CN117191004A - 融合众源轨迹数据的户外三维步行导航路网地图生成方法 - Google Patents

Abstract

本发明实施例中提供了一种融合众源轨迹数据的户外三维步行导航路网地图生成方法，属于导航技术领域，具体包括：获取目标区域内的行人户外步行轨迹数据；利用核密度估计算法生成步行轨迹数据的多级密度栅格图像；基于数学形态学细化算子提取道路骨架线；矢量化道路骨架线得到初始路网数据；将初始路网数据与步行轨迹数据进行匹配，去除虚假道路；对初次匹配处理后的初始路网数据进行拓扑优化和交叉口细化得到二维步行路网；将目标区域划分为细粒度的格网；计算格网内的高程估计值；将二维步行路网的节点与对应格网内的高程估计值进行叠加，生成三维步行导航路网地图数据。通过本发明的方案，提高了行人导航的适应性和精准度。

Description

融合众源轨迹数据的户外三维步行导航路网地图生成方法

技术领域

本发明实施例涉及导航技术领域，尤其涉及一种融合众源轨迹数据的户外三维步行导航路网地图生成方法。

背景技术

目前，根据路网承载的出行活动的方式可以将路网分为车行路网和步行路网。车行路网主要是为各类机动车和非机动车设计的道路，是构成道路网络的主体部分，国内外学者利用车辆轨迹数据对车行路网的提取已进行了大量研究并取得了重要成果；步行路网主要是为行人出行设计的道路，通常位于校园、旅游景区等场所，该类路网的提取与及时更新对于保障行人的便捷出行和安全导航具有重要价值，且相关研究相对较少。而根据路网的空间维度特征可以将路网分为二维路网和三维路网，目前相关研究和技术主要集中于二维路网的生成，三维路网的生成相对较少。而随着科技的发展和人类生产生活的丰富，传统二维地图已逐渐不能满足人们的需求，三维地图，尤其是户外三维旅行地图正在步入人们的视野，对此类地图的需求也在逐渐增加。行人步行路网作为城市路网的一部分，可以作为城市路网的补充，为城市规划、旅游开发提供指导，且通过行人轨迹生成的三维路网还可用于紧急情况下的救援指导。

总体而言，目前关于行人户外三维步行路网的生成与更新仍有较大缺失，主要体现在：现有路网生成主要集中于车行路网生成与更新，步行路网的提取与更新不足，无法完全满足行人户外导航的需求；现有研究主要关注道路二维道路几何形态和拓扑结构的提取，对于路网三维几何和拓扑结构重建的研究相对较少；缺乏户外三维步行路网的生成和更新研究。

可见，亟需一种适应性和精准度高的融合众源轨迹数据的户外三维步行导航路网地图生成方法。

发明内容

有鉴于此，本发明实施例提供一种融合众源轨迹数据的户外三维步行导航路网地图生成方法，至少部分解决现有技术中存在适应性和精准度较差的问题。

第一方面，本发明实施例提供了一种融合众源轨迹数据的户外三维步行导航路网地图生成方法，包括：

步骤1，获取目标区域内的行人户外步行轨迹数据；

步骤2，利用核密度估计算法生成步行轨迹数据的多级密度栅格图像；

步骤3，基于数学形态学细化算子从多级密度栅格图像中提取道路骨架线；

步骤4，矢量化道路骨架线得到初始路网数据；

步骤5，将初始路网数据与步行轨迹数据进行匹配，去除虚假道路；

步骤6，对初次匹配处理后的初始路网数据进行拓扑优化和交叉口细化得到二维步行路网；

步骤7，将目标区域划分为细粒度的格网并统计格网内的高程信息；

步骤8，计算格网内的高程估计值；

步骤9，将二维步行路网的节点与对应格网内的高程估计值进行叠加，生成三维步行导航路网地图数据。

根据本发明实施例的一种具体实现方式，所述步骤2之前，所述方法还包括：

对步行轨迹数据进行预处理操作，所述预处理操作包括将步行轨迹数据的地理坐标系转为投影坐标系和在步行轨迹数据的跳跃点处打断轨迹。

根据本发明实施例的一种具体实现方式，所述步骤2包括：

步骤2.1，将研究区域划分为一定大小的规则格网，统计落入每个格网内轨迹点的数量，作为该格网的密度；

步骤2.2，对每个格网应用核密度估计算法，生成核密度图；

步骤2.3，设置不同的栅格化阈值将核密度图转为多级栅格密度图像。

根据本发明实施例的一种具体实现方式，核密度估计算法的核函数为

；

其中，σ表示带宽，表示待估点/>到样本点/>处的距离，/>表示轨迹点的数量，/>表示核函数。

根据本发明实施例的一种具体实现方式，所述步骤4具体包括：

将道路骨架线提取为矢量的道路边和节点文件，并采用Douglas-Puecker算法对提取的道路边进行平滑与简化处理，得到初始路网数据。

根据本发明实施例的一种具体实现方式，所述步骤5具体包括：

将提取的初始路网数据与步行轨迹数据进行地图匹配，根据轨迹匹配结果，对匹配到轨迹次数低于阈值的道路边进行假边修剪，同时删除不存在与道路边连接的伪节点或悬挂节点。

根据本发明实施例的一种具体实现方式，所述步骤6具体包括：

步骤6.1，采用基于隐马尔可夫模型的轨迹与路网匹配算法对修剪后的初始路网数据进行再次匹配，并进行道路假边修剪，删除少于两次遍历的道路边，同时删除不存在与道路边相连接的伪节点或悬挂节点；

步骤6.2，对道路交叉口部分进行进一步建模和优化，将步骤6.1中得到的拓扑优化后的路网数据与步行轨迹数据进行地图匹配，得到与路网吻合的轨迹数据点，采用预设的聚类方法对轨迹数据进行小尺度的密度聚类，根据聚类得到的簇与轨迹的转向确定道路交叉口的出入口，同时，根据轨迹的转向特征确定交叉口不同方向道路之间的拓扑连接关系，得到二维步行路网。

根据本发明实施例的一种具体实现方式，所述预设的聚类方法为DBSCAN聚类算法。

根据本发明实施例的一种具体实现方式，所述步骤8具体包括：

步骤8.1，根据先验知识或者检验模板删除高程值明显高于或低于周围点的轨迹点；

步骤8.2，将去除异常值的格网根据格网密度划分为高密度格网和低密度格网，对于高密度格网，以该格网内的轨迹点的高程中值作为高密度格网的高程值，对于低密度格网，以该格网为圆心，搜索最近轨迹点的高程估计值，若搜索到的轨迹点的高程估计值与落入该格网的轨迹点的高程值差距没有超过设定的阈值，则将落入该格网内的轨迹点高程值的均值作为该格网的高程估计值，否则，将搜索到的轨迹点的高程估计值作为该格网的高程估计值；

步骤8.3，将高程估计值分别减1作为最终的格网高程估计值。

根据本发明实施例的一种具体实现方式，所述步骤9具体包括：

将二维步行路网与估计的高程估计值进行叠加，将高程估计值附加到二维步行路网的节点，生成三维步行导航路网地图数据，并将三维步行导航路网地图数据在三维可视化软件中进行可视化。

本发明实施例中的融合众源轨迹数据的户外三维步行导航路网地图生成方案，包括：步骤1，获取目标区域内的行人户外步行轨迹数据；步骤2，利用核密度估计算法生成步行轨迹数据的多级密度栅格图像；步骤3，基于数学形态学细化算子从多级密度栅格图像中提取道路骨架线；步骤4，矢量化道路骨架线得到初始路网数据；步骤5，将初始路网数据与步行轨迹数据进行匹配，去除虚假道路；步骤6，对初次匹配处理后的初始路网数据进行拓扑优化和交叉口细化得到二维步行路网；步骤7，将目标区域划分为细粒度的格网并统计格网内的高程信息；步骤8，计算格网内的高程估计值；步骤9，将二维步行路网的节点与对应格网内的高程估计值进行叠加，生成三维步行导航路网地图数据。

本发明实施例的有益效果为：通过本发明的方案，利用行人户外导航、户外旅行等活动产生的众源轨迹数据提取户外步行导航路网的几何和拓扑结构，并且对构建的二维步行路网的高程信息进行估计与融合，丰富了现有道路类型提取与更新体系，提供了户外三维行人导航路网地图的生成与更新方法，在户外旅行导航与推荐与旅游安全管理等应用中具有重要的实际价值，提高了行人导航的适应性和精准度。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，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，对于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。

图1为本发明实施例提供的一种融合众源轨迹数据的户外三维步行导航路网地图生成方法的流程示意图；

图2为本发明实施例提供的一种目标区域研究数据集示意图；

图3为本发明实施例提供的一种提取的步行路网结果的二维结构示意图；

图4为本发明实施例提供的一种构建的步行导航路网三维可视化图。

具体实施方式

下面结合附图对本发明实施例进行详细描述。

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本发明，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。

信息时代的到来促进了电子地图的迅速发展，为众多城市应用提供了便捷的工具。道路作为地图上最重要的地理要素之一，是导航和规划的重要依据，承载了人类的各类出行，精细、及时的道路网生成与更新具有重要意义。传统路网生成方式主要借助测绘手段或遥感卫星，前者生成的道路网精度高，但生成成本高，且更新周期长；后者能够实现对道路的大范围实时感知，但图像上的道路易受到建筑物、植被等要素的遮盖而导致提取不全，且对于道路的拓扑结构建模效果不佳。传统路网生成方式已无法满足人类的生产生活需求。

近年来，随着物联网技术、传感器技术的发展和智能终端设备的普及，积累了大量实时的众源轨迹数据。轨迹数据记录了人类出行的时空过程，同时也是对道路感知的重要结果，能够实时反映道路的形态和变化，是道路生成与更新的又一重要数据源，其成本低、更新快等特点使众源轨迹数据生成路网的方式成为研究的热点和重点。

目前，根据路网承载的出行活动的方式可以将路网分为车行路网和步行路网。车行路网主要是为各类机动车和非机动车设计的道路，是构成道路网络的主体部分，国内外学者利用车辆轨迹数据对车行路网的提取已进行了大量研究并取得了重要成果；步行路网主要是为行人出行设计的道路，通常位于校园、旅游景区等场所，该类路网的提取与及时更新对于保障行人的便捷出行和安全导航具有重要价值，且相关研究相对较少。而根据路网的空间维度特征可以将路网分为二维路网和三维路网，目前相关研究和技术主要集中于二维路网的生成，三维路网的生成相对较少。而随着科技的发展和人类生产生活的丰富，传统二维地图已逐渐不能满足人们的需求，三维地图，尤其是户外三维旅行地图正在步入人们的视野，对此类地图的需求也在逐渐增加。行人步行路网作为城市路网的一部分，可以作为城市路网的补充，为城市规划、旅游开发提供指导，且通过行人轨迹生成的三维路网还可用于紧急情况下的救援指导。

目前关于行人户外三维步行路网的生成与更新仍有较大缺失，主要体现在：现有路网生成主要集中于车行路网生成与更新，步行路网的提取与更新不足，无法完全满足行人户外导航的需求；现有研究主要关注道路二维道路几何形态和拓扑结构的提取，对于路网三维几何和拓扑结构重建的研究相对较少；缺乏户外三维步行路网的生成和更新研究。

本发明实施例提供一种融合众源轨迹数据的户外三维步行导航路网地图生成方法，所述方法可以应用于地图导航场景。

参见图1，为本发明实施例提供的一种融合众源轨迹数据的户外三维步行导航路网地图生成方法的流程示意图。如图1所示，所述方法主要包括以下步骤：

步骤1，获取目标区域内的行人户外步行轨迹数据；

例如，以A地为目标区域，从开源户外活动网站如二步路、六只脚等获取目标区域内的行人户外步行轨迹数据，该户外步行轨迹数据包含了采样点的经纬度坐标和高程信息，如图2所示。

步骤2，利用核密度估计算法生成步行轨迹数据的多级密度栅格图像；

可选的，所述步骤2之前，所述方法还包括：

对步行轨迹数据进行预处理操作，所述预处理操作包括将步行轨迹数据的地理坐标系转为投影坐标系和在步行轨迹数据的跳跃点处打断轨迹。

进一步的，所述步骤2包括：

步骤2.1，将研究区域划分为一定大小的规则格网，统计落入每个格网内轨迹点的数量，作为该格网的密度；

步骤2.2，对每个格网应用核密度估计算法，生成核密度图；

步骤2.3，设置不同的栅格化阈值将核密度图转为多级栅格密度图像。

进一步的，核密度估计算法的核函数为

；

其中，σ表示带宽，表示待估点/>到样本点/>处的距离，/>表示轨迹点的数量，/>表示核函数。

具体实施时，可以包括以下子步骤：

1）将研究区域划分为1×1m大小的规则格网，统计落入每个格网内轨迹点的数量，作为该格网的密度；

2）对每个格网应用核密度估计，生成光滑的核密度图，密度图中的颜色表示该格网周围位置的密度。

其中，核函数选择高斯函数，如式（1）所示，

；

式中，k表示高斯核函数，n表示轨迹点的数量，σ表示带宽，此处根据GNSS接收器的误差范围与道路宽度，将σ设置为8.5，x-xi表示待估点x到样本点xi处的距离。

3）设置不同的栅格化阈值将密度图像转为多级栅格密度图像。

步骤3，基于数学形态学细化算子从多级密度栅格图像中提取道路骨架线；

具体实施时，为了能够有效提取高密度区域和低密度区域的道路，同时尽可能减少噪声数据的干扰，采取一种重复、多阈值的骨架细化方法，即从高阈值到低阈值反复进行骨架细化提取中心线，每次提取只添加新生成的道路，不更改已提取的道路。在具体实施时，为了减少因为从高阈值到低阈值反复进行骨架线细化的迭代过程导致的大量计算开销，本发明实例中采用2的幂指数进行迭代。

步骤4，矢量化道路骨架线得到初始路网数据；

进一步的，所述步骤4具体包括：

将道路骨架线提取为矢量的道路边和节点文件，并采用Douglas-Puecker算法对提取的道路边进行平滑与简化处理，得到初始路网数据。

具体实施时，取骨架线矢量化算法将步骤3中细化后的骨架线提取为矢量的道路边和节点文件，并采用Douglas-Puecker算法对提取的道路边进行平滑与简化处理，得到初始的路网矢量数据。具体地，本发明实例采用Combustion算法提取道路网络，该算法首先模拟干草燃烧过程寻找道路之间的相交节点，然后使用扩展的Combustion算法不断添加道路节点，并计算其坐标，实现骨架线图像的道路网络节点和边的提取与矢量化，得到初始路网数据。

步骤5，将初始路网数据与步行轨迹数据进行匹配，去除虚假道路；

在上述实施例的基础上，所述步骤5具体包括：

将提取的初始路网数据与步行轨迹数据进行地图匹配，根据轨迹匹配结果，对匹配到轨迹次数低于阈值的道路边进行假边修剪，同时删除不存在与道路边连接的伪节点或悬挂节点。

具体实施时，可以采用隐马尔可夫模型对轨迹与路网数据进行地图匹配，若轨迹数据能够匹配到路网，则对该道路边记录匹配到的轨迹次数加一。匹配结束后，对道路边匹配轨迹次数少于2的道路边进行删除，从而删除可能存在的大量虚假道路。

步骤6，对初次匹配处理后的初始路网数据进行拓扑优化和交叉口细化得到二维步行路网；

在上述实施例的基础上，所述步骤6具体包括：

步骤6.1，采用基于隐马尔可夫模型的轨迹与路网匹配算法对修剪后的初始路网数据进行再次匹配，并进行道路假边修剪，删除少于两次遍历的道路边，同时删除不存在与道路边相连接的伪节点或悬挂节点；

步骤6.2，对道路交叉口部分进行进一步建模和优化，将步骤6.1中得到的拓扑优化后的路网数据与步行轨迹数据进行地图匹配，得到与路网吻合的轨迹数据点，采用预设的聚类方法对轨迹数据进行小尺度的密度聚类，根据聚类得到的簇与轨迹的转向确定道路交叉口的出入口，同时，根据轨迹的转向特征确定交叉口不同方向道路之间的拓扑连接关系，得到二维步行路网。

可选的，所述预设的聚类方法为DBSCAN聚类算法。

具体实施时，拓扑优化和交叉口细化的过程可以包括以下子步骤：

1）道路拓扑结构优化。S5中得到的经过初次假边修剪后的路网数据可能存在一些残余的碎屑边，即存在没用拓扑关系的道路边和节点，需要进行去除以生成具有良好拓扑关系的路网数据。这里采用基于隐马尔可夫模型的轨迹与路网匹配算法对S5中得到的修剪后的路网数据进行再次匹配，并进行道路假边修剪，删除少于两次遍历的道路边，同时删除不存在与道路边相连接的伪节点或悬挂节点；

2）道路交叉口建模和优化。上述步骤经过拓扑优化的道路具有较好的拓扑结构和整体性，但在道路交叉口部分仍存在建模不足的问题，因此进一步采用路径细化的方式对道路交叉口进行建模。具体来说，将S61步骤中得到的拓扑优化后的路网数据与原始轨迹数据进行地图匹配，得到与路网高度吻合的轨迹数据点。对这些轨迹数据进行小尺度的密度聚类，根据聚类得到的簇与轨迹的转向确定道路交叉口的出入口，同时，根据轨迹的转向特征确定交叉口不同方向道路之间的拓扑连接关系，以得到具有良好拓扑关系和细化程度较高的二维步行路网数据，提取的步行路网结果的二维结构如图3所示。

其中，这里选择DBSCAN聚类算法对匹配的轨迹点数据进行密度聚类，采用欧式距离计算轨迹点之间的相似性，并设置邻域大小为10，邻域半径为5m。

步骤7，将目标区域划分为细粒度的格网并统计格网内的高程信息；

具体实施时，可以将目标区域划分为1×1m规则格网，这里与二维步行路网中统计轨迹点密度保持一致（但不是必要要求），统计落入每个格网内的轨迹点次数并记录对应的高程信息，以格网内轨迹点的数量作为格网的密度。

步骤8，计算格网内的高程估计值；

在上述实施例的基础上，所述步骤8具体包括：

步骤8.1，根据先验知识或者检验模板删除高程值明显高于或低于周围点的轨迹点；

步骤8.2，将去除异常值的格网根据格网密度划分为高密度格网和低密度格网，对于高密度格网，以该格网内的轨迹点的高程中值作为高密度格网的高程值，对于低密度格网，以该格网为圆心，搜索最近轨迹点的高程估计值，若搜索到的轨迹点的高程估计值与落入该格网的轨迹点的高程值差距没有超过设定的阈值，则将落入该格网内的轨迹点高程值的均值作为该格网的高程估计值，否则，将搜索到的轨迹点的高程估计值作为该格网的高程估计值；

步骤8.3，将高程估计值分别减1作为最终的格网高程估计值。

具体实施时，计算过程可以包括以下子步骤：

1）根据先验知识或者检验模板删除高程值明显高于或低于周围点的轨迹点；

2）将去除异常值的格网根据格网密度划分为不同的密度层次。对于高密度格网，以该格网内的轨迹点的高程中值作为该高密度格网的高程值；对于低密度格网，以该格网为圆心，搜索最近轨迹点的高程估计值，若搜索到的轨迹点的高程估计值与落入该格网的轨迹点的高程值差距没有超过设定的阈值，则将落入该格网内的轨迹点高程值的均值作为该格网的高程估计值，否则，将搜索到的轨迹点的高程估计值作为该格网的高程估计值；

3）考虑到步行轨迹的接收器多为户外旅行者携带的智能手机，行人在使用手机时手机与地面有一定的位置，因此，将上述步骤中估计的格网高程值分别减1作为最终的格网高程估计结果。

步骤9，将二维步行路网的节点与对应格网内的高程估计值进行叠加，生成三维步行导航路网地图数据。

进一步的，所述步骤9具体包括：

将二维步行路网与估计的高程估计值进行叠加，将高程估计值附加到二维步行路网的节点，生成三维步行导航路网地图数据，并将三维步行导航路网地图数据在三维可视化软件中进行可视化。

具体实施时，可以将生成的矢量二维路网与估计的格网高程值数据进行叠加，将高程值附加到二维路网节点，生成具有高程信息的三维矢量化导航路网地图，并将该构建方法采用Octave开发语言实现，集成Octave三维可视化功能，进行户外三维导航路网的三维可视化与漫游等，步行路网结构的三维可视化结果如图4所示。

本实施例提供的融合众源轨迹数据的户外三维步行导航路网地图生成方法，通过利用行人户外导航、户外旅行等活动产生的众源轨迹数据提取户外步行导航路网的几何和拓扑结构，并且对构建的二维步行路网的高程信息进行估计与融合，丰富了现有道路类型提取与更新体系，提供了户外三维行人导航路网地图的生成与更新方法，在户外旅行导航与推荐与旅游安全管理等应用中具有重要的实际价值，提高了行人导航的适应性和精准度。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种融合众源轨迹数据的户外三维步行导航路网地图生成方法，其特征在于，包括：

步骤1，获取目标区域内的行人户外步行轨迹数据；

步骤2，利用核密度估计算法生成步行轨迹数据的多级密度栅格图像；

步骤3，基于数学形态学细化算子从多级密度栅格图像中提取道路骨架线；

步骤4，矢量化道路骨架线得到初始路网数据；

步骤5，将初始路网数据与步行轨迹数据进行匹配，去除虚假道路；

步骤6，对初次匹配处理后的初始路网数据进行拓扑优化和交叉口细化得到二维步行路网；

步骤7，将目标区域划分为细粒度的格网并统计格网内的高程信息；

步骤8，计算格网内的高程估计值；

步骤9，将二维步行路网的节点与对应格网内的高程估计值进行叠加，生成三维步行导航路网地图数据。

2.根据权利要求1所述的方法，其特征在于,所述步骤2之前，所述方法还包括：

对步行轨迹数据进行预处理操作，所述预处理操作包括将步行轨迹数据的地理坐标系转为投影坐标系和在步行轨迹数据的跳跃点处打断轨迹。

3.根据权利要求2所述的方法，其特征在于,所述步骤2包括：

步骤2.1，将研究区域划分为一定大小的规则格网，统计落入每个格网内轨迹点的数量，作为该格网的密度；

步骤2.2，对每个格网应用核密度估计算法，生成核密度图；

步骤2.3，设置不同的栅格化阈值将核密度图转为多级栅格密度图像。

4.根据权利要求3所述的方法，其特征在于,核密度估计算法的核函数为

；

其中，σ表示带宽，表示待估点/>到样本点/>处的距离，/>表示轨迹点的数量，表示核函数。

5.根据权利要求4所述的方法，其特征在于,所述步骤4具体包括：

将道路骨架线提取为矢量的道路边和节点文件，并采用Douglas-Puecker算法对提取的道路边进行平滑与简化处理，得到初始路网数据。

6.根据权利要求5所述的方法，其特征在于,所述步骤5具体包括：

将提取的初始路网数据与步行轨迹数据进行地图匹配，根据轨迹匹配结果，对匹配到轨迹次数低于阈值的道路边进行假边修剪，同时删除不存在与道路边连接的伪节点或悬挂节点。

7.根据权利要求6所述的方法，其特征在于,所述步骤6具体包括：

步骤6.1，采用基于隐马尔可夫模型的轨迹与路网匹配算法对修剪后的初始路网数据进行再次匹配，并进行道路假边修剪，删除少于两次遍历的道路边，同时删除不存在与道路边相连接的伪节点或悬挂节点；

步骤6.2，对道路交叉口部分进行进一步建模和优化，将步骤6.1中得到的拓扑优化后的路网数据与步行轨迹数据进行地图匹配，得到与路网吻合的轨迹数据点，采用预设的聚类方法对轨迹数据进行小尺度的密度聚类，根据聚类得到的簇与轨迹的转向确定道路交叉口的出入口，同时，根据轨迹的转向特征确定交叉口不同方向道路之间的拓扑连接关系，得到二维步行路网。

8.根据权利要求7所述的方法，其特征在于,所述预设的聚类方法为DBSCAN聚类算法。

9.根据权利要求8所述的方法，其特征在于,所述步骤8具体包括：

步骤8.1，根据先验知识或者检验模板删除高程值明显高于或低于周围点的轨迹点；

步骤8.2，将去除异常值的格网根据格网密度划分为高密度格网和低密度格网，对于高密度格网，以该格网内的轨迹点的高程中值作为高密度格网的高程值，对于低密度格网，以该格网为圆心，搜索最近轨迹点的高程估计值，若搜索到的轨迹点的高程估计值与落入该格网的轨迹点的高程值差距没有超过设定的阈值，则将落入该格网内的轨迹点高程值的均值作为该格网的高程估计值，否则，将搜索到的轨迹点的高程估计值作为该格网的高程估计值；

步骤8.3，将高程估计值分别减1作为最终的格网高程估计值。

10.根据权利要求9所述的方法，其特征在于,所述步骤9具体包括：

将二维步行路网与估计的高程估计值进行叠加，将高程估计值附加到二维步行路网的节点，生成三维步行导航路网地图数据，并将三维步行导航路网地图数据在三维可视化软件中进行可视化。