Zpřesňování grafů dopravních sítí na základě GPS záznamů projetých tras

Abstract

Cílem této práce je zjistit lokalizaci chybějících hran v road grafu a navrhnout změny v mapě. Mapa Prahy byla vybrána pro implementaci, testování a vizualizaci jako příklad města s velmi základní infrastrukturou pro jízdní kola, ale algoritmus lze aplikovat na jakákoli města nebo zemi. Uvedenými údaji byla trajektorie GPS od cyklistů, kteří zaznamenali své trasy v Praze. Tato data byla předběžně zpracována a filtrována tak, aby odpovídala algoritmu. Aby algoritmicky řešil problém chybějících hran, byl rozložen na některé méně složité známé. První je mapování, které bylo řešeno modifikovaným algoritmem Dijkstra s minimalizací oblasti mezi stopou a grafovou cestou. Optimální cesty nebyly vždy v souladu s původní stopou, která prokázala existenci chybějících hran grafu. Takže body ležící příliš daleko od stopy byly zjištěny jako odlehlé. Pro experimenty byly použity mnoho algoritmů a atributů, ale nejpřesnější výsledky byly získány s modifikovanou technikou detekce odchylky z-skóre na interpolovaných grafových cestách. Po odlehčení pro každou cestu byly kd-stromy nalezeny nejbližší body k odlehlým hodnotám, kde může existovat chybějící okraj. Z získaných uzlů byly přidány některé okraje, dokud se oblast mezi počáteční stopou a novou grafovou cestou nezmění.

The aim of this work is to detect to localize missing edges in road graph and propose changes in the map. The map of Prague was chosen for implementation, testing and visualization as an example of the city with very basic bicycle infrastructure, but the algorithm can be applied to any city or country. The given data was GPS trajectory from cyclists, who recorded their routes in Prague. This data was preprocessed and filtered to fit the algorithm. In order to solve the problem of missing edges algorithmically, it was decomposed to some less complexed known ones. First one is map matching, which was solved with modified Dijkstra algorithm with minimization the area between track and graph path. Optimal paths did not always match with original track, which proved existence of missing edges in the graph. Thus the points lying too far from track were detected as outliers. For experiments were used many algorithms and attributes, but the most precise results were obtained with modified z-score outlier detection technique on interpolated graph paths. After having the outliers for each path the closest points to outliers were recovered with kd-tree, where the missing edge can exist. From obtained nodes some edges were added until the area between initial track and new graph path decrease.