袁嘉銘 楊 敏 余華飛 趙 煒

(武漢大學(xué) 資源與環(huán)境科學(xué)學(xué)院, 湖北 武漢 430072)

0 引言

在智能交通、自動駕駛、高效位置服務(wù)等技術(shù)需求驅(qū)動下[1],導(dǎo)航技術(shù)的發(fā)展呈現(xiàn)出兩大趨勢：一是由室外轉(zhuǎn)向室內(nèi)[2],二是在高精地圖支持下的精細(xì)化導(dǎo)航[3]。其中,高精地圖相比較傳統(tǒng)地圖對道路實體的表達(dá)精細(xì)度大大提升。這種精細(xì)度不僅體現(xiàn)在道路數(shù)據(jù)內(nèi)容拓展到車道級,道路網(wǎng)的覆蓋面也需大大增強[4]?，F(xiàn)有導(dǎo)航地圖道路數(shù)據(jù)主要描述城市的主干道層次,其末梢僅觸及社區(qū)、大院的外部,仍缺乏社區(qū)內(nèi)部的路網(wǎng)分支信息。這一問題容易引起導(dǎo)航結(jié)果無法滿足社區(qū)內(nèi)住戶的出行、物流等需求,進(jìn)而產(chǎn)生了“最后一公里”導(dǎo)航盲區(qū)問題。由于圍墻,柵欄等障礙物在空間上分割了社區(qū)的內(nèi)外路網(wǎng),使得社區(qū)間產(chǎn)生了封閉性[5]。2016年中共中央國務(wù)院印發(fā)《關(guān)于進(jìn)一步加強城市規(guī)劃建設(shè)管理工作的若干意見》,提到已建成的住宅小區(qū)和單位大院要逐步打開,實現(xiàn)內(nèi)部道路公共化,解決交通路網(wǎng)布局問題[6]。然而,現(xiàn)階段在城市化建設(shè)中去打通社區(qū)之間的封閉性暫時難以完全實現(xiàn)。

細(xì)粒度道路網(wǎng)是在城市社區(qū)、大院內(nèi)建筑物之間的通路,基本特點是路段長度普遍較短但空間分布較為密集,作為居民與城市主干道之間的過渡路段出現(xiàn)。它們在城市道路網(wǎng)中大量分布,對城市規(guī)劃、交通模式研究有重要意義[7]。針對細(xì)粒度道路信息的提取,現(xiàn)階段主要存在兩種不同類型的方法：基于柵格影像數(shù)據(jù)進(jìn)行提取和基于車行全球定位系統(tǒng)(global positioning system，GPS)數(shù)據(jù)提取。其中,基于柵格遙感影像數(shù)據(jù)的道路提取算法在算法模型的構(gòu)建上要求為極為復(fù)雜,對原始影像數(shù)據(jù)的分辨率也要求較高,并且對數(shù)據(jù)噪聲敏感[8]。基于車行GPS數(shù)據(jù)的道路提取方法只能提取出含有行車功能的道路段數(shù)據(jù),缺少細(xì)粒度道路段中以步行功能為主的道路網(wǎng)[9]。

由于上述兩種細(xì)粒度道路提取方式存在著諸多問題,本研究嘗試基于社區(qū)建筑物數(shù)據(jù)提取內(nèi)部道路數(shù)據(jù)的策略。具體地,通過Delaunay三角網(wǎng)支持下的鄰近分析來提取社區(qū)內(nèi)建筑物之間的通道,并將提取的社區(qū)內(nèi)部道路銜接到城市主干道路網(wǎng)中,同時結(jié)合道路語義信息進(jìn)行高精度地圖的構(gòu)建,最終實現(xiàn)道路網(wǎng)末梢在社區(qū)內(nèi)部區(qū)域的補全。

1 方法

如圖1所示,本研究提出的方法包括邊界數(shù)據(jù)預(yù)處理、細(xì)粒度道路分支結(jié)構(gòu)提取,道路數(shù)據(jù)的融合加工三個基本步驟。

圖1 精細(xì)粒度道路分支結(jié)構(gòu)提取與融合框架

(1)邊界數(shù)據(jù)的預(yù)處理。首先通過對街區(qū)邊界數(shù)據(jù)與社區(qū)內(nèi)建筑物數(shù)據(jù)進(jìn)行求差,建立面狀通道數(shù)據(jù),然后根據(jù)建筑物數(shù)據(jù)的邊界幾何屬性對源街區(qū)數(shù)據(jù)邊界進(jìn)行加密預(yù)處理。

(2)細(xì)粒度道路分支結(jié)構(gòu)提取。利用約束Delaunay三角網(wǎng)進(jìn)行街區(qū)道路結(jié)構(gòu)線提取。該步驟將復(fù)雜的街區(qū)面狀要素之間隱含的語義信息進(jìn)行抽象與提取[10],繼而得到街區(qū)道路細(xì)粒度的分支結(jié)構(gòu)。

(3)道路數(shù)據(jù)的融合加工。將提取到的道路網(wǎng)分支結(jié)構(gòu)按綜合規(guī)則進(jìn)行幾何形態(tài)的調(diào)整,再對優(yōu)化后的道路段進(jìn)行語義信息的添加,并融合到現(xiàn)有的道路網(wǎng)體系中。

1.1 邊界數(shù)據(jù)預(yù)處理

首先,對街區(qū)面狀要素數(shù)據(jù)和社區(qū)內(nèi)建筑物數(shù)據(jù)進(jìn)行疊置分析求差,獲取面狀通道數(shù)據(jù),如圖2所示。后一階段,進(jìn)一步提取面狀通道的中軸線作為社區(qū)內(nèi)部的道路結(jié)構(gòu)線。其中,街道中軸線提取的關(guān)鍵思想是探測邊界之間的鄰近關(guān)系,進(jìn)而對不同段處街區(qū)邊界進(jìn)行識別配對[11]。Delaunay三角網(wǎng)在空間鄰近分析上是一種較好的支持模型,在多邊形群的合并、地圖綜合沖突關(guān)系探測與移位處理[12]、地貌形態(tài)分析中[13],取得了令人滿意的結(jié)果。因此,本文利用Delaunay三角網(wǎng)探測面狀通道節(jié)點間的鄰近關(guān)系并提取中軸線。為保證構(gòu)建的三角網(wǎng)能具有更好的邊界鄰近關(guān)系探測能力,實驗中會對通道的邊界依據(jù)等長距離進(jìn)行點要素增密處理,加密距離計算見式(1)。

圖2 提取面狀通道

(1)

1.2 道路分支結(jié)構(gòu)提取

如圖3所示,對加密處理后的面狀通道節(jié)點構(gòu)建Delaunay三角網(wǎng)模型。在此基礎(chǔ)上,三角網(wǎng)中三角元進(jìn)行分類,依據(jù)三角元的分類情況進(jìn)行街區(qū)結(jié)構(gòu)線的構(gòu)建與提取。

圖3 三角網(wǎng)構(gòu)建

(1)三角元分類。參考三角元與其相鄰三角元的關(guān)系,對三角網(wǎng)中的每個三角元進(jìn)行分類。如圖4所示,只有一邊有鄰接的三角形定義為I類,三角形的兩條邊均存在鄰接的三角形則定義為II類,三角形三條邊存在鄰接三角形則定義為III類。注意邊界在街區(qū)外圍上的三角元不計入鄰邊統(tǒng)計。

圖4 三角元分類

(2)道路結(jié)構(gòu)線的提取。三角形分類完畢后,將按照一定方法對上述的三類三角形進(jìn)行連接。這里將兩鄰近三角形的公用邊稱為鄰近邊。如圖5(a)所示,Ⅰ類三角形連接唯一鄰近邊的中點與其相對的頂點,Ⅱ類三角形連接兩條鄰近邊的中點,Ⅲ類三角形連接重心與三邊的中點。按照以上規(guī)則提取每個三角形區(qū)域的結(jié)構(gòu)線并連接成網(wǎng),最后得到圖5(b)所示的街區(qū)內(nèi)部道路結(jié)構(gòu)。

圖5 道路幾何結(jié)構(gòu)的提取

1.3 道路數(shù)據(jù)的融合加工

1.3.1 路網(wǎng)優(yōu)化

上一步驟提取得到的道路結(jié)構(gòu)線還需要進(jìn)行優(yōu)化調(diào)整,主要包括結(jié)構(gòu)線節(jié)點抽稀和交叉口優(yōu)化處理兩個方面：

(1)節(jié)點抽稀。由于在數(shù)據(jù)預(yù)處理階段對原始街區(qū)多邊形弧段數(shù)據(jù)進(jìn)行了增密預(yù)處理,使得提取后道路網(wǎng)上存在大量多余節(jié)點,可能導(dǎo)致道路在幾何形態(tài)上出現(xiàn)大量不規(guī)則抖動。道路要素上過于密集的矢量點并不會提升道路網(wǎng)的精度,反而會提高道路融合的復(fù)雜度與網(wǎng)絡(luò)分析上的耗時。因此,需要利用道格拉斯-普克(Douglas-Peucker)算法和基于Delaunay三角網(wǎng)的包絡(luò)區(qū)線化簡算法[14]去除提取得到道路結(jié)構(gòu)線上冗余的節(jié)點,在保留道路關(guān)鍵幾何特征點的基礎(chǔ)上降低矢量點密度。

(2)道路交叉口處理。經(jīng)過骨架線提取算法得到的道路網(wǎng)還存在著在道路網(wǎng)匯集處出現(xiàn)不合理表達(dá)的問題。如圖6所示,該類問題出現(xiàn)的原因是在街區(qū)路網(wǎng)交匯處出現(xiàn)的兩個相對Ⅲ類三角形進(jìn)行重心連接,使得連接處產(chǎn)生了兩個“Y”型道路連接。針對該問題,本研究通過閾值搜索出這類路段并刪除,再進(jìn)行路段的直角化重構(gòu),將相對的Ⅲ類三角元邊中點進(jìn)行連接并打斷,來構(gòu)建正確的道路網(wǎng)絡(luò)結(jié)構(gòu)。

圖6 道路交叉口直角化示意圖

圖7展示了優(yōu)化調(diào)整前后的道路結(jié)構(gòu)線。通過對比可以發(fā)現(xiàn)處理后的道路網(wǎng)消除了不規(guī)則的抖動,并優(yōu)化了道路交叉口結(jié)構(gòu),使得提取出道路網(wǎng)具有更加正確的道路網(wǎng)絡(luò)結(jié)構(gòu)。

圖7 處理前后道路網(wǎng)

1.3.2道路網(wǎng)的語義補全與融合

道路網(wǎng)的語義補全與融合是在社區(qū)內(nèi)細(xì)粒度道路提取的過程中重要的環(huán)節(jié),對路網(wǎng)進(jìn)行語義信息的補全有利于擴寬道路網(wǎng)在導(dǎo)航中的應(yīng)用領(lǐng)域,解決由于語義信息缺失而無法處理的導(dǎo)航問題。

不同粒度道路網(wǎng)融合的關(guān)鍵目的是將提取的社區(qū)內(nèi)道路段與城市主干道路段進(jìn)行匹配,并對匹配的道路段進(jìn)行連接與融合,讓細(xì)粒度道路網(wǎng)作為城市主干道路網(wǎng)的補充部分進(jìn)行路網(wǎng)末梢的補全。道路網(wǎng)匹配時首先依據(jù)已補全的語義信息判斷路段與外界的連通性,再對連通的路段以豪斯多夫(Hausdorff)距離作為指標(biāo)進(jìn)行連通主干道探測匹配[15],最后將匹配的路段進(jìn)行連接,實現(xiàn)社區(qū)內(nèi)外道路網(wǎng)的拓?fù)溥B通,融合后的道路網(wǎng)如圖8所示。

圖8 不同粒度道路網(wǎng)的融合

2 實例分析

本實驗采用了武漢市洪山區(qū)部分城市地物數(shù)據(jù)進(jìn)行道路拓展的精細(xì)化導(dǎo)航實驗。該區(qū)域包含817個建筑實體(包含學(xué)校、商圈、居民區(qū)等社區(qū)建筑)以及153 km城市主干道道路網(wǎng)數(shù)據(jù)。本實驗采用約束Delaunay三角網(wǎng)方法來對該區(qū)域的精細(xì)粒度道路網(wǎng)進(jìn)行提取,完善道路網(wǎng)的語義信息,并與城市主干道進(jìn)行了融合建網(wǎng)。通過對加入細(xì)粒度道前后的路網(wǎng)在網(wǎng)約車上車點的選取差異來進(jìn)行導(dǎo)航比對分析,根據(jù)社區(qū)內(nèi)能否通行車輛兩種場景對細(xì)粒度道路在城市導(dǎo)航上的應(yīng)用開展進(jìn)一步討論。

(1)社區(qū)禁行車輛。當(dāng)社區(qū)禁行車輛時,分析結(jié)果如圖9所示,用戶于位置A點呼叫網(wǎng)約車,司機處于位置E。由于社區(qū)內(nèi)禁行車輛,司機無法駛?cè)肷鐓^(qū)內(nèi)接送用戶,需從社區(qū)的外部選取一個上車點等待用戶自行上車。僅依據(jù)城市主干道路網(wǎng)進(jìn)行網(wǎng)絡(luò)分析時,由于社區(qū)內(nèi)路網(wǎng)缺失,導(dǎo)致在道路網(wǎng)末梢段僅能依照歐式距離作為權(quán)重來進(jìn)行導(dǎo)航分析,無法得到最優(yōu)的結(jié)果。如圖9(a)所示,僅依據(jù)城市主干道進(jìn)行導(dǎo)航分析,最終選擇的上車點為位置D,而對照實驗中加入細(xì)粒度道路網(wǎng)后的分析結(jié)果則如圖9(b)所示,選擇的上車點為位置B′。僅從歐氏距離上來看將位置D作為上車點相較位置B′離用戶位置更近,但考慮到網(wǎng)絡(luò)距離時,若以D點作為上車點,用戶需要行走的路線為A-B-C-D,而以B′點作為上車點時,用戶行進(jìn)的路線會縮短為A′-B′。可以看出依據(jù)融合后的路網(wǎng)進(jìn)行分析得出的上車點明顯縮短了用戶的步行距離。

(a)加入路網(wǎng)前

以圖9為數(shù)據(jù)例,對加入細(xì)粒度道路網(wǎng)前后導(dǎo)航結(jié)果進(jìn)行耗時分析,融合后路網(wǎng)所選擇的上車點在用時方面相較于融合前相比,在用戶步行耗時上降低了45.9%,總用時降低了33.9%。

(2)社區(qū)可通行車輛。當(dāng)社區(qū)內(nèi)道路允許司機直接駛?cè)霑r,社區(qū)內(nèi)精細(xì)粒度道路的補全在會進(jìn)一步優(yōu)化用戶的出行體驗。在圖9(b)中,司機可以駕車依照路線E′-B′-A′直接行駛至用戶建筑物門棟入口進(jìn)行直接接送,用戶花費在步行上的時間接近于零。若僅使用城市主干道路網(wǎng)數(shù)據(jù)進(jìn)行導(dǎo)航分析時,由于社區(qū)內(nèi)路網(wǎng)數(shù)據(jù)的缺失,司機無法直接接送用戶,仍選擇圖9(a)中的位置D作為上車點,用戶需要花費大量時間前往上車點D,極大地降低了的用戶的出行體驗與服務(wù)效率。

通過實驗對比可以得出,在進(jìn)行城市內(nèi)精細(xì)化導(dǎo)航時,如果不對道路網(wǎng)末梢進(jìn)行補全,當(dāng)導(dǎo)航區(qū)域涉及社區(qū)內(nèi)部時,導(dǎo)航結(jié)果會由于數(shù)據(jù)盲區(qū)的存在而出現(xiàn)錯誤或偏差,影響整體導(dǎo)航服務(wù)效率。補全后道路網(wǎng)能提供更高精度的道路數(shù)據(jù)和拓?fù)潢P(guān)系,面對社區(qū)內(nèi)部道路不同行車狀態(tài)的場景下開展導(dǎo)航分析時,均能明顯降低用戶取件、上車時間,避免錯誤導(dǎo)航結(jié)果影響用戶體驗,提高導(dǎo)航質(zhì)量。

3 結(jié)束語

本文利用街區(qū)建筑物數(shù)據(jù)進(jìn)行城市細(xì)粒度道路網(wǎng)提取,結(jié)合了道路語義信息進(jìn)行路段區(qū)分與融合,進(jìn)而實現(xiàn)城市道路網(wǎng)末梢補全。將本文方法應(yīng)用于精細(xì)化導(dǎo)航,實驗表明能夠有效提高導(dǎo)航的準(zhǔn)確性與效率,為城市化發(fā)展中“最后一公里”導(dǎo)航盲區(qū)問題的解決提供支撐。當(dāng)前的研究僅著眼于社區(qū)內(nèi)路網(wǎng)補全,以城市網(wǎng)約車上車點選取作為實驗分析,今后可以從高精地圖在室內(nèi)高效位置服務(wù)、智能網(wǎng)聯(lián)汽車、智慧交通等領(lǐng)域的構(gòu)建、可視化與應(yīng)用進(jìn)行進(jìn)一步的研究,如對高精地圖在自動駕駛過程中輔助環(huán)境感知,進(jìn)行目標(biāo)檢測,實現(xiàn)決策規(guī)劃進(jìn)行研究。