摘  要： 城市道路地圖數(shù)據(jù)中有關(guān)道路形態(tài)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(shù)據(jù)中自動識別道路形態(tài)特征單元的方法，并相應(yīng)地設(shè)計了計算機算法。實驗結(jié)果表明，該算法在穩(wěn)健性、通用性、效率與自動化程度4個方面取得了顯著效果。

　　關(guān)鍵詞： 雙線道路地圖；形態(tài)特征單元；自動識別與提取

0 引言

　　道路地圖數(shù)據(jù)中道路的形態(tài)特征單元是道路網(wǎng)中主要的局部結(jié)構(gòu)。如何自動地識別和提取道路形態(tài)特征單元，是能夠更好地解決道路地圖數(shù)據(jù)中有關(guān)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(nèi)容[1-3]。道路最重要的形態(tài)特征單元是道路的交叉口和拐彎處。關(guān)于道路交叉口的自動識別，參考文獻[4]提出了一種非結(jié)構(gòu)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(tài)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?qū)傩躁P(guān)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(jié)構(gòu)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(shù)據(jù)質(zhì)量要求高，在道路交叉口處不能出現(xiàn)拓撲錯誤。另外，以上兩種方法都不能夠直接應(yīng)用于雙線道路地圖數(shù)據(jù)中的道路交叉口識別。

　　為了克服現(xiàn)有相關(guān)研究中的上述缺陷[6-9]，本文提出一種適合雙線道路數(shù)據(jù)中道路形態(tài)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(tài)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(tài)特征單元的識別與提取方法

　　本文從總體上把道路形態(tài)特征單元的類型分為典型類型、非典型類型和復(fù)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(fù)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(tài)特征單元的識別過程。

　　1.1 道路典型形態(tài)特征單元的分類及其表達

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

　　1.2 道路形態(tài)特征單元的位置識別

　　道路形態(tài)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(zhì)（如圖1和圖2所示）。

　　性質(zhì)1道路邊線上特征點處的轉(zhuǎn)角（如圖1中θ1、θ2、θ3）明顯大于其兩側(cè)非特征點處的轉(zhuǎn)角，當(dāng)一條道路邊線上屬于同一形態(tài)特征單元的特征點較多時，一般存在一個轉(zhuǎn)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(zhì)2能夠定義類似于式（1）的指標(biāo)：

　　式（1）為某一道路邊線上第i個線段端點處的單位長度轉(zhuǎn)角（式中，θi為具有公共端點i的兩線段間的轉(zhuǎn)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(biāo)的值一般穩(wěn)定在一個特定的區(qū)間內(nèi)。

　　性質(zhì)3屬于同一個形態(tài)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(jù)上述性質(zhì)，尋找邊界上存在的最大轉(zhuǎn)角或設(shè)置合理的指標(biāo)閾值（只需針對有代表性的少量道路數(shù)據(jù)樣本進行簡單的訓(xùn)練即可得到具有全局適應(yīng)性的閾值），提取符合條件的特征點，再經(jīng)抽稀，最后利用性質(zhì)3設(shè)計尋找算法，即可得到圖3所示的基本道路形態(tài)特征單元識別結(jié)果。

　　1.3 道路典型形態(tài)特征單元類型判別

　　經(jīng)1.2小節(jié)中的步驟識別的道路形態(tài)特征單元，可進一步按照表2所列出的判據(jù)進行大類、小類（亞類）的細判，其中符號★表示根據(jù)屬于同一道路形態(tài)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(tài)特征單元的形態(tài)特征部件提取

　　1.3小節(jié)在判斷道路形態(tài)特征單元的類型時需要利用其某些局部結(jié)構(gòu)特征（本文稱為道路形態(tài)特征單元的形態(tài)特征部件）作為判別的判據(jù)。以下以T形路口為例說明提取道路形態(tài)特征單元幾何中心等形態(tài)特征部件的步驟（其余類型的形態(tài)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(cè)邊界線上對應(yīng)節(jié)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(zhuǎn)彎時一般要求行駛在連接線內(nèi)側(cè)。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(fù)雜型道路形態(tài)特征單元的識別方法

　　非典型和較復(fù)雜型道路形態(tài)特征單元的識別方法是在典型道路形態(tài)特征單元識別方法的基礎(chǔ)上稍加改動或增加幾個判斷條件即可（1.2小節(jié)提供的方法已經(jīng)能夠找到非典型、較復(fù)雜型道路形態(tài)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(jù)是將表2中典型T形路口的次位判據(jù)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(huán)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(jù)。

2 實驗與結(jié)果分析

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

　　實驗結(jié)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(shù)據(jù)記錄質(zhì)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(jié)點過于稀疏而導(dǎo)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(zhuǎn)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(tài)特征單元識別的準確率。

3 結(jié)論

　　目前單、雙線道路形態(tài)特征單元識別與提取的相關(guān)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(wǎng)中識別道路交叉口的方法相當(dāng)[4-5]；在穩(wěn)健性、通用性、效率與自動化4個方面優(yōu)于現(xiàn)有雙線網(wǎng)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(fù)雜平面交叉口（如大型立交橋），但能識別其局部結(jié)構(gòu)，故可借鑒參考文獻[5]中構(gòu)造模板的方法原理，利用本方法識別的大型復(fù)雜平面交叉口的局部形態(tài)結(jié)構(gòu)特征構(gòu)造其模板（參照1.5小節(jié)環(huán)形路口的構(gòu)成），最后達到識別大型復(fù)雜平面交叉口的目的。

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

參考文獻

　　[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(xué)晨，楊必勝，李秋萍.基于結(jié)構(gòu)模式的道路網(wǎng)節(jié)點匹配方法[J].測繪學(xué)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?qū)傩躁P(guān)系圖的典型道路交叉口結(jié)構(gòu)識別方法[J].測繪學(xué)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(jié)構(gòu)的街道中軸線提取及網(wǎng)絡(luò)模型建立[J].測繪學(xué)報，2000，29（4）：348-354.

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