1.1目的

人类活动和交通系统密切相关，现如今，人们出行时对精细程度高、现势性好的道路信息需求迫在眉睫。就交通系统而言，城市道路网是城市智能交通系统的柱础，对于城市路网的提取自然也是不可或缺。

随着智能时代的到来，数据将成为驱动社会发展的燃料。当前的军用，商用的路网提取已经达到非常精细的程度，但是对于粒度更加精细，投入产出比的价值比越发明显的追求依然是势在必行。当前人文背景和技术背景下，人类出行生产的大量GPS数据对城市路网的提取是非常优质的数据燃料，本篇论文的目的就是基于此数据探索合适的算法提取城市路网。

1.2意义

城市路网结构处于快速的动态变化之中，对数字道路信息的快速准确提取与及时更新是人类社会的必要需求。当前的数字道路信息的采集大多使用配置高精度GPS接收设备的专业测量车，但这种采集方式费用昂贵，而且数据难以及时更新，数字道路信息存在一定的滞后性。而目前，相关行业已经收集了海量的GPS轨迹数据，很明显，交通工具产生的海量GPS数据能够反映道路网络的地理信息和结构，使用这些GPS数据来提取城市路网将会具有成本低廉，覆盖面大，易于获取，现势性强等优点，这会为城市路网的提取带来优质的发展前景。

1.3研究现状分析

随着遥感技术的发展，许多学者提出了基于遥感影像的半自动，全自动的道路提取方法，主要基于遥感影像或机拍影像，应用边缘提取或像素分类等图像处理方法来识别影像数据中的道路信息。LiDAR技术的发展也促使不少学者开始针对点云数据开展道路提取研究。但遥感影像与点云数据的获取成本较高，同样存在滞后问题。相对来讲，通过GPS轨迹来提取城市路网的方法，其成本低，现势性高优势同样吸引了学者们进行大量探究工作。

有学者使用k-means，DBSCAN等集合聚类方法来处理GPS轨迹数据，从而生成道路结构。也有假设GPS数据服从二维高斯分布，并使用统计分析的方法从中提取道路中心线的方法。还有基于多边形的形态分析提出一种城市主干道提取方法，但是由于数据的复杂性，一些具有长条数据形状但是不属于主干道的多边形有可能被错误提取。还有很多其他的研究方法，也都存在一定的缺陷。

2. 研究的基本内容与方案

2.1研究的主要内容

本课题主要进行基于GPS轨迹数据提取城市路网的方法探究及具体实现，主要研究内容包括：

1) 学习使用Matlab和ArcGIS，利用GPS数据对城市路网进行图形化构建和可视化分析。

2) 对GPS数据预处理，包括数据切分，数据清洗等

3) 掌握和学习k-means算法、DBSCAN聚类分析算法。

4) 了解和学习GPS数据处理方法及相关的数据挖掘知识，了解相关道路信息的概念，学习GPS数据可反映的道路信息计算方法，实现对城市路网的提取。