CN113375685A - 基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法 - Google Patents
基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法 Download PDFInfo
- Publication number
- CN113375685A CN113375685A CN202110352625.4A CN202110352625A CN113375685A CN 113375685 A CN113375685 A CN 113375685A CN 202110352625 A CN202110352625 A CN 202110352625A CN 113375685 A CN113375685 A CN 113375685A
- Authority
- CN
- China
- Prior art keywords
- intersection
- turning
- track
- angle
- calculating
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Abstract
本申请提供了基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法:步骤一)选取一辆车的至少4个连续的轨迹点,通过计算相邻两个轨迹点的行驶角度差识别出具有转弯特征的轨迹点,得到转弯轨迹;将轨迹Tr分成两条子轨迹;计算这两条轨迹的反向延长线交点,并将该交点作为路口中心的候选点;再计算车辆转弯前的角度和转弯后的行驶角度;步骤二)通过DBSCAN聚类算法对候选点进行聚类分析,从而准确识别出路口中心位置;步骤三)再通过DBSACN聚类算法对转弯轨迹点转弯前的角度和转弯后的角度进行聚类分析,从而识别路口的转向交通规则。
Description
技术领域
本发明涉及数据处理领域,特别涉及一种基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法。
背景技术
交通路口是城市路由的重要组成部分,在许多智能交通应用中是关键的技术之一。目前自动驾驶技术成为热门研究领域,它能够安全的在户外环境中自动导航行驶,然而,一个重要的问题就是需要实时自动对交通路口进行可靠检测以帮助自动驾驶汽车能完成自动导航。因此路口以及路口交通规则的自动提取是路径导航的关键技术,而路径导航不仅对无人驾驶汽车起着重要作用,同时也是传统司机驾驶时路径规划的重要依据。交通管理部门为了控制交通流量的需要,常常会变更路口交通规则,如果自动导航地图不能及时获取这些路口及路口规则的变更信息,会导致交通状况的恶化甚至导致严重的交通事故。试想,如果无人驾驶汽车被自动导航设备导航到某个不允许左转的路口,试图左转,则违反了交通规则,另一方面,如果是司机根据导航设备行驶到这种路口,不得不自行改变行驶路径,从而造成不必要的浪费,给交通带来更大压力。
同时,交通路口自动识别不仅是自动路径规划的关键技术,也可应用于数字地图的自动更新。传统的道路地图的绘制需要昂贵的野外测量和劳力密集的制图。近年来,定位技术在汽车等设备上的广泛应用产生了海量的轨迹数据,为数字地图的制作和更新提供了新的机遇。
然而往往由于这些数据的采集频率固定,比如10到30秒发回一个数据点。因此,车辆在转弯过程中不一定就向数据中心发送轨迹点,如果仅仅通过行驶角度的改变或者GPS位置的改变很难准确的定位交通路口的中心位置。如图1所示:
车辆在转弯行驶过程中,发回数据中心的轨迹点有Tr(p1,p2,p3,p4),这些轨迹点的GPS位置都不在路口的中心处,以这些轨迹点作为检测路口的疑似点,然后通过其他聚类方法检测出的路口中心位置会导致错误的交通路口识别。
发明内容
为了解决上述问题,本申请提出一种基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法,本申请采用如下技术方案实现:
基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法,包括如下步骤:
步骤一)选取一辆车的至少4个连续的轨迹点,通过计算相邻两个轨迹点的行驶角度差识别出具有转弯特征的轨迹点,得到转弯轨迹Tr(p1,p2,p3,p4);将轨迹Tr分成两条子轨迹:Tr1(p1,p2)和Tr2(p3,p4);计算这两条轨迹的反向延长线交点,并将该交点作为路口中心的候选点;再计算车辆转弯前的角度和转弯后的行驶角度;
步骤二)按照步骤一)的方法对通过该路口的多辆车进行计算,得到多个候选点;通过DBSCAN聚类算法对候选点进行聚类分析,从而准确识别出路口中心位置;
步骤三)再通过DBSACN聚类算法对转弯轨迹点转弯前的角度和转弯后的角度进行聚类分析,从而识别路口的转向交通规则。
进一步的,所述步骤一)中路口中心的候选点的计算方法具体为:
设路口中心点坐标为(px, py),轨迹点p1、p2、p3、p4的坐标分别为(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4),则有:
进一步的,所述步骤一)中车辆转弯前的角度和转弯后的行驶角度的计算方法为:
设Tr1(p1,p2)与水平方向的角度为θ,Tr2(p3,p4)与水平方向的角度为β,两条轨迹转向角为angp,则有:
本申请具有如下优点:识别结果准确,可以同时确定路口中心点和转向规则。
附图说明
为了更清楚地说明本发明的技术方案,下面对实施例描述中所需的附图作简单介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图,这些附图直接得到的技术方案也应属于本发明的保护范围。
图1轨迹点示意图;
图2两线交点坐标的计算示意图;
图3为实施例1的中心点识别结果;
图4为转向规则聚类分析结果;
图5为行驶角度与行驶方向比照图。
具体实施方式
本方法提出基于两条子轨迹交叉点作为疑似路口点的方法。
首先,通过计算相邻两个轨迹点的行驶角度差识别出具有转弯特征的轨迹点,如图1所示,轨迹Tr 就是计算行驶角度变化规律从而获取疑似转弯的轨迹。
将该轨迹Tr(p1,p2,p3,p4)分成两条子轨迹Tr1(p1,p2)和Tr2(p3,p4)。计算这两条轨迹的反向延长线交点,并将该交点作为路口中心的候选点。然后通过DBSCAN聚类算法对这些候选点进行聚类,从而准确识别出路口中心位置。
然后通过基于DBSACN聚类算法对转弯轨迹点转弯前的角度和转弯后的角度进行聚类,从而识别路口的转向交通规则,例如,如果在检测出有左转特征的轨迹点,则认为该路口允许左转,否则左转禁止。
两条轨迹线交点如图2的计算公式如下:
根据平行线原理如下公式成立
则两线相交的角度计算如下:
由于路口的行驶规则不仅有转弯,还包括是否可调头,因此有:
其中type1为调头,type0为转弯。
上述过程的主要算法如下:
1. Input: a set of trajectories T of floating car
2. Output: candidate points of the road intersection
4. Sorted by F_TIME
5. Sorted by F_ID
10. SET threshold : (time interval)
16. Continue
19. The above 4 points () form a trajectory ,
20. Compute the intersect angle using formula (6)
21. If then
22. Type=1 (U_turn)
23. Compute the angle before turningand after turning using formula(6)
24. If , then
25.
26. Else If ,then
27.
30. Continue
31. Else
32. Type=2 (Turn)
34. between line and ,using formula (1,2)
35.
36. Else Continue
37. End for
38. End for
以下是利用福州市2018,5月某日的轨迹数据采用本申请中的方法进行识别的结果:
图3是基于两条子轨迹反向延长线相交角度进行路口识别结果,其中的点表示识别的路口中心点。
基于转弯前角度和转完后角度聚类识别路口转弯规则如下:
图4是根据以上方法提取出的疑似路口点,对转弯前后的角度进行聚类后的结果,计算其对应的平均值。
对照图5的角度对应的方向我们可以提取出如下规则:
0: 车辆由东南方驶入,右转和左转被允许,不允许掉头
1: 车辆由西方驶入,右转和掉头被允许,左转禁止
2: 车辆由东北驶入,左转右转被允许,掉头禁止
3: 车辆由西北方向驶入,左转右转允许,不允许掉头。
Claims (3)
1.基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法,其特征在于,包括如下步骤:
步骤一)选取一辆车的至少4个连续的轨迹点,通过计算相邻两个轨迹点的行驶角度差识别出具有转弯特征的轨迹点,得到转弯轨迹Tr(p1,p2,p3,p4);将轨迹Tr分成两条子轨迹:Tr1(p1,p2)和Tr2(p3,p4);计算这两条轨迹的反向延长线交点,并将该交点作为路口中心的候选点;再计算车辆转弯前的角度和转弯后的行驶角度;
步骤二)按照步骤一)的方法对通过该路口的多辆车进行计算,得到多个候选点;通过DBSCAN聚类算法对候选点进行聚类分析,从而准确识别出路口中心位置;
步骤三)按照步骤一)的方法对通过该路口的多辆车进行计算,再通过DBSACN聚类算法对转弯轨迹点转弯前的角度和转弯后的角度进行聚类分析,从而识别路口的转向交通规则。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110352625.4A CN113375685B (zh) | 2021-03-31 | 2021-03-31 | 基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110352625.4A CN113375685B (zh) | 2021-03-31 | 2021-03-31 | 基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113375685A true CN113375685A (zh) | 2021-09-10 |
CN113375685B CN113375685B (zh) | 2022-09-30 |
Family
ID=77570645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110352625.4A Active CN113375685B (zh) | 2021-03-31 | 2021-03-31 | 基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113375685B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114067563A (zh) * | 2021-11-08 | 2022-02-18 | 上海万位科技有限公司 | 路口识别方法及相应存储介质、产品、模型和提醒方法及设备 |
CN115257771A (zh) * | 2022-09-28 | 2022-11-01 | 天津所托瑞安汽车科技有限公司 | 一种路口识别方法、电子设备和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012043271A (ja) * | 2010-08-20 | 2012-03-01 | Aisin Aw Co Ltd | 交差点情報取得装置、交差点情報取得方法及びコンピュータプログラム |
CN102592447A (zh) * | 2011-12-20 | 2012-07-18 | 浙江工业大学 | 一种基于fcm的区域路网的道路交通状态判别方法 |
CN102782737A (zh) * | 2010-03-17 | 2012-11-14 | 丰田博图导航信息技术有限公司 | 交叉路口停止比例确定装置及导航装置、以及用于确定交叉路口停止比例的计算机程序、用于导航的计算机程序 |
CN105788273A (zh) * | 2016-05-18 | 2016-07-20 | 武汉大学 | 基于低精度时空轨迹数据的城市交叉口自动识别的方法 |
CN108597251A (zh) * | 2018-04-02 | 2018-09-28 | 昆明理工大学 | 一种基于车联网的交通路口分布式车辆碰撞预警方法 |
CN109410586A (zh) * | 2018-12-13 | 2019-03-01 | 中南大学 | 一种基于多元数据融合的交通状态检测方法 |
CN110276973A (zh) * | 2019-07-22 | 2019-09-24 | 福建工程学院 | 一种路口交通规则自动识别方法 |
CN111291790A (zh) * | 2020-01-19 | 2020-06-16 | 华东师范大学 | 一种基于轨迹相似度的转向路径提取及路网拓扑变化检测框架方法 |
CN111462488A (zh) * | 2020-04-01 | 2020-07-28 | 北京工业大学 | 一种基于深度卷积神经网络和交叉口行为特征模型的交叉口安全风险评估方法 |
CN112364890A (zh) * | 2020-10-20 | 2021-02-12 | 武汉大学 | 利用出租车轨迹制作城市可导航路网的交叉口引导方法 |
-
2021
- 2021-03-31 CN CN202110352625.4A patent/CN113375685B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102782737A (zh) * | 2010-03-17 | 2012-11-14 | 丰田博图导航信息技术有限公司 | 交叉路口停止比例确定装置及导航装置、以及用于确定交叉路口停止比例的计算机程序、用于导航的计算机程序 |
JP2012043271A (ja) * | 2010-08-20 | 2012-03-01 | Aisin Aw Co Ltd | 交差点情報取得装置、交差点情報取得方法及びコンピュータプログラム |
CN102592447A (zh) * | 2011-12-20 | 2012-07-18 | 浙江工业大学 | 一种基于fcm的区域路网的道路交通状态判别方法 |
CN105788273A (zh) * | 2016-05-18 | 2016-07-20 | 武汉大学 | 基于低精度时空轨迹数据的城市交叉口自动识别的方法 |
CN108597251A (zh) * | 2018-04-02 | 2018-09-28 | 昆明理工大学 | 一种基于车联网的交通路口分布式车辆碰撞预警方法 |
CN109410586A (zh) * | 2018-12-13 | 2019-03-01 | 中南大学 | 一种基于多元数据融合的交通状态检测方法 |
CN110276973A (zh) * | 2019-07-22 | 2019-09-24 | 福建工程学院 | 一种路口交通规则自动识别方法 |
CN111291790A (zh) * | 2020-01-19 | 2020-06-16 | 华东师范大学 | 一种基于轨迹相似度的转向路径提取及路网拓扑变化检测框架方法 |
CN111462488A (zh) * | 2020-04-01 | 2020-07-28 | 北京工业大学 | 一种基于深度卷积神经网络和交叉口行为特征模型的交叉口安全风险评估方法 |
CN112364890A (zh) * | 2020-10-20 | 2021-02-12 | 武汉大学 | 利用出租车轨迹制作城市可导航路网的交叉口引导方法 |
Non-Patent Citations (2)
Title |
---|
RUHHAMMER 等: ""Automated intersection mapping from crowd trajectory data"", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
廖律超等: "浮动车轨迹数据聚类的有向密度方法", 《地球信息科学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114067563A (zh) * | 2021-11-08 | 2022-02-18 | 上海万位科技有限公司 | 路口识别方法及相应存储介质、产品、模型和提醒方法及设备 |
CN114067563B (zh) * | 2021-11-08 | 2023-01-24 | 上海万位科技有限公司 | 路口识别方法及相应存储介质、产品、模型和提醒方法及设备 |
CN115257771A (zh) * | 2022-09-28 | 2022-11-01 | 天津所托瑞安汽车科技有限公司 | 一种路口识别方法、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113375685B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101246010B (zh) | 车道判定装置以及车道判定方法 | |
CN113447033B (zh) | 一种车道级地图匹配方法及系统 | |
US8085984B2 (en) | Image recognizing apparatus and method, and position determining apparatus, vehicle controlling apparatus and navigation apparatus using the image recognizing apparatus or method | |
JP2022535351A (ja) | 車両ナビゲーションのためのシステム及び方法 | |
CN113375685B (zh) | 基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法 | |
US8510038B2 (en) | Route guidance system and route guidance method | |
CN110276973B (zh) | 一种路口交通规则自动识别方法 | |
CN108645420B (zh) | 一种基于差分导航的自动驾驶车辆多路径地图的创建方法 | |
CN101765757A (zh) | 逆行警告装置、逆行警告方法 | |
Wu et al. | Detecting Road Intersections from Coarse-gained GPS Traces Based on Clustering. | |
CN102074110B (zh) | 基于浮动车数据的交通流路口转向延时获取系统和方法 | |
CN101675442A (zh) | 车道确定装置、车道确定方法及使用该装置的导航设备 | |
CN102829791A (zh) | 基于车载终端的导航装置及导航路径修正的方法 | |
CN109147323A (zh) | 一种用于公路客货运输指标统计的车辆gps数据处理方法 | |
CN107591013A (zh) | 一种同行路线上不同车辆位置信息实时共享方法和系统 | |
CN103177585A (zh) | 基于浮动车数据计算路段各转向平均行程车速方法 | |
CN108351220A (zh) | 用于数字地图服务的车道信息的聚合方法 | |
CN1493851A (zh) | 车辆卫星导航系统在复杂路口的语音导航方法 | |
JP2007241468A (ja) | 車線変更検出装置 | |
CN111033591B (zh) | 用于确定道路网的行车道的走向的方法以及服务器设备 | |
Pu et al. | Road intersection detection based on direction ratio statistics analysis | |
JP2009015504A (ja) | 交通規制位置検出装置、交通規制位置検出方法及びコンピュータプログラム | |
Fazekas et al. | Road-type detection based on traffic sign and lane data | |
CN111832365A (zh) | 车道标记确定方法及装置 | |
CN109345838B (zh) | 基于完整地图信息的计算子路段行程车速的方法 |
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 |