单条矢量道路和路网关键点位置提取两个子问题；单条矢量道路生成主要对GNSS时空轨迹数据的统计特性进行处理和分析，路网关键点位置提取主要基于关键点位置处车辆行驶特征进行匹配和查找。

本发明的技术方案如下：

一种基于公交车GNSS时空轨迹数据建构路网拓扑的装置，包括移动客户端和服务器端；所述移动客户端包括依次连接的GNSS数据采集模块、数据预处理模块、位置匹配模块和客户端通信模块；所述服务器端包括行驶特征挖掘模块和服务器端通信模块；所述行驶特征挖掘模块设置有挖掘算法程序和存储数据的数据库。所述移动客户端安装到公交车上；所述GNSS数据采集模块，负责以一定的采样频率采集轨迹定位点并编号，记录为GNSS轨迹数据；数据预处理模块对GNSS轨迹数据进行预处理，提取矢量道路时提取道路核心点，以及公交站点处行驶特征挖掘和交通信号灯处行驶特征挖掘；客户端通信模块和服务器端通信模块实现移动客户端与服务器端之间的通信，包括公交车的初始位置及GNSS轨迹数据的上传与接收，公交车初始位置的下发等；所述行驶特征挖掘模块负责行驶模式匹配并按照数据挖掘算法将移动客户端上传的GNSS轨迹数据进行分析和挖掘。由于挖掘算法计算压力较大，且需要对所有移动客户端的多天的数据进行处理，需要通过服务器端进行行驶模式挖掘。位置匹配模块负责匹配、标注及修正公交车的初始位置，即负责匹配公交车是否进入公交站点区域，如果进入公交站点区域就给轨迹定位点标注公交站点号，以供数据挖掘算法进一步分析修正初始公交站点，并最终保存经过修正的公交站点。

所述挖掘算法程序主要执行计算压力较大的行驶特征挖掘工作；所述数据库存储的数据包括，道路核心点数据、公交站点位置数据和交通信号灯位置数据。

所述的移动客户端接收服务器端经粗略测量的初始值，并后续接收服务器端的修正值代替初始值。

优选的，所述GNSS数据采集模块为移动设备内置GPS/北斗卫星导航系统或通过蓝牙连接的外置GPS/北斗卫星导航系统；所述客户端和服务器端通过GPRS进行通信。所述GNSS数据采集模块可以人工或根据信号强度选择GPS或北斗定位模式。

一种利用上述装置实现基于GNSS时空轨迹数据建构路网拓扑的方法，步骤如下：

1)轨迹定位点采集及预处理：

①在公交车上安置GNSS接收设备，以一定的采样频率采集轨迹定位点并编号；所述轨迹定位点组成的集合包括公交站点集和普通点集；将采集得到的公交站点集依照获取的时间顺序编号为1,2,3…n；编号为1的公交站点集与编号为2的公交站点集之间的普通点集中的点依照获取的时间顺序编号为1.1,1.2…m；编号为2的公交站点集与编号为3的公交站点集之间的普通点集中的点依照获取的时间顺序编号为2.1,2.2…h；以此类推；并予以保存、清洗冗余和误差数据；利用直方图对最近十天的所有轨迹定位点进行统计筛选，剔除出现频率小于60％的轨迹定位点；

现有技术中，GNSS接收设备会将每一个轨迹定位点与本地存储的公交站点数据进行匹配，轨迹定位点与对应的本地存储的公交站点之间的直线距离小于一定距离，则判断该轨迹定位点为公交站点，并标注公交站点号；其中，本地存储的公交站点数据的初始值由服务器端下发。

②将上、下行轨迹数据分离：SSN_max为数值最大的公交站点号，将编号数值小于的轨迹定位点归类为上行数据集U_i，剩余的轨迹定位点归类为下行数据集D_i；将上、下行轨迹数据分离起到提高数据分析精度的作用；

GPS/北斗卫星导航系统数据采集模块采样频率一般为1秒/次，而这样的采集频率带来的数据量会给数据挖掘很大的计算负担，通常的解决方法是，每30个数据取一组，移动客户端以30秒/次的频率上传数据至服务器端，但是如果在服务器端进行数据预处理，以间隔30秒的数据相互修正会造成较大的误差。在客户端进行数据预处理工作既可以保证数据的准确性又可以减轻服务器端的数据计算压力。

2)提取矢量道路：

①若所述轨迹定位点的邻域内有不少于3个其他轨迹定位点，则确定该轨迹定位点为待修正道路核心点；提取道路核心点Z(y_c，y_c)作为待修正道路核心点的修正点；其中，x_c，y_c为道路核心点Z的经纬度；x_i，y_i，ρ_i分别为待修正道路核心点邻域内的轨迹定位点的经纬度和经纬度为x_i，y_i的轨迹定位点出现的次数；

所述邻域的邻域半径为其中d为城市主干道宽度，d_GNSS为GNSS接收设备定位的最大误差；

②对道路核心点排序：选取公交车起点作为第一道路核心点，根据最近距离的原则确定第二道路核心点，然后把第二道路核心点作为新的第一道路核心点，按照相同方法确定下一个道路核心点，依次向前搜寻，直至遍历所有的道路核心点；

③等间隔补充仿真点：若相邻两个道路核心点之间的直线距离大于30米，则判定这两个道路核心点之间有道路核心点缺失，在这两个道路核心点之间添加仿真点作为道路核心点，以实现任意两个道路核心点之间的直线距离小于等于30米；

④删除异常点：按照步骤②的顺序用连线依次连接道路核心点，若相邻两条连线的角度变化量大于120°，则所述相邻两条连线的公共道路核心点为异常点；

⑤进行拐角插值：若一条连线相对上一条相邻连线的角度变化量＞30°，则判断该连线为拐角位置，在该连线一侧插入道路核心点；使任意相邻连线之间的角度变化量≤30°；

3)提取公交站点位置，具体包括：

①计算公交站点集中轨迹定位点的统计特性；

②在每个公交站点集中，将出现次数最多的轨迹定位点设为中心点，距离所述中心点直线距离小于Δl的轨迹定位点赋值1，其余的点赋值0，其中Δl＝2×R；将赋值后的公交站点集作为SVM算法的训练样本集，用来分类公交站点的核心点集和噪声点集；

轨迹定位点中距离所述中心点直线距离小于100米的点组成的集合作为为SVM算法的测试集；

利用SVM算法训练模型对所述测试集分类，得到分布在每个公交站点集周围的公交站点核心点集；

现有技术中，SVM算法训练模型是根据每个公交站点处的轨迹数据训练SVM分类模型，对于SVM径向基核函数的参数C,ε,γ的选择,釆用最常用且可靠的网格搜索来确定最优的参数,从{2^-5,2^-4...2¹⁵}依次选取C,从{0.00001,0.0001,0.001,0.01,0.1,0.2,0.5}依次选取ε,在{2^-5,2^-4...2¹⁵}中依次选择γ，最终实验确定最优的参数。这样，每个公交站点确定的参数会不同，但是对每个公交站点处的轨迹数据而言是最优的，最终得到的分类结果也是最优的。确定最合适每个公交站点处行驶特征的公交站点核心点集，进一步计算得到精确的公交站点位置数据。

提取公交站点为公交站点Y的经纬度Y(x_a，y_a)；其中，x_a，y_a；x_i，y_i，ρ_i分别为公交站点核心点集中点的经纬度和经纬度为x_i，y_i的点出现的次数；

4)提取交通信号灯位置，具体包括：

①将距离公交站点直线距离小于Δd的轨迹定位点删除，其中，Δd＝50m；由于公交车在交通信号灯和公交站点位置的行驶特征接近，为避免公交站点位置的干扰；应将距离公交站点直线距离小于Δd的轨迹定位点删除；

②求轨迹定位点的邻域平均速度；取一个轨迹定位点作为中心点，求所述中心点邻域内的所有轨迹定位点的平均速度作为中心点的邻域平均速度；所述邻域的领域半径为R；依次求每个轨迹定位点的邻域平均速度；

③每个轨迹定位点邻域半径为Δl的领域范围内邻域平均速度最小的点为种子点，给所述种子点赋权值，所述权值为该点被作为种子点的次数，其中，Δl＝150m；

④去除干扰点，具体方法如下：

删除邻域平均速度大于5m/s的种子点；

删除权值小于4的种子点；

如果相邻两个种子点的直线距离小于100米，且二者的邻域平均速度或权值相差两倍以

上，删除邻域平均速度和权值较小的种子点；

⑤匹配属于上行数据集U_i的种子点和属于下行数据集D_i的种子点，如果属于上行数据集U_i的种子点和属于下行数据集D_i的种子点之间存在种子点，且该种子点距离属于上行数据集U_i的种子点和属于下行数据集D_i的种子点的直线距离均小于Δγ，则匹配成功，即属于上行数据集U_i的种子点和属于下行数据集D_i的种子点之间种子点的位置为交通信号灯位置；否则匹配失败，将匹配失败的种子点删除；其中，Δγ＝120m；此处是利用交通信号灯在公交车上下行路线上对称的特点进行匹配；

优选的，所述步骤2)中，在有核心点缺失的两个道路核心点之间添加仿真点的具体方法为，在有核心点缺失的两个道路核心点的连线中点处添加仿真点。

优选的，所述步骤3)中，所述轨迹定位点的统计特性包括，每个公交站点出现的次数和每个公交站点邻域内点的数量。

优选的，所述步骤1)中，对所述轨迹定位点进行预处理的步骤，还包括，

跳变数据处理：将公交站点编号跳变次数大于三次的轨迹定位点删除；跳变次数过多说明该趟线路定位信息不够准确，其中公交站点编号跳变是指公交站点编号不连续出现，例如1号站点后的下一个站点号是3号或其他不是2号的编号；

缺失数据处理：将定位经纬度缺失、连续四个及四个以上GNSS速度缺失的轨迹定位点删除；如果有连续一个到三个GNSS速度数据缺失的轨迹定位点，采用线性插值公式补全缺失的数据；插值公式为v_p＝v_i+(v_i+n-v_i)×p/(n+1)其中，v_i,v_i+n为GNSS速度数据缺失的轨迹定位点前后的两个轨迹定位点的GNSS速度数据；v_p为缺失的GNSS速度数据，p为缺失GNSS速度数据的轨迹定位点的编号，n为缺失GNSS速度数据的轨迹定位点的总数；

公交车在场站上传的GNSS数据的处理：将超过五分钟，经纬度、方向角不变和GNSS速度为0的轨迹定位点删除。

优选的，所述步骤1)中，轨迹定位点采集的步骤还包括，以一定的采样频率采集轨迹定位点，将经过预处理的轨迹定位点记录为GNSS时空数据并以文件的形式保存在本地SD卡中，上传到服务器端后，被新的数据覆盖。此种工作模式可以保证本地SD卡有足够空间存储新的数据。

优选的，所述步骤2)中，提取道路核心点Z(x_c，y_c)作为待修正道路核心点的修正点的计算过程重复进行三次，得到最终的道路核心点。重复计算可增加计算的准确性。

优选的，所述步骤3)中，提取公交站点Y(x_a，y_a)的计算过程重复进行3次，得到公交站点。重复计算可增加计算的准确性。

发明的优势在于：

1、本发明所述基于公交车GNSS时空轨迹数据建构路网拓扑的装置，通过对公交车GNSS时空轨迹数据的分析建构路网地图，无需额外硬件设备，也不受环境基础设施影响；避免了耗费大量的人力、物力现场采集、勘测数据，大大缩短了路网地图更新的周期，且方便进行进一步的挖掘交通路网信息参数及进行交通态势预测；

2、本发明所述基于公交车GNSS时空轨迹数据建构路网拓扑的装置，只需要普通GPS或北斗定位设备做一次测量，将每个站点的带有误差的初始值通过服务器端通信模块下发给客户端，客户端设定当公交车进入初始值的一定范围内时客户端上传的GNSS数据中会带有站点编号；无需人工测量便可得到较为全面的交通信号灯位置分布数据，而且可以做到实时更新；

3、本发明所述基于公交车GNSS时空轨迹数据建构路网拓扑的装置，基于公交车进行数据采集，公交车GNSS数据容易获取且相对有一定的置信度，每个班次的行驶路线固定，而且公交车线路基本覆盖城市的主要交通道路，是理想的动态实时更新、重构交通路网地图信息的数据源；

附图说明：

图1为本发明所述基于公交车GNSS时空轨迹数据建构路网拓扑的装置结构示意图；

图2为本发明所述提取矢量道路的方法原理图；

图3为本发明所述行驶特征挖掘模块的工作流程图；

图4为本发明所述交通信号灯位置提取的方法原理图；

具体实施方式：

下面结合实施例和说明书附图对发明做详细的说明，但不限于此。

如图1-4所示。

实施例1、

一种基于公交车GNSS时空轨迹数据建构路网拓扑的装置，包括移动客户端和服务器端；所述移动客户端包括依次连接的移动设备内置GPS、数据预处理模块、位置匹配模块和客户端通信模块；所述服务器端包括行驶特征挖掘模块和服务器端通信模块；所述行驶特征挖掘模块设置有挖掘算法程序和存储数据的数据库；所述客户端和服务器端通过GPRS进行通信。所述移动客户端安装到公交车上；所述移动设备内置GPS，负责以一定的采样频率采集轨迹定位点并编号，记录为GNSS轨迹数据；数据预处理模块对GNSS轨迹数据进行预处理，提取矢量道路时提取道路核心点，以及公交站点处行驶特征挖掘和交通信号灯处行驶特征挖掘；客户端通信模块和服务器端通信模块实现移动客户端与服务器端之间的通信(包括公交车的初始位置及GNSS轨迹数据的上传与接收，公交车初始位置的下发等)；所述行驶特征挖掘模块负责行驶模式匹配并按照数据挖掘算法将移动客户端上传的GNSS轨迹数据进行分析和挖掘。由于挖掘算法计算压力较大，且需要对所有移动客户端的多天的数据进行处理，需要通过服务器端进行行驶模式挖掘。位置匹配模块负责匹配、标注及修正公交车的初始位置，即负责匹配公交车是否进入公交站点区域，如果进入公交站点区域就给轨迹定位点标注公交站点号，以供数据挖掘算法进一步分析修正初始公交站点，并最终保存经过修正的公交站点。

所述挖掘算法程序主要执行计算压力较大的行驶特征挖掘工作；所述数据库存储的数据包括，道路核心点数据、公交站点位置数据和交通信号灯位置数据。

所述的移动客户端接收服务器端经粗略测量的初始值，并后续接收服务器端的修正值代替初始值。

实施例2、

一种利用实施例1所述装置进行基于GNSS时空轨迹数据建构路网拓扑的方法，步骤如下：

1)轨迹定位点采集及预处理：

①在公交车上安置GNSS接收设备，以一定的采样频率采集轨迹定位点并编号；所述轨迹定位点组成的集合包括公交站点集和普通点集；将采集得到的公交站点集依照获取的时间顺序编号为1,2,3…n；编号为1的公交站点集与编号为2的公交站点集之间的普通点集中的点依照获取的时间顺序编号为1.1,1.2…m；编号为2的公交站点集与编号为3的公交站点集之间的普通点集中的点依照获取的时间顺序编号为2.1,2.2…h；以此类推；并予以保存、清洗冗余和误差数据；利用直方图对最近十天的所有轨迹定位点进行统计筛选，剔除出现频率小于60％的轨迹定位点；

现有技术中，GNSS接收设备会将每一个轨迹定位点与本地存储的公交站点数据进行匹配，轨迹定位点与对应的本地存储的公交站点之间的直线距离小于一定距离，则判断该轨迹定位点为公交站点，并标注公交站点号；其中，本地存储的公交站点数据的初始值由服务器端下发。

②将上、下行轨迹数据分离：SSN_max为数值最大的公交站点号，将编号数值小于的轨迹定位点归类为上行数据集U_i，剩余的轨迹定位点归类为下行数据集D_i；将上、下行轨迹数据分离起到提高数据分析精度的作用；

GPS/北斗卫星导航系统数据采集模块采样频率一般为1秒/次，而这样的采集频率带来的数据量会给数据挖掘很大的计算负担，通常的解决方法是，每30个数据取一组，移动客户端以30秒/次的频率上传数据至服务器端，但是如果在服务器端进行数据预处理，以间隔30秒的数据相互修正会造成较大的误差。在客户端进行数据预处理工作既可以保证数据的准确性又可以减轻服务器端的数据计算压力。

2)提取矢量道路：

①若所述轨迹定位点的邻域内有不少于3个其他轨迹定位点，则确定该轨迹定位点为待修正道路核心点；提取道路核心点Z(x_c，y_c)作为待修正道路核心点的修正点；其中，x_c，y_c为道路核心点Z的经纬度；x_i，y_i，ρ_i分别为待修正道路核心点邻域内的轨迹定位点的经纬度和经纬度为x_i，y_i的轨迹定位点出现的次数；

所述邻域的邻域半径为其中d为城市主干道宽度，d_GNSS为GNSS接收设备定位的最大误差，d_GNSS＝30m；

②对道路核心点排序：选取公交车起点作为第一道路核心点，根据最近距离的原则确定第二道路核心点，然后把第二道路核心点作为新的第一道路核心点，按照相同方法确定下一个道路核心点，依次向前搜寻，直至遍历所有的道路核心点；

③等间隔补充仿真点：若相邻两个道路核心点之间的直线距离大于30米，则判定这两个道路核心点之间有道路核心点缺失，在这两个道路核心点之间添加仿真点作为道路核心点，以实现任意两个道路核心点之间的直线距离小于等于30米；

④删除异常点：按照步骤②的顺序用连线依次连接道路核心点，若相邻两条连线的角度变化量大于120°，则所述相邻两条连线的公共道路核心点为异常点；

⑤进行拐角插值：若一条连线相对上一条相邻连线的角度变化量＞30°，则判断该连线为拐角位置，在该连线一侧插入道路核心点；使任意相邻连线之间的角度变化量≤30°；

3)提取公交站点位置，具体包括：

①计算公交站点集中轨迹定位点的统计特性：所述轨迹定位点的统计特性包括，每个公交站点出现的次数和每个公交站点邻域内点的数量；

②在每个公交站点集中，将出现次数最多的轨迹定位点设为中心点，距离所述中心点直线距离小于Δl的轨迹定位点赋值1，其余的点赋值0，其中Δl＝2×R；将赋值后的公交站点集作为SVM算法的训练样本集，用来分类公交站点的核心点集和噪声点集；

轨迹定位点中距离所述中心点直线距离小于100米的点组成的集合作为为SVM算法的测试集；

利用SVM算法训练模型对所述测试集分类，得到分布在每个公交站点集周围的公交站点核心点集；

现有技术中，SVM算法训练模型是根据每个公交站点处的轨迹数据训练SVM分类模型，对于SVM径向基核函数的参数C,ε,γ的选择,釆用最常用且可靠的网格搜索来确定最优的参数,从{2^-5,2^-4...2¹⁵}依次选取C,从{0.00001,0.0001,0.001,0.01,0.1,0.2,0.5}依次选取ε,在{2^-5,2^-4...2¹⁵}中依次选择γ，最终实验确定最优的参数。这样，每个公交站点确定的参数会不同，但是对每个公交站点处的轨迹数据而言是最优的，最终得到的分类结果也是最优的。确定最合适每个公交站点处行驶特征的公交站点核心点集，进一步计算得到精确的公交站点位置数据。

提取公交站点Y(x_a，y_a)；其中，x_a，y_a为公交站点Y的经纬度；x_i，y_i，ρ_i分别为公交站点核心点集中点的经纬度和经纬度为x_i，y_i的点出现的次数；

4)提取交通信号灯位置，具体包括：

①将距离公交站点直线距离小于Δd的轨迹定位点删除，其中，Δd＝50m；由于公交车在交通信号灯和公交站点位置的行驶特征接近，为避免公交站点位置的干扰；应将距离公交站点直线距离小于Δd的轨迹定位点删除；

②求轨迹定位点的邻域平均速度：取一个轨迹定位点作为中心点，求所述中心点邻域内的所有轨迹定位点的平均速度作为中心点的邻域平均速度；所述邻域的领域半径为R；依次求每个轨迹定位点的邻域平均速度；

③每个轨迹定位点邻域半径为Δl的领域范围内邻域平均速度最小的点为种子点，给所述种子点赋权值，所述权值为该点被作为种子点的次数，其中，Δl＝150m；

④去除干扰点，具体方法如下：

删除邻域平均速度大于5m/s的种子点；

删除权值小于4的种子点；

如果相邻两个种子点的直线距离小于100米，且二者的邻域平均速度或权值相差两倍以

上，删除邻域平均速度和权值较小的种子点；

⑤匹配属于上行数据集U_i的种子点和属于下行数据集D_i的种子点，如果属于上行数据集U_i的种子点和属于下行数据集D_i的种子点之间存在种子点，且该种子点距离属于上行数据集U_i的种子点和属于下行数据集D_i的种子点的直线距离均小于Δγ，则匹配成功，即属于上行数据集U_i的种子点和属于下行数据集D_i的种子点之间种子点的位置为交通信号灯位置；否则匹配失败，将匹配失败的种子点删除；其中，Δγ＝120m；此处是利用交通信号灯在公交车上下行路线上对称的特点进行匹配；

实施例3、

如实施例2所述的基于GNSS时空轨迹数据建构路网拓扑的方法，其区别在于，所述步骤2)中，在有核心点缺失的两个道路核心点之间添加仿真点的具体方法为，在有核心点缺失的两个道路核心点的连线中点处添加仿真点。

实施例4、

如实施例2所述的基于GNSS时空轨迹数据建构路网拓扑的方法，其区别在于，所述步骤1)中，对所述轨迹定位点进行预处理的步骤，还包括，

跳变数据处理：将公交站点编号跳变次数大于三次的轨迹定位点删除；跳变次数过多说明该趟线路定位信息不够准确，其中公交站点编号跳变是指公交站点编号不连续出现，例如1号站点后的下一个站点号是3号或其他不是2号的编号；

缺失数据处理：将定位经纬度缺失、连续四个及四个以上GNSS速度缺失的轨迹定位点删除；如果有连续一个到三个GNSS速度数据缺失的轨迹定位点，采用线性插值公式补全缺失的数据；插值公式为v_p＝v_i+(v_i+n-v_i)×p/(n+1)其中，v_i,v_i+n为GNSS速度数据缺失的轨迹定位点前后的两个轨迹定位点的GNSS速度数据；v_p为缺失的GNSS速度数据，p为缺失GNSS速度数据的轨迹定位点的编号，n为缺失GNSS速度数据的轨迹定位点的总数；

公交车在场站上传的GNSS数据的处理：将超过五分钟，经纬度、方向角不变和GNSS速度为0的轨迹定位点删除。

实施例5、

如实施例2所述的基于GNSS时空轨迹数据建构路网拓扑的方法，其区别在于，所述步骤1)中，轨迹定位点采集的步骤还包括，以一定的采样频率采集轨迹定位点，将经过预处理的轨迹定位点记录为GNSS时空数据并以文件的形式保存在本地SD卡中，上传到服务器端后，被新的数据覆盖。此种工作模式可以保证本地SD卡有足够空间存储新的数据。

实施例6、

如实施例2所述的基于GNSS时空轨迹数据建构路网拓扑的方法，其区别在于，所述步骤2)中，提取道路核心点Z(x_c，y_c)作为待修正道路核心点的修正点的计算过程重复进行三次，得到最终的道路核心点。重复计算可增加计算的准确性。

实施例7、

如实施例2所述的基于GNSS时空轨迹数据建构路网拓扑的方法，其区别在于，所述步骤3)中，提取公交站点Y(x_a，y_a)的计算过程重复进行3次，得到公交站点。重复计算可增加计算的准确性。

Claims (9)

1.一种基于公交车GNSS时空轨迹数据建构路网拓扑的装置，其特征在于，包括移动客户端和服务器端；所述移动客户端包括依次连接的GNSS数据采集模块、数据预处理模块、位置匹配模块和客户端通信模块；所述服务器端包括行驶特征挖掘模块和服务器端通信模块；所述行驶特征挖掘模块设置有挖掘算法程序和存储数据的数据库。

2.如权利要求1所述的基于公交车GNSS时空轨迹数据建构路网拓扑的装置，其特征在于，所述GNSS数据采集模块为移动设备内置GPS/北斗卫星导航系统或通过蓝牙连接的外置GPS/北斗卫星导航系统；所述客户端和服务器端通过GPRS进行通信。

3.利用如权利要求1所述装置实现基于GNSS时空轨迹数据建构路网拓扑的方法，其特征在于，包括步骤如下：

1)轨迹定位点采集及预处理：

①在公交车上安置GNSS接收设备，以一定的采样频率采集轨迹定位点并编号；所述轨迹定位点组成的集合包括公交站点集和普通点集；将采集得到的公交站点集依照获取的时间顺序编号为1,2,3…n；编号为1的公交站点集与编号为2的公交站点集之间的普通点集中的点依照获取的时间顺序编号为1.1,1.2…m；编号为2的公交站点集与编号为3的公交站点集之间的普通点集中的点依照获取的时间顺序编号为2.1,2.2…h；以此类推；并予以保存、清洗冗余和误差数据；利用直方图对最近十天的所有轨迹定位点进行统计筛选，剔除出现频率小于60％的轨迹定位点；

②将上、下行轨迹数据分离：SSN_max为数值最大的公交站点号，将编号数值小于的轨迹定位点归类为上行数据集U_i，剩余的轨迹定位点归类为下行数据集D_i；

2)提取矢量道路：

①若所述轨迹定位点的邻域内有不少于3个其他轨迹定位点，则确定该轨迹定位点为待修正道路核心点；提取道路核心点Z(x_c，y_c)作为待修正道路核心点的修正点；其中，x_c，y_c为道路核心点Z的经纬度；x_i，y_i，ρ_i分别为待修正道路核心点邻域内的轨迹定位点的经纬度和经纬度为x_i，y_i的轨迹定位点出现的次数；

所述邻域的邻域半径为其中d为城市主干道宽度，d_GNSS为GNSS接收设备定位的最大误差；

②对道路核心点排序：选取公交车起点作为第一道路核心点，根据最近距离的原则确定第二道路核心点，然后把第二道路核心点作为新的第一道路核心点，按照相同方法确定下一个道路核心点，依次向前搜寻，直至遍历所有的道路核心点；

③等间隔补充仿真点：若相邻两个道路核心点之间的直线距离大于30米，则判定这两个道路核心点之间有道路核心点缺失，在这两个道路核心点之间添加仿真点作为道路核心点，以实现任意两个道路核心点之间的直线距离小于等于30米；

④删除异常点：按照步骤②的顺序用连线依次连接道路核心点，若相邻两条连线的角度变化量大于120°，则所述相邻两条连线的公共道路核心点为异常点；(请在说明书中说明连线是矢量线)

⑤进行拐角插值：若一条连线相对上一条相邻连线的角度变化量＞30°，则判断该连线为拐角位置，在该连线一侧插入道路核心点；使任意相邻连线之间的角度变化量≤30°；

3)提取公交站点位置，具体包括：

①计算公交站点集中轨迹定位点的统计特性；

②在每个公交站点集中，将出现次数最多的轨迹定位点设为中心点，距离所述中心点直线距离小于Δl的轨迹定位点赋值1，其余的点赋值0，其中Δl＝2×R；将赋值后的公交站点集作为SVM算法的训练样本集；

轨迹定位点中距离所述中心点直线距离小于100米的点组成的集合作为为SVM算法的测试集；

利用SVM算法训练模型对所述测试集分类，得到分布在每个公交站点集周围的公交站点核心点集；

提取公交站点Y(x_a，y_a)；其中，x_a，y_a为公交站点Y的经纬度；x_i，y_i，ρ_i分别为公交站点核心点集中点的经纬度和经纬度为x_i，y_i的点出现的次数；

4)提取交通信号灯位置，具体包括：

①将距离公交站点直线距离小于Δd的轨迹定位点删除，其中，Δd＝50m；

②求轨迹定位点的邻域平均速度；取一个轨迹定位点作为中心点，求所述中心点邻域内的所有轨迹定位点的平均速度作为中心点的邻域平均速度；所述邻域的领域半径为R；依次求每个轨迹定位点的邻域平均速度；

③每个轨迹定位点邻域半径为Δl的领域范围内邻域平均速度最小的点为种子点，给所述种子点赋权值，所述权值为该点被作为种子点的次数，其中，Δl＝150m；

④去除干扰点，具体方法如下：

删除邻域平均速度大于5m/s的种子点；

删除权值小于4的种子点；

如果相邻两个种子点的直线距离小于100米，且二者的邻域平均速度或权值相差两倍以上，删除邻域平均速度和权值较小的种子点；

⑤匹配属于上行数据集U_i的种子点和属于下行数据集D_i的种子点，如果属于上行数据集U_i的种子点和属于下行数据集D_i的种子点之间存在种子点，且该种子点距离属于上行数据集U_i的种子点和属于下行数据集D_i的种子点的直线距离均小于Δγ，则匹配成功，即属于上行数据集U_i的种子点和属于下行数据集D_i的种子点之间种子点的位置为交通信号灯位置；否则匹配失败，将匹配失败的种子点删除；其中，Δγ＝120m。

4.如权利要求3所述的基于GNSS时空轨迹数据建构路网拓扑的方法，其特征在于，所述步骤2)中，在有核心点缺失的两个道路核心点之间添加仿真点的具体方法为，在有核心点缺失的两个道路核心点的连线中点处添加仿真点。

5.如权利要求3所述的基于GNSS时空轨迹数据建构路网拓扑的方法，其特征在于，所述步骤3)中，所述轨迹定位点的统计特性包括，每个公交站点出现的次数和每个公交站点邻域内点的数量。

6.如权利要求3所述的基于GNSS时空轨迹数据建构路网拓扑的方法，其特征在于，所述步骤1)中，对所述轨迹定位点进行预处理的步骤，还包括，

跳变数据处理：将公交站点编号跳变次数大于三次的轨迹定位点删除；跳变次数过多说明该趟线路定位信息不够准确，其中公交站点编号跳变是指公交站点编号不连续出现，例如1号站点后的下一个站点号是3号或其他不是2号的编号；

缺失数据处理：将定位经纬度缺失、连续四个及四个以上GNSS速度缺失的轨迹定位点删除；如果有连续一个到三个GNSS速度数据缺失的轨迹定位点，采用线性插值公式补全缺失的数据；插值公式为v_p＝v_i+(v_i+n-v_i)×p/(n+1)其中，v_i,v_i+n为GNSS速度数据缺失的轨迹定位点前后的两个轨迹定位点的GNSS速度数据；v_p为缺失的GNSS速度数据，p为缺失GNSS速度数据的轨迹定位点的编号，n为缺失GNSS速度数据的轨迹定位点的总数；

公交车在场站上传的GNSS数据的处理：将超过五分钟，经纬度、方向角不变和GNSS速度为0的轨迹定位点删除。

7.如权利要求3所述的基于GNSS时空轨迹数据建构路网拓扑的方法，其特征在于，所述步骤1)中，轨迹定位点采集的步骤还包括，以一定的采样频率采集轨迹定位点，将经过预处理的轨迹定位点记录为GNSS时空数据并以文件的形式保存在本地SD卡中，上传到服务器端后，被新的数据覆盖。

8.如权利要求3所述的基于GNSS时空轨迹数据建构路网拓扑的方法，其特征在于，所述步骤2)中，提取道路核心点Z(x_c，y_c)作为待修正道路核心点的修正点的计算过程重复进行三次，得到最终的道路核心点。

9.如权利要求3所述的基于GNSS时空轨迹数据建构路网拓扑的方法，其特征在于，所述步骤3)中，提取公交站点Y(x_a，y_a)的计算过程重复进行3次，得到公交站点。