一种基于地图匹配和变化区域监测的路网核查方法
A Method of Road Network Verification Based on Map Matching and Change Area Monitoring
DOI: 10.12677/GST.2020.83012, PDF,    国家自然科学基金支持
作者: 胡玉龙*：中国交通通信信息中心，北京；王少渤, 徐长庆, 王 楚：山东理工大学，山东 淄博；逯跃锋：山东理工大学，山东 淄博；中国科学院地理科学与资源研究所，资源与环境信息系统国家重点实验室，北京；杨元维：长江大学，湖北 武汉
关键词: 相似性特征；匹配算法；变化检测；Similarity Feature； Matching Algorithm； Change Detection
摘要: 路网核查指利用各种技术手段，核实各地上报路网数据的真实性，传统的核查方法包括人工外业抽查，人工内业对比等方法，效率较低。本文通过一种“全自动排查 + 疑似人工复核”的方式提升路网核查效率，并提出定量化参考评价指标，消除不同作业人员评判标准不一致导致的核查结果差异。高速发展的浮动车时空轨迹结合高分辨率遥感技术是一种方便的解决方案。
Abstract: Road network verification refers to the use of various technical means to verify the authenticity of road network data reported by different regions. The traditional verification methods include manual field inspection, manual field comparison and other methods, with low efficiency. In this paper, a “full-automatic screening + suspected manual review” method is used to improve the effi-ciency of road network verification, and a quantitative reference evaluation index is proposed to eliminate the difference of verification results caused by the different evaluation standards of dif-ferent operators. It is a convenient solution to utilize the high-speed development of space-time trajectory of floating car and high-resolution remote sensing technology.
文章引用：胡玉龙, 王少渤, 徐长庆, 王楚, 逯跃锋, 杨元维. 一种基于地图匹配和变化区域监测的路网核查方法[J]. 测绘科学技术, 2020, 8(3): 97-105. https://doi.org/10.12677/GST.2020.83012

参考文献

[1] 李宇光. 海量低频浮动车数据道路匹配及行程时间估算[D]: [博士学位论文]. 武汉: 武汉大学, 2013.
[2] 任建平. 利用高分辨率遥感影像提取城市路网信息[D]: [硕士学位论文]. 兰州: 兰州大学, 2018.
[3] 闫菁. 基于高分遥感影像的道路信息快速提取技术研究[D]: [硕士学位论文]. 南昌: 江西农业大学, 2016.
[4] 张峰飞. 基于浮动车的交通信息服务系统关键技术研究[D]: [硕士学位论文]. 北京: 清华大学, 2014.
[5] Cao, C. and Sun, Y. (2014) Automatic Road Centerline Extraction from Imagery Using Road GPS Data. Remote Sensing, 6, 9014-9033. [Google Scholar] [CrossRef] 
[6] Shi, C.Y., Chen, B.Y. and Li, Q.Q. (2017) Estimation of Travel Time Distributions in Urban Road Networks Using Low-Frequency Floating Car Data. ISPRS International Journal of Geo-Information, 6, 253. [Google Scholar] [CrossRef] 
[7] Liu, X.L., Kang, L., Li, M., et al. (2017) A ST-CRF Map-Matching Method for Low-Frequency Floating Car Data. IEEE Transactions on Intelligent Transportation Systems, 18, 1241-1254. [Google Scholar] [CrossRef] 
[8] Zou, Y.H., Feng, Y.H., Huang, J.C., et al. (2018) Short-Term Forecast for Average Speed of Road Section Based on Floating Car Data with Support Vector Regression. Journal of Physics Conference Series, 1061, Article ID: 012017. [Google Scholar] [CrossRef] 
[9] 楚潇蓉, 逯跃锋, 陈坤, 陆黎娟, 范俊甫. 基于支持向量机与尺度不变特征转换算法相结合的线状矢量数据匹配方法[J]. 科学技术与工程, 2019, 19(28): 35-41.
[10] 安晓亚, 杨云, 刘平芝. 基于拓扑谓词的空间拓扑关系相似性度量模型与应用[J]. 地球信息科学学报, 2013, 15(2): 159-165.

为你推荐