OSM／高德路网匹配融合技术在道路空间化中的应用
OSM辅助车载LiDAR点云三维道路边界精细提取分析
OSM辅助车载LiDAR点云三维道路边界精细提取分析摘要：在城市道路规划、道路交通高精度管理工作中，提升道路边界提取工作精确度，成为一项极为必要的工作。
本文介绍一种利用开源街道地图（OMS），辅助车载激光雷达（LiDAR）点云数据，开展三维道路边界精确提取工作的技术方法，以期提高道路边界提取准确率与召回率，为智能交通体系的建设提供支持。
关键词：OSM数据；车载LiDAR点云；三维道路边界引言：三维激光雷达技术作为一种实时获取周边环境信息的重要技术，在对地观测、目标分类识别等工作中，得到了广泛应用。
现阶段，将三维激光雷达技术应用到高精度导航地图制作中，不仅可以为我国道路交通管理体系完善提供支持，还能推动智能交通无人驾驶项目的深入研究。
因此，研究此项课题，具有十分重要的意义。
一、道路边界提取方法（一）技术流程在开展道路边界精细化提取工作时，可以综合应用LIDAR点云与OSM数据，通过分析道路边界的几何结构、位置信息、高度信息等特征的方式，提取三维道路边界的层次。
在实际提取过程中，首先，可以对车载LiDAR点云数据进行滤波预处理，在地面点生成数字高程模型，然后以此为基础获取非地面点的相对高程，通过设置高程阈值的方式，去除数据信息中的大量非道路临界点。
其次，以研究区域OSM道路矢量数据为基础，构建缓冲区获得道路边界的候选点集。
再次，综合应用OSM节点与相邻路线的角度，对候选点集进行分段处理。
最后，利用RANSAC算法，对分段后的候选点集进行线性拟合分析，提取道路边界点云[1]。
（二）数据预处理在数据预处理过程中，可以先应用梯度滤波、高程滤波、CSF滤波技术，对原始车载LiDAR点云数据进行滤波预处理，分离数据中的地面点与包含道路边界非地面点集，然后利用地面点生成DEM，完成非地面点集相对高层的获取工作。
在此过程中可以利用道路边界高层阈值，完成建筑物屋顶、电力线、部分树冠等非道路边界点的点集过滤工作，得到道路边界候选点粗集。
导航工程技术专业中的导航数据融合技术解析与应用实例
导航工程技术专业中的导航数据融合技术解析与应用实例导航工程技术是一门综合性科学，它研究的重点是如何利用各种技术手段，为人们提供准确、方便的导航信息。
在导航工程技术的实践过程中，一个重要的环节是导航数据的融合技术。
本文将对导航数据融合技术进行详细解析，并给出一些应用实例。
一、导航数据融合技术的概念和作用导航数据融合技术是指将来自不同导航传感器的数据进行融合，以提高导航系统的精度和稳定性。
传感器可以是卫星导航系统（如GPS、GLONASS等）、惯性导航系统、激光雷达等。
融合这些传感器的数据有助于解决单一传感器在特定环境下的不足，提高导航系统的可靠性和鲁棒性。
导航数据融合技术的作用主要有以下几个方面：1. 提高导航定位的精度：通过融合多个传感器的数据，可以降低误差，提高导航系统的定位精度。
2. 提高导航定位的稳定性：融合多个传感器的数据可以提高导航系统的抗干扰能力，从而提高定位的稳定性。
3. 扩展导航系统的工作范围：不同传感器在不同环境下的工作特点各异，通过融合这些传感器的数据，可以扩展导航系统的工作范围，提高导航系统的适应性。
二、导航数据融合技术的实现方法导航数据融合技术的实现方法有多种，下面介绍其中两种比较常见的方法：1. 卡尔曼滤波器（Kalman Filter）卡尔曼滤波器是一种递归的状态估计算法，它通过考虑系统的模型和观测数据之间的关系，来估计系统的状态。
在导航数据融合中，卡尔曼滤波器可以用于融合不同传感器的数据。
它通过建立系统模型和观测模型，根据当前的观测数据和系统状态的先验信息来估计系统的最优状态。
2. 粒子滤波器（Particle Filter）粒子滤波器是一种基于蒙特卡洛方法的非参数滤波算法，它通过使用一组粒子来表示系统的状态，并根据观测数据对这些粒子进行加权，最终得到系统状态的估计。
粒子滤波器在导航数据融合中的应用比较广泛，可以有效地处理非线性系统和非高斯噪声。
三、导航数据融合技术的应用实例导航数据融合技术在实际应用中有着广泛的应用。
基于OSM地图的路径规划与导航技术研究
基于OSM地图的路径规划与导航技术研究地图是人类认知世界的重要工具之一，自古以来就有各种形式的地图存在。
而随着科技的不断进步，数字地图逐渐成为了一种流行的趋势。
其中，OSM （OpenStreetMap）地图在开放数据、社区贡献和多平台支持等方面表现出色，成为了广受欢迎的开源地图。
在OSM地图的基础上，越来越多的应用得以开发。
其中，路径规划和导航技术是比较常见的应用之一。
本文将重点探究基于OSM地图的路径规划与导航技术。
一、OSM地图简介OSM地图是由全球志愿者共同维护的开放地图数据库。
数据的更新和维护都由志愿者完成。
这些志愿者来源于不同国家和地区的个人、组织和机构，并且贡献的数据也是多种多样的，包括高精度GPS数据、地图图像和POI（Point of Interest）等等。
OSM地图具有以下几个特点：1.开放数据任何人都可以通过API（Application Programming Interface）获取OSM数据。
这使得开发者能够利用这些数据开发各种应用程序，以满足他们的需求。
2.社区贡献OSM地图是由全球志愿者共同维护的。
这些志愿者在世界各地收集数据、编辑地图，为OSM地图增添了无数精准而详尽的数据。
而这些数据的准确性、及时性和完整性都得益于社区贡献。
3.多平台支持由于OSM地图是开源的，因此可以在许多平台上使用它，包括桌面应用程序、移动应用程序、Web应用程序等等。
二、基于OSM地图的路径规划路径规划是一种非常常见的应用场景。
在现实生活中，我们经常需要规划出一条最佳的路径，以便快速地到达目的地。
基于OSM地图的路径规划，可以借助OSM地图中的道路网格数据、交通信号灯、交通规则等进行分析和计算。
具体而言，路径规划过程大致如下：1. 首先，根据起点和终点位置，确定规划范围。
2. 根据OSM地图中的节点数据和道路数据，构建地理道路网络，以可行驶路径为网络的边。
3. 提取交通信号灯、交通标志等数据，并计算车辆合法行驶区域，得到可行驶区域信息。
融合导航系统在智能交通领域的应用研究
融合导航系统在智能交通领域的应用研究智能交通领域的融合导航系统应用研究随着信息技术的迅猛发展，智能交通系统正逐渐成为现代城市交通管理的重要组成部分。
其中，融合导航系统作为智能交通系统的重要组成部分，在提供准确导航指引的同时，也为交通管理提供了数据支持和决策参考。
本文将就融合导航系统在智能交通领域的应用进行研究，并探讨其在交通效率提升、交通安全保障、交通环境改善等方面的潜力与前景。
融合导航系统是一种将导航功能与交通管理信息相结合的智能交通系统。
它通过集成地图、全球定位系统（GPS）、交通流量数据、交通灯信号等信息源，能够实时获取交通状况，并根据用户的需求进行路径规划和动态调整。
与传统导航系统相比，融合导航系统能够更加准确地估计行程时间、选择最优路径，并根据实际交通情况提供实时的导航指引。
正是由于这些优势，融合导航系统在智能交通领域有着广泛的应用前景。
首先，融合导航系统能够提高交通效率。
通过实时获取交通状况和交通流量数据，融合导航系统可以根据实际情况进行路线规划和动态调整。
例如，在高峰期选择拥堵较少的道路、及时避开事故、施工等路段，能够减少交通堵塞，提高交通效率。
同时，融合导航系统还能够为交通管理部门提供交通数据，如交通流量、车速、拥堵情况等，以便对交通运行进行监控和优化。
这将有助于城市交通系统的智能化协调管理，提高交通运行的整体效率。
其次，融合导航系统在交通安全保障方面也具有巨大的潜力。
导航系统能够实时提供路况信息，通过对车辆行驶速度、路况拥堵程度等参数的监测，及时发现交通事故、拥堵、施工等异常情况。
在发现交通事故后，系统可以根据实时数据推荐最佳绕行路线，减少交通压力，提高救援效率。
此外，融合导航系统还可以将交通事故信息与周围的车辆进行实时共享，提醒其他车辆采取避让措施，从而减少次生事故的发生。
通过整合交通管理信息和车辆实时数据，融合导航系统能够提供更加安全可靠的导航服务，为城市交通安全提供有力支持。
实时导航系统中的数据融合技术
实时导航系统中的数据融合技术在现代社会，实时导航系统已经成为人们出行不可或缺的工具。
无论是驾车、步行还是乘坐公共交通，我们都依赖导航系统为我们提供准确、及时的路线指引。
而在这背后，数据融合技术起着至关重要的作用。
数据融合技术，简单来说，就是将来自多个数据源的信息进行整合和处理，以获得更全面、更准确、更有用的结果。
在实时导航系统中，这些数据源包括但不限于卫星定位系统（如 GPS、北斗等）、惯性测量单元（IMU）、地图数据、交通流量信息、道路传感器数据等等。
卫星定位系统是导航中最常用的数据源之一。
它通过接收卫星信号来确定设备的位置、速度和方向。
然而，卫星信号可能会受到建筑物遮挡、大气干扰等因素的影响，导致定位精度下降甚至丢失信号。
这时，惯性测量单元就派上了用场。
IMU 可以测量设备的加速度和角速度，通过积分计算来推算设备的位置和姿态变化。
虽然 IMU 的误差会随着时间累积，但在短时间内可以提供相对准确的位置估计，与卫星定位系统形成互补。
地图数据也是导航系统的重要组成部分。
高精度的地图包含了道路的形状、长度、宽度、限速、路口信息等详细内容。
通过将实时定位信息与地图数据进行匹配，可以更准确地确定车辆在道路上的位置，并规划出合理的路线。
同时，地图数据还可以提供诸如地形、桥梁、隧道等地理信息，帮助导航系统更好地适应不同的路况。
交通流量信息对于实时导航来说同样关键。
通过获取道路上的车辆密度、行驶速度等数据，可以实时调整路线规划，避开拥堵路段，节省出行时间。
这些交通流量信息可以来自交通部门的监测设备、移动运营商的手机信令数据、社交媒体上用户的实时分享等。
道路传感器数据则能够提供更直接的路况信息，比如路面湿度、温度、结冰情况等。
这对于在恶劣天气条件下的导航决策非常有帮助，可以提醒驾驶者注意安全，或者调整路线以避免潜在的危险。
在数据融合的过程中，面临着许多挑战。
首先是数据的准确性和可靠性。
不同数据源的数据质量参差不齐，可能存在误差、缺失值、异常值等问题。
融合OSM路网数据与POI数据的城市功能区识别方法及其应用
2020.12Vol.27 No.6第27卷第6期2020年12月地理信息世界GEOMATICS WORLD引文格式：杨 健，李朝奎，刘 彦 融合OSM®&网数据与P0I 数据的城市功能区识别方法及其应用[J].地理信息世界,2020,27⑹：1-6,13.融合OSM 路网数据与POI 数据的城市功能区识别方法及其应用杨 健山冷李朝奎1叫刘 彦"（1.湖南科技大学 地理空间信息技术国家地方联合工程实验室，湖南 湘潭411201； 2.湖南科技大学 测绘遥感信息工程湖南省重点实验室，湖南 湘潭411201； 3.湖南科技大学 资源环境与安全工程学院，湖南 湘潭411201; 4.湖南省衡阳市自然资源和规划局，湖南衡阳 421000）基金项目：国家重点研发计划课题（2017YFB0503802）资助作者简介：杨健（1997-），女,安徽 桐城人，测綁学与技术专 业硕士研究生，主要研究方向为地理空间数据处理技 术。
E-mail:yangj i an235a@163. com通讯作者：李朝奎（1967-）,男，湖南汉寿人，教授，博士，博士生导师，主要从事三维建模及其应用等研究工作。
E-mail:chkl_hn@163. com收稿日期：2020-09-03【摘要】城市功能区识别对于城市管理规划、动态监测、未来发展布局来说，是极为重要的参考和补充，是 城市规划发展的有效辅助决策工具。
以长沙城区为例，利用核密度法、局部热点分析等方法，结合公开地图(OSM)路网数据与关注点数据对功能区进行识别，并将识别结果用于长沙城区城市功能区分布与城市商业空间格局分析中。
研究结果表明：利用OSM 路网划分研究单元使城市功能分区更加合理；长沙城区主要为混 合功能用地，以商业一公共为主；商业的热点区域主要由两大商圈构成，分别为五一商圈和荣港镇商圈。
【关键词】长沙市；城市功能区；关注点数据；核密度分析；商业空间格局【中图分类号】TU98【文献标识码】A 【文章编号】1672-1586 (2020) 06-0001-06Urban Functional Area Identification Method and Its Application CombinedOSM Road Network Data with POI DataYANG Jian 1>2>3, LI Chaokui 12, LIU Yan 4(1. National-local Joint Engmeering Laboratory of Geospatial Information Technology, Hunan U niversity of S cience andTechnology Xiangtan 411201, China; 2. Hunan Province Key Laboratory of G eo-Information in Surveying, Mappingand Remote Sensing, Hunan University of Science and Technology, Xiangtan 411201, China; 3. College ofResourcesEnvironment and Safety Engineering, Hunan University ofScince and Technology Xiangtan 411201, China; 4. NaturalResources and Planning Bureau ofHengyang in Hunan Province, Hengyang 421000, China)Abstract ： The identification of urban functional areas as an effective aided decision-making tool contributes apparentlyto the urban management planning, dynamic monitoring, and layout of future development. This paper first focuses on the case study over Changsha urban area to identify functional areas using kernel density method and local hot spot analysiswith the combination of OSM road network data and POI data, and then analyzes the distribution of urban functionalareas in Changsha urban area and as well the urban commercial space pattern. Our results show that the zoning of the urban fiinctional patches through OSM road network to extract the research unit show more confidence. The urban areaof Changsha is dominant by mixed-function land and commercial and public land. And the commercial hotspot area is composed of t wo major business districts, namely Wuyi Commercial District and Ronggang Town Commercial District.Key words ： Changsha city; urban functional area; POI data; nuclear density analysis; commercial space patterno 引言城市化是人类社会发展过程中的重要趋势，而城市化进程中的功能多元化形成的各类城市功能分区，为城 市居民的现代化生活带来了便利和高效，逐步成为新型城市发展的趋势和基础口切。
地理信息系统与导航技术在城市公共交通规划中的应用案例分析
地理信息系统与导航技术在城市公共交通规划中的应用案例分析地理信息系统（GIS）和导航技术在城市公共交通规划中的应用案例分析引言：城市公共交通规划是城市发展中至关重要的一环，其良好的设计和规划能够提高城市居民的出行便利性和舒适度。
地理信息系统（GIS）和导航技术的发展为城市公共交通规划提供了有力的支持。
通过对GIS和导航技术在城市公共交通规划中的应用案例进行分析，可以了解到这些技术的优势和潜力。
案例一：交通流量分析地理信息系统可以帮助城市公共交通规划者进行交通流量分析，进而优化道路网络设计和公共交通线路布置。
通过地理信息系统，规划者可以获取到各个道路的交通流量信息，并进行可视化展示。
同时，导航技术可以收集大量的出行数据，包括实时交通情况以及人流密集区域。
这些数据的分析和整合可以为公共交通规划者提供重要的决策支持，如优化路线选择、站点设立以及调整运行时刻表等。
案例二：服务范围评估地理信息系统和导航技术可以用于评估城市公共交通服务的范围以及覆盖率。
通过地理信息系统的空间分析功能，规划者可以确定各个服务区域的范围，并分析不同区域的人口密度和出行需求。
导航技术可以帮助规划者收集出行数据以及用户反馈，进一步改善服务范围，提高公共交通的普惠性和满意度。
案例三：交通模拟与优化地理信息系统在城市公共交通规划中还可以进行交通模拟与优化。
通过建立城市交通网络的模型，并结合实时交通数据，可以对不同交通策略进行模拟与分析，包括道路扩建、交通信号优化、公共交通线路规划等。
这样的模拟与优化分析可以为规划者提供改善交通效率、减少拥堵和提高公共交通服务质量的方案。
案例四：停车管理地理信息系统和导航技术在城市公共交通规划中的应用还可以帮助解决停车难题。
通过地理信息系统可以收集停车场的位置、容量和利用情况等信息，帮助规划者进行停车资源的优化配置。
同时，导航技术可以提供实时的停车场信息和导航指引，引导驾车者高效地找到合适的停车位，减少寻找停车位的时间和燃油消耗。
地理信息系统与全球导航卫星系统的融合应用
地理信息系统与全球导航卫星系统的融合应用地理信息系统（Geographic Information System，简称GIS）和全球导航卫星系统（Global Navigation Satellite System，简称GNSS）是现代信息技术中两个重要的领域。
它们的融合应用正在改变我们的生活，并取得了许多重要的成果。
首先，地理信息系统是一种以空间数据为基础的信息技术系统，它能够对地球表面的空间数据进行采集、存储、管理、分析和展示。
通过地理信息系统，人们可以快速准确地获取地理数据，并进行分析和处理。
这对于城市规划、环境保护、交通管理等方面具有重要意义。
然而，地理信息系统的应用往往离不开位置信息。
而全球导航卫星系统则是提供位置信息的重要手段之一。
当下最知名的全球导航卫星系统是美国的GPS （Global Positioning System）。
通过GPS，个人可以在几米的误差范围内定位自己的位置。
而在军事、航空、航海等领域，GPS的定位精度更高，可以满足复杂的应用需求。
当GIS和GNSS两个系统融合应用时，将会产生许多创新和改变。
首先，通过将GIS和GNSS相互结合，可以实现地理数据的精确定位和实时更新。
例如，在城市规划中，可以利用GNSS定位技术对城市中的建筑物进行精确定位，并在GIS 系统中更新信息。
这将为城市规划人员提供更准确的数据，使得城市规划更加科学和合理。
其次，GIS和GNSS的融合应用在环境保护方面有巨大的潜力。
通过使用卫星图像和地理信息系统，可以实时监测和分析大气污染、森林砍伐、水资源利用等问题。
同时，结合全球导航卫星系统，可以对违法行为进行定位，并及时采取相应的措施。
这种融合应用不仅可以帮助环境保护机构监管环境状况，还能够提供准确的数据支持，为环境保护工作提供更科学的依据。
此外，GIS和GNSS的融合应用还在交通管理、灾害防治等方面发挥着重要作用。
通过结合交通流量数据和位置信息，可以实现交通拥堵监测和路线优化。
导航工程技术专业中的导航数据融合技术研究
导航工程技术专业中的导航数据融合技术研究随着科技的不断发展，导航系统已经变得日常生活中不可或缺的一部分。
无论是汽车导航、航空导航还是航海导航，导航数据在现代社会中起着至关重要的作用。
然而，在不同传感器获取的数据中存在一定的误差和不确定性，这就需要导航工程技术专业中的导航数据融合技术来解决这些问题。
一、导航数据融合技术的概述导航数据融合技术是利用多种传感器和数据源的信息相互补充和融合来提高导航系统的性能和准确性的技术。
通过将多种传感器的数据进行综合、校正和组合，可以更准确地估计目标的位置、姿态和速度等导航参数。
导航数据融合技术通常包括数据融合方法、融合算法和融合评估等方面。
二、导航数据融合技术的应用导航数据融合技术在各个领域都有广泛的应用。
例如，在汽车导航系统中，通过融合GPS定位、惯性导航、激光雷达和视觉传感器等多种信息源，可以提高导航系统的定位精度和稳定性，实现自动驾驶和智能交通等功能。
在航空导航领域，导航数据融合技术可以将航空器上的各种传感器数据和地面导航设备的数据进行综合，实现精确的航位推演和飞行监控。
此外，导航数据融合技术还应用于海洋导航、航天导航和军事导航等领域。
三、导航数据融合技术的关键问题在导航数据融合技术的研究中，存在一些关键问题需要解决。
首先是数据校准和配准的问题，不同的传感器所测量的数据需要进行时间同步和空间校准，以确保数据的一致性和准确性。
其次是融合算法的选择和设计，不同的传感器和数据源需要采用适合的融合算法，使得数据融合的结果更加准确可靠。
此外，还需要解决数据不确定性的问题，通过概率与统计方法对数据进行建模和估计，以降低误差对导航精度的影响。
四、导航数据融合技术的发展趋势随着人工智能和机器学习等技术的发展，导航数据融合技术也将得到进一步的提升。
未来的导航系统将更加智能化和自适应，能够根据环境和任务的不同，自动选择最合适的传感器和融合算法。
同时，导航数据融合技术还将与其他技术相结合，例如机器视觉、图像处理和深度学习等，进一步提高导航系统的性能和可靠性。
GIS服务系统在公路交通现代化中的重要应用
程理论来 宏 观 分 析!交 通 业 由 其 系 统 要 素!公 路#航
道#车船#港站#运输#管理#人 员 等 元 素 组 成 一 个 完 整
的系统来高效#快捷#方便#舒 适 地 满 足 国 民 经 济 生 产
和人民生 活 出 行 的 不 断 需 求" 其 $面 广#线 长#点 多#
移动%的特征紧紧地把地球 的 经 纬 度#交 通 的 各 元 素#
而 <4= 和 <T= 两 者 之 间 的 集 成 应 用 之 一 交 通 <4=&(<T=’服 务 系 统 除 采 用 <4= 和 <T= 技 术 外 !还 采 用 <=A#<4O= 及 计 算 机 网 络 通 信 #数 据 处 理 技 术 等实现对车辆无地域空间限制的实时动态监控和管
理" &)&! 系 统 基 本 功 能
) %# 万)方数据
等要求$ %+&<=A/<4=%(<T=&方 式 一 般 采 用 中 国 联 通 或 中 国 移 动 <=A 系 统 的 点
山东交通科技!!!!!!!!!!!!!! !!!!!!!!!!!!!!!!!!! !!""*年第&期
时 刻 #铁 路 时 刻 等 $
发 现 车 辆 离 开 行 车 区 域 时 !系 统 自 动 报 警 $
%+&导 航 功 能 车辆驾驶员在不清楚目的地具体方位时可向控
%&!&限 制 行 车 速 度 %可 选 项 &功 能 控制中心可根据客户需 求 预 设 车 辆 行 驶 速 度!当
制中心发出服务请求!中心管 理 员 根 据 电 子 地 图 信 息 发现车辆行驶超过限定时速时!系统自4;
OpenStreetMap路网数据质量评价及应用分析
OpenStreetMap路网数据质量评价及应用分析罗路长;刘波;刘雪朝【摘要】随着Web2.0的高速发展,基于用户创建的地理数据共享平台为广大用户提供了丰富的数据源.这种基于用户的自发地理信息(VGI)受到其数据采集、表达等特点的限制,其数据质量严重影响其进一步地应用.以VGI中较成功的案例——OpenStreetMap(OSM)为例,对其路网数据质量和应用进行评价.首先从OSM数据的特点出发,给出了数据长度完整性和道路名称属性完整性2个定量质量要素的描述方法;其次选取国内外大、中、小4个城市做为实验区,与Baidu地图、Google地图的路网数据从长度和道路名称属性完整性进行比较、分析;最终通过实验结果表明,与Baidu地图相比,OSM的路网数据完整性和现势性在国内的3个城市整体上相当,但在国外具有较明显的优势,如果对其做进一步的处理,可以作为Baidu地图在海外电子地图的路网数据,进一步提高其应用价值.【期刊名称】《江西科学》【年(卷),期】2017(035)001【总页数】7页(P151-157)【关键词】自发地理信息;OSM;数据质量;应用分析【作者】罗路长;刘波;刘雪朝【作者单位】流域生态与地理环境监测国家测绘地理信息局重点实验室,330013,南昌;东华理工大学测绘工程学院,330013,南昌;流域生态与地理环境监测国家测绘地理信息局重点实验室,330013,南昌;东华理工大学测绘工程学院,330013,南昌;东华理工大学测绘工程学院,330013,南昌【正文语种】中文【中图分类】P208随着Web2.0技术的不断发展，基于用户创建地理数据的平台逐渐地兴起，各种类型的地理数据被公众收集并共享到OpenStreetMap(OSM)，Wikimapia，Flickr等应用平台中。
Goodchild教授等将由公众自发性地贡献地理数据称为自发地理信息(Volunteered Geographic Information,VGI)[1]。
高德地图与交通行业数据融合方法[发明专利]
![高德地图与交通行业数据融合方法[发明专利]](https://img.taocdn.com/s3/m/2015fe7f2f3f5727a5e9856a561252d380eb2006.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201810760524.9(22)申请日 2018.07.11(71)申请人 贵州交通信息与应急指挥中心地址 550001 贵州省贵阳市云岩区延安西路66号申请人 贵州大学(72)发明人 郭锐 丁志勇 朱文博 喻琳 杨静 高正明 (74)专利代理机构 贵阳中新专利商标事务所52100代理人 程新敏(51)Int.Cl.G01C 21/34(2006.01)(54)发明名称高德地图与交通行业数据融合方法(57)摘要本发明公开本发明公开了高德地图与交通行业数据融合的方法，其特征在于，包括：步骤一：获取高德及行业数据；步骤二：对行业异常数据进行处理；步骤三：将行业桩号转换为经纬度；步骤四：对设施进行分类，包括桥梁、隧道、收费站、互通立交、服务区；步骤五：依次选取高德每个设施；步骤六：查找同一条路线上最近的行业设施；步骤七：判断同一条路线最近设施是否超过500米，超过执行步骤八，未超过执行步骤九；步骤八：通知行业单位补充基础数据；步骤九：将查询的结果与高德选中设施进行关联。
本发明主要实现提升行业管理水平。
权利要求书2页 说明书6页 附图1页CN 109059948 A 2018.12.21C N 109059948A1.高德地图与交通行业数据融合方法，其特征在于，包括：步骤一：获取高德及行业数据，包括高德的POI点数据、路网拓扑数据，以及行业内设施属性数据；步骤二：对行业异常数据进行处理，主要针对行业数据，包括缺失路线、桩号的设施数据；步骤三：将行业桩号转换为经纬度，根据采集的公里桩数据及高德拓扑数据，通过三角函数，将桩号转换为经纬度；步骤四：对设施进行分类，包括桥梁、隧道、收费站、互通立交、服务区，每类设备分开计算；步骤五：依次选取高德每个设施，通过POI点分类，分别选择桥梁、隧道、收费站、互通立交、服务区；步骤六：查找同一条路线上最近的行业设施，通过空间算法，找到同一条路线最近的设施；步骤七：判断同一条路线最近设施是否超过500米，超过执行步骤八，未超过执行步骤九；步骤八：通知行业单位补充基础数据；步骤九：将查询的结果与高德选中设施进行关联。
地图匹配算法在智能导航中的应用
地图匹配算法在智能导航中的应用随着科技的不断发展，我们已经可以利用导航软件在陌生的环境中快速地找到我们的目的地。
然而，在有些情况下，这些导航软件并不总是十分准确。
有时它们会指错路，或者计算出错，导致我们走错路。
这就是因为导航软件通常只通过GPS信号来计算位置，而忽略了许多其他的信息。
这个问题可以通过地图匹配算法得到解决。
地图匹配算法是一种基于匹配GPS和其他传感器提供的数据的算法。
该算法可以将GPS数据与数字地图中的道路进行匹配，从而提高导航准确性。
这个技术在智能导航设备中被广泛应用。
地图匹配算法的基本原理是将GPS定位数据与地图上的道路网络匹配。
为了实现这一目标，它使用数字地图上的节点和道路来表示道路网络。
如果GPS数据从道路上离开，那么它就会使用传感器数据来辅助匹配。
这种算法对于智能导航的准确性至关重要。
例如，在城市环境中，高楼大厦会对GPS信号造成干扰，导致定位不准确。
但是，地图匹配算法可以利用其他传感器，例如加速度计和陀螺仪，来提高定位的准确性。
这可以让导航软件更好地了解车辆或行人的位置，并提供更准确的指导。
此外，地图匹配算法可以提供更准确的路线规划。
例如，在通过城市或乡村等不清晰的地区时，导航软件可能会选择路线，这些路线并不是最短或最快的。
使用地图匹配算法，软件可以更好地了解道路网络，并给出更准确的路线。
尽管地图匹配算法可以提高导航的准确性，但它并不完美。
例如，在建筑物或地形变化较大的地方，数字地图可能会过时或不准确。
这可能会导致算法匹配错误。
此外，地图匹配算法也需要高质量的传感器数据。
如果传感器数据不正确或不可靠，算法就可能出错。
总之，地图匹配算法是智能导航中不可或缺的一环。
它使用传感器数据来提高GPS定位的准确性，并提供更准确的路线规划。
尽管它并不完美，但随着技术的不断发展，地图匹配算法将变得更加准确和可靠，提高我们的生活质量。
高精度定位与导航技术在智能交通中的应用
高精度定位与导航技术在智能交通中的应用随着智能交通系统的快速发展，高精度定位与导航技术在智能交通中的应用日益重要。
这项技术可以为驾驶员提供准确的定位信息和导航指引，大大提高驾驶者的安全性和行驶效率。
本文将介绍高精度定位与导航技术在智能交通中的应用，并探讨其对交通管理、智能驾驶和出行体验的影响。
首先，高精度定位与导航技术在智能交通中起到了重要的交通管理作用。
通过利用全球卫星定位系统（GNSS）和地面基站，该技术可以实时监测交通流量、车辆位置和速度等信息。
交通管理部门可以利用这些数据精确预测交通拥堵的发生，并采取相应的措施优化交通流动。
例如，在城市道路上安装高精度定位传感器，可以实时监测道路状况并引导车辆绕行，有助于减轻道路拥堵和缓解交通压力。
其次，高精度定位与导航技术在智能交通中对智能驾驶的发展起到了至关重要的作用。
智能交通系统需要准确的车辆定位和导航信息，以实现自动驾驶和协同驾驶的功能。
高精度定位与导航技术可以通过精确的定位数据和地图信息，提供车辆位置和周围环境的准确描述，从而帮助智能车辆进行路径规划和实时避障。
这为未来智能交通的发展打下了坚实的基础，并有望实现更加安全高效的道路出行。
此外，高精度定位与导航技术在智能交通中也对出行体验产生了积极的影响。
驾驶者可以通过智能导航系统获取车辆位置、道路状况、最佳路径等信息，从而能更加轻松地进行行程规划和导航。
这不仅有助于节省时间和精力，还可以提高驾驶者的安全感和出行满意度。
此外，高精度定位与导航技术还可以与其他智能设备相结合，提供更加个性化和定制化的服务，例如电子支付、停车导引和周边服务推荐等，进一步提升出行体验和便利性。
然而，高精度定位与导航技术在智能交通中仍面临着一些挑战。
首先，如何保证定位和导航的准确性和稳定性是一个重要问题。
在信号遮挡、多路径干扰和精度衰减的情况下，定位误差可能会加大，导航指引可能不准确，从而影响驾驶者的安全和便利。
其次，高精度定位与导航技术的成本较高，需要投入大量资源开展基础设施建设和技术研发。
导航工程与地理信息系统的融合应用
导航工程与地理信息系统的融合应用导言导航工程与地理信息系统（GIS）是两个独立的领域，各自在不同的实践中发挥着重要的作用。
然而，随着技术的发展和需求的增长，这两个领域的交叉点也逐渐显现出来。
本文将探讨导航工程与地理信息系统融合应用的现状和潜在的发展前景。
1. 融合应用的现状在过去的几十年中，导航工程和GIS一直在相互独立地发展。
导航工程主要关注交通导航和路径规划，而GIS主要用于地图制作和空间数据分析。
然而，随着定位技术的进步和地图数据的增加，导航工程和GIS的融合应用越来越受到重视。
1.1 导航工程中的GIS应用导航工程中的GIS应用主要包括地理数据的采集和处理，路网建模，地标识别等。
通过将地理数据与导航系统相结合，可以提供更准确和实时的导航服务。
例如，通过使用GIS技术，我们可以实时更新交通状况，以便驾驶者选择最佳路径和避开拥堵。
1.2 GIS中的导航应用GIS在导航应用中的作用主要体现在地图制作和路径分析。
通过使用GIS技术，我们可以制作精确的地图，并在地图上标注导航信息。
同时，GIS还可以进行路径分析，为用户提供最佳的路径选择。
例如，一些在线地图应用程序可以根据用户选择的出行方式（如驾车、步行、公交等）为其规划出最优路径。
2. 融合应用的潜在发展前景导航工程与地理信息系统的融合应用具有广阔的发展前景。
以下是一些可能的发展方向：2.1 智能交通系统通过将导航工程和GIS技术融合，可以建立智能交通系统，实现实时的交通监测和管理。
例如，通过使用车载导航系统和地理信息系统，可以实时跟踪车辆位置和交通拥堵情况，并为驾驶者提供最佳的路径选择和交通信息。
2.2 位置服务的个性化融合导航工程和GIS技术可以为位置服务提供更加个性化的体验。
通过获取用户的地理位置数据和个人偏好，可以为用户提供个性化的导航和位置搜索结果。
例如，当用户在某个陌生城市旅行时，导航系统可以基于用户的兴趣点和偏好为其推荐旅游景点和餐馆。
智能交通中的导航信息整合技术
智能交通中的导航信息整合技术在当今快节奏的社会中，交通出行对于人们的生活和工作至关重要。
随着科技的不断发展，智能交通系统逐渐成为改善交通状况、提高出行效率的关键。
而在智能交通领域，导航信息整合技术无疑是一项具有重要意义的创新。
导航信息整合技术，简单来说，就是将来自不同来源、不同形式的导航相关信息进行收集、处理和融合，为用户提供更加准确、全面、实时和个性化的导航服务。
它涵盖了多个方面的技术和数据，包括卫星定位、地图数据、实时交通信息、道路设施信息等等。
我们先来说说卫星定位。
这是导航系统的基础，通过接收卫星信号，能够确定车辆或行人的位置。
然而，卫星定位并非完美无缺，在高楼林立的城市峡谷、隧道或者茂密的森林等环境中，信号可能会受到干扰或遮挡，导致定位不准确。
这时，就需要其他技术手段来辅助和修正定位信息，比如基站定位、惯性导航等。
地图数据则是导航的重要组成部分。
详细准确的地图能够提供道路的形状、长度、宽度、限速等信息。
但地图数据需要不断更新，以反映道路的变化，比如新建道路、道路改造、交通管制等。
为了保证地图数据的及时性和准确性，通常需要专业的测绘团队和数据采集设备，同时结合众包数据和用户反馈来进行完善。
实时交通信息对于导航的实用性有着极大的影响。
通过传感器、摄像头、浮动车等手段收集到的交通流量、拥堵情况、事故信息等，能够帮助导航系统规划出更合理的路线，避开拥堵路段，节省出行时间。
这些实时交通信息的获取和处理需要强大的数据分析能力和通信技术支持。
道路设施信息也是不容忽视的一部分。
比如道路施工、道路封闭、收费站、加油站、停车场等的位置和状态，这些信息能够让用户提前做好准备，合理安排行程。
在智能交通中，如何将这些来自不同渠道、不同格式的信息整合在一起，是一个具有挑战性的问题。
首先，需要建立统一的数据标准和接口，使得各种信息能够被有效地读取和理解。
然后，利用数据融合算法，对多源数据进行处理和整合，去除重复和错误的信息，提取有用的部分，并将它们融合成一个完整、准确的导航数据集。
高精度地图与自动驾驶技术的融合及其在实际道路环境中的应用
高精度地图与自动驾驶技术的融合及其在实际道路环境中的应用随着科技的不断进步，自动驾驶技术逐渐成为现实。
而在实现自动驾驶的过程中，高精度地图的应用发挥着重要的作用。
本文将探讨高精度地图与自动驾驶技术的融合以及在实际道路环境中的应用。
首先，我们来了解一下高精度地图。
高精度地图是一种具备高精度、高分辨率和高实时性的地图，它能够提供详细的道路信息、交通标志、车道线等数据。
与传统地图相比，高精度地图的数据更加准确、全面，能够为自动驾驶车辆提供更精确的导航和决策支持。
高精度地图与自动驾驶技术的融合可以说是相辅相成的。
自动驾驶技术依靠传感器和算法来感知和理解周围环境，而高精度地图则提供了额外的数据支持，使得自动驾驶系统能够更好地认知道路、规划路径和做出决策。
高精度地图可以为自动驾驶车辆提供准确的车道线、交通标志等信息，帮助车辆更好地行驶在道路上，并且能够提前预知道路的变化和障碍物的出现，从而提高行驶的安全性和效率。
在实际道路环境中，高精度地图与自动驾驶技术的应用已经取得了一定的成果。
例如，一些汽车制造商和科技公司已经开始在一些城市进行自动驾驶车辆的测试。
这些车辆配备了高精度地图和自动驾驶系统，通过与地图数据的比对和分析，能够实现车辆的自主导航和驾驶。
在城市道路上，自动驾驶车辆能够准确地识别车道线、交通标志和红绿灯，按照交通规则行驶，并且能够根据地图数据实时调整行驶路径，避免拥堵和危险情况。
除了城市道路，高精度地图与自动驾驶技术的应用还可以扩展到更复杂的道路环境。
例如高速公路和乡村道路等。
在高速公路上，自动驾驶车辆可以通过高精度地图实现车道保持和自适应巡航功能，能够自动控制车辆的速度和方向，并根据交通状况做出相应的调整。
在乡村道路上，高精度地图可以帮助车辆更好地认知道路的曲线、坡道和交通标志等信息，提高车辆的行驶稳定性和安全性。
然而，高精度地图与自动驾驶技术的融合还面临着一些挑战和问题。
首先是地图数据的更新和维护。
高精度地图与智能交通系统的集成应用方法和运行管理机制的设计和优化
高精度地图与智能交通系统的集成应用方法和运行管理机制的设计和优化随着科技的发展和城市化进程的加快，交通拥堵已成为许多城市面临的严重问题。
为了改善交通状况，提高出行效率，高精度地图与智能交通系统的集成应用方法和运行管理机制的设计与优化变得尤为重要。
高精度地图是一种精确描述道路地理位置和特征的地图，可以提供准确的导航和道路信息。
智能交通系统是运用先进的信息技术和通信技术，对交通进行全面监控和管理的系统。
高精度地图与智能交通系统的集成应用，可以共同解决交通拥堵和交通事故等问题，实现交通的高效优化。
在集成应用方法方面，第一步是建立高精度地图数据库，包括道路网拓扑结构、交通标识、交通流量等信息。
这些数据可以通过激光雷达和卫星定位等技术进行采集，并经过数据融合和质量控制处理，生成高精度地图。
第二步是将高精度地图与智能交通系统进行集成，实现地图数据与交通信息的实时更新和交互。
通过将高精度地图与车辆导航系统和交通管理系统等进行连接，可以实现交通信号的控制与调整，提高道路的通行能力。
在运行管理机制方面，需要进行设计和优化。
首先，需要建立一个完善的交通数据共享平台，将交通相关的数据进行集中管理和统一交换。
这样可以确保各个部门和系统能够共享信息，实现合作和协同工作。
其次，需要建立交通控制中心，并配备专业的人员和设备。
交通控制中心可以通过实时监测和分析交通数据，进行交通状况预测和交通控制策略的制定。
最后，需要建立一个反馈机制，对交通状况和交通控制效果进行评估和反馈。
通过不断的改进和优化，可以不断提高交通系统的效率和性能。
在集成应用方法和运行管理机制的设计和优化过程中，还需要考虑一些关键问题。
首先是数据安全和隐私保护。
高精度地图和智能交通系统都涉及大量的个人和交通信息，需要采取相应的安全保障措施，保护用户的隐私和数据的安全。
其次是系统的稳定性和可靠性。
交通系统的运行一旦出现故障或失灵，可能会导致交通事故和交通拥堵等问题，因此需要在设计和优化过程中注重系统的稳定性和可靠性。
混合导航系统在智能交通中的应用研究
混合导航系统在智能交通中的应用研究智能交通是一个快速发展的领域，它利用先进的技术和创新的方法来改善道路运输系统的效率和安全性。
在智能交通领域中，混合导航系统作为一种关键技术，已经得到广泛应用和研究。
本文将探讨混合导航系统在智能交通中的应用，并分析其对交通管理、车辆导航和驾驶员辅助等方面的影响。
首先，混合导航系统在交通管理方面的应用具有重要意义。
在交通拥堵和道路事故频发的城市中，通过使用混合导航系统，交通管理部门能够实时监测交通状况，并采取相应的措施来提高交通流动性。
混合导航系统可以通过接收车辆位置信息、实时交通数据和道路状况报告，为交通管理部门提供准确的交通数据分析，从而帮助交通管理决策。
通过精确的数据分析，交通管理部门可以制定更优化的交通流量控制策略，减少交通拥堵和事故发生的可能性，提高道路安全性。
其次，混合导航系统在车辆导航方面的应用也具有重要意义。
传统的车载导航系统主要依赖于卫星导航系统，如全球定位系统（GPS）。
然而，在城市中，高楼大厦和密集的建筑物会影响卫星信号的质量和精确性。
通过将卫星导航系统与其他技术（如惯性导航、数字地图等）相结合，混合导航系统能够提供更精确、可靠的车辆导航。
混合导航系统能够实时更新交通状况、提供准确的路线规划和导航服务。
无论是熟悉的道路还是陌生的地区，混合导航系统都能帮助驾驶员选择最佳路线，并提供实时的导航指引，提高驾驶效率和路线选择的准确性。
最后，混合导航系统在驾驶员辅助方面的应用对提高交通安全性具有重要作用。
混合导航系统可以通过监测驾驶行为、道路状况和交通信号来提供驾驶员辅助功能。
例如，当驾驶员超速行驶或接近前方交通灯时，混合导航系统可以发出警告信号，提醒驾驶员注意安全。
此外，混合导航系统还可以提供盲点监测、倒车辅助和紧急制动辅助等功能，有效减少事故的发生。
综上所述，混合导航系统在智能交通中的应用具有重要意义。
它在交通管理、车辆导航和驾驶员辅助等方面发挥着关键作用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
王 康 （ 1993- ）， 男 ， 硕 士 研 究 生 ， 主 要 研 究 方 向 为 时 空 大 数 据 分 析 ､ 数 据 挖 掘 （1134314305@）；朱欣焰（1963-），男，教授，博士，主要研究方向为空间信息服 务､空间数据库等；呙维（1981-），男，副教授，主要研究方向为三维建模；盛光晓（1993-）， 男，主要研究方向为交通 GIS､交通路网简化等． TP391
NAME _CHN
中文名称
ROAD_CLASS 道路等级，分为高速公路、国道、城市快速路、城市主干路等
LINK_TYPE 默认值为 0；1 代表轮渡航线；2 代表隧道；3 代表桥；4 代表地下通道
STATUS
默认是 0（正常）、1 代表建设中；2 代表禁行
OWNER_SHIP
默认为 0（公共道路）；1 代表内部道路；2 代表私有道路
要研究方向为空间信息服务､空间数据库等；呙维（1981-），男，副教授，主要研究方向为三维建模；盛光晓（1993-），男，主要研究方向为交通 GIS､交通路 网简化等．
录用定稿
王 康，等：OSM/高德路网匹配融合技术在道路空间化中的应用
第 36 卷第 12 期
马尔可夫模型，以此寻求全局最优的路网匹配方案。另外不少 学者为了改进算法匹配准确度，会考虑加入约束条件或者结合 上面多种算法来进行路网匹配。国内学者刘一宁[1]以上海市某 一区域不同时相的道路作为同源数据，利用缓冲区增长算法进 行路网匹配。郭庆胜等人[2]分别选取了比例尺变化较小的南昌 市路网数据和比例尺变化较大的合肥市路网数据，提出了一种 顾及尺度变化和数据更新的道路网匹配算法并进行路网匹配实 验。张云菲等人[3]利用概率松弛法分别在武汉市和瑞士苏黎世 两个地区进行多源路网匹配。巩现勇等人[4]实验证明利用蚁群 算法寻求全局最优的道路网同名实体匹配方案是有效可行的。 但是道路匹配研究大多都是同源路网匹配或者多尺度[5,6]的不 同比例尺下的路网匹配。
本文基于武汉交管业务的需求，以高德路网数据为基础， 利用现势性较好的 OSM 路网数据对武汉市路网数据（高德路 网） 做补充，填补高德路网的部分数据的缺失，实现了异源路 网的匹配。其中采用轨迹聚类算法中常用的 LCSS (longest common subsequence) [7] 算 法 将 高 德 路 网 和 OSM （OpenStreetMap）路网做路网匹配。最后，在此基础上开发了 一套路网匹配融合程序。
—————————— 收稿日期：2018-05-16；修回日期：2018-07-09 基金项目：国家重点研发计划课题（2018YFB0505503）；测绘遥感信息工程国家重点实验室重点开放
基金资助项目；测绘遥感信息工程国家重点实验室专项科研经费资助项目 作者简介：王康（1993-），男，硕士研究生，主要研究方向为时空大数据分析､数据挖掘（1134314305@）；朱欣焰（1963-），男，教授，博士，主
匹配，对“六合一”道路编码进行空间化。 空间目标匹配分为点要素匹配、线要素匹配、面要素匹配，
而路网匹配属于线要素匹配。对于路网匹配方面的研究和应用， 一直都是 GIS 领域最活跃的研究方向之一。目前线要素匹配的 方法主要有以下五种：a）几何匹配，通过计算两个空间实体的 几何相似度来进行匹配；b）拓扑匹配，通过计算同名实体的拓 扑关系作为匹配依据；c）语义匹配，通过计算候选实体的语义 名的相似度进行匹配；d）基于概率的匹配算法，通过计算实体 匹配概率大小来确定匹配实体；e）智能算法，如蚁群算法、隐
主要包括了表 1 所示的重要字段信息。 表 1 高德路网数据结构表
字段名
字段含义
MESH
道路所在图幅号
ROAD _ID
道路编号，道路在相应图幅内的编号
FNODE _IDFra bibliotek道路起始点在相应图幅内的编号
TNODE _ID
道路结束点在相应图幅号内的编号
DIRECTION 1 代表双向通行；2 代表正向通行；3 代表逆向通行；4 代表双向禁行
Abstract: The "Six-in-one" road code is the basic text data used to locate accidents and violations in the traffic management business and it lacks spatial information while existing road network data in common use, such as Gaode road network, is a kind of road network where one complete road is expressed by multiple road sections. Gaode road network’currency is relatively low compared to the OSM road network and it is hard to meet the demand for traffic management business. In order to solve the problems as above, this paper with Gaode Road Network as a basis and a high-currency OSM (OpenStreetMap) road network as a complement applied LCSS (Longest Common Subsequence) algorithm commonly used in trajectory clustering to road matching, then applied the stroke method in the road network fusion after the road network matching. The experiment results show that LCSS algorithm has a good effect in road network’s matching. Finally, this paper developed a road network’s matching and fusion program based on this, and it has been applied in the Wuhan Traffic Management Bureau. Key words: road network matching; LCSS algorithm; road network fusion
————————————————————————————————————————————————
OSM/高德路网匹配融合技术在道路空间化中的应用
作者 机构 DOI 基金项目 预排期卷 摘要
关键词 作者简介
中图分类号 访问地址 投稿日期 修回日期 发布日期
王康，朱欣焰，呙维，盛光晓
武汉大学 测绘遥感信息工程国家重点实验室
0 引言
目前武汉市交通管理局在事故和违法的定位主要依靠的是 “六合一”道路编码，该编码属于文本数据，缺乏空间信息， 难以满足交管业务信息化、精细化的要求。而武汉市交通管理 局现有的路网数据主要来源于高德多车道路网数据，具有数据 更新不及时的问题。而且对于交管业务中的事故、违法定位， 高德路网这种过于精细化的多车道路网，在实际应用中并不能 满足要求，因此可以结合高现势性的 OSM 路网数据进行路网
/article/02-2019-12-024.html
2018 年 5 月 16 日
2018 年 7 月 9 日
2018 年 10 月 10 日
OSM/高德路网匹配融合技术在道路空间化中的应用
————————————————————————————————————————————————
引用格式
王康, 朱欣焰, 呙维, 盛光晓. OSM/高德路网匹配融合技术在道路空间化中的应用[J/OL]. 2019, 36(12). [2018-10-10]. /article/02-2019-12-024.html.
第 36 卷第 12 期 录用定稿
Application of technology of OSM/Gaode road network’s matching and fusion in road spatialization
Wang Kang, Zhu Xinyan1, Guo Wei, Sheng Guangxiao
(State Key Laboratory for Information Engineering in Surveying, Mapping & Remote Sensing, Wuhan University, Wuhan 430079, China)
10.3969/j.issn.1001-3695.2018.05.0392
国家重点研发计划课题（2018YFB0505503）；测绘遥感信息工程国家重点实验室重点开放基 金资助项目；测绘遥感信息工程国家重点实验室专项科研经费资助项目
《计算机应用研究》 2019 年第 36 卷第 12 期
“六合一”道路编码是交管业务中用来定位事故和违法的基础文本数据，缺乏空间位置信息， 而已有的常用路网数据如高德路网，都是基于多车道路段表达的路网且现势性相对于 OSM 路网较低，难以满足交管业务的需求。针对上述问题，以高德路网作为基础、高现势性的 OSM （OpenStreetMap）路网做补充，将轨迹聚类分析中的 LCSS(longest common subsequence) 算法应用在路网匹配过程中，并对匹配后的路网使用 Stroke 方法进行路网融合。实验结果表 明，使用 LCSS 算法可以达到良好的路网匹配效果。最后，基于此开发了一套路网匹配融合 程序，并在武汉市交通管理局投入使用。