CN110750607B - 一种基于gnss车行轨迹数据的路网匹配方法 - Google Patents

一种基于gnss车行轨迹数据的路网匹配方法 Download PDF

Info

Publication number
CN110750607B
CN110750607B CN201910876920.2A CN201910876920A CN110750607B CN 110750607 B CN110750607 B CN 110750607B CN 201910876920 A CN201910876920 A CN 201910876920A CN 110750607 B CN110750607 B CN 110750607B
Authority
CN
China
Prior art keywords
road
data
road network
arc section
matching
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.)
Active
Application number
CN201910876920.2A
Other languages
English (en)
Other versions
CN110750607A (zh
Inventor
王峰萍
薛涛
王蒙
徐政超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Polytechnic University
Original Assignee
Xian Polytechnic University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Polytechnic University filed Critical Xian Polytechnic University
Priority to CN201910876920.2A priority Critical patent/CN110750607B/zh
Publication of CN110750607A publication Critical patent/CN110750607A/zh
Application granted granted Critical
Publication of CN110750607B publication Critical patent/CN110750607B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于GNSS车行轨迹数据的路网匹配方法，具体按以下步骤实施：首先通过数据筛选剔除GNSS车行轨迹数据中的低质量数据，然后将剔除后的数据转换为矢量路网数据；然后利用得到的矢量路网数据采用采用距离邻近度法进行粗匹配；最后根据粗匹配得到结果，建立缓冲区，实现未变化道路弧段、消失道路弧段、全局和局部新增道路弧段的匹配与更新。

Description

一种基于GNSS车行轨迹数据的路网匹配方法
技术领域
本发明涉及一种路网数据匹配方法，具体涉及一种基于GNSS车行轨迹数据的路网匹配方法。
背景技术
道路是导航地图中重要的基础性地物要素，路网数据的快速更新对车辆 GPS导航、交通规划与管理、紧急事件响应等具有非常重要的意义。
传统方法需要专业的数据采集人员、GPS设备和道路测量车辆等进行地表测量，存在着信息获取周期长、后期提取工作量大、维护费用昂贵等不足。近年来，随着智能移动设备的普及，基于自发地理信息(Volunteered Geographic Information，VGI)数据的路网数据更新技术受到了越来越多研究者的关注，VGI是非专业用户通过在线协作的方式自发进行信息的生产、收集和发布，丰富了路网数据的来源，降低了采集成本，具有数据更新快、几何细节丰富、现势性高、覆盖范围广泛等优点，GNSS车行轨迹数据是VGI 数据的主要来源之一，可以方便快捷地获取大众出行轨迹数据，为导航地图更新提供丰富的数据资源，然而，GNSS车行轨迹数据存在着数据质量不确定、空间分布不均匀、多源异质性等问题，这给基于GNSS数据的路网数据更新研究带来一定的难度。
发明内容
本发明的目的是提供一种基于GNSS车行轨迹数据的路网匹配方法，能够利用基于距离邻近度和双层缓冲区约束的由粗到精的策略，实现路网数据匹配与更新。
本发明所采用的技术方案是，一种基于GNSS车行轨迹数据的路网匹配方法，具体按以下步骤实施：
步骤1，数据预处理，通过数据筛选剔除GNSS车行轨迹数据中的低质量数据，然后将剔除后的数据转换为矢量路网数据；
步骤2，利用经步骤1得到的矢量路网数据采用采用距离邻近度法进行粗匹配；
步骤3，根据经步骤2粗匹配得到结果，建立缓冲区，实现未变化道路弧段、消失道路弧段、全局和局部新增道路弧段的匹配与更新。
其中步骤1中数据筛选具体为：首先将参考路网数据进行栅格化处理，判断GNSS车行轨迹数据是否落入栅格格网中，落入栅格格网中，则保留该轨迹数据，反之，将该数据剔除；
其中参考路网数据用R(N，A)表示，N＝(ni|i＝1，2，...，M)为道路结点， A＝(aj|j＝1，2，...，H)为道路弧段；GNSS车行轨迹数据用T＝(pk|k＝1，2，...，L)表示，pk包含移动对象在采样点的位置和时间信息；
其中步骤1中数据转换具体为：将经数据筛选后保留的栅格数据进行二值化处理，得到二值图，然后利用骨架提取法进行对二值图细化处理，得到道路中心线，最后采用边界跟踪法将得到的道路中心线数据变为从结点出发的线段或闭合的线条，以矢量形式加以存储，得到新的路网数据；
其中新的路网数据即待匹配数据用R′(N′，A′)表示，其中 N′＝(n0|o＝1，2，...，Q)为道路结点，A′＝(as|s＝1，2，...，G)为道路弧段；
其中步骤2中距离邻近度匹配具体过程为：采用距离邻近度法，以参考路弧段和待匹配道路弧段的首尾节点的欧式距离比值为准则，判断参考道路弧段与待匹配道路弧段的位置关系，根据道路弧段的变化，完成路网数据粗匹配；
其中路段距离邻近度的表达式为：
Figure RE-GDA0002319667170000031
式中，
Figure RE-GDA0002319667170000032
表示待匹配道路弧段的首尾结点 N'B和N'C的欧式距离，
Figure RE-GDA0002319667170000033
表示参考道路弧段的首、尾结点NB和NC的欧式距离；
其中步骤3中缓冲区的建立具体过程为：采用双层缓冲区约束准则，根据距离邻近度法的粗匹配结果，选择建立矩形缓冲区或圆形缓冲区，实现未变化道路弧段、消失道路弧段、全局和局部新增道路弧段的匹配与更新；
其中路段距离邻近度Sdis的值等于1时，选择建立矩形缓冲区约束的匹配方法，判断是否存在新增道路弧段：对参考道路弧段aj构建其外接矩形Lj，外接矩形Lj的坐标点为(xjmin,yjmin)(xjmax,yjmax)；给外接矩形Lj加一个值l，得到其边界，以此边界为缓冲区；判断待匹配道路弧段as是否经过该缓冲区，若经过则认为路网数据无变化，若不经过，则标记待匹配道路弧段为新增道路弧段，参考道路弧段为消失道路弧段：
缓冲区边界表示为：
Figure RE-GDA0002319667170000034
判断待匹配道路弧段as是否经过该矩形缓冲区的约束条件为：
Figure RE-GDA0002319667170000041
其中路段距离邻近度Sdis的值不等于1时，选择建立圆形缓冲区约束的匹配方法判断是否存在新增的局部道路弧度或消失道路弧度：
以水平方向为基准，平均选取参考道路弧段aj中包括其首尾结点在内的 n个结点，分别对该n个结点建立以半径为r的圆形缓冲区；以水平方向为基准，平均选取待匹配道路弧段as中包括其首尾结点在内的n个结点，统计这n 个结点落入圆形缓冲区的个数m；当m/n＝1时，认为无变化，输出参考道路弧段；反之输出穿过点缓冲区的路段为标记为未变化路段，输出未穿过缓冲区的路段为新增的局部道路弧段。
本发明的有益效果是：
本发明的一种基于GNSS车行轨迹数据的路网匹配方法采用栅格化方法进行GNSS车行轨迹数据筛选，再利用二值化、细化、边界跟踪等操作将轨迹数据转换为矢量数据；利用基于距离邻近度和双层缓冲区约束的由粗到精的策略，实现路网数据匹配与更新，能够对路网数据的快速判断和更新。
附图说明
图1为本发明的一种基于GNSS车行轨迹数据的路网匹配方法的流程图；
图2为本发明的一种基于GNSS车行轨迹数据的路网匹配方法中矩形缓冲区约束示意图；
图3为本发明的一种基于GNSS车行轨迹数据的路网匹配方法中圆形缓冲区约束示意图；
图4为本发明的一种基于GNSS车行轨迹数据的路网匹配方法中原始路网数据图；
图5为本发明的一种基于GNSS车行轨迹数据的路网匹配方法中新路网数据图；
图6为本发明的一种基于GNSS车行轨迹数据的路网匹配方法中路网匹配与更新结果。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明提供了一种基于GNSS车行轨迹数据的路网匹配方法，如图1所示，具体按以下步骤实施：
步骤1，数据预处理，通过数据筛选剔除GNSS车行轨迹数据中的低质量数据，然后将剔除后的数据转换为矢量路网数据：
一般情况下，GNSS车行轨迹数据都有明显的聚集性质，大都位于道路两侧区域。因车行路线和速度的不确定、采样间隔的不同以及采样方式的不规范，存在着很多低质量轨迹数据，首先将参考路网数据进行栅格化处理，判断GNSS车行轨迹数据是否落入栅格格网中，落入栅格格网中，则保留该轨迹数据，反之，将该数据剔除，参考路网数据用R(N，A)表示， N＝(ni|i＝1，2，...，M)为道路结点，A＝(aj|j＝1，2，...，H)为道路弧段；GNSS车行轨迹数据用T＝(pk|k＝1，2，...，L)表示，pk包含移动对象在采样点的位置和时间信息；
数据转换具体为：将经数据筛选后保留的栅格数据进行二值化处理，得到二值图，然后利用骨架提取法进行对二值图细化处理，得到道路中心线，最后采用边界跟踪法将得到的道路中心线数据变为从结点出发的线段或闭合的线条，以矢量形式加以存储，得到新的路网数据，新的路网数据即待匹配数据用R′(N′，A′)表示，其中N′＝(n0|o＝1，2，...，Q)为道路结点， A′＝(as|s＝1，2，...，G)为道路弧段；
步骤2，利用经步骤1得到的矢量路网数据采用采用距离邻近度法进行粗匹配：
距离邻近度匹配具体过程为：路网数据匹配是对空间位置相近，形态特征相同的同名路段进行匹配，道路具有突出的线状几何特征，本发明着重考虑道路弧段在空间几何位置存在的差异；由于数据采集方式、时间的不同，同名路段的空间位置关系存在着较大的不同，直接进行路网数据匹配不仅会导致极大的误差，还会降低算法的运行速率，因此，先根据路段距离临近度准则，判断待匹配道路弧段是否存在着变化，从而提高数据匹配效率；
采用距离邻近度法，以参考路弧段和待匹配道路弧段的首尾节点的欧式距离比值为准则，判断参考道路弧段与待匹配道路弧段的位置关系，根据道路弧段的变化，完成路网数据粗匹配；
路段距离邻近度的表达式为：
Figure RE-GDA0002319667170000061
式中，
Figure RE-GDA0002319667170000062
表示待匹配道路弧段的首尾结点 N'B和N'C的欧式距离，
Figure RE-GDA0002319667170000063
表示参考道路弧段的首、尾结点NB和NC的欧式距离；
当Sdis的值大于1时，很可能存在着新增道路；当Sdis的值等于1时，道路结点位置不变，也可能存在以此为首尾结点的新增道路；当Sdis的值小于 1时，很可能存在着消失道路，需要根据Sdis的取值的不同，选择不同的缓冲区约束方案
步骤3，根据经步骤2粗匹配得到结果，建立缓冲区，实现未变化道路弧段、消失道路弧段、全局和局部新增道路弧段的匹配与更新：
缓冲区的建立具体过程为：采用双层缓冲区约束准则，根据距离邻近度法的粗匹配结果，选择建立矩形缓冲区或圆形缓冲区，实现未变化道路弧段、消失道路弧段、全局和局部新增道路弧段的匹配与更新；
当路段距离邻近度Sdis的值等于1时，如图2所示，L1是参考道路弧段， L2为待匹配路道路弧段，选择建立矩形缓冲区约束的匹配方法，判断是否存在新增道路弧段：对参考道路弧段aj构建其外接矩形Lj，外接矩形Lj的坐标点为(xjmin,yjmin)(xjmax,yjmax)；给外接矩形Lj加一个值l，得到其边界，以此边界为缓冲区；判断待匹配道路弧段as是否经过该缓冲区，若经过则认为路网数据无变化，若不经过，则标记待匹配道路弧段为新增道路弧段，参考道路弧段为消失道路弧段：
缓冲区边界表示为：
Figure RE-GDA0002319667170000071
判断待匹配道路弧段as是否经过该矩形缓冲区的约束条件为：
Figure RE-GDA0002319667170000072
当路段距离邻近度Sdis的值不等于1时，如图3所示，L1为参考道路弧段，L2为待匹配路道路弧段，路段用1-10的标号标出，匹配结果为6-7-8 路段为未变化道路弧段，8-9-10为局部新增道路弧段，3-4-5为消失道路弧段，选择建立圆形缓冲区约束的匹配方法判断是否存在新增的局部道路弧度或消失道路弧度：
以水平方向为基准，平均选取参考道路弧段aj中包括其首尾结点在内的 n个结点，分别对该n个结点建立以半径为r的圆形缓冲区；以水平方向为基准，平均选取待匹配道路弧段as中包括其首尾结点在内的n个结点，统计这n 个结点落入圆形缓冲区的个数m；当m/n＝1时，认为无变化，输出参考道路弧段；反之输出穿过点缓冲区的路段为标记为未变化路段，输出未穿过缓冲区的路段为新增的局部道路弧段。
综上所述，本发明采用联合距离邻近度和双层缓冲区约束的方法实现路网数据匹配与融合，路网数据匹配的具体过程为：
Step1，分别读取参考道路弧段aj与待匹配道路弧段as，依据式(1)计算路段距离邻近度：当1.05≥Sdis≥0.95(实际数据会存在偏差，故选取靠近1 的数据作为评判标准)执行下一步，否则，执行Step4；
Step2，对道路弧段aj构建其最小外接矩形Lj，并依据式(2)给该外接矩形加一个值l，得到其边界，以此边界为缓冲区；
Step3，根据式(3)判断as是否经过该缓冲区。若满足式(3)，则认为道路弧段没有发生改变；否则，将待匹配数据标记为新增的道路弧段，执行 Step6；
Step4，将参考道路弧段aj平均分为n-1段，分别对该n个结点建立以半径为r的圆形缓冲区；同理，平均选取待匹配道路弧段as中包括其首尾结点在内的n个结点，
Step5，统计待匹配路段的n个结点落入圆形缓冲区的个数m，当m/n＞0.9 时，认为无变化，输出参考道路弧段，否则，输出穿过点缓冲区的路段为标记为未变化路段，输出未穿过缓冲区的路段为新增路段；
Step6，判断待匹配道路弧段as和参考道路弧段aj是否读取完毕，读取完毕，执行下一步，否则，执行Step1；
Step8，无法搜索到道路弧段或达到规定的迭代次数时，则可退出迭代，路网数据匹配与更新完成。
如图4、图5和图6所示，图4表示原始路网数据，图5表示新路网数据，图6表示路网匹配与更新结果，从图6的匹配结果图中可以看出本发明所提出的算法具有较好的匹配效果。

Claims (10)

1.一种基于GNSS车行轨迹数据的路网匹配方法，其特征在于，具体按以下步骤实施：
步骤1，数据预处理，通过数据筛选剔除GNSS车行轨迹数据中的低质量数据，然后将剔除后的数据转换为矢量路网数据；
步骤2，利用经步骤1得到的矢量路网数据采用距离邻近度法进行粗匹配；
步骤3，根据经步骤2粗匹配得到结果，建立缓冲区，实现未变化道路弧段、消失道路弧段、全局和局部新增道路弧段的匹配与更新。
2.根据权利要求1所述的一种基于GNSS车行轨迹数据的路网匹配方法，其特征在于，所述步骤1中数据筛选具体为：首先将参考路网数据进行栅格化处理，判断GNSS车行轨迹数据是否落入栅格格网中，落入栅格格网中，则保留该轨迹数据，反之，将该数据剔除。
3.根据权利要求2所述的一种基于GNSS车行轨迹数据的路网匹配方法，其特征在于，所述参考路网数据用R(N,A)表示，N＝(ni|i＝1,2,...,M)为道路结点，A＝(aj|j＝1,2,...,H)为道路弧段；GNSS车行轨迹数据用T＝(pk|k＝1，2，...，L)表示，pk包含移动对象在采样点的位置和时间信息。
4.根据权利要求1所述的一种基于GNSS车行轨迹数据的路网匹配方法，其特征在于，所述步骤1中数据转换具体为：将经数据筛选后保留的栅格数据进行二值化处理，得到二值图，然后利用骨架提取法进行对二值图细化处理，得到道路中心线，最后采用边界跟踪法将得到的道路中心线数据变为从结点出发的线段或闭合的线条，以矢量形式加以存储，得到新的路网数据。
5.根据权利要求4所述的一种基于GNSS车行轨迹数据的路网匹配方法，其特征在于，所述新的路网数据即待匹配数据用R'(N',A')表示，其中N′＝(n0|0＝1，2，...，Q)为道路结点，A'＝(as|s＝1,2,...,G)为道路弧段。
6.根据权利要求1所述的一种基于GNSS车行轨迹数据的路网匹配方法，其特征在于，所述步骤2中距离邻近度匹配具体过程为：采用距离邻近度法，以参考路弧段和待匹配道路弧段的首尾节点的欧式距离比值为准则，判断参考道路弧段与待匹配道路弧段的位置关系，根据道路弧段的变化，完成路网数据粗匹配。
7.根据权利要求6所述的一种基于GNSS车行轨迹数据的路网匹配方法，其特征在于，路段距离邻近度的表达式为：
Figure FDA0002204606290000021
式中，
Figure FDA0002204606290000022
表示待匹配道路弧段的首尾结点N'B和N'C的欧式距离，
Figure FDA0002204606290000023
表示参考道路弧段的首、尾结点NB和NC的欧式距离。
8.根据权利要求1所述的一种基于GNSS车行轨迹数据的路网匹配方法，其特征在于，所述步骤3中缓冲区的建立具体过程为：采用双层缓冲区约束准则，根据距离邻近度法的粗匹配结果，选择建立矩形缓冲区或圆形缓冲区，实现未变化道路弧段、消失道路弧段、全局和局部新增道路弧段的匹配与更新。
9.根据权利要求7或8所述的一种基于GNSS车行轨迹数据的路网匹配方法，其特征在于，路段距离邻近度Sdis的值等于1时，选择建立矩形缓冲区约束的匹配方法，判断是否存在新增道路弧段：对参考道路弧段aj构建其外接矩形Lj，外接矩形Lj的坐标点为(xjmin，yjmin)(xjmax，yjmax)；给外接矩形Lj加一个值l，得到其边界，以此边界为缓冲区；判断待匹配道路弧段as是否经过该缓冲区，若经过则认为路网数据无变化，若不经过，则标记待匹配道路弧段为新增道路弧段，参考道路弧段为消失道路弧段：
缓冲区边界表示为：
Figure FDA0002204606290000031
判断待匹配道路弧段as是否经过该矩形缓冲区的约束条件为：
Figure FDA0002204606290000032
10.根据权利要求7或8所述的一种基于GNSS车行轨迹数据的路网匹配方法，其特征在于，路段距离邻近度Sdis的值不等于1时，选择建立圆形缓冲区约束的匹配方法判断是否存在新增的局部道路弧度或消失道路弧度：
以水平方向为基准，平均选取参考道路弧段aj中包括其首尾结点在内的n个结点，分别对该n个结点建立以半径为r的圆形缓冲区；以水平方向为基准，平均选取待匹配道路弧段as中包括其首尾结点在内的n个结点，统计这n个结点落入圆形缓冲区的个数m；当m/n＝1时，认为无变化，输出参考道路弧段；反之输出穿过点缓冲区的路段为标记为未变化路段，输出未穿过缓冲区的路段为新增的局部道路弧段。
CN201910876920.2A 2019-09-17 2019-09-17 一种基于gnss车行轨迹数据的路网匹配方法 Active CN110750607B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910876920.2A CN110750607B (zh) 2019-09-17 2019-09-17 一种基于gnss车行轨迹数据的路网匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910876920.2A CN110750607B (zh) 2019-09-17 2019-09-17 一种基于gnss车行轨迹数据的路网匹配方法

Publications (2)

Publication Number Publication Date
CN110750607A CN110750607A (zh) 2020-02-04
CN110750607B true CN110750607B (zh) 2023-03-14

Family

ID=69276587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910876920.2A Active CN110750607B (zh) 2019-09-17 2019-09-17 一种基于gnss车行轨迹数据的路网匹配方法

Country Status (1)

Country Link
CN (1) CN110750607B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111552759B (zh) * 2020-05-06 2023-08-01 深圳市丰巢科技有限公司 一种行动轨迹相关数据的获取方法、装置、设备及介质
CN112013862B (zh) * 2020-07-31 2022-06-17 深圳大学 一种基于众包轨迹的行人路网提取及更新方法
CN114646313A (zh) * 2020-12-17 2022-06-21 中兴通讯股份有限公司 一种用户轨迹定位方法、电子设备及计算机存储介质
CN114281915B (zh) * 2021-12-22 2022-10-14 广州小鹏自动驾驶科技有限公司 一种生成几何路网的方法、装置、设备及存储介质
CN117238141B (zh) * 2023-11-14 2024-02-02 交通运输部规划研究院 目标车辆的跨区域出行行为识别方法、装置和电子设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6828668B2 (ja) * 2017-12-04 2021-02-10 株式会社デンソー 車線ネットワークデータ生成装置、車線ネットワークデータ生成プログラム及び記憶媒体
CN108492276B (zh) * 2018-01-29 2021-03-19 中国人民解放军战略支援部队信息工程大学 一种基于相似性度量的矢量道路变化检测方法及装置
CN109241069B (zh) * 2018-08-23 2020-01-10 中南大学 一种基于轨迹自适应聚类的路网快速更新的方法及系统

Also Published As

Publication number Publication date
CN110750607A (zh) 2020-02-04

Similar Documents

Publication Publication Date Title
CN110750607B (zh) 一种基于gnss车行轨迹数据的路网匹配方法
CN109241069B (zh) 一种基于轨迹自适应聚类的路网快速更新的方法及系统
CN108920481B (zh) 一种基于手机定位数据的道路网重建方法及系统
CN102136192B (zh) 一种基于手机信号数据的出行方式识别方法
CN106225791B (zh) 一种基于网格划分的gps定位与道路匹配方法
CN107229690A (zh) 基于路侧传感器的高精度动态地图数据处理系统及方法
US9222786B2 (en) Methods and systems for creating digital transportation networks
CN110008872B (zh) 一种结合车辆轨迹和遥感图像的路网提取方法
CN106568456B (zh) 基于gps/北斗定位和云计算平台的不停车收费方法
CN103149576A (zh) 一种浮动车数据的地图匹配方法
CN109256028B (zh) 一种用于无人驾驶的高精度路网自动生成的方法
CN105466445B (zh) 一种基于地形语义的路径规划方法
CN112734176B (zh) 一种充电站建站方法、装置、终端设备和可读存储介质
CN113554353B (zh) 一种避免空间淤积的公共自行车空间调度优化方法
CN113932821B (zh) 基于连续窗口平均方向特征的轨迹地图匹配方法
CN106899306A (zh) 一种保持移动特征的车辆轨迹线数据压缩方法
Elias et al. Automatic generation and application of landmarks in navigation data sets
CN110533240A (zh) 基于轨迹数据的自行车道线网规划方法
Qiu et al. Automatic extraction of road networks from GPS traces
CN111858810A (zh) 一种面向道路dem构建的建模高程点筛选方法
CN105806355A (zh) 一种车辆绿色路径导航系统及方法
CN109800903A (zh) 一种基于出租车轨迹数据的盈利路线规划方法
CN108304470B (zh) 一种基于ArcGIS的城市地铁路径规划方法
Zhang et al. Robust extraction of multiple-type support positioning devices in the catenary system of railway dataset based on MLS point clouds
CN105023230A (zh) 一种基于arcgis的轨道站点客流吸引范围界定方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant