馬 超,孫 群,陳換新,徐 青,楊 輝
1. 信息工程大學(xué)地理空間信息學(xué)院,河南 鄭州 450000; 2. 96633部隊(duì),北京100096; 3. 69027部隊(duì),新疆 烏魯木齊 830002
志愿者地理信息中天橋的自動(dòng)識(shí)別方法
馬 超1,孫 群1,陳換新2,徐 青1,楊 輝3
1. 信息工程大學(xué)地理空間信息學(xué)院,河南 鄭州 450000; 2. 96633部隊(duì),北京100096; 3. 69027部隊(duì),新疆 烏魯木齊 830002
基于天橋的幾何與屬性特征,提出了一種志愿者地理信息中自動(dòng)識(shí)別天橋的方法。天橋從幾何結(jié)構(gòu)上可分為主橋和附屬設(shè)施兩個(gè)部分,主橋部分特征鮮明,可以視為兩類分類問題,依據(jù)其幾何特征和屬性特征構(gòu)建特征空間,利用支持向量機(jī)的方法進(jìn)行識(shí)別;附屬設(shè)施部分可依據(jù)已識(shí)別的天橋主橋,按照路段的長度、屬性等判定規(guī)則進(jìn)行識(shí)別,從而完成整個(gè)天橋的自動(dòng)識(shí)別。以北京市OpenStreetMap(osm)數(shù)據(jù)進(jìn)行試驗(yàn)驗(yàn)證的結(jié)果表明,本文提出的方法能有效地識(shí)別出志愿者地理信息中的典型天橋結(jié)構(gòu),可以為志愿者地理信息道路網(wǎng)的多尺度建模與化簡、步行導(dǎo)航等提供幫助。
天橋;結(jié)構(gòu)識(shí)別;支持向量機(jī);志愿者地理信息
天橋是路口或交通繁忙路線上的跨橋,一般用來供行人或非機(jī)動(dòng)車輛跨越道路。隨著我國一線城市交通壓力的不斷增大,天橋作為一種解決人車矛盾的立體交通分離方式,作用日益突出,成為城市主干道路以及主要交叉路口不可或缺的一部分,也是步行導(dǎo)航、路徑規(guī)劃和可達(dá)性分析的重要內(nèi)容。一般地理數(shù)據(jù)中天橋數(shù)據(jù)相對(duì)較少且現(xiàn)勢(shì)性較差,而志愿者地理信息(volunteered geographic information,VGI)[1]卻包含了大量的天橋數(shù)據(jù)。VGI是由廣大志愿者自愿上傳、維護(hù)的地理信息,逐漸成為地理信息數(shù)據(jù)獲取的重要手段之一,能夠應(yīng)用于應(yīng)急制圖、出行導(dǎo)航、基礎(chǔ)地理信息更新等諸多領(lǐng)域[2-8]。VGI中天橋的識(shí)別與提取對(duì)于補(bǔ)充導(dǎo)航數(shù)據(jù)、深化VGI應(yīng)用等具有重要的意義。
天橋?qū)儆诘缆肪W(wǎng)中的微觀結(jié)構(gòu)。近幾年,道路網(wǎng)數(shù)據(jù)中微觀結(jié)構(gòu)的識(shí)別已成為道路網(wǎng)綜合的重要研究內(nèi)容[9-13],研究多集中在道路交叉口、平行路等的識(shí)別方面。目前道路交叉口識(shí)別的研究較多,文獻(xiàn)[14]采用了“定位——識(shí)別”的道路交叉口探測思路,首先利用道路交叉口區(qū)域節(jié)點(diǎn)密度較大的特征進(jìn)行定位,再根據(jù)圖形化簡的方式進(jìn)行識(shí)別化簡;文獻(xiàn)[15]則基于圖形結(jié)構(gòu)模式識(shí)別的思想進(jìn)行道路交叉口識(shí)別,利用有向?qū)傩躁P(guān)系圖的方法建立交叉口結(jié)構(gòu)庫,然后再通過對(duì)比的方式進(jìn)行識(shí)別;文獻(xiàn)[16]提出了一種基于道路功能分析的VGI交叉口識(shí)別方法;文獻(xiàn)[17]提出了一種利用道路類別和拓?fù)潢P(guān)系的立交橋整體識(shí)別方法平行路的識(shí)別方面,文獻(xiàn)[18]提出了一種基于多邊形形態(tài)分析的平行車道識(shí)別方法。
目前還沒有關(guān)于天橋數(shù)據(jù)的識(shí)別與應(yīng)用的研究,為此本文提出了一種VGI中天橋的自動(dòng)識(shí)別算法,從天橋的結(jié)構(gòu)特征出發(fā),識(shí)別過程分為主橋的識(shí)別和附屬設(shè)施的識(shí)別兩個(gè)步驟。主橋由于特征鮮明,可視為一種兩類分類問題;附屬設(shè)施部分由于與主橋連接,可根據(jù)已經(jīng)識(shí)別的主橋按照相關(guān)的判定規(guī)則進(jìn)行識(shí)別。最后以VGI最成功的項(xiàng)目OpenStreetMap(OSM)數(shù)據(jù)為試驗(yàn)對(duì)象,對(duì)所提出的方法進(jìn)行試驗(yàn)驗(yàn)證。
1.1 天橋特征分析與量化表達(dá)
天橋一般由橫跨道路的主橋和供上下橋的附屬設(shè)施構(gòu)成,主要作用是引導(dǎo)行人安全地穿越道路,而不影響道路中車輛的正常行駛。天橋在OSM數(shù)據(jù)中以線的方式進(jìn)行存儲(chǔ)。OSM數(shù)據(jù)包括點(diǎn)、線和關(guān)系等3種基本結(jié)構(gòu),其中線包括非閉合線、閉合線和區(qū)域等,由不超過2000個(gè)點(diǎn)構(gòu)成,非閉合線表示鐵路、公路等線要素,閉合線表示環(huán)形的線要素,如環(huán)形地鐵、環(huán)形交叉口等。OSM數(shù)據(jù)中并沒有針對(duì)微觀結(jié)構(gòu)的特殊標(biāo)識(shí),典型的天橋結(jié)構(gòu)如圖1所示。
天橋作為一種城市道路微觀結(jié)構(gòu),其位置、方向、形狀和規(guī)模及屬性信息等幾個(gè)方面,具有明顯的特征。
(1) 位置和方向。天橋的主橋橫跨在道路上,
與其橫跨的道路方向垂直或近似垂直。天橋一般修建在城市的主干道路上,主干道路在OSM數(shù)據(jù)中則是多條平行路。天橋的附屬設(shè)施則與道路方向平行或近似平行。
圖1 OSM數(shù)據(jù)中的天橋Fig.1 An overpass in OSM
(2) 形狀和規(guī)模。位于非交叉口的天橋一般只有一個(gè)主橋,形狀為“工”、“士”或“王”等。位于交叉口的天橋主橋可能是環(huán)形的,或呈現(xiàn)“井”字的形狀。主橋長度相對(duì)于一般道路而言較小,與道路的寬度相當(dāng)。
(3) 屬性信息。OSM數(shù)據(jù)不僅包含了天橋的幾何信息,還包含了豐富的屬性信息,尤其是道路類別,可以作為甄別天橋與其他道路的特征之一。OSM數(shù)據(jù)中,道路的類別一共有29種,但是天橋的道路類別可能取值只有9種,常見的類別是“footway”。
綜上所述,主橋的特征較為明顯:與道路方向垂直或近似垂直,長度稍大于道路寬度,道路類別取值范圍有限。因此,這些明顯的特征可以用來構(gòu)造特征向量,構(gòu)成兩類分類問題,進(jìn)而利用機(jī)器學(xué)習(xí)的方法解決主橋的判斷問題。本文使用4個(gè)指標(biāo)對(duì)主橋的特征進(jìn)行量化表達(dá),即方向角、橫跨度、長度和道路類別,如表1所示。
表1 主橋特征的量化表達(dá)
(1)
對(duì)于圓盤形的天橋主橋,定義其方向角為0°。
(2) 橫跨度。主干道路在OSM數(shù)據(jù)中一般以多條平行路的方式呈現(xiàn),核心的主干道路一般是4條平行路,次要的主干道路為兩條平行路。是否與主干道路相交是識(shí)別天橋的特征之一,為了量化表示這種特征,本文提出了橫跨度的概念。橫跨度指主橋與道路的交點(diǎn)個(gè)數(shù)。橫跨度越大,表示主橋跨越的道路等級(jí)越高。橫跨度與主橋長度具有一定的相關(guān)性:橫跨度大的主橋,長度會(huì)稍長。但是,橫跨度的本質(zhì)是反映道路的重要程度,這種重要程度不只與道路寬度相關(guān),還與道路的位置、地位相關(guān)。
(3) 道路類別。OSM數(shù)據(jù)中,道路類別以標(biāo)簽對(duì)的形式存在,如“highway=tertiary”。與其他特性相比,道路類別的取值為字符串,難以進(jìn)行比較。本文采用文獻(xiàn)[19]中提出的處理方法,將OSM數(shù)據(jù)中可能是天橋的9種類別合并成一個(gè),取值為1;其他道路類型合并為一個(gè),取值為0。
1.2 利用SVM方法自動(dòng)提取
支持向量機(jī)(support vector machine,SVM)作為一種典型的兩類分類算法,具有較強(qiáng)的穩(wěn)健性,本文采用SVM的方法對(duì)VGI數(shù)據(jù)中的天橋主橋結(jié)構(gòu)進(jìn)行識(shí)別。SVM基本原理如式(2)所示[19]
(2)
(3)
SVM的分類過程分為訓(xùn)練階段和分類階段兩個(gè)步驟:首先,需要已知分類結(jié)果的樣本庫對(duì)SVM進(jìn)行訓(xùn)練,得到分類效果較好的分類器。為了提高分類器的正確率,一般的樣本訓(xùn)練均采取交叉驗(yàn)證的方式進(jìn)行,將樣本分為訓(xùn)練樣本和驗(yàn)證樣本兩個(gè)部分,利用訓(xùn)練樣本進(jìn)行訓(xùn)練,再用驗(yàn)證樣本測試訓(xùn)練器分類結(jié)果;其次,得到分類器之后,可用于未知分類的樣本,根據(jù)式(3)中f(X)的值進(jìn)行判斷分類結(jié)果:值為1,則為正例(即天橋);反之,則為負(fù)例(即非天橋)。
1.3 天橋附屬設(shè)施的識(shí)別
天橋附屬設(shè)施是指連接天橋主橋兩端,供行人上下橋的階梯。與主橋相比,附屬設(shè)施的特征不夠明顯,不適合SVM方法進(jìn)行自動(dòng)識(shí)別。與天橋主橋相比,附屬設(shè)施的道路類型取值范圍與主橋相同,且附屬設(shè)施的長度較短,可通過設(shè)置一個(gè)長度閾值進(jìn)行判別。因此,附屬設(shè)施可以通過與已識(shí)別主橋的連接關(guān)系,依據(jù)附屬設(shè)施的道路類型取值和長度閾值等判斷規(guī)則進(jìn)行識(shí)別,主要步驟如圖2所示。
圖2 天橋附屬設(shè)施判別流程Fig.2 The judgement flow of the affiliated facilities
(1) 遍歷已識(shí)別的主橋,對(duì)于任一個(gè)未標(biāo)記主橋,查找與其相交的所有路段,構(gòu)成候選路段集。
(2) 遍歷候選路段,對(duì)于任一個(gè)未標(biāo)記路段,獲取其道路類別,判斷是否屬于可能是天橋的9種取值:若是,則保留該路段;反之,將其標(biāo)記為非天橋。
(3) 遍歷剩余候選路段,判斷其是否存在與之相連接的路段,若有,則將其合并成新的候選路段,繼續(xù)判斷,直到合并其所連接的所有路段;若無相連接的路段,則轉(zhuǎn)入步驟(4)。
(4) 進(jìn)行附屬設(shè)施長度判斷。設(shè)置附屬設(shè)施長度閾值LM,如果路段長度超過該閾值,則認(rèn)為該路段不是天橋,將其標(biāo)記為非天橋;反之,則標(biāo)記為天橋。
(5) 重復(fù)步驟(1)—(4),直到所有主橋的所有候選路段集標(biāo)記完畢后,結(jié)束識(shí)別過程。將主橋與其附屬設(shè)施連接到一起,構(gòu)成完整的天橋結(jié)構(gòu)。
2.1 試驗(yàn)數(shù)據(jù)
用于訓(xùn)練和測試的試驗(yàn)數(shù)據(jù)選取北京、上海、深圳3個(gè)城市部分城區(qū)的OSM數(shù)據(jù),建立樣本集共計(jì)500條,其中天橋數(shù)據(jù)187條,非天橋數(shù)據(jù)313條。這些樣本數(shù)據(jù)中,天橋附屬設(shè)施的平均長度為225 m,其中最長為400 m,為保證試驗(yàn)結(jié)果,本次試驗(yàn)設(shè)長度閾值LM=600 m。部分樣本集如表2所示,其中,特征空間依次為天橋的長度、方向角、橫跨度和道路屬性,類別1表示該路段屬于天橋主橋,類別-1表示該路段不是天橋主橋。
表2 部分樣本數(shù)據(jù)示例
續(xù)表2
2.2 SVM訓(xùn)練與測試
在進(jìn)行交叉驗(yàn)證時(shí),可將500個(gè)樣本通過隨機(jī)的方式分成10組,每組包含50個(gè)樣本,并隨機(jī)抽取一組樣本用于測試訓(xùn)練結(jié)果,其他樣本進(jìn)行訓(xùn)練。為提高分類器的分類正確率,訓(xùn)練過程一共進(jìn)行10次交叉驗(yàn)證,試驗(yàn)結(jié)果如表3所示。
表3 試驗(yàn)結(jié)果
試驗(yàn)平均耗時(shí)16.3 s,由表3可得,試驗(yàn)的平均正確率為90.4%,錯(cuò)誤率為9.6%,正確率較高還不能表明天橋識(shí)別效果較好。為此,需要計(jì)算上述分類結(jié)果的真正率和真負(fù)率。其中,真正率是正類樣本被正確分類的比率,真負(fù)率是被正確分類的負(fù)樣本的比率。上述試驗(yàn)結(jié)果的真正率和真負(fù)率分別為91.14%和90.5%,較高的真正率和真負(fù)率表明,該算法能夠很好地區(qū)分天橋與非天橋。未能正確識(shí)別的天橋主要是一些位于復(fù)雜道路交叉口的天橋,路段的幾何特征與天橋相似,難以進(jìn)行區(qū)分。
2.3 算法的應(yīng)用
將上述分類器應(yīng)用到未知分類的OSM數(shù)據(jù)中。試驗(yàn)數(shù)據(jù)為北京市城區(qū)部分(異于樣本集中的數(shù)據(jù)),采用ArcGIS10.2.2+Visual Studio 2010+Matlab 2009a進(jìn)行編程實(shí)現(xiàn),設(shè)置長度閾值LM=600 m,識(shí)別后的部分運(yùn)行效果如圖3所示。
經(jīng)過實(shí)地考察論證,該區(qū)域一共有25座天橋,分布在8條道路上。該算法能夠識(shí)別22座,錯(cuò)誤識(shí)別2座,未能識(shí)別3座。該試驗(yàn)結(jié)果的召回率為90.9%,該結(jié)果與SVM分類器訓(xùn)練測試的結(jié)果基本一致。其中部分未能正確識(shí)別的具體情況如圖4所示。
圖4 未能正確識(shí)別的天橋Fig.4 The incorrect recognized overpass in the experiment
圖4(a)是未能識(shí)別的天橋,未能識(shí)別的原因是該天橋結(jié)構(gòu)較為特殊,主橋成圓形,該種類型的天橋往往位于道路交叉口處,容易與環(huán)形的道路混淆(如表2中的樣本5),并且該種類型的天橋樣本數(shù)量較少(SVM訓(xùn)練樣本中,只有1個(gè)圓盤形天橋的樣本),因此在SVM分類時(shí),沒有成功識(shí)別;圖4(b)屬于過度識(shí)別的情況,主橋部分識(shí)別沒有問題,但是在識(shí)別附屬設(shè)施時(shí),錯(cuò)誤地將附屬設(shè)施所連接的非天橋路段識(shí)別為天橋,表明上述附屬設(shè)施的判別規(guī)則還存在一定的不足;圖4(c)展示了一種錯(cuò)誤將非天橋路段識(shí)別為天橋的情況,由于該路段與天橋特征極為相似,經(jīng)實(shí)地考察證實(shí),該路段實(shí)際為一部分步行道。
上述試驗(yàn)結(jié)果表明,對(duì)于一般形態(tài)的天橋,本文算法識(shí)別正確率較高;對(duì)于位于道路交叉口位置的天橋,如果主橋由不同的橋段構(gòu)成(如樣本5),算法在識(shí)別時(shí)將其作為多個(gè)不同的天橋進(jìn)行識(shí)別,正確率也較高。但是對(duì)于圓盤形的主橋,主橋形態(tài)較為特殊,與環(huán)形道路交叉口路段幾何特征類似,且該種類型天橋較少,因此難以有效識(shí)別。
2.4 與現(xiàn)有算法的比較
本文研究的范圍屬于道路結(jié)構(gòu)的微觀識(shí)別問題,與道路交叉口的識(shí)別問題本質(zhì)相同,因此有必要與現(xiàn)有的道路交叉口識(shí)別方法進(jìn)行比較。文獻(xiàn)[15]提出了一種基于屬性關(guān)系圖的道路交叉口識(shí)別方法,是比較典型的道路交叉口識(shí)別算法。從適用范圍上講,本文方法主要利用天橋的幾何結(jié)構(gòu)特征和屬性特征進(jìn)行識(shí)別,適用于各種形狀的天橋,而文獻(xiàn)[15]的方法則依賴于模板庫的完整性,僅能夠識(shí)別已定義好的天橋結(jié)構(gòu)。但是如果模板定義良好,可以識(shí)別較復(fù)雜的天橋結(jié)構(gòu),并且能夠保證識(shí)別結(jié)果的準(zhǔn)確性。兩種方法的比較如表4所示。
表4 兩種方法對(duì)比
上述兩種方法各有優(yōu)缺點(diǎn),應(yīng)用時(shí)可以互相補(bǔ)充,可利用本方法識(shí)別一般的天橋結(jié)構(gòu),對(duì)于諸如圓盤形等本文方法無法識(shí)別的天橋結(jié)構(gòu),可利用文獻(xiàn)[15]的方法定義這些天橋的結(jié)構(gòu)模板庫,并進(jìn)行識(shí)別。
天橋作為一種重要的道路設(shè)施,在步行導(dǎo)航、可達(dá)性分析中占有重要地位,但是目前天橋數(shù)據(jù)匱乏、現(xiàn)勢(shì)性差,因此研究VGI中天橋數(shù)據(jù)的識(shí)別與提取具有重要的理論意義和實(shí)用價(jià)值[20-21]。本文提出的基于SVM分類思想的天橋識(shí)別方法,首先利用SVM識(shí)別特征較為明顯的主橋,然后再利用附屬設(shè)施與主橋連接的特性對(duì)其進(jìn)行識(shí)別,從而完成天橋的整體識(shí)別。試驗(yàn)結(jié)果表明,本文提出的方法能夠較好地識(shí)別VGI數(shù)據(jù)中典型的天橋結(jié)構(gòu),但是對(duì)于特殊結(jié)構(gòu)的天橋,如不是橫跨主干道的天橋、主橋?yàn)閳A盤形的天橋等,還不能很好地自動(dòng)識(shí)別,還存在將數(shù)據(jù)中類似于天橋結(jié)構(gòu)的路段錯(cuò)誤地識(shí)別為天橋的情況。未來的研究應(yīng)該繼續(xù)挖掘天橋的更多特征,提高特殊天橋結(jié)構(gòu)的識(shí)別能力。
[1] GOODCHILD M F. Citizens as Sensors: The World of Volunteered Geography[J]. GeoJournal, 2007, 69(4): 211-221.
[2] SUI D, GOODCHILD M F. The Convergence of GIS and Social Media: Challenges for GIScience[J]. International Journal of Geographical Information Science, 2011, 25(11): 1737-1748.
[3] 張紅平, 顧學(xué)云, 熊萍, 等. 志愿者地理信息研究與應(yīng)用初探[J]. 地理信息世界, 2012, 8(4): 67-71. ZHANG Hongping, GU Xueyun, XIONG Ping, et al. Development and Application of Volunteered Geographic Information[J]. Geomatics World, 2012, 8(4): 67-71.
[4] 單杰, 秦坤, 黃長青, 等. 眾源地理數(shù)據(jù)處理與分析方法探討[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2014, 39(4): 390-396. SHAN Jie,QIN Kun,HUANG Changqing, et al. Methods of Crowd Sourcing Geographic Data Processing and Analysis[J]. Geomatics and Information Science of Wuhan University, 2014, 39(4): 390-396.
[5] HAKLAY M. How Good is Volunteered Geographical Information? A Comparative Study of Open Street Map and Ordnance Survey datasets[J]. Environment and Planning B: Planning and Design, 2010, 37(4): 682-703.
[6] FORGHANI M, DELAVAR M R. A Quality Study of the Open Street Map Dataset for Tehran[J]. ISPRS International Journal of Geo-Information, 2014, 3(2): 750-763.
[7] FLANAGIN A J, METZGER M J. The Credibility of Volunteered Geographic Information[J]. GeoJournal, 2008, 72(3-4): 137-148.
[8] 趙肄江, 周曉光. 地理信息志愿者信譽(yù)度評(píng)估的版本相似度模型——以面目標(biāo)為例[J]. 測繪學(xué)報(bào), 2015, 44(5): 578-584. DOI: 10.11947/j.AGCS.2015.20140065. ZHAO Yijiang, ZHOU Xiaoguang. Version Similarity-based Model for Volunteers’ Reputation of Volunteered Geographic Information: A Case Study of Polygon[J]. Acta Geodaetica et Cartographica Sinica, 2015, 44(5): 578-584. DOI: 10.11947/j.AGCS.2015.20140065.
[9] 蒙艷姿. 道路交叉口的結(jié)構(gòu)化識(shí)別與簡化[D]. 成都: 西南交通大學(xué), 2009: 54-67. MENG Yanzi. Structural Pattern Recognition and Simplification of Road Junctions[D]. Chengdu: Southwest Jiaotong University, 2009.
[10] YANG Bisheng, LUAN Xuechen, LI Qingquan. An Adaptive Method for Identifying the Spatial Patterns in Road Nerworks[J]. Computers, Environment and Urban Systems, 2010, 34(1): 40-48.
[11] 翟仁建. 基于全局一致性評(píng)價(jià)的多尺度矢量空間數(shù)據(jù)匹配方法研究[D]. 鄭州: 信息工程大學(xué), 2011. ZHAI Renjian. Research on Automated Matching Methods for Multi-scale Vector Spatial Data Based on Global Consistency Evaluation[D]. Zhengzhou: Information Engineering University, 2011.
[12] 欒學(xué)晨. 保持結(jié)構(gòu)模式的道路網(wǎng)數(shù)據(jù)多尺度建模[D]. 武漢: 武漢大學(xué), 2013. LUAN Xuechen. Methods for Modeling Levels-of-detail Road Networks with the Maintenance of Structural Patterns[D]. Wuhan: Wuhan University, 2013.
[13] 欒學(xué)晨, 楊必勝, 李秋萍. 基于結(jié)構(gòu)模式的道路網(wǎng)節(jié)點(diǎn)匹配方法[J]. 測繪學(xué)報(bào), 2013, 42(4): 608-614. LUAN Xuechen, YANG Bisheng, LI Qiuping. Pattern-based Node Matching Approach for Road Networks[J]. Acta Geodaetica et Cartographica Sinica, 2013, 42(4): 608-614.
[14] MACKANESS W A, MACKECHNIE G A. Automating the Detection and Simplification of Junctions in Road Networks[J]. GeoInformatica, 1999, 3(2): 185-200.
[15] 徐柱, 蒙艷姿, 李志林, 等. 基于有向?qū)傩躁P(guān)系圖的典型道路交叉口結(jié)構(gòu)識(shí)別方法[J]. 測繪學(xué)報(bào), 2011, 40(1): 125-131. XU Zhu, MENG Yanzi, LI Zhilin, et al. Recognition of Structures of Typical Road Junctions Based on Directed Attributed Relational Graph[J]. Acta Geodaetica et Cartographica Sinica, 2011, 40(1): 125-131.
[16] SCHEIDER S, POSSIN J. Affordance-based Individuation of Junctions in Open Street Map[J]. Journal of Spatial Information Science, 2012, 4(3): 31-56.
[17] 王驍, 錢海忠, 丁雅莉, 等. 采用拓?fù)潢P(guān)系與道路分類的立交橋整體識(shí)別方法[J]. 測繪科學(xué)技術(shù)學(xué)報(bào), 2013, 30(3): 324-328. WANG Xiao, QIAN Haizhong, DING Yali, et al. The Integral Identification Method of Cloverleaf Junction Based on Topology and Road Classification[J]. Journal of Geomatics Science and Technology, 2013, 30(3): 324-328.
[18] 欒學(xué)晨, 范紅超, 楊必勝, 等. 城市道路網(wǎng)主干道提取的形態(tài)分析方法[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2014, 39(3): 327-331. LUAN Xuechen, FAN Hongchao, YANG Bisheng, et al. Arterial Roads Extraction in Urban Road Networks Based on Shape Analysis[J]. Geomatics and Information Science of Wuhan University, 2014, 39(3): 327-331.
[19] 鄧乃揚(yáng), 田英杰. 支持向量機(jī)—理論、算法與拓展[M]. 北京: 科學(xué)出版社, 2009. DENG Naiyang,TIAN Yingjie.Support Vector Matchines—Theory, Algorithm and Extention[M]. Beijing: Science Press, 2009.
[20] 胡俊. 支持向量機(jī)參數(shù)優(yōu)化問題的研究[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2009. HU Jun. Research on Parameter Optimization of Support Vector Machine[D]. Harbin: Harbin Institute of Technology, 2009.
[21] 馬超, 孫群, 陳換新, 等. 利用路段分類識(shí)別復(fù)雜道路交叉口[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2016, 41(9): 1232-1237. MA Chao, SUN Qun, CHEN Huanxin, et al. Recognition of Road Junctions Based on Road Classification Method[J]. Geomatics and Information Science of Wuhan University, 2016, 41(9): 1232-1237.
(責(zé)任編輯:宋啟凡)
The Recognition of Overpass in Volunteered Geographic Information
MA Chao1,SUN Qun1,CHEN Huanxin2,XU Qing1,YANG Hui3
1. Institute of Geospatial Information, Information Engineering University, Zhengzhou 450000, China; 2. Troops 96633, Beijing 100096, China; 3. Troops 69027, Urumqi 830002, China
The paper presents an overpass recognition method in volunteered geographic information based on the geometry and attribute characteristics. The structure of the overpass is divided into the main bridge parts and the affiliated facilities. The main bridge parts with distinctive characters could be treated as a two-class classification problem. The characteristic vectors could build on the foundation of analysis and quantization the geometry and attribute characteristics. Then, the main bridge is recognized automatically through the support vector machine. The affiliated facilities of the overpass are recognized based on the main bridge with some relevant judgment rules. The OpenStreetMap(osm) is selected for the experiment. The results show that the method could effectively recognize the overpass and could provide help for the road simplification and walking guidance.
overpass; structure recognition; support vector machine; volunteered geographic information
The National High Technology Research and Development Program of China(863 Program)(No. 2012AA12A404); The National Natural Science Foundation of China(Nos.41571399; 41201391;41071297; 41201469)
MA Chao(1988—),male,PhD candidate,majors in multi-source spatial data fusion processing and digital cartography.
SUN Qun
馬超,孫群,陳換新,等.志愿者地理信息中天橋的自動(dòng)識(shí)別方法[J].測繪學(xué)報(bào),2017,46(2):246-252.
10.11947/j.AGCS.2017.20160070. MA Chao,SUN Qun,CHEN Huanxin,et al.The Recognition of Overpass in Volunteered Geographic Information[J]. Acta Geodaetica et Cartographica Sinica,2017,46(2):246-252. DOI:10.11947/j.AGCS.2017.20160070.
P208
A
1001-1595(2017)02-0246-07
國家863項(xiàng)目(2012AA12A404);國家自然科學(xué)基金(41571399;41201391;41071297;41201469)
2016-02-22
馬超(1988—),男,博士生,主要從事多源空間數(shù)據(jù)融合處理與數(shù)字地圖制圖研究。
E-mail: jielong018@126.com
孫群
E-mail: sunqun@371.net
修回日期: 2016-11-16