-
公开(公告)号:CN108645342B
公开(公告)日:2020-07-07
申请号:CN201810379889.7
申请日:2018-04-25
Applicant: 国交空间信息技术(北京)有限公司 , 中国交通通信信息中心
Abstract: 本发明公开了一种基于道路轨迹和高分辨率影像的道路宽度提取方法,包括以下实施步骤,针对高分辨率遥感数据进行边缘检测,检测结果矢量化,生成矢量线,基于道路轨迹上相邻节点,依次建立缓冲区,并裁剪上一步生成的矢量线,依次计算矢量线的长度和斜率,长度与斜率与道路轨迹最接近的两条矢量线作为道路的边缘,利用中垂线和最大概率统计得到道路的宽度。本发明将已有道路矢量轨迹与实地高分辨率影像相结合,通过长度和斜率两个指标实现了边缘的自动筛选,提高了道路边缘的提取精度,降低了由于道路周围物体遮挡引起的宽度提取误差带来的影响,统计规则符合交通业务规范,具有很强的应用性。
-
公开(公告)号:CN109145718A
公开(公告)日:2019-01-04
申请号:CN201810724109.8
申请日:2018-07-04
Applicant: 国交空间信息技术(北京)有限公司 , 中国交通通信信息中心
CPC classification number: G06K9/00651 , G06N3/0454
Abstract: 本发明公开了一种基于拓扑感知的遥感影像的路网提取方法及装置,其中,方法包括:根据联合滤波提取的道路中心线获取样本;通过深度神经网络对道路的光谱特征进行学习,并根据学习到的模型获得基于光谱特征的初始道路概率图,且通过骨架提取算法从道路概率分布中提取出初始的道路中心线图;在出现错误现象时,再次通过深度神经网络对道路的拓扑结构进行学习,基于新模型和由初始的道路中心线图学习得到基于拓扑特征的道路概率图,并结合基于光谱特征的初始道路概率图,以得到最终的栅格化的道路中心线图。该方法采用细化算法获得最终栅格化的道路中心线图,从而有效检测出阴影、遮挡等引起的道路异常,有效提高提取的效率和准确性,简单易实现。
-
公开(公告)号:CN106124454B
公开(公告)日:2018-10-16
申请号:CN201610510646.3
申请日:2016-06-30
Applicant: 国交空间信息技术(北京)有限公司 , 中国交通通信信息中心
IPC: G01N21/47
Abstract: 本发明公布了一种基于遥感影像的沥青路面老化状况监测方法,利用多谱段卫星遥感影像,基于多端元混合像元分解模型进行反演,提取得到不同老化状况路面的沥青丰度分布图,由此获得沥青路面老化的监测信息;包括:选取包含沥青老化特征光谱波段的多谱段卫星遥感影像、将遥感影像中的端元进行分类,建立初始端元光谱库、优化每个地物类别的端元光谱、运行多端元线性混合像元分解模型得到各类型端元的像元丰度值。本发明能够快速便捷地提取沥青路面老化信息评估路面健康状况,可有效地提高沥青路面老化状况监测的精度和适用性,能够应用于高速公路或其他等级公路路面的养护调查与规划。
-
公开(公告)号:CN108564790A
公开(公告)日:2018-09-21
申请号:CN201810603991.0
申请日:2018-06-12
Applicant: 国交空间信息技术(北京)有限公司 , 中国交通通信信息中心
Abstract: 本发明涉及一种基于交通流时空相似性的城市短时交通流预测方法,该方法对传统的非参数回归方法进行了改造,包括如下步骤:S1、基于交通流时空相似性,定义交通流的时间状态向量、时空状态向量;S2、构造当前时段下交通流的“当前时空状态向量;S3、构造历史上不同日期同一时段下交通流的“历史时空状态向量”;S4、使用距离度量函数计算当前和各历史时空状态向量间的“时空相似距离”;S5、选择k个时空相似距离最小的历史状态向量所在的日期,查出这k个历史日期对应的预测时段的交通流;S6、基于这k个历史日期对应的预测时段的交通流,使用预测函数计算目标路段下一时段的交通流;S7、根据交通流的预测结果和实际结果,对目标路段的预测误差进行评价分析。目的在于提高城市短时交通流预测的准确度。
-
公开(公告)号:CN111241994B
公开(公告)日:2024-02-20
申请号:CN202010020686.6
申请日:2020-01-09
Applicant: 中国交通通信信息中心 , 国交空间信息技术(北京)有限公司
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种深度学习的遥感影像农村公路砂化路段的提取方法,包括以下步骤:S100:选用卫星采集到的分辨率1m以内的遥感影像,经预处理后得到的高分辨率影像作为数据源;S200:构建“畅返不畅”路段提取的网络结构和损失函数;S300:利用训练集对“畅返不畅”路段提取网络进行训练并反复调节其网络参数;S400:测试集输入到训练好的“畅返不畅”网络中,提取“畅返不畅”路段以验证和回调网络使其达到更好的实验结果并保存网络;S500:通过卫星采集到的遥感影像输入到网络输入端进行“畅返不畅”路段的识别和提取。本发明与传统方式方法相比能极大地减轻人工工作量,更加适用于交通行业业务需求,能有效地检测出农村公路中“畅返不畅”的路段。
-
公开(公告)号:CN111145157B
公开(公告)日:2023-08-04
申请号:CN201911375647.1
申请日:2019-12-27
Applicant: 国交空间信息技术(北京)有限公司 , 中国交通通信信息中心
Abstract: 本发明公开了基于高分辨率遥感影像的路网数据自动化质量检查方法,自动化实现对道路轨迹的定量化质量检查,辅助道路数据的更新与优化;步骤如下:1)依据道路形态特征,在道路特征点处打断,生成简单路段结构;2)依据路段结构特征构建通用道路横断面模型;3)获取路段结构对应的影像数据块数据。4)建立影像块坐标系,进行道路横断面模型与影像间的模板匹配,得到道路匹配点。5)经RANSAC最小二乘曲线拟合误差计算后,得到影像中实际的道路提取结果。6)实际道路提取结果与路段结构相似性匹配;7)结合每条道路中路段结构的相似性匹配结果进行综合性评价,筛选出“问题道路”,用于道路数据质量评估及数据进一步修改与更新。
-
公开(公告)号:CN111127891A
公开(公告)日:2020-05-08
申请号:CN201911375625.5
申请日:2019-12-27
Applicant: 中国交通通信信息中心 , 国交空间信息技术(北京)有限公司
Abstract: 本发明公开了一种基于浮动车轨迹大数据的路网核查方法,包括数据准备、数据预处理、路网核查方法、实验与分析,通过基于格网索引与线段可信度的数据核查方法对研究实验区域进行实验验证,将生成结果进行分析,程序能够半自动地实现利用浮动车轨迹大数据进行道路路网的核查,达到了预期目标,并且路网核查结果具有较高的精准度,能够应用于道路路网的实际核查,在用户交互输入阈值数据后,对路网的核查实现半自动化操作,从而降低人工核查成本,提高核查效率。
-
公开(公告)号:CN108645342A
公开(公告)日:2018-10-12
申请号:CN201810379889.7
申请日:2018-04-25
Applicant: 国交空间信息技术(北京)有限公司 , 中国交通通信信息中心
Abstract: 本发明公开了一种基于道路轨迹和高分辨率影像的道路宽度提取方法,包括以下实施步骤,针对高分辨率遥感数据进行边缘检测,检测结果矢量化,生成矢量线,基于道路轨迹上相邻节点,依次建立缓冲区,并裁剪上一步生成的矢量线,依次计算矢量线的长度和斜率,长度与斜率与道路轨迹最接近的两条矢量线作为道路的边缘,利用中垂线和最大概率统计得到道路的宽度。本发明将已有道路矢量轨迹与实地高分辨率影像相结合,通过长度和斜率两个指标实现了边缘的自动筛选,提高了道路边缘的提取精度,降低了由于道路周围物体遮挡引起的宽度提取误差带来的影响,统计规则符合交通业务规范,具有很强的应用性。
-
公开(公告)号:CN108510008A
公开(公告)日:2018-09-07
申请号:CN201810318817.1
申请日:2018-04-11
Applicant: 国交空间信息技术(北京)有限公司 , 中国交通通信信息中心
Abstract: 本发明涉及一种基于浮动车轨迹点空间关系和分布的路网提取方法,包括如下步骤:S1:数据转换与清理;S2:建立两层空间网格索引G;S3:计算轨迹点空间分布F;S4:基于轨迹点空间分布计算核心点候选集H;S5:计算核心点P,计算核心点候选集的几何质心,在核心点候选集H中,距离质心最近的轨迹点即标记为核心点;S6:核心点连接,基于轨迹点方向聚类的方法,并考虑空间距离的因素,得到相邻网格间的交通关联度函数C(A,B),将同类方向中交通关联度函数C(A,B)最大的核心点连接;S7:将所有核心点连接后,即提取出路网。其具有运行稳定可靠、路网提取效率高且精度准确、能够适用于多种条件下的浮动车数据等优点。
-
公开(公告)号:CN115079170A
公开(公告)日:2022-09-20
申请号:CN202210549635.1
申请日:2022-05-17
Applicant: 中国交通通信信息中心 , 国交空间信息技术(北京)有限公司
Abstract: 本公开提供了一种利用InSAR形变监测滑坡风险的评估方法,包括:对获取的SAR影像数据集进行影像对筛选;对影像对进行差分干涉处理,根据阈值选择相干点进行时序形变相位求解,得到研究区域的时序形变值;根据时序形变值,结合实际情况选择研究区域的滑坡风险因子;根据选择的滑坡风险因子,采用层次分析方法建立层次结构模型,确定各图层及各滑坡风险因子之间的权重;将图层进行预处理,获得相同像元大小的评价图层;根据权重和评价图层,获得每个评价单元的评价值及最终的评价指数,并通过综合指数分析得到总体评价结果。本公开对潜在滑坡隐患进行早期识别、圈定高风险区域以便有针对性地制定科学防范措施,有效减少滑坡灾害造成人员伤亡和财产损失。
-
-
-
-
-
-
-
-
-