所属单位：计算机科学与数学学院

发表刊物：福州大学学报.自然科学版

项目来源：省、自治区、直辖市科技项目

关键字：数字地图更新；深度学习；轨迹数据挖掘；浮动车数据；交通路网；交通路口识别

摘要：基于车辆轨迹数据提取道路信息已经成为数字地图更新的一种有效而廉价的方法，引起了广泛的研究。交通路口是道路信息的重要组成，如何快速而准确提取交通路口具有一定的挑战。深度学习的快速发展为解决这一问题提供了一种新的思路。针对轨迹数据在交通路口的分布特性，首先提出一种基于LSTM(Long Short Time Memory)深度学习的转弯轨迹模式自动提取方法，训练好的模型可以对新的未知轨迹数据实现自动快速地提取转弯轨迹。其次，针对因路口转弯点的稀疏性而影响准确定位路口中心这一难点，提出一种联合补偿点计算和转弯轨迹航向变化幅度的方法选取路口候选点，然后通过聚类路口候选点识别道路交叉口。为验证和评估该方法的有效性，采用福州市鼓楼区出租车实际轨迹数据进行测试。结果表明，该方法道路交叉口识别准确率达到96.7%，为电子地图实时更新及无人驾驶自动导航应用等提供关键技术支持。

备注：2022.11.08 通过。报告编号：1-ZWHX0220017

论文类型：期刊论文

论文编号：13978

ISSN号：1000-2243

是否译文：否

CN号：35-1337/N

发表时间：2022-10-08