基于浮动车数据的矢量交通数字地图校正方法

1.基于浮动车数据的矢量交通数字地图校正方法，其特征在于：包括如下步骤：
1)对原始的矢量交通数字地图图层中的线图元节点进行匹配，以校正相邻线图元的连通性；
2)利用浮动车采集定位点；
3)将步骤1)获得的线图元节点作为初始聚类中心，获取与线图元节点相匹配的浮动车定位点数据作为聚类数据集，设置阈值，获取与线图元节点距离在阈值范围内的所有样本点，求这些样本点的平均值做为新的聚类中心，新的聚类中心即为校正后的线图元节点；
所述步骤1)具体包括如下步骤：
11)获取原始交通数字地图图层中的线图元节点集合，依次以线图元节点集合中的线图元节点为圆心，设定半径R，在半径R范围内的原始交通数字地图图层中搜素线图元，记录搜素到的线图元的个数；
12)如果搜索到的线图元个数为1，转到步骤16)；
13)如果搜索到的线图元个数为2，通过将两条线图元延长，找出延长后线图元的交点；
14)如果搜索到的线图元个数为3，则分别找出两两线图元延长线的交点，选择与某条线图元距离最近的交点作为三条线图元的交叉节点；
15)如果搜索到的线图元个数大于3，将各条线图元在交叉口处的线图元节点的坐标求平均，新的坐标点作为多条线图元的交叉节点；
16)判断所有线图元的节点是否处理完毕，若没有处理完毕，返回步骤11)，如此循环操作，直到所有的线图元节点都得到校正为止；
所述步骤3)具体包括如下步骤：
31)获取节点匹配后的矢量交通数字地图图层的节点集合；
32)依次以节点集合中的一个节点作为初始聚类中心，选取与初始聚类中心相似度在预设阈值范围内的所有定位点添加到浮动车数据定位点集合，即样本点集合；
33)对样本点集合中的定位点进行聚类分析，确定新的聚类中心；
34)以新的聚类中心作为初始聚类中心，选取与新聚类中心相似度在预设阈值范围内的所有定位点更新样本点集合；
35)以更新后的样本点集合中的所有定位点作为样本点进行聚类分析，确定新的聚类中心；
36)以新的聚类中心作为矢量交通数字地图图层节点校正后得到的点；
37)判断矢量交通数字地图图层的节点集合中的节点是否处理完毕，若没有处理完毕，返回到步骤32)，如此循环操作，直到所有的线图元节点都得到校正为止。
2.如权利要求1所述的基于浮动车数据的矢量交通数字地图校正方法，其特征在于：
半径R为电子地图的最大误差值。
3.如权利要求2所述的基于浮动车数据的矢量交通数字地图校正方法，其特征在于：
所述阈值设置为浮动车定位点的最大误差值加上线图元的宽度。

基于浮动车数据的矢量交通数字地图校正方法 \n技术领域\n[0001] 本发明涉及交通地理信息技术领域，具体涉及一种矢量地图的校正方法。 背景技术\n[0002] 目前，交通地理信息系统作为地理信息系统在智能交通领域的延伸，已经广泛应用于交通规划、交通建设和交通管理等领域。交通地理信息系统是建立在以矢量交通数字地图为基础的空间数据库之上的信息系统，矢量交通数字地图数据的准确性直接关系到交通地理信息系统的性能。由于测绘过程中存在的种种误差而造成现有的矢量交通数字地图数据准确度不高，因此，有必要通过科学的校正手段提高矢量交通数字地图数据的准确性。 [0003] 现有矢量交通数字地图的误差主要是由地图底图本身的变形、在数字化过程中人为的操作方式以及数字化设备的误差引起的。目前，矢量交通数字地图的校正方法主要有人工逐点校正以及根据数学关系进行校正计算，如几何变换、最小二乘法线性校正等传统校正方法；以及在传统校正方法基础上的改进方法，如离散非线性校正，基于矩阵变换校正等。杨映新和吴献文在“地图数据的误差和校正”一文中阐述了传统的地图校正方法，校正过程是通过一种函数关系，描述变换前图形坐标与变换后图形坐标之间的换算，然后选取控制点，求出函数关系中的未知系数，即可对地图图形进行校正变换。屈静和鲍远律在“交通矢量地图离散非线性校正算法”一文中提出利用对交通数字地图的校正点集进行校正，每调整一个样本点的位置，自动生成该点的一个新的邻域，并在此时处理该邻域内部的点。\n杨凌和常江龙在“一种基于道路知识的矢量地图数据校正方法”一文中提出将矢量数据信息中普遍存在的错误进行分类，通过对城市道路设计规范和城市道路相关知识的归纳，抽取出对各种类型错误的判定规则和校正算法进而进行矢量地图的校正。 [0004] 无论是采用人工逐点校正还是根据数学关系进行校正计算的传统校正方法及其改进方法都存在一定的问题：采用人工逐点校正方法校正交通数字地图时，不仅工作量大(不亚于重新独立绘制地图)，而且精度易受人为因素影响；采用函数关系进行校正计算的传统校正方法，不仅无法对矢量交通数字地图的拓扑错误进行校正，而且函数关系受控制点精度的影响很大，同时校正点的分布也对校正的精度有影响；用道路知识来进行矢量地图校正就必须对所有道路的情况进行实地了解，才能确保道路知识的准确性，比较费时。 发明内容\n[0005] 有鉴于此，为了解决上述问题，本发明提供一种基于浮动车数据的矢量交通数字地图校正方法，可以快速、准确、全面的对组成矢量交通数字地图的道路节点进行校正。 [0006] 本发明的目的是这样实现的：基于浮动车数据的矢量交通数字地图校正方法，包括如下步骤： \n[0007] 1)对原始的矢量交通数字地图图层中的线图元节点进行匹配，以校正相邻线图元的连通性； \n[0008] 2)利用浮动车采集定位点； \n[0009] 3)将步骤1)获得的线图元节点作为初始聚类中心，获取与线图元节点相匹配的浮动车定位点数据作为聚类数据集，设置阈值，获取与线图元节点距离在阈值范围内的所有样本点，求这些样本点的平均值做为新的聚类中心，新的聚类中心即为校正后的线图元节点。 \n[0010] 进一步，所述步骤1)具体包括如下步骤： \n[0011] 11)获取原始交通数字地图图层中的线图元节点集合，依次以线图元节点集合中的线图元节点为圆心，设定半径R，在半径R范围内的原始交通数字地 图图层中搜素线图元，记录搜素到的线图元的个数； \n[0012] 12)如果搜索到的线图元个数为1，转步骤16)； \n[0013] 13)如果搜索到的线图元个数为2，通过将两条线图元延长，找出延长后线图元的交点； \n[0014] 14)如果搜索到的线图元个数为3，则分别找出两两线图元延长线的交点，选择与某条线图元距离最近的交点作为三条线图元的交叉节点； \n[0015] 15)如果搜索到的线图元个数大于3，将各条线图元在交叉口处的线图元节点的坐标求平均，新的坐标点作为多条线图元的交叉节点； \n[0016] 16)判断所有线图元的节点是否处理完毕，若没有处理完毕，返回步骤11)，如此循环操作，直到所有的线图元节点都得到校正为止； \n[0017] 进一步，半径R为电子地图的最大误差值； \n[0018] 进一步，所述步骤3)具体包括如下步骤： \n[0019] 31)获取节点匹配后的矢量交通数字地图图层的节点集合； \n[0020] 32)依次以节点集合中的一个节点作为初始聚类中心，选取与初始聚类中心相似度在预设阈值范围内的所有定位点添加到浮动车数据定位点集合，即样本点集合； [0021] 33)对样本点集合中的定位点进行聚类分析，确定新的聚类中心； [0022] 34)以新的聚类中心作为初始聚类中心，选取与新聚类中心相似度在预设阈值范围内的所有定位点更新样本点集合； \n[0023] 35)以更新后的样本点集合中的所有定位点作为样本点进行聚类分析，确定新的聚类中心； \n[0024] 36)以新的聚类中心作为矢量交通数字地图图层节点校正后得到的点； [0025] 37)判断矢量交通数字地图图层的节点集合中的节点是否处理完毕，若没有处理完毕，返回到第2步，如此循环操作，直到所有的线图元节点都得到校 正为止； [0026] 进一步，所述阈值设置为浮动车定位点的最大误差值加上线图元的宽度。 [0027] 相对于现有技术，本发明的方法，对矢量交通数字地图在矢量化过程中产生的误差以及拓扑错误进行校正，并且无需选取控制点，在地图校正前先对地图中相邻线图元的连通性进行校正，可保证在地图校正过程中相关线图元的连通性以及几何特征不受影响，利用浮动车数据对地图进行校正，可保证校正后的地图的准确性，采用聚类算法进行地图校正，可很大地提高地图校正的速度，本发明的方法快速、准确、高效地解决线图元节点的误差，提高地图数据的准确性，以满足城市道路交通建设的飞速发展，为提高交通地理信息系统性能提供有用可靠的地图数据信息；在进一步的技术方案中，阈值设置为浮动车定位点的最大误差值加上线图元的宽度，这样可以保证剔除掉错误的浮动车定位点或者不相关的浮动车定位点；半径R设置为电子地图的最大误差值，可以保证所有相关线图元都能得到正确处理。 \n[0028] 本发明的其他优点、目标，和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书，权利要求书，以及附图中所特别指出的结构来实现和获得。 \n附图说明\n[0029] 为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述： \n[0030] 图1示出了对原始的矢量交通数字地图图层中的线图元节点进行匹配的流程示意图； \n[0031] 图2示出了基于浮动车数据的矢量交通数字地图校正方法流程示意图。 具体实施方式\n[0032] 以下将参照附图，对本发明的优选实施例进行详细的描述。 \n[0033] 基于浮动车数据的矢量交通数字地图校正方法，包括如下步骤： [0034] 1)对原始的矢量交通数字地图图层中的线图元节点进行匹配，以校正相邻线图元的连通性；参见图1，具体包括如下步骤： \n[0035] 11)获取原始交通数字地图图层中的线图元节点集合，依次以线图元节点集合中的线图元节点为圆心，设定半径R，半径R的确定主要依据是所用电子地图的精度，将R设定为电子地图的最大误差值，这样可以保证所有相关线图元都能得到正确处理，在半径R范围内的原始交通数字地图图层中搜素线图元，记录搜素到的线图元的个数； [0036] 12)如果搜索到的线图元个数为1，转步骤16)； \n[0037] 13)如果搜索到的线图元个数为2，通过将两条线图元延长，找出延长后线图元的交点； \n[0038] 14)如果搜索到的线图元个数为3，则分别找出两两线图元延长线的交点，选择与某条线图元距离最近的交点作为三条线图元的交叉节点； \n[0039] 15)如果搜索到的线图元个数大于3，将各条线图元在交叉口处的线图元节点的坐标求平均，新的坐标点作为多条线图元的交叉节点； \n[0040] 16)判断所有线图元的节点是否处理完毕，若没有处理完毕，返回步骤11)，如此循环操作，直到所有的线图元节点都得到校正为止； \n[0041] 2)利用浮动车采集定位点； \n[0042] 3)将步骤1)获得的线图元节点作为初始聚类中心，获取与线图元节点相匹配的浮动车定位点数据作为聚类数据集，设置阈值，获取与线图元节 点距离在阈值范围内的所有样本点，求这些样本点的平均值做为新的聚类中心，新的聚类中心即为校正后的线图元节点，参见图2，具体包括如下步骤： \n[0043] 31)获取节点匹配后的矢量交通数字地图图层的节点集合； \n[0044] 32)依次以节点集合中的一个节点作为初始聚类中心，选取与初始聚类中心相似度在预设阈值范围内的所有定位点添加到浮动车数据定位点集合，即样本点集合； [0045] 33)对样本点集合中的定位点进行聚类分析，确定新的聚类中心； [0046] 34)以新的聚类中心作为初始聚类中心，选取与新聚类中心相似度在预设阈值范围内的所有定位点更新样本点集合； \n[0047] 35)以更新后的样本点集合中的所有定位点作为样本点进行聚类分析，确定新的聚类中心； \n[0048] 36)以新的聚类中心作为矢量交通数字地图图层节点校正后得到的点； [0049] 37)判断矢量交通数字地图图层的节点集合中的节点是否处理完毕，若没有处理完毕，返回到第2步，如此循环操作，直到所有的线图元节点都得到校正为止； [0050] 上述的阈值由浮动车定位点的最大误差值以及线图元的宽度确定，阈值＝浮动车定位点的最大误差值+线图元的宽度，这样可以保证剔除掉错误的浮动车定位点或者不相关的浮动车定位点。 \n[0051] 按上述方法，对重庆市江北区的交通地图进行校正，部分重要路口、交叉口校正结果如表一、二所示。(R＝±15m，浮动车定位点精度为±15m) \n[0052] 表一：重庆市江北区部分重要路口、交叉口校正结果比较 \n[0053] \n[0054] 表二：重庆市江北区部分重要路口、交叉口校正前后经纬度与实测经纬度距离比较\n[0055] \n 路口、交叉口 名称 校正前与实测经纬 度距离(Km) 校正后与实测经纬 度距离(Km)\n 红石路岔口 0.00685 0.00255\n 红石路隧道 进口 0.00555 0.00059\n 红石路隧道 出口 0.00565 0.00202\n 建北二支路 (环路) 0.01499 0.00004\n[0056] 在WGS-84坐标系下，通过分析比较校正前后经纬度信息与实测经纬度信息的距离信息，校正前经纬度与实测经纬度距离的平均值为0.008223(Km)，校正后经纬度与实测经纬度距离的平均值为0.001264(Km)。显然校正后的精度明显提高。\n[0057] 以上所述仅为本发明的优选实施例，并不用于限制本发明，显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技 术的范围之内，则本发明也意图包含这些改动和变型在内。