基于行人GPS轨迹提取路网信息的高效算法

基于行人GPS轨迹提取路网信息的高效算法

引言

当今时代，数字地图对于每一个人来说都变得日益重要。普通用户下载诸如Google地图、百度地图等类似软件来寻找目的地以及周围的景点、住宿和餐旅等等。商家用来宣传

自己的品牌(Fathi and Krumm 2010)。但对国内数字地图而言，目前大部分都由特定的地

图供应商通过专门部署GPS装置的汽车在路上行驶并采集数据。数据获取与更新成本的高

昂意味着购买这些这类地图数据需要花费大量的资金。因此，国内除了百度、高德、搜狗外，鲜有其他的地图服务商。然而，随着城市化进程的加快与道路网的建设与完善，用户

却面临这样的问题：某个地方新修了一条道路，但因路网数据的更新不及时而无法在地图

上找到这条路。如何缩短路网更新时间，尽可能满足用户的需求体验，则需要探索新的路

网采集与更新方式。在带有GPS装置的移动设备越来越普遍的背景下，如何通过合理的路

网挖掘算法，有效利用这些普通用户的定位数据，及时更新现有路网信息，这不仅极大降

低路网更新的高昂成本，还将有力提升地图服务的质量与效率。

这项技术的难点有二：一是大数据量。每天有成千上万的人通过搭载有GPS装置的设

备定位，假如按照每周一次更新的设想来获取GPS轨迹数据，这个数据量也将轻松突破TB 级。大数据的获取与处理需要强有力的硬件支撑，但这不是本文的重点。二是合适的路网

挖掘算法。将GPS数据转换为数字化路网，并与原有路网匹配，删除已经废弃的道路，添

加新增的道路。世界上最大的开源地图提供商OpenStreetMap(Haklay and Weber 2008)采

用一种让志愿者携带GPS装置记录GPS轨迹来手动更新地图的方式，获取的数据称为“志

愿者地理信息”(Haklay 2008)。志愿者地理信息秉承“人人都是传感器”的理念(Schroedl, Wagstaff et al. 2004)，将每个人不仅作为地理信息的使用者，更是生产

者。参考上述理念，本次实验通过寻找志愿者，确定所需的实验区，采用步行的方式，边

走边采集GPS点，形成了大约10万条GPS轨迹数据，建立GPS轨迹数据库，并设计新型的路网挖掘算法，从中提取有用的路网信息挖掘路网。

国内外研究现状

国外对于道路的提取算法研究比较成熟。这些算法大都基于算术几何，有的以节点为

核心，有的以特征追踪为核心。这对于较为规则的车辆轨迹处理是高效而准确的(Fathi, A. and J. Krumm ,2010)。这些算法之所以高效，一是因为算法设计的恰当，另一方面则是因

为高采样率而低随机性的GPS数据。这种通过专门的车载导航系统获取的大量数据，数据特征规则且明显(图1)，算法难度不是很高。然而，VGI数据在实践中往往是低采样率的，大约为2-5分钟有一个点，点与点之间相隔太远导致一些正常的匹配算法在面对VGI数据时低效，甚至有可能产生逻辑错误。另外，专门采集数据处理后得到的信息主要用于驾驶的道路网，而对于行人需要的步行网，例如天桥、地下通道等减少交通负担的设施生成与更新方面研究不多。

图1 来自文献[1]、[3]、[4]的原始数据，可以明显的看出路网而无干扰

国内对于通过GPS轨迹挖掘新道路网的研究相对较少，大部分算法是将矢量轨迹数据转换为栅格数据，然后利用图像识别算法提取路网，方法简单高效，但只适用于那些特征明显的轨迹的数据。由于这类算法完全抛弃了矢量数据的优点，在面对VGI时就显得束手无措。值得注意的是国内学者(陈琦，2011，廖顺华，2007)在这方面开展的一些研究。这些研究多针对传统的路网采集方式，得到的GPS轨迹由专门的GPS装置采集得到，数据量小，用来更新专门的路段，比如陈漪的立交桥识别，实用性相对较小。为了解决上述存在的问题，本文设计了一个用于挖掘步行GPS轨迹的并行算法。首先，需要先研究一下VGI 数据。

研究区数据

实验研究区来自安徽省合肥市市区的一部分，周长约20.12公里，面积约23.68平方公里。由于是在市区，道路网比较密集，人流量巨大，所以路网的更新对于这个地区来说显得尤为重要。同时也从百度公司获得了以前的旧路网数据。

图2 研究区的路网数据(未经更新)

整体上看，大部分的道路网数据是正确的，但局部存在很多偏差(图4)。

图3 路网与现实路网中的不匹配

本次实验的VGI数据采集部分模仿了OpenStreetMap的路网数据采集方式，但是更加突出了行人步行轨迹的无规律性，让志愿者在研究区域携带GPS走动，总共采集了将近10万条数据(图4)。

图4 10万条轨迹数据

整个实验区域的整体路网肉眼还是能够清晰辨认，但不同于以往专门采集的地理数据，路网存在很多错误路径和轨迹的不均匀分布。通过观察图的具体细节，可以看出步行轨迹不同于车辆轨迹的特点如下：

(1)可以在统计意义上看出路网的形状，但由于不是专门采集的数据，轨迹的方向几乎可以说毫无规律(图6);

(2)步行轨迹的终点容易集聚在一个地点，这些地点往往是一个景点入口，或者一个商城;

(3) 由于步行的随意性，道路两旁很容易出现一些不是路网的稀疏路线;

(4) 轨迹分布不均匀尤为明显;

(5) 更为重要的是步行者的轨迹不仅仅会出现一些交通路网上，还有可能出现在其他可以自由步行的场合，比如操场。

图5 局部数据放大图

算法流程

1.道格拉斯-普克线简化算法

在本试验中，算法预处理步骤是后续步骤能否有效运行的关键步骤。面对海量的步行轨迹数据，首先就是要将其中的不稳定和错误因素尽可能去除掉。一些经常在数据中出现的轨迹错误有下面几个：

(1) 不可估性。由于定位的不准确，一些轨迹会偏离原本的道路。

(2) 冗余性。步行轨迹的随意性决定了一些轨迹会有自身的一些重复。

(3) 跳跃性。志愿者GPS轨迹的不稳定性，导致一些轨迹出现很奇怪的转弯或者跳跃。类似横穿街区，在非道路的地方的轨迹走动。

(4) 稀疏性。一些道路由于穿过社区，或者由于采样间隔的原因，使

得轨迹点往往比较稀疏，但仍可能是一条步行道路。

对于上述问题，首先采用一种叫道格拉斯-普克线简化的算法对数据进行处理。道格拉斯-普克算法(Douglas–Peucker algorithm)，亦称为拉默-道格拉斯-普克算法、迭代适应点算法或分裂与合并算法。该算法是将曲线近似表示为一系列点，以减少点的数量。

道格拉斯-普克算法处理效果的关键就是阈值的选择，本次实验综合考虑各个因素，选取一般道路正常宽度的50%作为阈值，得到经过线简化后的行人轨迹数据。线简化一方面纠正了一些行人轨迹的数据的轨迹错误，另一方面也降低了数据量。

2.细碎线段删除

在实验数据中能够看到一些小的细碎的线段，这些线段往往是没有意义的，在大数据量的前提下，这些数据的删除基本不会影响结果，而且还能减少带来的误差，降低数据量。