CN107784084A - 基于车辆定位数据的路网生成方法及系统 - Google Patents

Abstract

本发明提供的基于车辆定位数据的路网生成方法及系统，方法为：实时获取道路上各种车辆的定位数据；对定位数据进行数据分析处理，得到分析处理后的数据；对分析处理后的数据进行聚类分析，根据分析处理后的数据中的方向数据，完成有向聚类，得到聚类结果；根据聚类结果，进行道路拟合处理，实现对聚类结果中的路段拼接，得到拼接后的路线；将拼接后的路线进行路网生成处理，包括路线处理和路网生成，形成路网。本发明，基于海量车辆定位数据信息，利用大数据分析技术，将定位数据从点经聚类处理得到路段，再将路段进行拼接形成路线，最后进行路网生成处理生成完整的路网，通过上述过程生成的路网精度高，成本低。

Description

基于车辆定位数据的路网生成方法及系统

技术领域

本发明涉及大数据处理领域，尤其涉及基于车辆定位数据的路网生成方法及系统领域。

背景技术

近年来随着导航应用的普及以及导航事业的快速发展，人们对导航地图的精度和现势性提出了更高的需求，然而传统导航电子地图生产和更新模式已经难以满足应用的需求，逐渐成为制约导航系统发展和应用的瓶颈。

传统导航地图生产方式主要有两种，即利用车路面行驶采集和利用遥感卫星影像或航空摄影测量卫片采集。第一种方式是各导航数据生产公司普遍采用，更新速度较快，但是更新成本较高；第二种方式主要适用于大面积作业，但是仍然具有成本较高，无法采集细部属性信息的缺点。因此，如何快速生产和更新导航地图成为期待解决的问题。

因此，现有技术中的缺陷是：现有的导航地图生产方式，数据采集成本高，精度低，导致生成的导航地图精度差。

发明内容

针对上述技术问题，本发明提供一种基于车辆定位数据的路网生成方法及系统，基于海量车辆定位数据信息，利用大数据分析技术，将定位数据从点经聚类处理得到路段，再将路段进行拼接形成路线，最后进行路网生成处理生成完整的路网，通过上述过程生成的路网精度高，成本低。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种基于车辆定位数据的路网生成方法，包括：

步骤S1，实时获取道路上各种车辆的定位数据；

步骤S2，对所述定位数据进行数据分析处理，得到分析处理后的数据；

步骤S3，对所述分析处理后的数据进行聚类分析，根据所述分析处理后的数据中的方向数据，完成有向聚类，得到聚类结果；

步骤S4，根据所述聚类结果，进行道路拟合处理，实现对所述聚类结果中的路段拼接，得到拼接后的路线；

步骤S5，将所述拼接后的路线进行路网生成处理，包括路线处理和路网生成，形成路网。

本发明提供的基于车辆定位数据的路网生成方法，其技术方案为：实时获取道路上各种车辆的定位数据；对所述定位数据进行数据分析处理，得到分析处理后的数据；对所述分析处理后的数据进行聚类分析，根据所述分析处理后的数据中的方向数据，完成有向聚类，得到聚类结果；根据所述聚类结果，进行道路拟合处理，实现对所述聚类结果中的路段拼接，得到拼接后的路线；将所述拼接后的路线进行路网生成处理，包括路线处理和路网生成，形成路网。

本发明提供的基于车辆定位数据的路网生成方法，基于海量车辆定位数据信息，利用大数据分析技术，将定位数据从点经聚类处理得到路段，再将路段进行拼接形成路线，最后进行路网生成处理生成完整的路网，通过上述过程生成的路网精度高，成本低。

进一步地，所述步骤S2，具体包括：

异常分析处理子步骤：

根据所述定位数据中的卫星定位有效性，对所述定位数据进行判断，得到初步异常数据；

根据经纬度、速度和角度对所述初步异常数据进行过滤处理，得到异常分析后的数据；

精度分析处理子步骤：

对所述定位数据进行精度分析，去掉精度不满足预设条件的数据，完成所述定位数据的降噪处理，得到精度分析后的数据；

频率分析处理子步骤：

根据所述定位数据获取的时间间隔进行频率分析，得到频率的分析后的数据。

进一步地，所述步骤S3，具体包括：

数据预处理子步骤：

对所述分析处理后的数据进行航向角分组处理和数据分组处理，得到预处理后的数据；

有向聚类子步骤：

通过DBSCAN算法对所述预处理后的数据进行聚类分析处理，得到聚类结果。

进一步地，所述步骤S4，具体包括：

聚类预处理子步骤：

将所述聚类结果中有共同边界点的类进行合并或关系建立，得到处理后的路段点数据；

拼接处理子步骤：

根据所述处理后的路段点数据的起点和方向角度，计算矩形区域，并从所述起点开始计算划定所述矩形区域内的中心点，依次移动计算，直到所述处理后的路段点数据的终点，得到第一待拼接路段；

对所述第一待拼接路段进行过滤处理，包括剔除错误方向和冗余线路，得到第二待拼接路段；

对所述第二待拼接路段进行线线拼接，得到拼接后的路线。

进一步地，所述步骤S5，具体包括：

路线处理子步骤：

对所述拼接后的路线进行平滑处理，得到平滑后的路线；

通过道格拉斯算法对所述平滑后的路线的位置点进行抽稀处理，得到抽稀后的路线；

路网生成子步骤：

根据所述抽稀后的路线，进行拓扑连接，形成拓扑路网；

对所述拓扑路网进行拓扑查错，并根据预先设定的拓扑规则和容差，进行图形拓扑检查和拓扑纠正；

根据所述定位数据，对所述拓扑路网中的道路方向、连接关系和转向关系属性进行提取，形成路网。

第二方面，本发明提供一种基于车辆定位数据的路网生成系统，包括：

定位数据获取模块，用于实时获取道路上各种车辆的定位数据；

数据分析模块，用于对所述定位数据进行数据分析处理，得到分析处理后的数据；

聚类分析模块，用于对所述分析处理后的数据进行聚类分析，根据所述分析处理后的数据中的方向数据，完成有向聚类，得到聚类结果；

道路拟合模块，用于根据所述聚类结果，进行道路拟合处理，实现对所述聚类结果中的路段拼接，得到拼接后的路线；

路网生成模块，用于将所述拼接后的路线进行路网生成处理，包括路线处理和路网生成，形成路网。

本发明提供的基于车辆定位数据的路网生成系统，其技术方案为：通过定位数据获取模块，实时获取道路上各种车辆的定位数据；通过数据分析模块，对所述定位数据进行数据分析处理，得到分析处理后的数据；通过聚类分析模块，对所述分析处理后的数据进行聚类分析，根据所述分析处理后的数据中的方向数据，完成有向聚类，得到聚类结果；通过道路拟合模块，根据所述聚类结果，进行道路拟合处理，实现对所述聚类结果中的路段拼接，得到拼接后的路线；通过路网生成模块，将所述拼接后的路线进行路网生成处理，包括路线处理和路网生成，形成路网。

本发明提供的基于车辆定位数据的路网生成系统，基于海量车辆定位数据信息，利用大数据分析技术，将定位数据从点经聚类处理得到路段，再将路段进行拼接形成路线，最后进行路网生成处理生成完整的路网，通过上述过程生成的路网精度高，成本低。

进一步地，所述数据分析模块包括异常分析处理子模块、精度分析处理子模块和频率分析处理子模块中的至少一种；

所述异常分析处理子模块，具体用于：

根据所述定位数据中的卫星定位有效性，对所述定位数据进行判断，得到初步异常数据；

根据经纬度、速度和角度对所述初步异常数据进行过滤处理，得到异常分析后的数据；

所述精度分析处理子模块，具体用于：

对所述定位数据进行精度分析，去掉精度不满足预设条件的数据，完成所述定位数据的降噪处理，得到精度分析后的数据；

所述频率分析处理子模块，具体用于：

根据所述定位数据获取的时间间隔进行频率分析，得到频率的分析后的数据。

进一步地，所述聚类分析模块包括数据预处理子模块和有向聚类子模块；

所述数据预处理子模块，具体用于：

对所述分析处理后的数据进行航向角分组处理和数据分组处理，得到预处理后的数据；

所述有向聚类子模块，具体用于：

通过DBSCAN算法对所述预处理后的数据进行聚类分析处理，得到聚类结果。

进一步地，所述道路拟合模块包括聚类预处理子模块和拼接处理子模块；

所述聚类预处理子模块，具体用于：

将所述聚类结果中有共同边界点的类进行合并或关系建立，得到处理后的路段点数据；

所述拼接处理子模块，具体用于：

根据所述处理后的路段点数据的起点和方向角度，计算矩形区域，并从所述起点开始计算划定所述矩形区域内的中心点，依次移动计算，直到所述处理后的路段点数据的终点，得到第一待拼接路段；

对所述第一待拼接路段进行过滤处理，包括剔除错误方向和冗余线路，得到第二待拼接路段；

对所述第二待拼接路段进行线线拼接，得到拼接后的路线。

进一步地，所述路网生成模块包括路线处理子模块和路网生成子模块；

所述路线处理子模块，具体用于：

对所述拼接后的路线进行平滑处理，得到平滑后的路线；

通过道格拉斯算法对所述平滑后的路线的位置点进行抽稀处理，得到抽稀后的路线；

所述路网生成子模块，具体用于：

根据所述抽稀后的路线，进行拓扑连接，形成图形路网；

对所述拓扑路网进行拓扑查错，并根据预先设定的拓扑规则和容差，进行图形拓扑检查和拓扑纠正；

根据所述定位数据，对所述拓扑路网中的道路方向、连接关系和转向关系属性进行提取，形成路网。

与现有技术相比，本发明的有益效果是：

基于海量车辆定位数据信息，利用大数据分析技术，将定位数据从点经聚类处理得到路段，再将路段进行拼接形成路线，最后进行路网生成处理生成完整的路网，通过上述过程生成的路网精度高，成本低。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。

图1示出了本发明实施例所提供的一种基于车辆定位数据的路网生成方法的流程图；

图2A示出了本发明实施例所提供的一种基于车辆定位数据的路网生成方法中异常分析前定位数据的示意图；

图2B示出了本发明实施例所提供的一种基于车辆定位数据的路网生成方法中异常分析后定位数据的示意图；

图3示出了本发明实施例所提供的一种基于车辆定位数据的路网生成方法的聚类结果示意图；

图4示出了本发明实施例所提供的一种基于车辆定位数据的路网生成方法中拥有共同边界点的类进行合并或关系建立的示意图；

图5示出了本发明实施例所提供的一种基于车辆定位数据的路网生成方法的中心点画线示意图；

图6A示出了本发明实施例所提供的一种基于车辆定位数据的路网生成方法中方向错误线路的示意图；

图6B示出了本发明实施例所提供的一种基于车辆定位数据的路网生成方法中冗余线路的示意图；

图7示出了本发明实施例所提供的一种基于车辆定位数据的路网生成方法中线线拼接示意图；

图8示出了本发明实施例所提供的一种基于车辆轨迹数据的路径拼接方法中平滑处理示意图；

图9示出了本发明实施例所提供的一种基于车辆定位数据的路网生成系统的示意图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。

实施例一

图1示出了本发明实施例所提供的一种基于车辆定位数据的路网生成方法的流程图；如图1所示，实施例一提供的一种基于车辆定位数据的路网生成方法，包括：

步骤S1，实时获取道路上各种车辆的定位数据；其中各种车辆包括道路上行驶的各种车辆，比如出租车、公交车和私家车，通过车辆上的GPS采集各个车辆上的定位数据。

步骤S2，对定位数据进行数据分析处理，得到分析处理后的数据；

步骤S3，对分析处理后的数据进行聚类分析，根据分析处理后的数据中的方向数据，完成有向聚类，得到聚类结果；

步骤S4，根据聚类结果，进行道路拟合处理，实现对聚类结果中的路段拼接，得到拼接后的路线；

步骤S5，将拼接后的路线进行路网生成处理，包括路线处理和路网生成，形成路网。

本发明提供的基于车辆定位数据的路网生成方法，其技术方案为：实时获取道路上各种车辆的定位数据；对定位数据进行数据分析处理，得到分析处理后的数据；对分析处理后的数据进行聚类分析，根据分析处理后的数据中的方向数据，完成有向聚类，得到聚类结果；根据聚类结果，进行道路拟合处理，实现对聚类结果中的路段拼接，得到拼接后的路线；将拼接后的路线进行路网生成处理，包括路线处理和路网生成，形成路网。

本发明提供的基于车辆定位数据的路网生成方法，基于海量车辆定位数据信息，利用大数据分析技术，将定位数据从点经聚类处理得到路段，再将路段进行拼接形成路线，最后进行路网生成处理生成完整的路网，通过上述过程生成的路网精度高，成本低。

由于GPS定位受天气、障碍物等多种因素的影响，以及存储的信息受设备的影响，因此需要根据卫星定位的有效定位数据对定位数据进行修正。

因此，优选地，步骤S2，具体包括：

异常分析处理子步骤：

根据定位数据中的卫星定位有效性，对定位数据进行比较分析，得到初步异常数据；

根据经纬度、速度和角度对初步异常数据进行过滤处理，得到异常分析后的数据；

其中，通过对异常值分析完成数据第一步清洗，根据经纬度、速度和角度等因素的有效区间完成第二步清洗。初步对定位数据中的明显不正常的数据进行过滤处理，提高生成路网的精度。参见图2A和图2B，为经过数据分析处理前后的对比图。

精度分析处理子步骤：

对定位数据进行精度分析，去掉精度不满足预设条件的数据，完成定位数据的降噪处理，得到精度分析后的数据；

分析不同数据源的精度，即分析来自不同车辆的定位数据的精度，去掉精度不符合要求的数据，完成降噪处理，通过降噪处理进一步提高生成路网的精度。

频率分析处理子步骤：

根据定位数据获取的时间间隔进行频率分析，得到频率的分析后的数据。

不同车辆的定位数据上传的时间不同，基于数据源上传时间不同，进行频率分析，可在数据处理过程中根据数据的上传频率，对频率异常的数据进行筛选，筛选过的数据可进一步提高生成路网的精度。

需要说明的是，对定位数据的处理，可单独包括上述处理方式中的任何一种，或是由上述三种处理方式中的任一组合，比如，只采用数据异常分析处理，或是采用异常分析处理和精度分析两种处理方式。

优选地，步骤S3，具体包括：

数据预处理子步骤：

对分析处理后的数据进行航向角分组处理和数据分组处理，得到预处理后的数据；

有向聚类子步骤：

通过DBSCAN算法对预处理后的数据进行聚类分析处理，得到聚类结果。

通过聚类分析将上述数据分析后的数据进行聚类，按照一定的规则将定位数据进行聚类，划分成多个有意义的类簇，同一类簇里相似度高，不同类簇之间相似度低，常见聚类方法有层次聚类、划分聚类、网格聚类、密度方法等。本发明中采用DBSCAN算法对预处理后的数据进行聚类分析，其聚类效果更好。参见图3为聚类结果的效果图。

优选地，步骤S4，具体包括：

聚类预处理子步骤：

将聚类结果中有共同边界点的类进行合并或关系建立，得到处理后的路段点数据；

结合图4，由于聚类是在每个地图块的每个角度方向范围内，因此需要把拥有共同边界点的类进行合并或关系建立，合并时有三种可能：

1、拥有共同边界点并且角度标识一致，这是同一条线路，产生一个新的类编号。

2、拥有共同边界点并且角度标识不一致，并且不是相反方向的角度，标识边界点为转弯点(增加字段IsTurn＝1)，并且将有此关系的两个类记录到一张中间表(该表存放的是不能归到同一条线路中的类与类之间的关系)中，这样两条道路的关系可能是相互交叉，分支，或弯道。

3、拥有共同边界点并且角度方向相反，这个可能同一道路的两个方向，对这样的道路进行合并。

拼接处理子步骤：

根据处理后的路段点数据的起点和方向角度，计算矩形区域，并从起点开始计算划定矩形区域内的中心点，依次移动计算，直到处理后的路段点数据的终点，得到第一待拼接路段；

对第一待拼接路段进行过滤处理，包括剔除错误方向和冗余线路，得到第二待拼接路段；

对第二待拼接路段进行线线拼接，得到拼接后的路线。

首先，参见图5，进行中心点画线，依据起点和方向角度azimuth计算矩形区域，从起点开始计算划定区域内的中心点，依次移动计算，直到到达终点。然后，参见图6A和图6B，剔除方向错误和冗余线路；其中，在图6A中，粗的路段为方向错误的线路，图6B中，粗的路段为冗余线路；最后，参见图7，进行线线拼接，将路段拼接成线。

优选地，步骤S5，具体包括：

路线处理子步骤：

对拼接后的路线进行平滑处理，得到平滑后的路线；

通过道格拉斯算法对平滑后的路线的位置点进行抽稀处理，得到抽稀后的路线；

根据导航地图要求，需要对生成的路网进行平滑处理和抽稀以及拓扑结构的建立，以满足导航地图存储和导航应用的需求。画线之后，为了保证轨迹整体的相对平滑性，需要用高斯滤波方法对路网进行平滑处理，参见图8，左边的路线为平滑处理之前的路线，右边的路线为平滑处理之后的路线。为了满足导航地图存储和应用的需求，需要对我们生成的数据进行抽稀，这里采用道格拉斯算法进行路网抽稀。

道格拉斯-普克算法(Douglas–Peucker algorithm，亦称为拉默-道格拉斯-普克算法、迭代适应点算法、分裂与合并算法)是将曲线近似表示为一系列点，并减少点的数量的一种算法。该算法的原始类型分别由乌尔斯·拉默(Urs Ramer)于1972年以及大卫·道格拉斯(David Douglas)和托马斯·普克(Thomas Peucker)于1973年提出，并在之后的数十年中由其他学者予以完善。

算法的基本思路是：对每一条曲线的首末点虚连一条直线,求所有点与直线的距离，并找出最大距离值dmax，用dmax与限差D相比：若dmax<D，这条曲线上的中间点全部舍去；若dmax≥D，保留dmax对应的坐标点，并以该点为界，把曲线分为两部分，对这两部分重复使用该方法。

路网生成子步骤：

根据抽稀后的路线，进行拓扑连接，形成拓扑路网；

对图形拓扑中的路网轨迹进行拓扑查错，并根据预先设定的拓扑规则和容差，进行图形拓扑检查和拓扑纠正；

根据定位数据，对拓扑路网中的道路方向、连接关系和转向关系属性进行提取，形成路网。

其中，为了保证道路网络分析的准确性，生成路网之前，要对路网轨迹进行拓扑差错，设定拓扑规则和容差，进行图形拓扑检查和拓扑处理，确保道路的连通性。

其中，拓扑规则为：不能重叠、连通性检查、最小长度阈值等。

其中，属性拓扑为：根据交通规则的要求，需要对道路方向、连接关系和转向关系等属性进行提取以满足导航地图的要求。

参见图9，第二方面，本发明提供一种基于车辆定位数据的路网生成系统10，包括：

定位数据获取模块101，用于实时获取道路上各种车辆的定位数据；

数据分析模块102，用于对定位数据进行数据分析处理，得到分析处理后的数据；

聚类分析模块103，用于对分析处理后的数据进行聚类分析，根据分析处理后的数据中的方向数据，完成有向聚类，得到聚类结果；

道路拟合模块104，用于根据聚类结果，进行道路拟合处理，实现对聚类结果中的路段拼接，得到拼接后的路线；

路网生成模块105，用于将拼接后的路线进行路网生成处理，包括路线处理和路网生成，形成路网。

本发明提供的基于车辆定位数据的路网生成系统10，其技术方案为：通过定位数据获取模块101，实时获取道路上各种车辆的定位数据；通过数据分析模块102，对定位数据进行数据分析处理，得到分析处理后的数据；通过聚类分析模块103，对分析处理后的数据进行聚类分析，根据分析处理后的数据中的方向数据，完成有向聚类，得到聚类结果；通过道路拟合模块104，根据聚类结果，进行道路拟合处理，实现对聚类结果中的路段拼接，得到拼接后的路线；通过路网生成模块105，将拼接后的路线进行路网生成处理，包括路线处理和路网生成，形成路网。

本发明提供的基于车辆定位数据的路网生成系统10，基于海量车辆定位数据信息，利用大数据分析技术，将定位数据从点经聚类处理得到路段，再将路段进行拼接形成路线，最后进行路网生成处理生成完整的路网，通过上述过程生成的路网精度高，成本低。

优选地，数据分析模块102包括异常分析处理子模块、精度分析处理子模块和频率分析处理子模块中的至少一种；

异常分析处理子模块，具体用于：

通过卫星定位获得有效定位数据，与定位数据进行比较分析，得到初步异常数据；

根据经纬度、速度和角度对初步异常数据进行过滤处理，得到异常分析后的数据；

精度分析处理子模块，具体用于：

对定位数据进行精度分析，去掉精度不满足预设条件的数据，完成定位数据的降噪处理，得到精度分析后的数据；

频率分析处理子模块，具体用于：

根据定位数据获取的时间间隔进行频率分析，得到频率的分析后的数据。

优选地，聚类分析模块103包括数据预处理子模块和有向聚类子模块；

数据预处理子模块，具体用于：

对分析处理后的数据进行航向角分组处理和数据分组处理，得到预处理后的数据；

有向聚类子模块，具体用于：

通过DBSCAN算法对预处理后的数据进行聚类分析处理，得到聚类结果。

优选地，道路拟合模块104包括聚类预处理子模块和拼接处理子模块；

聚类预处理子模块，具体用于：

将聚类结果中有共同边界点的类进行合并或关系建立，得到处理后的路段点数据；

拼接处理子模块，具体用于：

根据处理后的路段点数据的起点和方向角度，计算矩形区域，并从起点开始计算划定矩形区域内的中心点，依次移动计算，直到处理后的路段点数据的终点，得到第一待拼接路段；

对第一待拼接路段进行过滤处理，包括剔除错误方向和冗余线路，得到第二待拼接路段；

对第二待拼接路段进行线线拼接，得到拼接后的路线。

优选地，路网生成模块105包括路线处理子模块和路网生成子模块；

路线处理子模块，具体用于：

对拼接后的路线进行平滑处理，得到平滑后的路线；

通过道格拉斯算法对平滑后的路线的位置点进行抽稀处理，得到抽稀后的路线；

路网生成子模块，具体用于：

根据抽稀后的路线，进行拓扑连接，形成拓扑路网；

对拓扑路网进行拓扑查错，并根据预先设定的拓扑规则和容差，进行图形拓扑检查和拓扑纠正；

根据定位数据，对拓扑路网中的道路方向、连接关系和转向关系属性进行提取，形成路网。

实施例二

作为本发明的优选实施例，基于实施例一中的基于车辆定位数据的路网生成方法及系统，生成的路网中包含多条道路，基于路网中每条道路的情况，可对于路网进行竖向优化，但现有的路网优化方法中只是针对单条线路，没有将道路和交叉口、道路和道路之间的关联，这样在进行大范围的片区路网规划设计中，路网竖向整理优化将会耗费大量的人力。基于此，本实施例基于生成的路网，提供一种竖向优化方法，具体方案如下：

步骤一、获取路网初始状态下特征点信息，所述特征点信息包括道路变坡点特征点信息和/或交叉口特征点信息；

步骤二、根据所述特征点标高的改变，分析路网中受影响的道路，生成受影响道路列表和/或分析路网中受影响的交叉口，生成受影响交叉口列表；

步骤三、调整所述受影响道路列表中的道路和/或调整所述受影响交叉口列表中的交叉口；

其中，调整所述受影响道路列表中的道路按以下步骤进行：

A1、从所述受影响道路列表中选出一条道路；

A2、判断步骤A1选出的道路，其特征点的类型是否为变坡点，当其为变坡点时执行步骤A3，否则执行步骤A6；

A3、获取步骤A1选出的道路的所有竖曲线，并选出步骤A1选出的道路的所有受影响的竖曲线：

依次判断特征点是否位于竖曲线内部，当步骤A1选出的道路的特征点位于竖曲线内部时，则该竖曲线为受影响的竖曲线；

A4、设定步骤A1选出的道路的受影响的竖曲线为VC，计算特征点调整后VC的变坡点标高：

B1、设定VC的初始变坡点标高为H0，VC在道路的位置为Kvc；

B2、设定特征点的标高变化值为△H；设定特征点调整后VC的变坡点标高为H1，计算H1＝H0+△H得到特征点调整后VC的变坡点标高；

A5、调整VC的前坡度和后坡度，然后结束；

当从道路起点到VC之间存在竖曲线时，取道路起点到VC之间距离VC最近的竖曲线变坡点标高为VC的前变坡点标高，否则取道路起点标高为VC的前变坡点标高，设定VC的前变坡点标高为Hs，设定Hs在道路中的位置为Ks；

设定待调整的VC前坡度为I1，计算I1＝(H1–Hs)/(Kvc-Ks)得到待调整的VC前坡度；将VC的前坡度更新为I1；

当从VC到道路终点之间存在竖曲线时，取VC到道路终点之间距离VC最近的竖曲线变坡点标高为VC的后变坡点标高，否则取道路终点标高为VC的后变坡点标高，设定VC的后变坡点标高为He，设定He在道路中的位置为Ke；

设定待调整的VC后坡度为I2，计算I2＝(He–H1)/(Ke-Kvc)得到待调整的VC后坡度；将VC的后坡度更新为I2；

A6、判断特征点是否位于道路竖曲线内；当特征点位于一个竖曲线内时，返回执行步骤A4；否则执行步骤A7；

A7、设定特征点在所选道路中的位置为Kt，标高为Ht；在特征点处创建一个竖曲线VC1，并将其添加到所选道路中；

所述VC1各项参数确定过程如下：设定VC1变坡点高为Ht、VC1的曲线半径为300；计算得到VC1的前变坡度和后变坡度：

当从道路起点到VC1之间存在竖曲线时，取道路起点到VC1之间距离VC1最近的竖曲线变坡点标高为VC1的前变坡点标高，否则取道路起点标高为VC1的前变坡点标高，设定VC1的前变坡点标高为Hs1，设定Hs1在道路中的位置为Ks1；

设定待调整的VC1前坡度为I11，计算I11＝(Ht–Hs1)/(Kt-Ks1)得到待调整的VC1前坡度；将VC的前坡度更新为I1；

当从VC1到道路终点之间存在竖曲线时，取VC1到道路终点之间距离VC1最近的竖曲线变坡点标高为VC1的后变坡点标高，否则取道路终点标高为VC1的后变坡点标高，设定VC1的后变坡点标高为He1，设定He在道路中的位置为Ke1；

设定待调整的VC1后坡度为I21，计算I2＝(He1–Ht)/(Ke1-Kt)得到待调整的VC1后坡度；将VC1的后坡度更新为I21；

调整所述受影响交叉口列表中的交叉口按以下步骤进行：

C1、从所述受影响交叉口列表中取出一个交叉口；

C2、依次提取通过交叉口的道路，根据当前状态下竖曲线参数，计算交叉口位置Kc处的新标高，并将其分别记为H1,H2,……，Hn，n为通过交叉口的道路数，n≥1；

道路上任意一点K的标高Hn，按其下式进行计算：

Hn＝Hv+D*Iv+2*x2/Rv

其中：Hv为位于K点之前一条竖曲线的变坡点高，如果K点之前没有竖曲线，则取位于K点之后的第一个竖曲线的变坡点高；

D为K点到位于K点之前一条竖曲线的距离，如果K点之前没有竖曲线，则取K点到位于K点之后的第一个竖曲线的距离；

Iv为位于K点之前一条竖曲线的后坡坡度，如果K点之前没有竖曲线，则取位于K点之后的第一个竖曲线的前坡坡度，并将Iv反号；

x为K点到位于K点之前一条竖曲线的竖曲线起点的距离，当K点之前没有竖曲线时，则取K点到位于K点之后的第一个竖曲线的竖曲线起点的距离；当x大于竖曲线的长度时，则x取0，此时R取任意非0值；

R为位于K点之前一条竖曲线的半径，如果K点之前没有竖曲线，则取位于K点之后的第一个竖曲线的竖曲线半径；

如果道路没有竖曲线，则Hv取道路起点高，D取Kc到道路起点的距离，Iv为道路起点到道路终点的坡度，x取0，R取任意非0值；

C3、取H1，H2，……，Hn的算术平均值作为交叉口的新标高。

采用以上技术方案，在面向对象设计思想和参数化设计技术的基础上，通过构建一种内在的关联技术，实现道路内部各要素之间、路网中各道路之间、以及道路和交叉口之间的动态关联，将会对路网的整体调整提供一种强有力的技术基础。在此基础上，当一个特征点的标高发生改变时，通过道路间的关联信息，可以将这种改变通知到路网内的其它道路和交叉口，实现牵一发而动全身的效果。这一关联技术解决传统道路设计系统中各条道路独立存储和管理信息、信息无法传递的问题，为路网的整体调整和优化提供技术支撑。

优选地，步骤一中所述获取路网初始状态下特征点信息按以下步骤执行：

D1、提取路网中各条道路和各个交叉口，并生成道路列表和交叉口列表，分别用于保存道路和交叉口；

D2、提取所述道路列表中各条道路的变坡点，生成特征点信息并保存到特征点列表中；提取所述交叉口列表中各个交叉口，生成特征点信息并保存到所述特征点列表中。

优选地，所述步骤二中，根据所述特征点标高的改变，分析路网中受影响的道路，生成受影响道路列表按以下步骤进行：

E1、获取特征点新的标高；

E2、从所述道路列表中，依次取出各条道路；

E3、对每一条道路，判断特征点是否位于道路上，当特征点位于道路上时，将该条道路保存到受影响道路列表中，否则继续判断道路列表中的下一条道路，直到道路列表中的所有道路均判断完成；

优选地，所述步骤二中，根据所述特征点标高的改变，分析路网中受影响的交叉口，生成受影响交叉口列表按以下步骤进行：

F1、生成一个受影响的交叉口列表；

F2、判断被调整的特征点类型，当被调整的特征点类型为交叉口时，将该交叉口添加到受影响交叉口列表中；当被调整的特征点类型为变坡点时，执行步骤F3；

F3、设特征点位置为K1，标高影响起点为K2、标高影响终点为K3；

当从道路起点到K1之间存在竖曲线时，取道路起点到K1之间距离K1最近的竖曲线变坡点标高为K1的标高影响起点，否则取道路起点标高为K1的标高影响起点；

当从K1到道路终点之间存在竖曲线时，取K1到道路终点之间距离K1最近的竖曲线变坡点标高为K1的标高影响终点，否则取道路终点标高为K1的标高影响终点；

F4、设定交叉口的在道路上的位置为K4，依次判断道路通过的交叉口，选取满足K2≤K4≤K3时的交叉口到受影响交叉口列表中。

进一步的，所述步骤一与步骤二之间还包括选取特征点的步骤：

G1、从特征点列表中依次取出特征点；

G2、以文字或图标方式，显示特征点的信息，显示的信息包括特征点名称和标高；

G3、通过交互式操作选择特征点。

进一步的，所述选取特征点的步骤后还包括调整特征点标高的步骤。

本实施例的有益效果是：本实施例的技术方案实现了将单一特征点标高变化反映到整个路网中与该特征点有关联的其它道路和交叉口，从而为路网提供了一种快速的优化手段，极大的节约了人力和时间成本；基于这一整体优化方法，解决了传统道路设计系统中各条道路独立存储和管理信息、信息无法传递的问题，为路网的最优化提供技术支撑。

实施例三

作为本发明的优选实施例，基于实施例一中的基于车辆定位数据的路网生成方法及系统，生成的路网中包含多条道路，路网的实时更新，可帮助缓解城市交通拥堵，但是，现有技术中，对城市道路拥堵瓶颈点的位置定位主要依靠固定点检测器、群众上报以及交警同志积累的经验，固定点检测器硬件部署成本非常高，无法在城市各个道路上密集部署，而且人工观测需要很大的人力成本，观测结果有很强的个人主观性，虽然交警同志对所管辖范围的拥堵道路分布情况比较熟悉，但是对具体瓶颈点的位置和拥堵规律无法给出定量的数据，难以进行有效的分析和评判，在科学性和有效性上存在问题。基于此，本实施例基于路网的生成，提供一种道路拥堵瓶颈点确定方法，具体方案如下：

根据电子地图服务中记录的历史路况数据和路网数据确定拥堵路段；其中，路网数据来自实施例一中实时生成的路网。其中，电子地图服务可以是百度地图服务，用户在出行过程中可使用百度地图进行导航，百度地图服务在后台存储大量导航数据信息可用于城市道路中拥堵路段的确定。

具体地，当用户在驾车过程中使用百度地图服务导航去往目的地时，百度地图服务通过GPS定位系统实施获取车辆所在位置，通过车辆的位移变化可以得到车辆的行驶速度，其中，历史路况数据表征了路段的车辆行驶状况，路网数据表征了城市道路的基本信息，如道路的级别(高速公路、快速公路、主干路、支干路等)、车道数目、道路长度等。

根据确定出的拥堵路段以及拥堵路段对应的道路坐标信息和历史路况数据，确定拥堵路段对应的路况时空分布图；

具体地，对确定出的拥堵路段进行分析以得到拥堵路段对应的路况时空分布图。具体地，通过拥堵路段的坐标和历史路况数据来确定对应的拥堵路段的路况时空分布图。举例而言，一条路段长度为40公里，该路段被确定为拥堵路段，对应的得到的路况时空分布图的横轴表征了该拥堵路段中细分的节点的坐标。其中，纵轴为时间轴，表征了各个细分的节点从0:00-24:00的各个时间窗口内的拥堵情况。

通过空间聚类算法确定路况时空分布图中的拥堵簇，将确定出的拥堵簇的空间起点确定为道路拥堵瓶颈点。

具体地，通过空间聚类算法计算得到确定出的路况时空分布图中的拥堵簇，示例性的，可通过k-mcans算法、k-mcdoids算法、EM算法、CLARA算法、CURE算法或DBSCAN算法来得到拥堵簇。将确定出的拥堵簇的空间起点确定为道路拥堵瓶颈点。

其中，历史路况数据在记录过程中每分钟记录更新一次，更新的内容即为路网中车辆的运行状况，通过对不同的细分的路网数据中大量的车辆导航信息进行记录以得到对应的该路段的历史路况数据，通过历史路况数据和路网数据的结合来确定出路网数据中的拥堵路段。

可选的，根据电子地图服务中记录的车辆行驶数据以及对应的路网单元确定路段的拥堵信息，将所述拥堵信息满足预设条件的路段确定为拥堵路段。

其中，拥堵路段可以通过该路段的路段平均速度、路段平均拥堵距离以及路段拥堵频率中的至少一种来确定。举例，通过对路段车辆的行驶速度进行统计以得到该路段的车辆平均行驶速度作为该路段的平均速度，若路段平均速度在N(N可以是5、10、15等)天保持低于10千米/小时，则定义该路段为拥堵路段。

可选的，在对路段平均速度进行统计的过程中，对历史记录的路况数据分为工作日数据和节假日数据，针对不同数据进行拥堵路段的合理评估。例如，路段的拥堵频率确定该路段是否为拥堵路段，举例而言，若该路段在过去N天中，拥堵的天数大于一半，则确定该路段为拥堵路段。示例性的，还可以根据确定出的路段的拥堵距离识别该路段是否为拥堵路段，其中，拥堵距离表征了在路段中拥堵车辆的排队长度，若平均拥堵距离(可取5天中的拥堵车辆的平均拥堵距离为样本)大于100米(或20。米、300米、500米等)则确定该路段为拥堵路段。

优选地，可结合上述路段平均速度、路段平均拥堵距离以及路段拥堵频率综合确定出拥堵路段以用于后续拥堵瓶颈点的确定。

优选地，依据电子地图服务中记录的历史路况数据和路网数据确定拥堵路段包括：

对电子地图服务中记录的历史路况数据按照时间区间进行划分，并将时间区间下的历史路况数据按照预设时间窗口划分为至少两个时间片段；

依据时间片段下的历史路况数据和路网数据确定拥堵路段。

优选地，依据电子地图服务中记录的历史路况数据和路网数据确定拥堵路段包括：

根据电子地图服务中记录的车辆行驶数据以及对应的路网单元确定路段的拥堵信息，将拥堵信息满足预设条件的路段确定为拥堵路段，路段由至少两个对应的路网单元组成，拥堵信息包括路段平均速度、路段平均拥堵距离以及路段拥堵频率中至少一种。

优选地，依据电子地图服务中记录的车辆行驶数据以及对应的路网单元确定路段的拥堵信息包括：

根据电子地图服务中记录的车辆行驶数据以及对应的路网单元确定路网单元的路况数据：

将路段中包含的至少两个路网单元的路况数据进行加权后取平均值，得到路段的拥堵信息。

优选地，在将确定出的拥堵簇的空间起点确定为道路拥堵瓶颈点后，还包括：

依据路况时空分布图中记录的时间信息确定拥堵瓶颈点的产生时间和持续时间。

基于上述的方法，通过电子地图服务中记录的历史路况数据结合相应的路网数据确定出拥堵路段，在构建拥堵路段的路况时空分布图，并进行空间聚类以最终得到拥堵路段的拥堵瓶须点，实现了道路拥堵瓶颈点的自动挖掘，极大的提高了道路拥堵瓶颈点的准确性。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.基于车辆定位数据的路网生成方法，其特征在于，包括：

步骤S1，实时获取道路上各种车辆的定位数据；

步骤S2，对所述定位数据进行数据分析处理，得到分析处理后的数据；

步骤S3，对所述分析处理后的数据进行聚类分析，根据所述分析处理后的数据中的方向数据，完成有向聚类，得到聚类结果；

步骤S4，根据所述聚类结果，进行道路拟合处理，实现对所述聚类结果中的路段拼接，得到拼接后的路线；

步骤S5，将所述拼接后的路线进行路网生成处理，包括路线处理和路网生成，形成路网。

2.根据权利要求1所述的基于车辆定位数据的路网生成方法，其特征在于，

所述步骤S2，具体包括：

异常分析处理子步骤：

根据所述定位数据中的卫星定位有效性，对所述定位数据进行判断，得到初步异常数据；

根据经纬度、速度和角度对所述初步异常数据进行过滤处理，得到异常分析后的数据；

精度分析处理子步骤：

对所述定位数据进行精度分析，去掉精度不满足预设条件的数据，完成所述定位数据的降噪处理，得到精度分析后的数据；

频率分析处理子步骤：

根据所述定位数据获取的时间间隔进行频率分析，得到频率的分析后的数据。

3.根据权利要求1所述的基于车辆定位数据的路网生成方法，其特征在于，

所述步骤S3，具体包括：

数据预处理子步骤：

对所述分析处理后的数据进行航向角分组处理和数据分组处理，得到预处理后的数据；

有向聚类子步骤：

通过DBSCAN算法对所述预处理后的数据进行聚类分析处理，得到聚类结果。

4.根据权利要求1所述的基于车辆定位数据的路网生成方法，其特征在于，

所述步骤S4，具体包括：

聚类预处理子步骤：

将所述聚类结果中有共同边界点的类进行合并或关系建立，得到处理后的路段点数据；

拼接处理子步骤：

根据所述处理后的路段点数据的起点和方向角度，计算矩形区域，并从所述起点开始计算划定所述矩形区域内的中心点，依次移动计算，直到所述处理后的路段点数据的终点，得到第一待拼接路段；

对所述第一待拼接路段进行过滤处理，包括剔除错误方向和冗余线路，得到第二待拼接路段；

对所述第二待拼接路段进行线线拼接，得到拼接后的路线。

5.根据权利要求1所述的基于车辆定位数据的路网生成方法，其特征在于，

所述步骤S5，具体包括：

路线处理子步骤：

对所述拼接后的路线进行平滑处理，得到平滑后的路线；

通过道格拉斯算法对所述平滑后的路线的位置点进行抽稀处理，得到抽稀后的路线；

路网生成子步骤：

根据所述抽稀后的路线，进行拓扑连接，形成拓扑路网；

对所述拓扑路网进行拓扑查错，并根据预先设定的拓扑规则和容差，进行图形拓扑检查和拓扑纠正；

根据所述定位数据，对所述拓扑路网中的道路方向、连接关系和转向关系属性进行提取，形成路网。

6.基于车辆定位数据的路网生成系统，其特征在于，包括：

定位数据获取模块，用于实时获取道路上各种车辆的定位数据；

数据分析模块，用于对所述定位数据进行数据分析处理，得到分析处理后的数据；

聚类分析模块，用于对所述分析处理后的数据进行聚类分析，根据所述分析处理后的数据中的方向数据，完成有向聚类，得到聚类结果；

道路拟合模块，用于根据所述聚类结果，进行道路拟合处理，实现对所述聚类结果中的路段拼接，得到拼接后的路线；

路网生成模块，用于将所述拼接后的路线进行路网生成处理，包括路线处理和路网生成，形成路网。

7.根据权利要求6所述的基于车辆定位数据的路网生成系统，其特征在于，

所述数据分析模块包括异常分析处理子模块、精度分析处理子模块和频率分析处理子模块中的至少一种；

所述异常分析处理子模块，具体用于：

根据所述定位数据中的卫星定位有效性，对所述定位数据进行判断，得到初步异常数据；

根据经纬度、速度和角度对所述初步异常数据进行过滤处理，得到异常分析后的数据；

所述精度分析处理子模块，具体用于：

对所述定位数据进行精度分析，去掉精度不满足预设条件的数据，完成所述定位数据的降噪处理，得到精度分析后的数据；

所述频率分析处理子模块，具体用于：

根据所述定位数据获取的时间间隔进行频率分析，得到频率的分析后的数据。

8.根据权利要求6所述的基于车辆定位数据的路网生成系统，其特征在于，

所述聚类分析模块包括数据预处理子模块和有向聚类子模块；

所述数据预处理子模块，具体用于：

对所述分析处理后的数据进行航向角分组处理和数据分组处理，得到预处理后的数据；

所述有向聚类子模块，具体用于：

通过DBSCAN算法对所述预处理后的数据进行聚类分析处理，得到聚类结果。

9.根据权利要求6所述的基于车辆定位数据的路网生成系统，其特征在于，

所述道路拟合模块包括聚类预处理子模块和拼接处理子模块；

所述聚类预处理子模块，具体用于：

将所述聚类结果中有共同边界点的类进行合并或关系建立，得到处理后的路段点数据；

所述拼接处理子模块，具体用于：

根据所述处理后的路段点数据的起点和方向角度，计算矩形区域，并从所述起点开始计算划定所述矩形区域内的中心点，依次移动计算，直到所述处理后的路段点数据的终点，得到第一待拼接路段；

对所述第一待拼接路段进行过滤处理，包括剔除错误方向和冗余线路，得到第二待拼接路段；

对所述第二待拼接路段进行线线拼接，得到拼接后的路线。

10.根据权利要求6所述的基于车辆定位数据的路网生成系统，其特征在于，

所述路网生成模块包括路线处理子模块和路网生成子模块；

所述路线处理子模块，具体用于：

对所述拼接后的路线进行平滑处理，得到平滑后的路线；

通过道格拉斯算法对所述平滑后的路线的位置点进行抽稀处理，得到抽稀后的路线；

所述路网生成子模块，具体用于：

根据所述抽稀后的路线，进行拓扑连接，形成拓扑路网；

对所述拓扑路网进行拓扑查错，并根据预先设定的拓扑规则和容差，进行图形拓扑检查和拓扑纠正；

根据所述定位数据，对所述拓扑路网中的道路方向、连接关系和转向关系属性进行提取，形成路网。