雙線道路形態特征單元自動識別方法研究

韋思亮，毛政元（福州大學 福建省空間信息工程研究中心，福建 福州 350002）

雙線道路形態特征單元自動識別方法研究

韋思亮，毛政元
（福州大學 福建省空間信息工程研究中心，福建 福州 350002）

城市道路地圖數據中有關道路形態特征的識別是一類急需解決的問題。提出了一種適合在雙線道路地圖數據中自動識別道路形態特征單元的方法，并相應地設計了計算機算法。實驗結果表明，該算法在穩健性、通用性、效率與自動化程度4個方面取得了顯著效果。

雙線道路地圖；形態特征單元；自動識別與提取

0 引言

道路地圖數據中道路的形態特征單元是道路網中主要的局部結構。如何自動地識別和提取道路形態特征單元，是能夠更好地解決道路地圖數據中有關道路地圖自動綜合、道路自動匹配、模式識別等諸多問題的一個重要研究內容［1-3］。道路最重要的形態特征單元是道路的交叉口和拐彎處。關于道路交叉口的自動識別，參考文獻［4］提出了一種非結構化的道路交叉口方法，該方法能較準確地識別交叉口，但不能識別交叉口的形態特征，因而不能夠識別交叉口的類型。參考文獻［5］進一步提出了基于有向屬性關系圖的交叉口識別方法，能夠比較準確地識別道路典型交叉口的結構特征，很好地解決了識別道路交叉口類型的問題。但該方法也存在著兩方面的問題：一是該方法只能識別典型道路交叉口類型，對于非典型道路交叉口類型，需要更多的模板定義；二是該方法對數據質量要求高，在道路交叉口處不能出現拓撲錯誤。另外，以上兩種方法都不能夠直接應用于雙線道路地圖數據中的道路交叉口識別。

為了克服現有相關研究中的上述缺陷［6-9］，本文提出一種適合雙線道路數據中道路形態特征單元（以路口和拐彎處為例）的自動識別和提取方法。以下的討論按照道路形態特征單元定義、識別、提取與實證研究的順序逐一展開。

1 雙線道路形態特征單元的識別與提取方法

本文從總體上把道路形態特征單元的類型分為典型類型、非典型類型和復雜類型3大類。其中典型類型的識別方法是本文的重點，而非典型類型可以理解為是典型類型的變異或者幾個典型類型的組合，部分復雜類型由幾個典型/非典型組合而成。以下重點討論典型雙線道路形態特征單元的識別過程。

1.1 道路典型形態特征單元的分類及其表達

表1列出了道路典型形態特征單元的大類、小類與亞類之間的隸屬關系以及各亞類（或小類）在雙線道路地圖中的表達與對應的文字描述（定義）。

表1 道路典型形態特征單元的分類及其表達

1.2 道路形態特征單元的位置識別

道路形態特征單元的識別包括兩個步驟：其一，提取道路邊線上的特征點；其二，確定哪些特征點屬于同一個特征單元（路口或拐彎處），即通過這些特征點找到該特征單元的位置。

道路的特征點具備以下3個性質（如圖1和圖2所示）。

圖2 雙線道路路口處特征點分布

性質1道路邊線上特征點處的轉角（如圖1中θ1、θ2、θ3）明顯大于其兩側非特征點處的轉角，當一條道路邊線上屬于同一形態特征單元的特征點較多時，一般存在一個轉角最大的特征點（如圖1中的P2，圖2中的A①、B①、C①、D①，C②、D②、E①、F①）。

性質2能夠定義類似于式（1）的指標：

式（1）為某一道路邊線上第i個線段端點處的單位長度轉角（式中，θi為具有公共端點i的兩線段間的轉角，Li與Li+1分別為兩線段的長度），則只要道路邊線與實際道路的輪廓基本相符，該類指標的值一般穩定在一個特定的區間內。

性質3屬于同一個形態特征單元的特征點其空間位置相互鄰近（如圖2中A①、B①、C①、D①以及C②、D②、E①、F①），在絕大部分情況下，屬于同一道路特征單元的特征點其最近鄰操作具有封閉性（即若將屬于同一道路特征單元的各特征點作為一個集合，則與該集合中任何一點最鄰近的特征點仍然屬于該特征點集）。

根據上述性質，尋找邊界上存在的最大轉角或設置合理的指標閾值（只需針對有代表性的少量道路數據樣本進行簡單的訓練即可得到具有全局適應性的閾值），提取符合條件的特征點，再經抽稀，最后利用性質3設計尋找算法，即可得到圖3所示的基本道路形態特征單元識別結果。

圖3 基本道路形態特征單元識別結果

1.3 道路典型形態特征單元類型判別

經1.2小節中的步驟識別的道路形態特征單元，可進一步按照表2所列出的判據進行大類、小類（亞類）的細判，其中符號★表示根據屬于同一道路形態特征單元的特征點集計算得到的大致中心位置。

1.4 道路形態特征單元的形態特征部件提取

1.3小節在判斷道路形態特征單元的類型時需要利用其某些局部結構特征（本文稱為道路形態特征單元的形態特征部件）作為判別的判據。以下以T形路口為例說明提取道路形態特征單元幾何中心等形態特征部件的步驟（其余類型的形態特征部件提取方法類似）。

如圖4所示，L1、L2、L3分別是3條道路的中心線，是由各自道路兩側邊界線上對應節點連線的中點相連而成的。中線的端點（圖4中的P1、P2、P3）按所處道路平均寬度的1.3倍確定。圖4中C點為T形路口的中心點，是由T形路口3條邊界線間最小距離和求出的△abc的中心而定的。圓弧P1P2、P2P3、P1P3（實際會以直線段P1P3代替）是T形路口各道路中線之間的連接線，車輛在路口轉彎時一般要求行駛在連接線內側。以圓弧P1P2的計算方法為例：以P1為起點，P2為終點，以P1C和P2C為兩條切線，即可計算出圓弧P1P2。其他圓弧同理可求。

1.5 非典型、較復雜型道路形態特征單元的識別方法

非典型和較復雜型道路形態特征單元的識別方法是在典型道路形態特征單元識別方法的基礎上稍加改動或增加幾個判斷條件即可（1.2小節提供的方法已經能夠找到非典型、較復雜型道路形態特征單元的位置）。如圖5（b）、（c）是典型T形路口的變種，其類型判斷依據是將表2中典型T形路口的次位判據修改為道路中線互不垂直或者其中兩條道路中線是曲線。而圖6（b）中環形路口的判斷需要增加組成它的4個T形路口空間鄰近的判據。

表2 道路典型形態特征單元大類、小類與亞類的判據

圖4 T形路口細節信息的提取

圖5 典型道路交叉口變異為非典型道路交叉口

圖6 環形交叉口由圖5（c）變種組合而成

2 實驗與結果分析

本節所使用的樣本數據是福州市 1：500雙線道路數字線劃圖，如圖7所示，該數據部分道路存在一定的拓撲錯誤。利用1.2小節所介紹的性質1和性質2，設計了最大轉角法和單位長度轉角法提取道路邊線上的特征點；根據性質3設計了道路形態特征點與特征單元位置匹配的識別算法。在此基礎上提取了各道路形態特征單元的形態特征部件，并完成了其類型的判斷，結果如圖8所示。

圖7 福州市1：500雙線道路地圖（局部）

實驗結果表明：兩種方法提取的準確率都達到了80％以上，提取主干道路交叉口（如圖8兩幅圖中的a、b、c、d、e、f和j、k、l、m、n等處）的準確率接近100％。算法的準確率除了受自身因素之外，還受到數據記錄質量因素的影響：圖8（a）中的A、B等處，圖8（b）中的R、b、c等處路段的道路邊界線由于特征節點過于稀疏而導致算法程序不能判斷為路口或拐彎處。從兩幅圖的對比中可以看出，最大轉角法的識別成功率高于單位長度法的識別成功率，但在某些路段上（如圖8兩圖中的點A、B、X、R及路段g、h、i等處），兩種方法同時使用可以相互彌補對方的缺陷，從而在整體上提高道路形態特征單元識別的準確率。

3 結論

目前單、雙線道路形態特征單元識別與提取的相關研究比較少。本文所提方法在查全率和識別準確率兩個方面取得的效果與已有單線道路網中識別道路交叉口的方法相當［4-5］；在穩健性、通用性、效率與自動化4個方面優于現有雙線網中的識別方法［7-9］。與參考文獻［5］提出的方法相比較，本文提出的方法雖不能直接整體地識別大型復雜平面交叉口（如大型立交橋），但能識別其局部結構，故可借鑒參考文獻［5］中構造模板的方法原理，利用本方法識別的大型復雜平面交叉口的局部形態結構特征構造其模板（參照1.5小節環形路口的構成），最后達到識別大型復雜平面交叉口的目的。

圖8 兩種方法針對樣本數據集提取路口和拐彎處的結果

進一步改進本文所提出的算法，使其能夠適應道路邊線存在扭曲、交叉和缺失等質量問題的雙線道路地圖數據。同時在本文提出的識別道路典型/非典型形態特征單元方法的基礎上，加入模式識別的理念，解決本文遺留下來的復雜道路形態特征單元問題。最后將本文的研究成果集成到現有雙線道路地圖數據處理的相關算法和有關應用［10］之中，突破現有研究的局限性，是后續研究的目標。

［1］Yang Bisheng，Luan Xuechen，Li Qingquan.Generating hierarchical strokes from urban street networks based on spatial pattern recognition［J］.International Journal of Geographical Information Science，2011，25（12）：2025-2050.

［2］GULGEN F，GOKGOZ T.A block-based selection method for road network generalization［J］.International Journal of Digital Earth，2011，4（2）：133-153.

［3］欒學晨，楊必勝，李秋萍.基于結構模式的道路網節點匹配方法［J］.測繪學報，2013，42（4）：608-614.

［4］MACKANESS W A，MACKECHNIE G A．Automating the detection and simplification of junctions in road networks［J］．GeoInformatica，1999，3（2）：185-200．

［5］徐柱，蒙艷姿，李志林，等.基于有向屬性關系圖的典型道路交叉口結構識別方法［J］.測繪學報，2011，40（1）：125-131.

［6］HAUNERT J，SESTER M.Area collapse and road centerlines based on straight skeletons［J］.GeoInformatica，2008，12（2）：169-191.

［7］THOMAS F.Generating street center-lines from inaccurate vector city maps［J］.Cartography and Geographic Information Science，1998，25（4）：221-230.

［8］CHRISTENSEN A.Street centerlines by a fully automated medial-axistransformation［C］.Proceedings of GIS/LIS 96′Conference，Denver，1996：107-115.

［9］艾廷華，郭仁忠.基于約束 Delaunay結構的街道中軸線提取及網絡模型建立［J］.測繪學報，2000，29（4）：348-354.

［10］胡旭，劉滿祿，張華，等.基于特征模型的非結構化道路跟蹤算法研究［J］.微型機與應用，2012，31（17）：45-60.

Methodological research on automatically recognizing and extracting junctions and curves of roads from a double-boundary-road-network map

Wei Siliang，Mao Zhengyuan
（Spatial Information Research Center of Fujian Province，Fuzhou University，Fuzhou 350002，China）

Automatically recognizing and extracting morphological features of roads in map data of city is a kind of urgent problems.In this article，a method to recognize junctions and curves of roads in double-boundary-road-network map has been designed for overcoming the limitation of currently presented related methods and corresponding algorithms in solving the same problem.Experiment shows that the proposed method gains significant effect in respect of robustness，generality，efficiency and automation.

double-boundary-road-network map；morphological cells；automatically recognizing and extracting

P208

A

1674-7720（2015）18-0076-04

韋思亮，毛政元.雙線道路形態特征單元自動識別方法研究［J］.微型機與應用，2015，34（18）：76-79.

2015-04-29）

韋思亮（1986-），男，碩士研究生，主要研究方向：地球信息科學。

毛政元（1964-），男，博士，博士生導師，主要研究方向：地球信息科學。