CN106289036B - 一种基于浮动车数据分析的道路宽度测量方法 - Google Patents

Abstract

本发明提供一种基于浮动车数据分析的道路宽度测量方法，包括如下步骤：步骤10、确定浮动车GPS轨迹点的筛选参数，所述参数包括道路路元行车方向、道路路元的筛选矩形以及所述筛选矩形进一步划分得到的复数个矩形筛选分区，所述道路路元为道路直线线段单元；步骤20、抽取一指定时间段内的浮动车数据，得到浮动车的GPS轨迹点，根据所述参数筛选得到当前道路路元上的GPS轨迹点的筛选结果集；步骤30、统计筛选结果集中落入各矩形筛选分区内的GPS轨迹点，计算当前道路路元宽度。本发明能够实现动态估计道路宽度值，为及时获得道路变化信息以及判断道路的等级及通行能力提供便利。

Description

一种基于浮动车数据分析的道路宽度测量方法

技术领域

本发明涉及智能交通应用领域，尤其涉及一种基于浮动车数据分析的道路宽度测量方法。

背景技术

城市道路宽度信息是导航地图中道路图层的重要信息，决定了道路的等级以及通行能力，由于城市在发展过程中道路经常需要新建或改建，道路图层中的路宽信息经常发生变化，及时地检测城市道路宽度变化对于导航地图十分重要，这种变化往往需要测绘部门或交通部门实地测量后，再定期发布到城市道路图层中，具有较大的时间滞后性。

现有基于浮动车的道路拓宽识别方法利用浮动车在行驶过程中采集车辆信息，比如车辆编号、位置、方向和速度信息，得到行车路线特征向量表示库，再在城市导航地图道路图层特征向量库中提取待匹配线路，将待匹配道路路元与待匹配线路进行道路匹配获得浮动车路线的数据匹配集，最后根据浮动车路线的数据匹配集求浮动车流量、平均车速、分布区域宽度并与道路图层原有记录进行比较判断道路是否拓宽，浮动车是指配备有全球定位系统(GPS)的交通状况探测车辆，通常是具有营运行政的车辆，如的士、公交、大巴等，浮动车上的车载终端每隔一定时间获取的浮动车位置、速度、行进方向等信息。这种道路拓宽识别方法虽然可以实现动态识别道路是否拓宽，但无法估计拓宽后道路宽度的具体值，难以确定道路等级是否发生变化，且对于因地铁、管线施工等导致的道路变窄也无法判定，由于缺乏历史数据，对于新建道路也无法及时发现并动态更新其路宽信息。

发明内容

本发明要解决的技术问题，在于提供一种基于浮动车数据分析的道路宽度测量方法，实现动态估计道路宽度值，为及时获得道路变化信息以及判断道路的等级及通行能力提供便利。

本发明是这样实现的：一种基于浮动车数据分析的道路宽度测量方法，包括如下步骤：

步骤10、确定浮动车GPS轨迹点的筛选参数，所述参数包括道路路元行车方向、道路路元的筛选矩形以及所述筛选矩形进一步划分得到的复数个矩形筛选分区，所述道路路元为道路直线线段单元；

步骤20、抽取一指定时间段内的浮动车数据，得到浮动车的GPS轨迹点，先通过所述筛选矩形的水平外接矩形对GPS轨迹点进行首次筛选，通过所述筛选矩形对GPS轨迹点做进一步筛选，再根据浮动车行车方向进行筛选，获得当前道路路元上的GPS轨迹点，存入筛选结果集，所述浮动车数据包括浮动车位置、浮动车速度、浮动车行车方向；

步骤30、获取所述筛选结果集，统计其中落入各矩形筛选分区内的GPS轨迹点，根据GPS轨迹点在各矩形筛选分区的分布特征，估计当前道路路元宽度，得到当前道路宽度信息。

进一步的，所述步骤10进一步包括：

步骤11、预先从城市交通图层的道路路元库中提取待测路宽的道路路元，所述道路路元的信息包括起点坐标和终点坐标，且每个坐标用经度和纬度表示；

步骤12、计算道路路元行车方向，以道路路元的起点为起点，做一条纬度不变，经度逐渐增加的水平线段，从所述水平线段沿逆时针方向转到所述道路路元所经过的角度即为所述道路路元的行车方向，记为α；

步骤13、确定一筛选矩形，在所述道路路元所在路段上随机选取两个点P1和P2，得到P1和P2的距离H，所述筛选矩形以P1、P2的连线作为对称线，以P1和P2的距离H为长度，以一固定值W为宽度；

步骤14、将所述筛选矩形划分成复数个长度为H的相同宽度、相同面积的矩形筛选分区，从左至右依次记为r₁，r₂，……，r_n。

进一步的，所述步骤20进一步包括：

步骤21、抽取一指定时间段内的浮动车数据，得到浮动车GPS轨迹点，所述浮动车数据包括浮动车位置、浮动车速度、浮动车行车方向；

步骤22、构建所述筛选矩形的水平外接矩形，记所述筛选矩形为S_rect，获取S_rect的四个顶点经纬度坐标，分别记为(j₁，w₁)，(j₂，w₂)，(j₃，w₃)，(j₄，w₄)，创建经度集合S_lon＝{j₁，j₂，j₃，j₄}，纬度集合S_lat＝{w₁，w₂，w₃，w₄}，则所述水平外接矩形的四个顶点经纬度坐标分别为：(MIN(S_lon)，MAX(S_lat))，(MAX(S_lon)，MAX(S_lat))，(MIN(S_lon)，MIN(S_lat))，(MAX(S_lon)，MIN(S_lat))，其中MIN，MAX函数分别用于获取集合中的最小值和最大值，使用所述水平外接矩形对GPS轨迹点进行首次筛选，得到落入所述水平外接矩形内的GPS轨迹点；

步骤23、通过所述筛选矩形对落入所述水平外接矩形内的GPS轨迹点做进一步筛选，得到落入所述筛选矩形内的GPS轨迹点；

步骤24、根据浮动车行车方向进行筛选，删除其中同一道路对向车道以及附近道路上的GPS轨迹点，获得当前道路路元上的GPS轨迹点，将当前道路路元上的GPS轨迹点存入筛选结果集中。

进一步的，所述获得当前道路路元上的GPS轨迹点的具体方式为：获取所述步骤23筛选后的任一GPS轨迹点P_c，并获取P_c所属浮动车在P_c之前的一GPS轨迹点P_p，所述P_p为距离上与P_c大于一预设值且时间上与P_c最近的一个GPS轨迹点，将P_p与P_c的连线记为P_pP_c，则从水平线沿逆时针方向与P_pP_c的夹角即为所述浮动车行车方向，记为β，保留其中满足|α-β|＜ε的GPS轨迹点作为当前道路路元上的GPS轨迹点，其中，ε为一预设角度值。

进一步的，所述步骤30进一步包括：

步骤31、获取所述筛选结果集，通过一个计数数组统计其中落入各矩形筛选分区内的GPS轨迹点数，所述计数数组的每个元素按序对应设置一下标，且初始化所述计数数组的每个元素的值为0，对筛选结果集中的每个GPS轨迹点，若其落入第i个矩形筛选分区，则计数数组的第i个元素增1；若某个GPS轨迹点落在第i个矩形筛选分区和第i+1个矩形筛选分区的边界上，则所述GPS轨迹点计入第i个矩形筛选分区中；

步骤32、对计数数组中每个元素，依次判断其是否候选峰值，获取所有候选峰值组成候选峰值集S_c，再删除候选峰值集S_c中不超过一阈值或其中下标与相邻候选峰值的下标之差大于一设定值的候选峰值，得到入选峰值集，计算所述入选峰值集中最大下标差d；

步骤33、利用公式计算得到待测道路的宽度信息，所述公式为：W_r＝d*(W/n)+w_l，其中，W_r为当前道路路元宽度估计值，W为筛选矩形的宽度，d为入选峰值集中最大下标差，n为矩形筛选分区的个数，w_l为已知的单个车道的规定宽度。

进一步的，所述阈值为AVG(S_c)×Θ，其中AVG(S_c)为候选峰值集的均值，Θ为系数。

进一步的，所述候选峰值的查找具体为：假设计数数组COUNT中的第i个元素为COUNT(i)，若对任意的j∈(i-m,i-m+1,…,i-1,i+1,…,i+m),满足COUNT(i)>COUNT(j)，则COUNT(i)称为候选峰值，其中m，j，i均为大于0的整数，获取计数数组COUNT中所有候选峰值组成候选峰值集S_c。

本发明具有如下优点：利用大量浮动车在行驶过程中获得的数据，根据车辆GPS轨迹点所在行车路线的方向与道路路元的方向，将GPS轨迹点匹配到道路路元中，并根据道路路元相关的GPS轨迹点分布特征估计道路路元的宽度，实现对道路的具体宽度的估计，从而能够利用计算得到的宽度进行宽度变化识别，还为判断道路等级、道路通行能力提供便利。

附图说明

下面参照附图结合实施例对本发明作进一步的说明。

图1为本发明一种基于浮动车数据分析的道路宽度测量方法执行流程图。

图2为本发明确定浮动车GPS轨迹点的筛选参数的算法流程图。

图3为本发明的GPS轨迹点的筛选算法流程图。

图4为本发明当前道路路元宽度计算算法流程图。

具体实施方式

如图1至图4所示，本发明的一种基于浮动车数据分析的道路宽度测量方法，包括如下步骤：

步骤10、确定浮动车GPS轨迹点的筛选参数，所述参数包括道路路元行车方向、道路路元的筛选矩形以及所述筛选矩形进一步划分得到的复数个矩形筛选分区，所述道路路元为道路直线线段单元；所述步骤10进一步包括步骤11至步骤14：

步骤11、预先从城市交通图层的道路路元库中提取待测路宽的道路路元，所述道路路元的信息包括起点坐标和终点坐标，且每个坐标用经度和纬度表示；

步骤12、计算道路路元行车方向，以道路路元的起点为起点，做一条纬度不变，经度逐渐增加的水平线段，从所述水平线段沿逆时针方向转到所述道路路元所经过的角度即为所述道路路元的行车方向，记为α；

步骤13、确定一筛选矩形，在所述道路路元所在路段上随机选取两个点P1和P2，得到P1和P2的距离H，所述筛选矩形以P1、P2的连线作为对称线，以P1和P2的距离H为长度，以一固定值W为宽度；

步骤14、将所述筛选矩形划分成复数个长度为H的相同宽度、相同面积的矩形筛选分区，从左至右依次记为r₁，r₂，……，r_n；

步骤20、抽取一指定时间段内的浮动车数据，得到浮动车的GPS轨迹点，先通过所述筛选矩形的水平外接矩形对GPS轨迹点进行首次筛选，通过所述筛选矩形对GPS轨迹点做进一步筛选，再根据浮动车行车方向进行筛选，获得当前道路路元上的GPS轨迹点，存入筛选结果集，所述浮动车数据包括浮动车位置、浮动车速度、浮动车行车方向；所述步骤20进一步包括步骤21至步骤24：

步骤21、抽取一指定时间段内的浮动车数据，得到浮动车GPS轨迹点，所述浮动车数据包括浮动车位置、浮动车速度、浮动车行车方向；

步骤22、构建所述筛选矩形的水平外接矩形，记所述筛选矩形为S_rect，获取S_rect的四个顶点经纬度坐标，分别记为(j₁，w₁)，(j₂，w₂)，(j₃，w₃)，(j₄，w₄)，创建经度集合S_lon＝{j₁，j₂，j₃，j₄}，纬度集合S_lat＝{w₁，w₂，w₃，w₄}，则所述水平外接矩形的四个顶点经纬度坐标分别为：(MIN(S_lon)，MAX(S_lat))，(MAX(S_lon)，MAX(S_lat))，(MIN(S_lon)，MIN(S_lat))，(MAX(S_lon)，MIN(S_lat))，其中MIN，MAX函数分别用于获取集合中的最小值和最大值，使用所述水平外接矩形对GPS轨迹点进行首次筛选，得到落入所述水平外接矩形内的GPS轨迹点；

步骤23、通过所述筛选矩形对落入所述水平外接矩形内的GPS轨迹点做进一步筛选，得到落入所述筛选矩形内的GPS轨迹点；

步骤24、根据浮动车行车方向进行筛选，删除其中同一道路对向车道以及附近道路上的GPS轨迹点，获得当前道路路元上的GPS轨迹点，将当前道路路元上的GPS轨迹点存入筛选结果集中；所述获得当前道路路元上的GPS轨迹点的具体方式为：获取所述步骤23筛选后的任一GPS轨迹点P_c，并获取P_c所属浮动车在P_c之前的一GPS轨迹点P_p，所述P_p为距离上与P_c大于一预设值且时间上与P_c最近的一个GPS轨迹点，将P_p与P_c的连线记为P_pP_c，则从水平线沿逆时针方向与P_pP_c的夹角即为所述浮动车行车方向，记为β，保留其中满足|α-β|＜ε的GPS轨迹点作为当前道路路元上的GPS轨迹点，其中，ε为一预设角度值。

步骤30、获取所述筛选结果集，统计其中落入各矩形筛选分区内的GPS轨迹点，根据GPS轨迹点在各矩形筛选分区的分布特征，估计当前道路路元宽度，得到当前道路宽度信息，所述步骤30进一步包括步骤31至步骤33：

步骤31、获取所述筛选结果集，通过一个计数数组统计其中落入各矩形筛选分区内的GPS轨迹点数，所述计数数组的每个元素按序对应设置一下标，且初始化所述计数数组的每个元素的值为0，对筛选结果集中的每个GPS轨迹点，若其落入第i个矩形筛选分区，则计数数组的第i个元素增1；若某个GPS轨迹点落在第i个矩形筛选分区和第i+1个矩形筛选分区的边界上，则所述GPS轨迹点计入第i个矩形筛选分区中；

步骤32、对计数数组中每个元素，依次判断其是否候选峰值，获取所有候选峰值组成候选峰值集S_c，所述候选峰值的查找具体为：假设计数数组COUNT中的第i个元素为COUNT(i)，若对任意的j∈(i-m,i-m+1,…,i-1,i+1,…,i+m),满足COUNT(i)>COUNT(j)，则COUNT(i)称为候选峰值，其中m，j，i均为大于0的整数，获取计数数组COUNT中所有候选峰值组成候选峰值集S_c，再删除候选峰值集S_c中不超过一阈值或其中下标与相邻候选峰值的下标之差大于一设定值的候选峰值，得到入选峰值集，计算所述入选峰值集中最大下标差d，所述阈值为AVG(S_c)×Θ，其中AVG(S_c)为候选峰值集的均值，Θ为系数；

步骤33、利用公式计算得到待测道路的宽度信息，所述公式为：W_r＝d*(W/n)+w_l，其中，W_r为当前道路路元宽度估计值，W为筛选矩形的宽度，d为入选峰值集中最大下标差，n为矩形筛选分区的个数，w_l为已知的单个车道的规定宽度。

下面结合一具体实施例对本发明做进一步说明：

一种基于浮动车数据分析的道路宽度测量方法，包括如下步骤：

步骤10、确定浮动车GPS轨迹点的筛选参数，所述参数包括道路路元行车方向、道路路元的筛选矩形以及所述筛选矩形进一步划分得到的复数个矩形筛选分区，所述道路路元为道路直线线段单元；所述步骤10进一步包括步骤11至步骤14：

步骤11、预先从城市交通图层的道路路元库中提取待测路宽的道路路元，所述道路路元的信息包括起点坐标和终点坐标，且每个坐标用经度和纬度表示，对于每个道路路元包含的属性集，简化表示为seg＝<s，e>，其中，s、e分别表示道路路元seg的起点坐标和终点坐标；

步骤12、计算道路路元行车方向，以道路路元的起点s为起点，做一条纬度不变，经度逐渐增加且长度为L的水平线段，该水平线段的终点记为z，则该水平线段记为sz，从所述水平线段sz沿逆时针方向转到所述道路路元所在线段se所经过的角度即为所述道路路元的行车方向，记为α；

步骤13、确定一筛选矩形，在所述道路路元所在路段上随机选取两个点P1和P2，得到P1和P2的距离H，所述筛选矩形以P1、P2的连线作为对称线，以P1和P2的距离H为长度，以一固定值W为宽度；

步骤14、将所述筛选矩形划分成复数个长度为H的相同宽度、相同面积的矩形筛选分区，从左至右依次记为r₁，r₂，……，r_n，其中n为大于2的正整数；

步骤20、抽取一指定时间段内的浮动车数据，得到浮动车的GPS轨迹点，保证获取到的浮动车数据足够多以便得到可靠的路宽计算结果，先通过所述筛选矩形的水平外接矩形对GPS轨迹点进行首次筛选，通过所述筛选矩形对GPS轨迹点做进一步筛选，再根据浮动车行车方向进行筛选，获得当前道路路元上的GPS轨迹点，存入筛选结果集，所述浮动车数据包括浮动车位置、浮动车速度、浮动车行车方向；所述步骤20进一步包括步骤21至步骤24：

步骤21、抽取一指定时间段内的浮动车数据，得到浮动车GPS轨迹点，所述指定时间可根据需要进行调整，确保获取到的浮动车数据足够多以便得到可靠的路宽计算结果即可，所述浮动车数据包括浮动车位置、浮动车速度、浮动车行车方向；

步骤22、构建可能倾斜的所述筛选矩形的水平外接矩形，记所述筛选矩形为S_rect，获取S_rect的四个顶点经纬度坐标，分别记为(j₁，w₁)，(j₂，w₂)，(j₃，w₃)，(j₄，w₄)，创建经度集合S_lon＝{j₁，j₂，j₃，j₄}，纬度集合S_lat＝{w₁，w₂，w₃，w₄}，则所述水平外接矩形的四个顶点经纬度坐标分别为：(MIN(S_lon)，MAX(S_lat))，(MAX(S_lon)，MAX(S_lat))，(MIN(S_lon)，MIN(S_lat))，(MAX(S_lon)，MIN(S_lat))，其中MIN，MAX函数分别用于获取集合中的最小值和最大值，即MIN(S_lon)为经度集合中最小值，MAX(S_lon)为经度集合中最大值，MIN(S_lat)为纬度集合中最小值，MAX(S_lat)为纬度集合中最大值，使用所述水平外接矩形对GPS轨迹点进行首次筛选，即获取落入所述水平外接矩形内的GPS轨迹点；

步骤23、通过所述筛选矩形对落入所述水平外接矩形内的GPS轨迹点做进一步筛选，即进一步获取所述筛选矩形内的GPS轨迹点；

步骤24、根据浮动车行车方向进行筛选，删除其中同一道路对向车道以及附近道路上的GPS轨迹点，获得当前道路路元上的GPS轨迹点，具体为：获取所述步骤23筛选后的任一GPS轨迹点P_c，并获取P_c所属浮动车在P_c之前的一GPS轨迹点P_p，所述P_p为距离上与P_c大于一预设值且时间上与P_c最近的一个GPS轨迹点，将P_p与P_c的连线记为PpPc，以P_p为起点，做一条纬度不变，经度逐渐增加且长度为L的的水平线段，该水平线段的终点为P_z，该水平线段记为P_pP_z，则从水平线段P_pP_z沿逆时针方向与P_pP_c的夹角即为所述浮动车行车方向，记为β，保留其中满足|α-β|＜ε的GPS轨迹点作为当前道路路元上的GPS轨迹点，将当前道路路元上的GPS轨迹点存入筛选结果集中，其中，ε为一预设角度值；

步骤30、获取所述筛选结果集，统计其中落入各矩形筛选分区内的GPS轨迹点，根据GPS轨迹点在各矩形筛选分区的分布特征，估计当前道路路元宽度，得到当前道路宽度信息，所述步骤30进一步包括步骤31至步骤33：

步骤31、获取所述筛选结果集，通过一个计数数组统计其中落入各矩形筛选分区内的GPS轨迹点数，所述计数数组的每个元素按序对应设置一下标，比如，第i个矩形筛选分区对应的第i个计数数组的元素，该元素的下标也设置为i，且初始化所述计数数组的每个元素的值为0，对筛选结果集中的每个GPS轨迹点，若其落入第i个矩形筛选分区，则计数数组的第i个元素增1；若某个GPS轨迹点落在第i个矩形筛选分区和第i+1个矩形筛选分区的边界上，则所述GPS轨迹点计入第i个矩形筛选分区中，其中，i为正整数；中每个元素，依次判断其是否候选峰值，获取所有候选峰值

步骤32、对计数数组的每个元素进行分析，依次判断其是否候选峰值，选择其中的所有局部极大值作为候选峰值，组成候选峰值集S_c，所述候选峰值的查找具体为：假设计数数组COUNT中的第i个元素为COUNT(i)，若对任意的j∈(i-m,i-m+1,…,i-1,i+1,…,i+m),满足COUNT(i)>COUNT(j)，则COUNT(i)称为候选峰值，其中m，j，i均为大于0的整数，获取计数数组COUNT中所有候选峰值组成候选峰值集S_c，再删除候选峰值集S_c中不超过一阈值或其中下标与相邻候选峰值的下标之差大于一设定值的候选峰值，得到入选峰值集，计算所述入选峰值集中最大下标差d，所述最大下标差d计算为：对于入选峰值集中的峰值，取得下标距离最远的两个峰值，得到其下标距离，记为d，若入选峰值集中仅包含一个峰值，则d＝0；所述阈值为AVG(S_c)×Θ，其中AVG(S_c)为候选峰值集的均值，Θ为系数，即删除候选峰值集中数值不超过AVG(S_c)×Θ的峰值，且删除候选峰值集中峰值下标与下一峰值下标差大于一设定值的候选峰值，重复上述删除操作直至不再有峰值满足被删除的条件时，剩下的峰值组成入选峰值集；

步骤33、利用公式计算得到待测道路的宽度信息，所述公式为：W_r＝d*(W/n)+w_l，其中，W_r为当前道路路元宽度估计值，W为筛选矩形的宽度，d为入选峰值集中最大下标差(即入选峰值集中距离最远的两个峰值的下标差)，n为矩形筛选分区的个数，w_l为已知的单个车道的规定宽度。

本发明方法利用大量浮动车在行驶过程中获得的数据，根据车辆轨迹点所在行车路线的方向与道路路元的方向，将轨迹点匹配到对应道路路元，并根据道路路元相关的轨迹点分布特征估计出道路路元的宽度，实现动态更新道路路元宽度，以便通过比较道路路元的历史路宽信息与当前路宽信息，实现对道路拓宽进行识别，而且能够对因为道路施工、重建导致的道路变窄进行识别，此外，对于没有历史路宽信息的新建道路，还可以根据本方法估计的路宽确定道路的等级及通行能力。

虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。

Claims (6)

1.一种基于浮动车数据分析的道路宽度测量方法，其特征在于：包括如下步骤：

步骤10、确定浮动车GPS轨迹点的筛选参数，所述参数包括道路路元行车方向、道路路元的筛选矩形以及所述筛选矩形进一步划分得到的复数个矩形筛选分区，所述道路路元为道路直线线段单元；

步骤20、抽取一指定时间段内的浮动车数据，得到浮动车的GPS轨迹点，先通过所述筛选矩形的水平外接矩形对GPS轨迹点进行首次筛选，通过所述筛选矩形对GPS轨迹点做进一步筛选，再根据浮动车行车方向进行筛选，获得当前道路路元上的GPS轨迹点，存入筛选结果集，所述浮动车数据包括浮动车位置、浮动车速度、浮动车行车方向；

步骤30、获取所述筛选结果集，统计其中落入各矩形筛选分区内的GPS轨迹点，根据GPS轨迹点在各矩形筛选分区的分布特征，估计当前道路路元宽度，得到当前道路宽度信息；

所述步骤30进一步包括：

步骤31、获取所述筛选结果集，通过一个计数数组统计其中落入各矩形筛选分区内的GPS轨迹点数，所述计数数组的每个元素按序对应设置一下标，且初始化所述计数数组的每个元素的值为0，对筛选结果集中的每个GPS轨迹点，若其落入第i个矩形筛选分区，则计数数组的第i个元素增1；若某个GPS轨迹点落在第i个矩形筛选分区和第i+1个矩形筛选分区的边界上，则所述GPS轨迹点计入第i个矩形筛选分区中；

步骤32、对计数数组中每个元素，依次判断其是否候选峰值，获取所有候选峰值组成候选峰值集S_c，再删除候选峰值集S_c中不超过一阈值或其中下标与相邻候选峰值的下标之差大于一设定值的候选峰值，得到入选峰值集，计算所述入选峰值集中最大下标差d；

步骤33、利用公式计算得到待测道路的宽度信息，所述公式为：W_r＝d*(W/n)+w_l，其中，W_r为当前道路路元宽度估计值，W为筛选矩形的宽度，d为入选峰值集中最大下标差，n为矩形筛选分区的个数，w_l为已知的单个车道的规定宽度。

2.根据权利要求1所述的一种基于浮动车数据分析的道路宽度测量方法，其特征在于：所述步骤10进一步包括：

步骤11、预先从城市交通图层的道路路元库中提取待测路宽的道路路元，所述道路路元的信息包括起点坐标和终点坐标，且每个坐标用经度和纬度表示；

步骤12、计算道路路元行车方向，以道路路元的起点为起点，做一条纬度不变，经度逐渐增加的水平线段，从所述水平线段沿逆时针方向转到所述道路路元所经过的角度即为所述道路路元的行车方向，记为α；

步骤13、确定一筛选矩形，在所述道路路元所在路段上随机选取两个点P1和P2，得到P1和P2的距离H，所述筛选矩形以P1、P2的连线作为对称线，以P1和P2的距离H为长度，以一固定值W为宽度；

步骤14、将所述筛选矩形划分成复数个长度为H的相同宽度、相同面积的矩形筛选分区，从左至右依次记为r₁，r₂，……，r_n。

3.根据权利要求2所述的一种基于浮动车数据分析的道路宽度测量方法，其特征在于：所述步骤20进一步包括：

步骤21、抽取一指定时间段内的浮动车数据，得到浮动车GPS轨迹点，所述浮动车数据包括浮动车位置、浮动车速度、浮动车行车方向；

步骤22、构建所述筛选矩形的水平外接矩形，记所述筛选矩形为S_rect，获取S_rect的四个顶点经纬度坐标，分别记为(j₁，w₁)，(j₂，w₂)，(j₃，w₃)，(j₄，w₄)，创建经度集合S_lon＝{j₁，j₂，j₃，j₄}，纬度集合S_lat＝{w₁，w₂，w₃，w₄}，则所述水平外接矩形的四个顶点经纬度坐标分别为：(MIN(S_lon)，MAX(S_lat))，(MAX(S_lon)，MAX(S_lat))，(MIN(S_lon)，MIN(S_lat))，(MAX(S_lon)，MIN(S_lat))，其中MIN，MAX函数分别用于获取集合中的最小值和最大值，使用所述水平外接矩形对GPS轨迹点进行首次筛选，得到落入所述水平外接矩形内的GPS轨迹点；

步骤23、通过所述筛选矩形对落入所述水平外接矩形内的GPS轨迹点做进一步筛选，得到落入所述筛选矩形内的GPS轨迹点；

步骤24、根据浮动车行车方向进行筛选，删除其中同一道路对向车道以及附近道路上的GPS轨迹点，获得当前道路路元上的GPS轨迹点，将当前道路路元上的GPS轨迹点存入筛选结果集中。

4.根据权利要求3所述的一种基于浮动车数据分析的道路宽度测量方法，其特征在于：所述步骤24中获得当前道路路元上的GPS轨迹点的具体方式为：获取所述步骤23筛选后的任一GPS轨迹点P_c，并获取P_c所属浮动车在P_c之前的一GPS轨迹点P_p，所述P_p为距离上与P_c大于一预设值且时间上与P_c最近的一个GPS轨迹点，将P_p与P_c的连线记为P_pP_c，则从水平线沿逆时针方向与P_pP_c的夹角即为所述浮动车行车方向，记为β，保留其中满足|α-β|＜ε的GPS轨迹点作为当前道路路元上的GPS轨迹点，其中，ε为一预设角度值，α为道路路元行车方向。

5.根据权利要求1所述的一种基于浮动车数据分析的道路宽度测量方法，其特征在于：所述阈值为AVG(S_c)×Θ，其中AVG(S_c)为候选峰值集的均值，Θ为系数。

6.根据权利要求1所述的一种基于浮动车数据分析的道路宽度测量方法，其特征在于：所述候选峰值的查找具体为：假设计数数组COUNT中的第i个元素为COUNT(i)，若对任意的j∈(i-m,i-m+1,…,i-1,i+1,…,i+m),满足COUNT(i)>COUNT(j)，则COUNT(i)称为候选峰值，其中m，j，i均为大于0的整数，获取计数数组COUNT中所有候选峰值组成候选峰值集S_c。