面向野外地質(zhì)調(diào)查工作的道路提取方法研究

高 婷，黃 穎，郭明強

(1.中國地質(zhì)調(diào)查局西安地質(zhì)調(diào)查中心，陜西 西安 710054；2.武漢中地數(shù)碼科技有限公司，湖北 武漢 430074；3.中國地質(zhì)大學(xué)(武漢) 地理與信息工程學(xué)院，湖北 武漢 430074)

近年來，隨著移動智能設(shè)備和GIS技術(shù)的發(fā)展，關(guān)于GPS道路提取的相關(guān)研究也受到了學(xué)者們的關(guān)注[1]。通過GPS軌跡數(shù)據(jù)提取路網(wǎng)數(shù)據(jù)是一個非常復(fù)雜的問題，需要對數(shù)據(jù)進行預(yù)處理，但是也不能完全除去數(shù)據(jù)的誤差，目前還沒有很實用的一套基于單向步行數(shù)據(jù)的路網(wǎng)提取方法，但是很多研究者還是取得了一定的研究進展和成果。

文獻[2-11]提出多種道路提取方法，無論通過聚類算法提取道路還是改進B樣條曲線算法提取或者圖像處理等方法，大多都是基于大量的密集GPS點來提取道路的，并不能適用于野外地質(zhì)工作者的GPS道路軌跡數(shù)據(jù)，因為其軌跡數(shù)據(jù)的特點僅僅走過一趟小路獲取的軌跡數(shù)據(jù)(本文中稱此類數(shù)據(jù)為單向GPS軌跡數(shù)據(jù))。本研究提出用野外地質(zhì)工作者的步行GPS軌跡數(shù)據(jù)作為數(shù)據(jù)源，從中提取有用信息，加以處理和利用，識別出電子地圖中沒有的野外小路。但是，現(xiàn)有方法大多都是基于一條道路多次行走產(chǎn)生大量密集的GPS點來提取道路的，并不能適用于野外地質(zhì)工作者的GPS道路軌跡數(shù)據(jù)，因為其軌跡數(shù)據(jù)的特點往往是單向數(shù)據(jù)，本文將會針對數(shù)據(jù)集的這個特點，提出一種新的道路提取方法。

1 面向野外地質(zhì)調(diào)查工作的道路提取方法

本文提出的方法分為2步，第1步是將軌跡點數(shù)據(jù)分段分割，第2步是將分割的軌跡點數(shù)據(jù)通過BP神經(jīng)網(wǎng)絡(luò)算法進行擬合。

1.1 軌跡點分割

神經(jīng)網(wǎng)絡(luò)算法直接擬合直線道路效果比較理想，但是對于螺旋式的軌跡，神經(jīng)網(wǎng)絡(luò)很難擬合出最佳效果，為了解決這個問題，本文提出將軌跡數(shù)據(jù)進行分割分段的方法，軌跡點分割結(jié)果作為螺旋式軌跡被分割為多個軌跡數(shù)據(jù)集，每一個軌跡數(shù)據(jù)集都用一個神經(jīng)網(wǎng)絡(luò)去訓(xùn)練和預(yù)測，從而得出相應(yīng)的軌跡線路。Jae-gil Lee等通過最小描述長度來分割軌跡數(shù)據(jù)的[12]，這種方法不能很好地找出方向特征變化比較大的點數(shù)據(jù)，袁冠等通過軌跡的轉(zhuǎn)角大小進行軌跡分割[13]，其中軌跡的轉(zhuǎn)角指的是相鄰的分段軌跡間的轉(zhuǎn)向角。步行軌跡相鄰坐標(biāo)點之間的方向特征變化較大，與車輛采集的數(shù)據(jù)有很大不同，所以軌跡分割分段方法可以通過軌跡間的距離大小和轉(zhuǎn)角大小來確定分割的依據(jù)。

圖1 軌跡轉(zhuǎn)角示意圖

軌跡轉(zhuǎn)角如圖1所示：假設(shè)軌跡方向是沿著A-B-C，A,B,C構(gòu)成三角形，AB的邊長為a，BC的邊長為b，AC的邊長為c，α和β角是互補的兩個角，∠CBD就是軌跡的方向轉(zhuǎn)角，

(1)

由于相鄰軌跡點之間轉(zhuǎn)角變化并不明顯，本文采用的是每個軌跡點的轉(zhuǎn)角計算是與其前后相鄰的第10個點進行的。道路分段分割的好壞對于道路線的擬合是一個非常重要的因素，為了避免方向變化太快而導(dǎo)致軌跡分段過多的情況和分段分不出來的情況，本文軌跡分段是采用轉(zhuǎn)角閾值和距離閾值二者一起決定，轉(zhuǎn)角閾值和距離閾值都是通過實驗來確定。軌跡數(shù)據(jù)分割的過程如下：

1)遍歷由軌跡位置數(shù)據(jù)組成的點集合；

2)獲取每一個軌跡點的轉(zhuǎn)角大小β，以及每兩個相鄰軌跡點之間的距離大小d；

3)根據(jù)實驗確定的距離閾值φ和轉(zhuǎn)角閾值δ與實際距離閾值和轉(zhuǎn)角閾值大小進行判斷，若d>φ且β>δ，說明該點為軌跡分割點，將軌跡數(shù)據(jù)分為不同的數(shù)據(jù)集合。

使用該算法進行軌跡分割前后的效果對比如圖2和圖3所示。

圖2 軌跡數(shù)據(jù)分割前

圖3 軌跡數(shù)據(jù)分割后

1.2 道路線擬合

道路軌跡形狀具有復(fù)雜性的，如螺旋形、直線形、拱形等，通過軌跡分割來將軌跡分段，得到的軌跡中大多都是呈現(xiàn)出直線形狀，軌跡點數(shù)據(jù)雜亂不均勻地分布在道路上。為了將軌跡數(shù)據(jù)擬合成規(guī)則的直線道路網(wǎng)，本文將BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型應(yīng)用到GPS軌跡數(shù)據(jù)坐標(biāo)值的預(yù)測，來解決軌跡道路線的擬合問題。

BP神經(jīng)網(wǎng)絡(luò)(Back Propagationg Neural Network, BPNN)是和生物神經(jīng)網(wǎng)絡(luò)具有類似功能的數(shù)學(xué)模型[14]，圖4為BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。

圖4 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖4中,X1，X2，…，Xn代表BP神經(jīng)網(wǎng)絡(luò)的輸入值，Y1，Y2，…，Ym代表預(yù)測值，wij和vjk為網(wǎng)絡(luò)的權(quán)值。

BP網(wǎng)絡(luò)擬合軌跡道路的算法過程包括樣本預(yù)處理、訓(xùn)練和預(yù)測結(jié)果的處理[15]。本文將數(shù)據(jù)歸一化到[-1,1]范圍內(nèi)，

(2)

圖5 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練流程

BP模型的訓(xùn)練包括由網(wǎng)絡(luò)信號的前向傳播與誤差的反向傳播兩個過程[16]，工作流程如圖5所示。本文的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程如下：

1)對網(wǎng)絡(luò)模型參數(shù)和數(shù)據(jù)進行初始化。參數(shù)初始化指的是初始權(quán)值和閾值，初始化類型是高斯分布，歸一化-1～1之間。初始化數(shù)據(jù)指的是對軌跡坐標(biāo)數(shù)據(jù)集進行歸一化并將其作為訓(xùn)練數(shù)據(jù)。

2)計算隱含層

(3)

本文所選的激活函數(shù)

(4)

3)計算輸出層

(5)

4)進行誤差計算

(6)

5)進行權(quán)值更新

(7)

vjk=vjk+ηHjek.

(8)

式中：η為學(xué)習(xí)速率。

6)對閾值a和b進行更新

(9)

bk=bk+ek.

(10)

7)逐次迭代，完成模型的訓(xùn)練。

2 實驗與分析

本文開發(fā)了GPS數(shù)據(jù)采集APP軟件，并對GPS數(shù)據(jù)進行預(yù)處理操作，然后利用本文提出的方法從GPS軌跡中提取有用的道路網(wǎng)，選擇中國地質(zhì)大學(xué)西區(qū)作為實驗地點進行GPS軌跡的道路提取實驗，驗證該算法的準(zhǔn)確性和有效性。

2.1 實驗環(huán)境

本實驗的硬件環(huán)境為：64位Windows 10操作系統(tǒng)，Intel Core I7 CPU，8.00GB內(nèi)存，紅米5安卓手機。方法使用Eclipse、Python、ArcGIS Desktop 10.2進行實現(xiàn)。

本文GPS道路提取實驗數(shù)據(jù)選取在中國地質(zhì)大學(xué)西區(qū)步行采集的GPS數(shù)據(jù)集，采集樣本的頻率是每秒一次，數(shù)據(jù)量為5 000個坐標(biāo)點，屬性信息包括經(jīng)度、緯度、速度、方向、時間等。利用本文提出的BP神經(jīng)網(wǎng)絡(luò)擬合GPS道路的方法，對GPS軌跡道路進行擬合處理，根據(jù)提取的道路的編號合并每一段軌跡道路，并在ArcGIS Desktop和百度地圖中分別進行可視化顯示。

2.2 結(jié)果分析

本文以中國地質(zhì)大學(xué)西區(qū)為實驗區(qū)域，從步行GPS軌跡數(shù)據(jù)中提取出道路，并將路網(wǎng)信息導(dǎo)入ArcGIS Desktop，用矢量化工具將其轉(zhuǎn)化為線狀矢量文件，在ArcGIS中可視化，如圖6所示。

圖6 基于Arcgis Desktop的軌跡數(shù)據(jù)可視化

為了驗證實驗結(jié)果，本文通過百度地圖API開發(fā)一個Web地圖可視化工具，將提取出的路網(wǎng)信息顯示在百度地圖上，與百度地圖的路網(wǎng)進行比較，疊加效果如圖7所示。

圖7 基于百度地圖的軌跡數(shù)據(jù)可視化

觀察百度地圖和本實驗提取的路網(wǎng)對比圖可以發(fā)現(xiàn)，本實驗提取的路網(wǎng)與百度地圖現(xiàn)有的路網(wǎng)基本上一致，提取的道路基本上能與百度地圖的路網(wǎng)重合，如果在野外的話，還可以補充百度地圖缺少的小路，這部分小路的缺失可能是因為百度地圖更新不及時，或者因突出整體特征原因而忽略部分小路所致。野外地質(zhì)工作者在野外步行的軌跡一般都是百度地圖上所缺少的鄉(xiāng)野小路或者山區(qū)小路，本實驗方法提取的小路路網(wǎng)信息可以彌補百度地圖無法獲取到野外工作區(qū)域路網(wǎng)信息的問題。

3 結(jié)束語

為了彌補傳統(tǒng)的依靠管理組織、法律、經(jīng)濟、教育等進行對野外地質(zhì)工作安全管理工作的不足，特別是針對野外地質(zhì)工作者發(fā)生墜落事故及營救路線制定問題，開展了面向野外地質(zhì)工作者的行走軌跡提取方法研究，以解決電子地圖中不能完整顯示野外道路的問題。針對本文提出的方法進行了實驗測試，結(jié)果表明可以將該方法用于野外地質(zhì)工作者的墜落事故應(yīng)急救援或者工作路線查閱的場景中，為野外地質(zhì)調(diào)查工作安全保障系統(tǒng)開發(fā)提供了方法和技術(shù)支撐。