多源交通GIS路网多层级实时融合更新方法与流程

多源交通gis路网多层级实时融合更新方法
技术领域
1.本技术涉及一种gis路网实时融合更新方法，特别涉及一种多源交通gis路网多层级实时融合更新方法，属于交通路网多层级融合技术领域。


背景技术：

2.随着城镇化进程和交通业的迅猛发展，道路网越来越复杂，各类道路交通网信息呈现出庞大性、多样性、复杂性的特点。与之同时，各领域对道路网路网的需求也日益精细化，不同层次行业对道路网表现出不同细节层次的需求。现阶段，对庞大的交通矢量数据在更为微观的层次(亚米级)上进行更细致的表达和模拟已投入应用。精细(亚米级)道路网数据具有内容更丰富、特征更多样、更新速度更快、表达层次更微观、更精细的特点，结合车道级数据更精细的车道级导航应用也在迅猛发展。而随着旨在解决交通运输领域存在的交通安全、效率和环境等问题,“车联网”的也应运而生,其重要发展分支是车辆与道路之间的精细位置匹配，“车联网”所涉及到的公路信息化对高精度导航定位提出了更高的要求，无人驾驶、无人车等技术应用的关键基础在于精确地车道级(亚米级)矢量网络数据的高精度指引判别。
3.同时，随着基础地理数据爆发式增长，地理数据原始积累逐渐完成，多源矢量数据的核心已从数据生产转变为数据更新，数据共享应用更新变成了关注热点。现势性日益成为现今数据评价的重要指标，而目前基于大规模、高精度多源矢量数据的获取已经实现，保证数据现势性的一个重要方法就是融合多源数据，采用多源数据各自的优点，完成数据的及时更新。但由于数据更新仍缺乏有效的机制和技术方法，更新速度慢、效果质量差成为难以保证数据现势性的亟待解决的问题。
4.现阶段四大主流矢量数据兴趣点数据、dlg、导航数据、探测车数据又拥有不同的数据特点。数据内容方面，兴趣点数据由地物包括的所有的兴趣点，包括地物的基本名称、坐标和关联属性信息，数据数字线划图包括地物所有可以抽象为点、线、面、体的矢量数据，数据格式一致、易于共享，而导航数据现阶段拥有多种数据格式，内容丰富；探测车数据包括了时刻回传的数据编号、位置、时间、速度等信息。数据更新方面，poi数据采取人工采集更新、用户更新审查等方式，dlg采取联动更新和动态更新的办法，其精度性好，但由于其元数据固有的现势性差的原因，导致数据现势性较差，而导航数据采用实时更新的办法，现势性好同时精度也比较高；数据更新方法方面dlg数据采用专业人员重新量测入库的方法，因此数据精度较高，也造成了消耗大、周期长的劣势，而导航数据可借助志愿者的力量集中更新，更新速度快，同时精度需要进一步提高。探测车通过搭载在出租车上的卫星导航接收仪等硬件措施，可每隔1-10s对搭载平台的位置、时间有准确的描述，但目前还存在着亚米级的定位精度误差。综上：多源交通矢量路网数据各有千秋，各自优点存在冲突点，因此，如何能够同时拥有多源数据的优点，摒弃其缺点成为解决问题的关键。
5.道路网模型现状：以弧段-结点模型为代表的传统道路网模型因其模型简单和易于应用得到了大量gis软件的应用，但随着数据量的增大，路线分段数的迅速扩张、未考虑
到弧段的属性变化、不能处理一对多的关系的弊端日渐突出，针对以上问题，综合发展多维lrs数据模型由于需要对基准层的维护，灵活性差，后期设计越来越倾向于复杂和精细化，也越来越难以实施；unetrans模型缺乏三维时态对象管理，没有考虑到实际车道拓扑；面向车道的多层次道路网模型提出的“虚拟车道”、“车道带”等概念不符合人们正常认知，对复杂地物如交叉路口、高架桥缺乏明确地建模标准。综上而言：现有道路网模型众多，优缺点各异，但在满足多源数据融合方面，未能满足多层次精细化(车道级)的融合需求。
6.多源矢量数据优点各异，在完成数据整合的基础上，如何融合多源矢量数据是解决多源矢量多层级融合的关键问题；路网所涉及对象彼此独立，对象与对象之间彼此联通，综合对象缺乏统一的模型标准；由于数据受众多样，因此对数据精度需求也千差万别，针对多样的需求构建合适的融合等级；结合矢量网络模型发展趋势和用户需求，亟需一种面向对象、多层次、面向亚米级的矢量网络融合模型。
7.综合来看，现有技术的多源路网融合更新存在明显不足，其主要缺陷和设计难点包括：
8.第一，现有技术以基础地理数据、高德、百度等导航数据为代表的矢量数据都没有真正实现从粗级(点、线对象)到精细级(实际车道)的数据实时融合应用与更新，存在数据未及时挖掘、数据模型层级对应关系缺乏、不能满足在ogc标准基础上接入不同的数据服务商等问题；一是现有数据模型众多、数据彼此不兼容,缺少细节层次上完善其分类定义的数据模型，缺少多层级实时融合框架；二是不同数据源的数据坐标系统与地图投影的不一致、属性分类分级与属性编码的不一致、和不同数据格式导致数据可视化出现偏差等问题，缺少路网多层级实时融合更新统一地理框架，无法实现针对于poi数据、探测车数据、道路网、数字线划地图的聚类分析，无法满足矢量数据的静态与动态更新融合；三是缺少多源矢量路网多层级融合更新工具；
9.第二，基于大规模、高精度多源矢量数据的获取已经实现，但融合多源数据更新仍缺乏有效的机制和技术方法，更新速度慢、效果质量差，难以保证数据现势性，现阶段四大主流矢量数据兴趣点数据、dlg、导航数据、探测车数据又拥有不同的数据特点，poi数据采取人工采集更新、用户更新审查等方式，dlg采取联动更新和动态更新的办法，其精度性好，但其元数据固有的现势性差；数据更新方法方面dlg数据采用专业人员重新量测入库的方法，因此数据精度较高，也造成了消耗大、周期长的劣势，而导航数据可借助志愿者的力量集中更新，更新速度快，同时精度需要进一步提高，探测车目前还存在亚米级的定位精度误差，多源交通矢量路网数据各有千秋，各自优点存在冲突点，现有技术无法同时拥有多源数据的优点，摒弃其缺点，无法对多套数据进行融合、更新，人工消耗大，无法充分利用不同数据源的优势，数据的复用率低；
10.第三，现有技术的道路网模型未考虑到弧段的属性变化、不能处理一对多的关系的弊端日渐突出，综合发展多维lrs数据模型由于需要对基准层的维护，灵活性差，后期设计越来越倾向于复杂和精细化，也越来越难以实施；unetrans模型缺乏三维时态对象管理，没有考虑到实际车道拓扑；面向车道的多层次道路网模型对复杂地物如交叉路口、高架桥缺乏明确地建模标准，现有道路网模型在满足多源数据融合方面，由于数据生产商为了数据垄断而产生数据结构壁垒，道路矢量层级定义缺乏，复杂地物表达缺失，未能满足多层次精细化(车道级)的融合需求，无法实现多源交通矢量路网数据的融合；
11.第四，现有技术面临多源地理数据融合的若干难题，一是不同生产部门按需生产的数据实现数据的整合，二是dlg、探测车数据、道路网、poi数据彼此都存在优缺点，很难实现车道级路网数据融合,无法使融合的数据属性丰富、更新速度快、实时准确，针对多源交通矢量路网数据缺少统一地理框架；无法面向道路网数据融合需求在计算机中的表示，缺少衔接多种异构数据的第三种道路网融合模型；缺少多种数据精确路段匹配、构建道路网与poi关联关系等融合算法，综合对象缺乏统一的模型标准，缺少一种面向对象、多层次、面向亚米级的矢量网络融合模型。


技术实现要素：

12.针对矢量数据都没有真正实现从粗级(点、线对象)到精细级(实际车道)的数据实时融合应用与更新，数据未及时挖掘、数据模型层级对应关系缺乏、不能满足在ogc标准基础上接入不同的数据服务商等问题，本技术提出多源路网矢量多层级实时融合更新方法；一是针对现有数据模型众多、数据彼此不兼容的问题,提出一种基于citygml标准的多源矢量路网多层级实时融合模型，在细节层次上完善其分类定义的数据模型，设计多层级实时融合框架；二是针对不同数据源的数据坐标系统与地图投影不一致、属性分类分级与属性编码不一致、和不同数据格式导致数据可视化出现偏差等问题，提出路网多层级实时融合更新统一地理框架，实现针对于poi数据、探测车数据、道路网、数字线划地图的聚类分析，达到多源数据类型内部、之间的高精度匹配与融合，满足矢量数据的静态与动态更新融合；三是实现多源矢量路网多层级融合更新工具，达到了较好的多层级路网融合的效果，为多层级矢量数据应用提供了新的数据融合思路和方法。
13.为实现以上技术效果，本技术所采用的技术方案如下：
14.多源交通gis路网多层级实时融合更新方法，一是基于ogc标准设置多层次、面向对象、车道级的道路模型；二是采用矢量网络和poi数据的高精度融合，提出基于citygml的五层数据融合模型，并实现涵盖交通gis路网多层级实时融合更新方法；
15.第一，多源矢量路网多层级实时融合模型：一是地理空间认知概念模型，包括融合模型五级层次划分、融合模型设计框架，二是地理空间数据逻辑模型，三是地理空间结构物理模型；
16.提出基于citygml标准的多源矢量路网多层级实时融合模型，在细节层次上完善其分类定义，设计多层级实时融合框架，基于矢量数据涵盖的不同要素的抽象表达方法和要素与要素之间、要素不同层级之间的几何、语义、拓扑关系，实现数据模型的三层架构设计；
17.第二，多源路网多层级实时融合更新模型算法：一是一致性协调融合，包括多源空间矢量数据一致性处理、空间坐标系统和地图投影的统一联合、分类分级和属性编码的统一联合、多源路网数据格式的转换统一，二是多源路网多层级模型的实时融合统一，包括多层级实时统一模型设计、实时融合模型与算法的联合统一，三是矢量路网数据自适应匹配融合，包括基于位置和语义相结合的poi匹配融合、基于路网变化模式的道路网匹配融合，四是探测车匹配与聚合，包括路网多层级融合更新的探测车特征要素计算、探测车与路网信息匹配、基于聚类分析的探测车热点路径计算；
18.提出路网多层级实时融合更新统一地理框架，进行多源数据融合匹配所涉及到的
前期数据整合和后期多源交通矢量路网数据的融合分析，实现对于poi数据、探测车数据、道路网、数字线划地图的聚类分析，达到多源数据类型内部、之间的高精度匹配与融合，满足矢量数据的静态与动态更新融合。
19.多源交通gis路网多层级实时融合更新方法，进一步的，融合模型五级层次划分：矢量地理数据主要涉及交通路网上各类数据，总体概述为行车道、交叉口、隧道、高架桥、环岛、广场六大基本要素，制定如下层次划分规则：
20.lod-0：采用点或线对各类特征进行位置的基本描述；
21.lod-1：采用面对各类特征进行形状描述；
22.lod-2：采用带接口的面描述各类特征的连通性；
23.lod-3：采用行车道级别的面描述各类特征的连通性和行车道形状；
24.lod-4：采用车道级的面描述各类特征的连通性和车道级的形状；
25.在上述模型模块、层次划分的定义下，综合得到多层级的概念层次划分图。
26.多源交通gis路网多层级实时融合更新方法，进一步的，融合模型设计框架：多层次道路网模型按照逻辑性质做分组分包，设置如下特征：
27.(1)特征一：网络特征包中对象包括丰富的多尺度几何特征，且通过内部编码表示关联构建多尺度几何表达；
28.(2)特征二：事件包括静态的设施和随机动态时间，且表现为点的多尺度形态；
29.(3)特征三：移动对象包括矢量道路网中的与交通行为有关的探测车对象；
30.(4)该模型设计基于查询、路径规划、位置参照、事件、网络特征、移动对象、领域知识、关系模块；
31.(5)领域知识包括对探测车数据的车辆类型、道路功能做规定性的分类，并给出特定的标识；
32.(6)查询包括要素内部、要素之间的相互查询功能。
33.多源交通gis路网多层级实时融合更新方法，进一步的，地理空间数据逻辑模型设计：对于多层次逻辑模型每个层次在几何、语义和拓扑上进行描述：
34.(1)lod-0对矢量网络进行最为宏观层面的抽象，以点或单线描述道路的最简洁的几何形态，其位置位于对象的中心，采用lod-o几何对象，从宏观层次上描述道路网布局；
35.(2)lod-1对矢量网络中所划分的对象对其形状的描述，不具有任何语义上的含义；
36.(3)lod-2对矢量网络中所划分的六大类对象按照彼此之间的连接结点划分对象出口,通过增加对象间结点赋予语义关系；
37.(4)lod-3对矢量网路系统的行车道级抽象，以双线描述矢量网络数据的几何形态，其双线位置位于行车道中心位置，对没有专门设置中央隔离带的道路，仍以单线表达；
38.(5)lod-4对矢量网络系统最详细抽象，描述车道级抽象地物，以多线描述道路的几何形态，每条线段具有方向性，每条线段具有不同的交通语义特征；
39.地理空间结构物理模型设计：将矢量路网中涉及的对象按照主要使用频率划分为六大类道路网要素和一大类poi要素,对道路网进行分段并描述各层次网络的拓扑构建方法，设置以下数据表达规则：
40.(1)规则一：对于lod0网络，对象之间定位选择在对象交汇处、路段定位选择在街
道的逻辑交汇处，在没有语义属性约束下，对象双向连通；
41.(2)规则二：高架桥、环岛建筑物，在lod0层面上以一个点状要素来表达；
42.(3)规则三：为保证多层次道路网模型中多层次之间的语义关联，增设路段结点。
43.多源交通gis路网多层级实时融合更新方法，进一步的，多源空间矢量数据一致性处理：分为空间坐标和地图投影的统一、分类分级和属性编码的统一、分类分级和属性编码的统一和数据格式的转换统一；
44.空间坐标系统和地图投影的统一联合：统一采用wgs84空间坐标系和高斯克吕格投影坐标，高程坐标系统采用1985国家高层基准，转换方法采用代码转换与arggis、envi图像处理软件相结合的形式，大批量的空间坐标系转换和投影坐标转换采用代码进行统一，单幅影像采用图像处理软件进行转换。
45.多源交通gis路网多层级实时融合更新方法，进一步的，分类分级和属性编码的统一联合：对矢量道路网和poi数据采用不同的分类分级、属性编码方式，其中矢量道路网分类分级按照道路网模型中的六类五层分类体系；
46.多源道路网分类分级与属性编码的联合统一：按照需要分类分级和属性编码的数据源，统一分为两大类：道路网数据和poi数据，其编码方法将按照以下规则：
47.1)道路网分类分级与属性编码：基于多层次道路矢量模型的设计，道路网分类分级按照六大要素进行分类，并按照五层次模型进行分级，其属性编码将按照地理空间结构物理模型编码方法；
48.2)poi数据分类分级与属性编码：按照四级分类体系进行分类。
49.多源交通gis路网多层级实时融合更新方法，进一步的，多层级实时统一模型设计:对现实世界地理实体及相互关系进行抽象,构建若干以地理区域为界的认识地理空间的窗口,数据区域包括若干数据块,每个数据块包括若干地理要素层,每个要素层之间在数据结构和组织上相对独立,数据更新、查询、分析和显示操作以要素层为基本单位；
50.多源路网多层级统一模型采用层次结构组织数据,同时采用拓扑结构的形式,基于面对象的整体目标操作,实现属性和几何数据的一体化管理,满足多源数据集成要求；
51.多源路网多层级统一模型以地理要素对象作为最基本的要素单元,每个地理要素对象作为最基本的要素单元,并将其属性数据和空间数据一体化存储,采用面向对象的数据存储和gis数据操作的整个过程；
52.实时融合模型与算法的联合统一：在不同层级实现不同算法的融合：
53.lod-o层级的提取：poi数据在模型设计中采用位置和语义近似度的关系在lod-o层级进行融合，在lod-0层级实现poi数据的融合矢量网络数据，根据精度水平最高的dlg数据获取其结点和几何中心位置，实现其0层级的融合；
54.lod-1层级根据属性表获取其形状特征，实现在1层级上的信息提取；
55.lod-2层级通过对象化要素求交获得其面域的连通性；
56.lod-3层级通过现将探测车数据进行方向性聚合和拓扑重构，实现探测车数据的线性化并与导航数据进行概率匹配实现lod-3层级融合；
57.lod-4层级通过方向性路网聚合和拓扑重构，实现探测车数据的线性化并与导航数据进行概率匹配实现lod-4层级融合。
58.多源交通gis路网多层级实时融合更新方法，进一步的，基于位置和语义相结合的
poi匹配融合：采用基于空间位置及属性信息相结合提高poi融合集的准确性；
59.基于路网变化模式的道路网匹配融合：包括三类：
60.第一类，相同区域，现势性较好的数据比现势性较差的数据包含更多内容的空间要素，属于空间数据匹配中的0：1匹配；
61.第二类，相同区域，现势性较好的数据比现势性较差的数据由于空间变化包括了更少内容的空间要素，属于空间数据匹配中的1：0匹配；
62.第三类：相同区域，现势性较好的数据替代现势性较差的空间要素，情况复杂多样；
63.针对矢量数据变化模式，满足实时和动态的矢量数据融合，从路网某一时刻点t去匹配时刻点t时刻点的地图变化,包括两种模式，一种为t时刻的道路网数据a去匹配ti的道路网数据b的地图匹配,第二种为采用实时传输的的pol数据去更新匹配某一时刻地图匹配。
64.多源交通gis路网多层级实时融合更新方法，进一步的，探测车匹配与聚合：探测车数据采用卫星导航定位技术，根据其采样率，每隔一段时间，定时记录其行车经纬度、时间信息，同时潜在瞬时速度经纬度信息通过探测车聚类分析方式和模型算法处理，并通过将探测车文本信息转换成空间数据格式信息，使其与路网数据在时间和空间上予以关联，实时动态检测路网信息变化，发掘车道与车道之间的联通关系，进而提取城市复杂路网几何、语义、拓扑信息；
65.1.路网多层级融合更新的探测车特征要素计算：路网多层级融合更新涉及的探测车数据定义和计算包括：
66.1)测定方向上的交通量ps：
67.ps＝(xd ye)/(rd re)式1
68.其中：
69.ps：lod-3层级待测方向上的交通量，单位：辆/min；
70.xd：lod-3层级上，朝该探测车对向行驶(顺测试方向)的来车数,单位：辆/min；
71.ye：lod-3层级上，某待测车辆在待定方向行驶时，超越该探测车的车辆数减去被该探测车超越的车辆数；
72.rd：lod-3层级上某待测车辆与测定车流方向与反向行驶时的行驶时间，单位：辆/min；
73.rs：lod-3层级上，某待测车辆顺待定测流方向行驶时的行驶时间，单位：min；
74.2)平均行程时间ts：
75.rs＝r
s-ys/ps式2
76.其中：rs为测定路段的平均行程时间；
77.3)平均车速us：
78.us＝(j/rs)
×
60式3
79.其中：us为观测路段的平均车速,单位km/h，j为观测路段的长度，单位km；
80.采用式1至式3进行计算时，xd，ye，rd，rs都取其算术平均值来计算，对数据集的清洗处理，车辆定位信息的异常通过求取定位信息的一阶差分的标准差进行判断，通过经纬度的方差判断其活动范围来清洗方向异常值，通过剔除粗差数据，规避由于误差数据导致
的数据过程的错误统计。
81.多源交通gis路网多层级实时融合更新方法，进一步的，探测车与路网信息匹配：根据高精度车道级路网数据的先验知识，修正探测车数据的定位误差，将探测车数据位置信息修正到正确的路网上，通过地图匹配算法将探测车文本数据信息与路网数据信息构建关联；
82.基于聚类分析的探测车热点路径计算：在无向基础上通过增加同向条件基础，寻找同向密度相连的探测车轨迹数据，通过挖掘探测车数据的分布规律,根据聚集类生成有向边,完成lod-4层级的数据提取，并得到复杂路网的拓扑结构图；
83.通过分析其空间数据的近似性与聚集特性，进一步分析探测车轨迹数据额空间分布模式和交通地理特性之间的关联性，最终通过聚类分析，挖掘到探测车数据的空间分布模式和交通地理关联性，采用有向数据的近似聚类分析，达到探测车数据的路网聚类分析效果，实现路网与探测车数据的动态及时融合。
84.与现有技术相比，本技术的创新点和优势在于：
85.第一，本技术面向高精度矢量数据融合的应用需求，针对于现有方法存在的问题：没有基于ogc标准可提供给不同地图供应商的多层次、面向对象、车道级的道路模型；无法实现矢量网络和poi数据的高精度融合，提出一种基于citygml的五层数据融合模型，并实现一种涵盖交通gis路网多层级实时融合更新方法；一是提出一种基于ogc标准的多层次、面向对象、车道级的融合模型，分别在概念、逻辑、物理三个层次上定义和描述该模型，对该模型所涉及到的几何、语义、拓扑有一个完整的解释；二是设计其所适应的数据融合方法，实现探测车的聚类分析、线性化与拓扑重构，矢量路网的基于聚类分析的的矢量路网匹配和poi数据的基于位置和语义近似度信息的融合；三是集成设计lod-s模型管理模块，并按照其功能设计坐标系统转换，分类分级、格式一致性处理、探测车数据聚类分析与拓扑重构、路网数据的概率化配准、lods模型生成管理六大模块；最后，以高德、天地图数据作为实验数据，结合探测车数据分析，实验结果表明，工具满足多元矢量数据融合的需要，相较于人工自适应融合，在满足多层次、精度高的前提下，可大幅提高效率；
86.第二，目前矢量数据都没有真正实现从粗级(点、线对象)到精细级(实际车道)的数据实时融合应用与更新，针对于该问题存在的数据未及时挖掘、数据模型层级对应关系缺乏、不能满足在ogc标准基础上接入不同的数据服务商等问题，本技术提出多源路网矢量多层级实时融合更新方法；一是针对现有数据模型众多、数据彼此不兼容的问题,提出一种基于citygml标准的多源矢量路网多层级实时融合模型，在细节层次上完善其分类定义的数据模型，设计多层级实时融合框架；二是针对不同数据源的数据坐标系统与地图投影不一致、属性分类分级与属性编码不一致、和不同数据格式导致数据可视化出现偏差等问题，提出路网多层级实时融合更新统一地理框架，实现针对于poi数据、探测车数据、道路网、数字线划地图的聚类分析，达到多源数据类型内部、之间的高精度匹配与融合，满足矢量数据的静态与动态更新融合；三是实现多源矢量路网多层级融合更新工具，适用于多源矢量数据的融合处理，达到了较好的多层级路网融合的效果，为多层级矢量数据应用提供了新的数据融合思路和方法；
87.第三，本技术面向多源交通矢量路网数据融合和应用需求，立足于现有矢量数据多元化、由于数据生产商为了数据垄断而产生的数据结构壁垒等现状，针对于现有矢量地
理数据优势各异、道路矢量层级定义缺乏、复杂地物表达缺失等问题，综合考虑多源矢量多层级融合的发展现状、多源矢量数据模型、算法，研究多源矢量多层级融合工具的设计与实现，实现了多源交通矢量路网数据的融合，达到增强多源融合矢量地理数据的现势性与精度的目的；一方面针对于不同生产部门按需生产的数据实现数据的整合，第二方面针对dlg、探测车数据、道路网、poi数据彼此优缺点，实现车道级路网数据融合,使融合的数据具有属性丰富、更新速度快、实时准确的特点。搭建的融合系统，能够对多套数据进行融合、更新，人工消耗极少，能够充分采用不同数据源的优势，提高数据的复用率。
88.第四，本技术的创新点还体现在三个层面上：一是针对于多源交通矢量路网数据，统一地理框架；二是解决面向道路网数据融合需求在计算机中的表示，提出道路网融合模型,衔接多种异构数据的第三种道路网融合模型；三是多种数据精确路段匹配、构建道路网与poi关联关系等融合算法；既提高现势性，通过实时更新的探测车数据更新路网数据；又提高精度，通过高精度路网、poi数据实时提高探测车数据的精度；通过对多源路网数据叠加探测车数据完成动态提高现势性和空间精度的融合目的，设计了多层次道路网模型，得到多层次、高精度、现势性好的多源交通矢量路网数据，具有良好的实用价值；
附图说明
89.图1是多源矢量路网多层级实时融合模型三个表达层次示意图。
90.图2是多源矢量路网多层级实时融合模型六大基本要素分类图。
91.图3是多源矢量路网实时融合模型多层级的概念划分图。
92.图4是多源空间矢量数据一致性处理处理流程图。
93.图5是多源交通gis数据分类分级规则代码设计流程图。
94.图6是多源poi数据分类分级与属性编码体系示意图。
95.图7是多源路网数据格式整合融合示意图。
96.图8是基于位置和语义相结合的poi匹配融合方案流程图。
97.图9是探测车数据有向聚类效果与拓扑结构图。
98.图10是本技术剪裁拼接前后的dem和dom数据图。
99.图11是探测车与路网数据叠加效果示意图。
100.图12是多源数据在车道级数据融合更新的效果图。
101.具体实施方法
102.下面结合附图，对本技术设置的多源交通gis路网多层级实时融合更新方法的技术方案进行进一步的描述，使本领域的技术人员能够更好的理解本技术并能予以实施。
103.目前以基础地理数据、高德、百度等导航数据为代表的矢量数据都没有真正实现从粗级(点、线对象)到精细级(实际车道)的数据实时融合应用与更新。针对于该问题存在的数据未及时挖掘、数据模型层级对应关系缺乏、不能满足在ogc标准基础上接入不同的数据服务商等问题，本技术提出多源路网矢量多层级实时融合更新方法。主要包括：
104.(1)针对现有数据模型众多、数据彼此不兼容的问题,提出一种基于citygml标准的多源矢量路网多层级实时融合模型，在细节层次上完善其分类定义的数据模型，设计多层级实时融合框架，基于矢量数据涵盖的不同要素的抽象表达方法和要素与要素之间、要素不同层级之间的几何、语义、拓扑关系，实现数据模型的三层架构设计。
105.(2)针对不同数据源的数据坐标系统与地图投影的不一致、属性分类分级与属性编码的不一致、和不同数据格式导致数据可视化出现偏差等问题，提出路网多层级实时融合更新统一地理框架，对多源地理空间道路网数据融合在几何、语义、拓扑方面的差异性进行解析，进行多源数据融合匹配所涉及到的前期数据整合和后期多源交通矢量路网数据的融合分析，实现针对于poi数据、探测车数据、道路网、数字线划地图的聚类分析，达到多源数据类型内部、之间的高精度匹配与融合，满足矢量数据的静态与动态更新融合。
106.(3)设计实现多源矢量路网多层级融合更新工具，验证模型的有效性、融合的精度和算法效率，通过实验结果可知，该融合模型适用于多源矢量数据的融合处理，达到了较好的多层级路网融合的效果，为多层级矢量数据应用提供了新的数据融合思路和方法。
107.多源交通gis路网多层级实时融合更新方法的具体步骤为：
108.步骤一，多源数据预处理：多源交通矢量路网数据的几何、属性、语义的一致性预处理；
109.步骤二，模型装载：按照多源矢量路网多层级实时融合模型的理念，将多源矢量数据按照多层次的概念分别予以装载入库。
110.步骤三，对于多源空间数据按照路网与poi点分别按照经典算法概率松弛法进行匹配、采用空间聚类分析采用路网数据清洗、融合探测车数据和基于空间、属性相结合的匹配融合方法对多源poi数据实施静态路网更新与融合；
111.步骤四，探测车数据空间化。矢量数据统一格式，并进行矢量一致性处理，装载入库；
112.步骤五，基于高精度矢量数据车道级探测车纠正与融合，将探测车数据叠加到路网数据，通过探测车与静态路网实时叠加与聚类分析，构建探测车路网，分析其拓扑关系，最终实现探测车数据与路网信息的动态实时融合。
113.一、多源矢量路网多层级实时融合模型
114.面向矢量融合的多源矢量路网多层级实时融合模型，设置五级融合层次模型，并分别从地理空间认知概念模型、地理空间数据逻辑模型、地理空间结构物理模型对融合模型在模块划分、几何、语义、拓扑上的多层次关联进行详细设计。
115.基于地理空间认知概念模型、地理空间数据逻辑模型、地理空间结构物理模型，对道路网的地理实体、表征及其关系进行抽象和描述，实现道路网从地理现实到计算机的三个表达层次，三个抽象表达的层次由上到下，由抽象到具体，如图1所示。
116.本技术采用uml语言描述，确立多源矢量多层级融合模型为交通gis矢量融合的逻辑模型，数据结构采用oracle的设计语言plsql阐释，其中，多源交通矢量路网数据建模分成五个步骤：需求建模、定义实体关系、正确表达地理要素、匹配数据库元素、物理设计。
117.(一)地理空间认知概念模型设计
118.1.融合模型五级层次划分
119.矢量地理数据主要涉及交通路网上各类数据，总体概述为行车道、交叉口、隧道、高架桥、环岛、广场六大基本要素，如图2所示。
120.融合模型的层次基于citygml层次划分规则，同时满足多层级应用需求，对不同层次进行补充定义，制定如下层次划分规则：
121.lod-0：采用点或线对各类特征进行位置的基本描述；
122.lod-1：采用面对各类特征进行形状描述；
123.lod-2：采用带接口的面描述各类特征的连通性；
124.lod-3：采用行车道级别的面描述各类特征的连通性和行车道形状；
125.lod-4：采用车道级的面描述各类特征的连通性和车道级的形状；
126.在上述模型模块、层次划分的定义下，综合得到多层级的概念层次划分图，如图3所示。
127.2.融合模型设计框架
128.多层次道路网模型按照逻辑性质做分组分包，设置如下特征：
129.(1)特征一：网络特征包中对象包括丰富的多尺度几何特征，且通过内部编码表示关联构建多尺度几何表达；
130.(2)特征二：事件包括静态的设施和随机动态时间，且表现为点的多尺度形态；
131.(3)特征三：移动对象包括矢量道路网中的与交通行为有关的探测车对象；
132.(4)该模型设计基于查询、路径规划、位置参照、事件、网络特征、移动对象、领域知识、关系模块；
133.(5)领域知识包括对探测车数据的车辆类型、道路功能做规定性的分类，并给出特定的标识；
134.(6)查询包括要素内部、要素之间的相互查询功能。
135.(二)地理空间数据逻辑模型设计
136.对于多层次逻辑模型每个层次在几何、语义和拓扑上进行描述：
137.(1)lod-0对矢量网络进行最为宏观层面的抽象，以点或单线描述道路的最简洁的几何形态，其位置位于对象的中心，采用lod-o几何对象，从宏观层次上描述道路网布局；
138.(2)lod-1对矢量网络中所划分的对象对其形状的描述，不具有任何语义上的含义；
139.(3)lod-2对矢量网络中所划分的六大类对象按照彼此之间的连接结点划分对象出口,通过增加对象间结点赋予语义关系；
140.(4)lod-3对矢量网路系统的行车道级抽象，以双线描述矢量网络数据的几何形态，其双线位置位于行车道中心位置，对没有专门设置中央隔离带的道路，仍以单线表达；
141.(5)lod-4对矢量网络系统最详细抽象，描述车道级抽象地物，以多线描述道路的几何形态，每条线段具有方向性，每条线段具有不同的交通语义特征；
142.表达路网多层级实时融合模型中的数据模型中的要素实体与oracle中的要素的对应关系。
143.(三)地理空间结构物理模型设计
144.将矢量路网中涉及的对象按照主要使用频率划分为六大类道路网要素和一大类poi要素,对道路网进行分段并描述各层次网络的拓扑构建方法，设置以下数据表达规则：
145.(1)规则一：对于lod0网络，对象之间定位选择在对象交汇处、路段定位选择在街道的逻辑交汇处，在没有语义属性约束下，对象双向连通；
146.(2)规则二：高架桥、环岛建筑物，在lod0层面上以一个点状要素来表达；
147.(3)规则三：为保证多层次道路网模型中多层次之间的语义关联，增设路段结点。
148.二、多源路网多层级实时融合更新模型算法
149.多源矢量多层级融合包括空间实体几何特征的融合、属性信息的融合和拓扑关系重构三个方面，多源矢量多层级融合主要涉及以下三个方面：
150.(1)一致性协调融合：包括空间做小系统和地图投影的统一、分类分级和属性编码的统一、数据格式的转换统一和数据模型的统一；
151.(2)poi数据和矢量线状数据的匹配融合算法：在几何、语义和拓扑关系上实现匹配并以某种源数据为基准，实现数据的空间匹配；
152.(3)探测车数据聚类分析算法：实现探测车数据从散乱点到路网有约束点的聚类分析过程。
153.(一)一致性协调融合
154.1.多源空间矢量数据一致性处理
155.多源空间矢量数据一致性处理处理流程如图4所示。将一致性处理分为空间坐标和地图投影的统一、分类分级和属性编码的统一、分类分级和属性编码的统一和数据格式的转换统一。
156.2.空间坐标系统和地图投影的统一联合
157.多源数据由于采用的坐标系统不一致，在叠合时容易产生偏移问题。由坐标系统产生的偏移分为三种：一种是由于空间坐标系统不一致导致的偏差，一种为投影坐标系统导致的偏差，还有一种为由于空间坐标和投影坐标均不一致导致的偏差。
158.(1)地理空间坐标系统即为以地球这个椭球中心点(参心/地心)建立的坐标系统，包括wgs84、西安80坐标系统、国家2000坐标系统，为保证一致性，将地理坐标系统统一。
159.(2)投影坐标系统是将空间坐标按照一定的数学投影方法转换为平面坐标的坐标系统，包括墨卡托投影、高斯克吕格投影、utm投影，后两者一般为前者的变种，在平面坐标系统上展现地图为保证地图正确性，在空间坐标系统统一的前提下同时将投影坐标系统统一。
160.本技术统一采用wgs84空间坐标系和高斯克吕格投影坐标，高程坐标系统采用1985国家高层基准，转换方法采用代码转换与arggis、envi图像处理软件相结合的形式，大批量的空间坐标系转换和投影坐标转换采用代码进行统一，单幅影像采用图像处理软件进行转换。
161.3.分类分级和属性编码的统一联合
162.在符合ogc标准的基础上，分析现有分类分级体系,对比其差异性,构建矢量数据融合分类分级体系和属性编码。数据分类分级是gis中空间数据组织的重要方式和内容。多源交通矢量路网数据分类分级是多源交通矢量路网数据编码的基础，编码是分类分级的最终体现，通过分类分级与属性编码，将现实世界特定实体唯一的存储在计算机中，便于数据库的组织与管理。
163.综合以上数据分类分级规则和标准，具体流程如图5所示。针对多源矢量多层级融合，本技术对矢量道路网和poi数据采用不同的分类分级、属性编码方式，其中矢量道路网分类分级按照道路网模型中的六类五层分类体系。
164.(1)多源道路网分类分级与属性编码的联合统一
165.本技术按照需要分类分级和属性编码的数据源，统一分为两大类：道路网数据和poi数据，其编码方法将按照以下规则：
166.1.道路网分类分级与属性编码：基于多层次道路矢量模型的设计，道路网分类分级按照六大要素进行分类，并按照五层次模型进行分级，其属性编码将按照地理空间结构物理模型编码方法。
167.2.poi数据分类分级与属性编码：按照四级分类体系进行分类，每一类的数量如下图6所示。
168.4.多源路网数据格式的转换统一
169.基于现有数据融合的需要，对于数据量较大的探测车数据，本技术采用ae二次开发，开发语言为c#将数据格式批量统一转化为shapefile文件，同时，对于单个文件，采用接受多种格式转化的应用软件fme对数据进行转化为shapefile文件,实现对多源数据的统一整合。
170.结合对融合数据的分析，采用fme软件与代码相结合的形式实现数据格式之间的转换，实现了多源数据的整合，如图7所示。
171.(二)多源路网多层级模型的实时融合统一
172.1.多层级实时统一模型设计
173.多源路网多层级统一模型对现实世界地理实体及相互关系进行抽象,构建若干以地理区域为界的认识地理空间的窗口,数据区域包括若干数据块,每个数据块包括若干地理要素层,每个要素层之间在数据结构和组织上相对独立,数据更新、查询、分析和显示操作以要素层为基本单位，地理要素层包括若干地理要素,它是地理实体和表征的基本表示。
174.多源路网多层级统一模型采用层次结构组织数据,同时采用拓扑结构的形式,基于面对象的整体目标操作,实现属性和几何数据的一体化管理,满足多源数据集成要求。
175.多源路网多层级统一模型以地理要素对象作为最基本的要素单元,每个地理要素对象作为最基本的要素单元,并将其属性数据和空间数据一体化存储,采用面向对象的数据存储和gis数据操作的整个过程,不仅使得数据操作简单,也使得增删空间对象、扩充各种新的数据类型更灵活。
176.2.实时融合模型与算法的联合统一
177.通过多源矢量多层级融合算法提高数据模型的有效性与精度，按照不同的层级，本技术在不同层级实现不同算法的融合。
178.lod-o层级的提取：poi数据在模型设计中采用位置和语义近似度的关系在lod-o层级进行融合，在lod-0层级实现poi数据的融合矢量网络数据，根据精度水平最高的dlg数据获取其结点和几何中心位置，实现其0层级的融合。
179.lod-1层级根据属性表获取其形状特征，实现在1层级上的信息提取；
180.lod-2层级通过对象化要素求交获得其面域的连通性；
181.lod-3层级通过现将探测车数据进行方向性聚合和拓扑重构，实现探测车数据的线性化并与导航数据进行概率匹配实现lod-3层级融合；
182.lod-4层级通过方向性路网聚合和拓扑重构，实现探测车数据的线性化并与导航数据进行概率匹配实现lod-4层级融合。
183.(三)矢量路网数据自适应匹配融合
184.1.基于位置和语义相结合的poi匹配融合
185.本技术采用基于空间位置及属性信息相结合提高poi融合集的准确性，基于位置
和语义相结合的poi匹配融合方案如图8所示。
186.2.基于路网变化模式的道路网匹配融合
187.地理环境改变而产生的空间表达的差异性,包括三类：
188.第一类，相同区域，现势性较好的数据比现势性较差的数据包含更多内容的空间要素，属于空间数据匹配中的0：1匹配；
189.第二类，相同区域，现势性较好的数据比现势性较差的数据由于空间变化包括了更少内容的空间要素，属于空间数据匹配中的1：0匹配；
190.第三类：相同区域，现势性较好的数据替代现势性较差的空间要素，情况复杂多样；
191.针对矢量数据变化模式，满足实时和动态的矢量数据融合，从路网某一时刻点t去匹配时刻点t时刻点的地图变化,包括两种模式，一种为t时刻的道路网数据a去匹配ti的道路网数据b的地图匹配,第二种为采用实时传输的的pol数据去更新匹配某一时刻地图匹配。
192.(四)探测车匹配与聚合
193.探测车数据采用卫星导航定位技术，根据其采样率，每隔一段时间(几秒钟)，定时记录其行车经纬度、时间信息，同时潜在瞬时速度经纬度信息通过探测车聚类等分析方式和模型算法处理，并通过将探测车文本信息转换成空间数据格式信息，使其与路网数据在时间和空间上予以关联，实时动态检测路网信息变化，发掘车道与车道之间的联通关系，进而提取城市复杂路网几何、语义、拓扑信息。
194.1.路网多层级融合更新的探测车特征要素计算
195.路网多层级融合更新涉及的探测车数据定义和计算包括：
196.1)测定方向上的交通量ps：
197.ps＝(xd ye)/(rd re)式1
198.其中：
199.ps：lod-3层级待测方向上的交通量，单位：辆/min；
200.xd：lod-3层级上，朝该探测车对向行驶(顺测试方向)的来车数,单位：辆/min；
201.ye：lod-3层级上，某待测车辆在待定方向行驶时，超越该探测车的车辆数减去被该探测车超越的车辆数(相对测试车测定方向上的交通量)；
202.rd：lod-3层级上某待测车辆与测定车流方向与反向行驶时的行驶时间，单位：辆/min；
203.rs：lod-3层级上，某待测车辆顺待定测流方向行驶时的行驶时间，单位：min。
204.2)平均行程时间ts：
205.rs＝r
s-ys/ps式2
206.其中：rs为测定路段的平均行程时间；
207.3)平均车速us：
208.us＝(j/rs)
×
60式3
209.其中：us为观测路段的平均车速,单位km/h，j为观测路段的长度，单位km；
210.采用式1至式3进行计算时，xd，ye，rd，rs都取其算术平均值来计算，为得到较好的纠正融合效果，避免噪声数据对融合过程的影响，对数据集的清洗处理，车辆定位信息的异
常通过求取定位信息的一阶差分的标准差进行判断，通过经纬度的方差判断其活动范围来清洗方向异常值，通过剔除粗差数据，规避由于误差数据导致的数据过程的错误统计。
211.2.探测车与路网信息匹配
212.探测车数据存在着亚米级的定位误差，同时在城市环境中，大规模、密度高的城市建筑物的影响，卫星导航定位精度误差还要更大一些,导致探测车数据不能直接落在道路范围内。同时城市路网非常密集复杂，为满足探测车数据定位在正确的道路上，路网数据与探测车数据的地图匹配必不可少，又由于探测车文本信息只反映车辆位置(经纬度坐标)和时间信息,未能与路网数据直接关联，因此需要根据高精度车道级路网数据的先验知识，修正探测车数据的定位误差，将探测车数据位置信息修正到正确的路网上，通过地图匹配算法将探测车文本数据信息与路网数据信息构建关联。
213.3.基于聚类分析的探测车热点路径计算
214.在无向基础上通过增加同向条件基础，寻找同向密度相连的探测车轨迹数据，通过挖掘探测车数据的分布规律,根据聚集类生成有向边,完成lod-4层级的数据提取，并得到复杂路网的拓扑结构图，实现有向聚类如图9所示，其中(a)为有向聚类效果图，(b)为自适应生成的拓扑结构图。
215.通过分析其空间数据的近似性与聚集特性，进一步分析探测车轨迹数据额空间分布模式和交通地理特性之间的关联性，最终通过聚类分析，挖掘到探测车数据的空间分布模式和交通地理关联性，采用有向数据的近似聚类分析，无需根据对车道级别路网数据先验知识高精度纠正，达到探测车数据的路网聚类分析效果，实现路网与探测车数据的动态及时融合。
216.三、实验与分析
217.(一)构建三维场景
218.三维场景的构建包括采用dem、dom对北京地区数据背景进行三维重建、路网数据加载到三维背景、和最终探测车数据的加载。三维场景的构建其目的在于验证路网和探测车数据的高程精度。
219.1.三维背景建模
220.三维场景的高程数据文件采用的是dem_1文件，通过envi转成.riff格式，即dem_1.riff,纹理贴图文件采用的是相同区域的dem.riff文件，通过接用osg编写了基于mfc的地形工具，读取dem,并生成3d场景模型，如图10所示，从图中可以看出路面起伏并不大。
221.2.探测车数据加载
222.首先选取覆盖在本区域范围内的探测车数据，并按照时间序列依次将符合条件的探测车数据(已经转为shp数据的探测车数据)文件导入数据库，将绘制而成的三维场景图叠加到路网数据中，便于目视其由于时间差异导致的两类数据描述的变化的地物，如图11，为验证分析该融合模型的有效性、精确度和效率做准备。
223.3.路网数据的加载。
224.路网数据按照其分类大致分为国家基础地理信息数据和路网数据，其中基础地理数据方面只研究dlg数据和各级别矢量数据生产部门所生产的矢量数据，而路网数据包括的较为广泛，包括天地图、天下图、高德、百度地图等多种来源的数据，这些数据由于其生产需求的不同而导致的数据异构问题通过数据一致性处理流程处理，将多源道路网数据纳入
在同一个地理框架之下，图11为在统一地理框架之下，探测车数据与路网数据的叠加效果图，可以看出来在统一地理框架之下,路网数据加载与探测车数据不存在叠加粗差。
225.4.模拟验证更新
226.根据所获得的探测车数据提取路段某一特征向量(密度、方向等)，构建交通矢量线状特征并构建结构关系，然后通过对该矢量进行融合和关联，并与实际各个结点路网情况、dom数据进行对比，验证数据融合效果的正确性与精度水平。实验数据预处理之后将所有数据叠加到一起,通过对路网上探测车数据进行多种统计分析来验证模拟和融合结果。其中poi点中，选择osm地图和百度地图中各自760个对象，根据规则，每一个poi数据都唯一的代表一个地理实体，彼此之间不存在重复问题；路网数据中，lod-0层级由地图数字化获取，保证了对象与对象之间的几何连通性，lod-1层级由属性由点状结构拓展到面状结构，lod-2层级由探测车数据流动方向获取带有出口的面状结构、lod-3层级通过计算探测车数据的对相行驶数目来检测更新、lod-4由探测车数据同向行驶的数据(密度)来检测。
227.多源poi数据融合结果：选择4组poi数据集合参与测试,这些poi集合具有不同的重合度，定义正例为2个兴趣点集合存在匹配项，反例则为没有匹配项。经poi数据融合算法处理之后，并通过目视检验，经过点融合算法处理之后，两组数据出现了较好的融合效果，仅个别由于地图间坐标误差较大导致未能正确匹配。
228.路网数据融合结果：实验验证分析了多源数据装载入多层次数据融合模型下，数据融合更新的效果。如图12所示，虚线部分为2021年高德数据，点状数据为2020年探测车数据和由点状数据连接并矢量化的线状数据，散点线为高德与矢量化同名点连接线。基于多源路网数据中心线特征，融合探测车数据，通过对多源矢量数据叠加、信息挖掘，按照融合模型设计，依次装载到数据库中，进一步得到包括多层级道路网路信息数据。如图可以看出由在通过车道级路网数据的对探测车数据进行纠正的之后，探测车数据可根据其拓扑化，实时进行车道级数据融合，满足了多层次可视化的需求。
229.(二)有效性
230.通过以上实验分析，poi数据、探测车数据和道路网数据装载在本技术设计的多层次道路网模型中，并实现了多源矢量数据的融合。实验表明，多源矢量多层级融合达到了较好的融合效果,从而验证了道路网模型、多源交通矢量路网数据融合方法的有效性。
231.(三)精确度
232.多源交通矢量路网数据融合工具最大的特点在于将亚米级车道数据纳入到融合范围中，可以满足不同层次的需求，在精度方面要显著的优于其他数据模型融合工具。
233.本技术提出的基于citygml标准，以矢量数据融合为目的的多层次、多源交通矢量路网数据模型为核心的多源交通矢量路网数据融合工具基本达到了既能在保证车道级数据使用的基础同时又满足了有效性与效率的要求。