大数据环境下道路场景高时空分辨率众包感知方法

• Published in: Ce hui xue bao Vol. 51; no. 6; pp. 1070 - 1090
• Main Authors: 唐炉亮, 赵紫龙, 杨雪, 阚子涵, 任畅, 高婕, 李朝奎, 张霞, 李清泉
• Format: Journal Article
• Language: Chinese; English
• Published: Beijing Surveying and Mapping Press 01.06.2022; 武汉大学测绘遥感信息工程国家重点实验室,湖北 武汉 430079%中国地质大学(武汉)地理与信息工程学院,湖北 武汉 430074%香港中文大学太空与地球信息科学研究所,香港%湖南科技大学地理空间信息技术国家地方联合工程实验室,湖南 湘潭 411201%武汉大学城市设计学院,湖北 武汉430072%深圳大学空间信息智能感知与服务深圳市重点实验室,广东 深圳 518060
• Subjects: Big Data; Evolution; Flow; Infrastructure; Multiscale analysis; Pattern analysis; Roads & highways; Smart cities; Spatial analysis; Technical services; Temporal resolution; Traffic information; Transportation networks; Urbanization; 动态活动行为"流"; 众包感知; 静态基础设施"形"; 交互作用; 道路场景; 时空建模; 大数据
• ISSN: 1001-1595; 1001-1595
• DOI: 10.11947/j.AGCS.2022.20220155

道路场景作为人类发展演变中最重要、最复杂、最典型的载体之一，是道路基础设施与活动行为共同构成的综合体，链接和构建“人地关系”。道路场景感知从二维抽象简略到三维精细丰富、从静态过去式向动态现在时发展，成为智慧城市、智能交通、无人驾驶的关键技术支撑，是我国新型城镇化战略、交通强国战略的核心技术保障。本文立足于时空交通大数据，提出基于道路场景静态基础设施“形”和动态活动行为“流”的高时空分辨率道路场景感知方法。该方法从静态路网“形”角度，以“点-线-面-体”等要素为研究脉络，构建高精度道路地图众包感知的理论体系；在活动行为“流”感知上，突破传统的点模式分析局限，发展了道路网络空间活动流的时空建模与多尺度分析方法。本文揭示了静态基础设施“形”结构与动态活动行为“流”模式交互作用下的道路场景演化规律，形成以“形”控“流”、借“流”定“形”、“形”“流”叠置的高时空精度道路场景众包感知理论体系，为智慧城市、智能交通的发展提供核心技术与数据支撑。