.png){kind=icon}
返回
Trajectory-Driven Road Network Extraction via Coupled Multi-Level Grid Semantics
.png){kind=icon}
OA
AI
DOI：10.3390/ijgi15060254.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
道路网络提取与更新对城市发展、地图更新和移动性应用至关重要。现有基于轨迹的方法往往未能充分利用网格级语义信息和邻域上下文，从而限制了其在噪声、异构和跨城市轨迹条件下的鲁棒性。本研究提出了一种基于轨迹驱动的道路网络提取监督框架，通过结合网格内运动语义与网格间邻域上下文。采用多级特征，包括凸包形状描述符、方向聚类、基于DTW（动态时间弯曲）的异构性以及邻域密度差异，用于训练随机森林分类器进行关键网格检测。检测到的关键网格进一步通过形态感知细化与卡尔曼平滑处理，生成拓扑保持且可矢量化准备就绪的道路骨架。模型在深圳市行人轨迹上训练，并在零样本设置下直接迁移至武汉市和长沙市车辆轨迹。实验结果表明，所提出的方法相较于栅格化参考方法实现了更长的正确提取道路长度和具有竞争力的长度精度，而特征重要性分析和消融分析证实了邻域上下文的互补作用。所提出的流程具有可扩展性、可解释性和可迁移性，支持基于轨迹的道路地图更新和城市网络分析。
Keyword:
road network extraction
trajectory data
grid
morphology
random forest
期刊
I
IF:
2.8
论文数:
625
被引数:
0
机构
引用论文
Generating Road Networks for Old Downtown Areas Based on Crowd-Sourced Vehicle Trajectories.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏分享收藏分享收藏
查看更多内容