具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明构建路网的基础思路是来自于专利《一种基于公交GPS轨迹数据的路况信息生成方法》，该专利中以路口和站点作为构建路网的基础节点，然后用节点与节点之间的连接来表示整个路网。本方法将该路网构建的概念提出了一种具体的实现步骤，如图1所示，具体可以概括为四个步骤：

步骤一、路口节点查找；

步骤二、连接路口节点生成路段；

步骤三、合并同名路段；

步骤四、增加路段路径信息。

首先，由于本研究只关心有公交行驶的道路，所以本研究使用已有的公交行驶数据，处理得到需要的路口，获取它们的位置信息、道路信息，保存为节点信息；

同样的道理，本研究仅需要有公交的道路，因此仍然使用公交行驶数据作为参考，找出节点之间的连接关系，并记录它们的方向、道路名，保存为路段数据；

为了方便管理，统一添加道路限速等信息，将同名同向的路段头尾相接合并为统一路段；

最后调用高德的路径规划接口，由路段首尾位置信息获取路段路径信息。

三、具体步骤

1.路口节点查找：

在研究过程中本方法给出了两种路口位置查找方法。第一种方法不借助其他服务，使用GPS轨迹进行计算，找出轨迹拐点位置。第二种是利用高德的逆地理编码API，获取轨迹附近的道路交叉点信息，作为路口。实验下来还是调用高德的API得到的路口位置更加精确完整(也不能说高德就完全精确，也有偏斜的情况，后面判断经过路口的时候可以调整识别半径来消除影响)。下面分别介绍两种方法的步骤。

1.1拐点计算法：

S1导入原始GPS轨迹数据，要求选取的时长T能够满足：轨迹覆盖所有线路经过的道路。轨迹数据中以车辆为单位，按发生时间排序，作为一条轨迹；

S2轨迹稀疏，使得每条轨迹两个相邻点之间至少间距一定距离。这一步一方面减少计算量，一方面减少异常点对角度计算的影响；

S3计算轨迹角度变化。每三个点计算中间点位置处的角度改变值，保存为该点的属性。为了避免信号丢失造成的误判，当前后点相距超过一定距离时不予计算；

S4累积相邻三点角度变化。对于大型路口左拐的情况，可能拐弯过程较长，每个点角度变化都不大，累积起来才能体现轨迹的拐弯情况，因此把每个点前后点的角度变化累加在一起，同时为了体现转弯中心点的位置，该点处的角度变化权重更高；

S5选出累积变化角度超过125的轨迹点作为疑似路口点；

S6聚合疑似点。对每个点，计算半径一定距离内所有疑似点的平均位置，保存为这个点的聚合位置，如果一定距离内没有其他点，标记为孤点。

S7每个点前进到其聚合位置，删除位置相同的点。当疑似点足够多时，舍弃孤点，多数为异常点。

S8重复S6、S7直到疑似路口点数量不再变化。舍弃孤点的步骤一般只在第一次聚合进行。将这一批疑似路口点保存为最终的路口节点。

1.2高德逆地理编码接口法：

S1导入原始GPS轨迹数据，要求与1.1S1相同；

S2(可选)稀疏轨迹，节约接口调用量、节省时间；

S3对每个轨迹点调用高德逆地理编码API，获取其最近的道路交叉点信息，当距离小于一定距离时，保存该路口位置到路口信息表中，作为路口节点；

S4删除密集路口。实验发现高德返回的路口节点有非常密集的情况，这对后面轨迹的连续性有一定影响，而且这种路口一般是小路的路口，不会有公交在这里行驶，所以增加这一步骤。

2.连接路口节点生成路段：

S1对找到的路口节点调用高德逆地理编码API，获取其最近的三条道路消息，将距离小于一定距离的道路保存为该节点所在的道路。道路可能为三条，例如当该路口为某一条道路的东段和西段的分界点时；

S2重新导入GPS轨迹数据，利用每一条轨迹，找出路口节点的连接关系，保存为拓扑关系字典。具体连接算法见附录1；

S3利用S2得到的节点连接关系建立路段信息表，包括它的首尾节点编号、经纬度、道路名，道路名由首尾节点的共同道路名获取。

3.合并同名路段：

S1计算每个路段的方位角。通过首尾节点位置可以计算出路段的大致方位角；

S2将同一道路，首尾相接的邻近路段合并为一个路段，同时保存被合并的节点作为其中间节点，具体算法见附录1。

4.增加路段路径信息

S1对于每一段合并后的路段，利用它的开始节点和结束节点调用高德路径规划API，返回得到步行规划路径(步行比驾车路径更加简洁)

按照上面的步骤可以得到一个城市公交运行所用的大部分路段和它们的地理信息。

四、测试实例

1.路口查找

使用桐乡的轨迹数据查找路口的结果如图2所示：

可以看到搜索到的路口数量在大部分道路上是多于需要的路口节点数量的，当一个路口处无车辆有拐弯的轨迹时，这个路口就没有什么作用，这种节点在找出路段后合并掉即可；

有的路口处被密集得识别出多个路口，这在后面的连接阶段会造成一定的影响，如图3所示，确实有多条道路在相近的位置交汇，但是那些小路并没有公交行驶，因此应该去除掉这部分节点。

也存在有路口高德未收录的情况，但是比较少，可以手动添加。如图4所示。

删除邻近的节点之后如图5所示：

2.连接节点

随机选取车辆轨迹，

正确率表示通过算法正确连接的路段数目与总数目的比值；

完整率表示通过算法正确连接的路段数目与人工连接的数目比值。

测试轨迹一：108968

车辆编号为‘108968‘的轨迹与连接结果可视化：如图6所示。

其中：

算法连接生成的路段数量为37，算法连接生成的正确路段数量为37，人工检查路段数量为38，连接正确率为100％，完整率97.4％，如表1所示。

表1

五次测试的平均正确率为99.3％，平均完整率为94.7％。导致不完整的原因均为路口数据的不完整，算法本身正确率很高。

3.合并路段

选取路段数量最多的5条道路，用下列参数衡量合并算法的合并率与正确率；

总路段数：道路所有路段总数；

总合并路段数：被合并的路段数量；

正确合并路段数：被正确合并的路段数量，如表2所示。

表2

平均合并率：99.5％，平均正确率：100％，导致未合并的原因为路口信息不准确，算法本身正确率很高。

4.获取路段信息

这一步采用高德的路径规划API，为了测试该API返回路径的正确性，选取路段数最多的十条道路，人工检查其路径是否正确。如表3所示。

表3

测试结果显示10条道路路径均正确，正确率为100％。

桐乡数据获得的路段在使用高德路径规划得到的路网市区部分如图7所示(道路不同方向增加了左右向的偏移以区分方向)(绿色曲线为路段规划轨迹、蓝点表示GPS轨迹、红、黄、绿点各表示路段起点、中间节点、尾点)，可以看到大部分公交运行路段都能覆盖到，只有画面右部的两处环形道路因为路径规划采用最近距离方法，所以没有得到正确的轨迹。

5.覆盖率测试

为测试本方法构建的路网的覆盖率，将公交GPS轨迹数据匹配到路网中，匹配方法是先将轨迹点的方位角与路段方位角比较，当角度差值小于指定角度时，计算其距离，当距离小于指定长度时被认为匹配成功。

下面分别就原始数据和其他时间的数据测试方位角差值90度和45度各个距离的覆盖率。

原始数据城市覆盖率如图8所示。其他时间数据城市覆盖率，如图9所示。

首先明确一个前提，一般城市快速路宽度最大为60m，加上GPS偏移距离，这个宽度大概可以设置在100m，因此匹配半径不应超过50m。

可以看到：

方位角偏差90度和45度的覆盖率在50m之前相差不大，为了匹配更加精确可以设置在45度；

覆盖率在限制距离达到30m后爬升逐渐平缓，说明大部分轨迹数据落在路网30m线宽区域；

原始数据50m覆盖率可以达到76％左右，其他时间覆盖率有72％左右。

本方法利用公交系统的GPS轨迹和高德的公开接口服务构建公交运行路网。路网使用路口作为节点，使用节点之间的连接关系表示路段，最终将路网表示为节点以及节点连接关系。构建步骤包括：路口节点获取、节点连接、路段合并、获取路径。节点连接的正确率可以达到99.3％，完整率94.7％，路段合并以及路段获取成功率较高。整个方法的效果主要受制于路口信息的获取，除此以外，对大部分路段支持良好，只有少数环形道路和多条路交叠(高架)的路段需要人工调整。

附录

附1连接节点的算法

术语规定：

拓扑字典topo：用于存放节点连接关系，字典的键表示一段连接的起点节点，值为终点节点和路段所在的道路名称组成的字典。结构如下

topo＝{

起点节点1:{

终点节点a:道路名,

终点节点b:道路名,

...

},

起点节点2:{

...

}

}

lastNode和Node：lastNode表示上一可用节点，初始值为空，表示无可用节点要连接，直到遇到可用节点。Node表示当前轨迹点经过的可用节点，经过一系列判断决定它是否与lastNode相连或者成为lastNode。

N：表示当前轨迹数据，N-1表示上一轨迹数据，N-0.5表示N与N-1的vs

算法流程图：如图10所示。连接函数流程图：如图11所示。

附2合并同名同向路段的算法；

术语解释：

mergedSectionList和mergedSection：mergedSection为合并路段，用列表表示，元素为路段的序号。mergedSectionList是由mergedSection组成的列表。算法开始的时候，mergedSectionList中的元素mergedSection是单一路段的单元素列表，在算法过程中，符合条件的mergedSection合并成为一个元素，被合并的原mergedSection添加到delList。

delList：如上所述，每次遍历路段表都会将被合并的路段加入到delList中，当某次遍历delList为空，表明合并结束，算法结束。

start和end：表示一个mergedSection的首尾路段，用于比较判断是否合并

算法流程图：如图12所示。

举例：

有3个路段序号为1，2，3，其中1和2应该合并为一个路段，那么在算法开始时：

mergedSectionList＝[[1],[2],[3]]

取一个mergedSectioni，即i＝[1]，把它的最后一个路段作为end，即end＝1.

取一个mergedSectionj，即j＝[1]，判断j不在delList，但是j＝i，所以取下一个j＝[2]，把它的第一个路段作为start，即start＝2.

判断路段1的尾节点和路段2的首节点相同，且1和2方向相近，道路名相同，所以把[1]、[2]合并，得到mergedSection[1,2]，并把被合并的[2]添加到delList。

[3]遍历完之后把mergedSectionList中的delList删掉，删掉了[2]，再重新走一遍，发现没有可以合并的，返回mergedSectionList＝[[1,2],[3]]。