ABSTRACT

The lack of associating pedestrian networks, i.e. the paths and roads used for non-vehicular travel, with information about semantic attribution is a major weakness for many applications, especially those supporting accurate pedestrian routing. Researchers have developed various algorithms to generate pedestrian walkways based on datasets, including high-resolution images, existing map databases, and GPS data; however, the semantic attribution of pedestrian walkways is often ignored. The objective of our study is to automatically extract semantic information including incline values and the different categories of pedestrian paths from multi-source spatial data, such as crowdsourced GPS tracking data, land use data, and motor vehicle road (MVR) networks. Incline values for each pedestrian path were derived from tracking data through elevation filtering using wavelet theory and a similarity-based map-matching method. To automatically categorize pedestrian paths into five classes including sidewalk, crosswalk, entrance walkway, indoor path, and greenway, we developed a hierarchical strategy of spatial analysis using land use data and MVR networks. The effectiveness of our proposed method is demonstrated using real datasets including GPS tracking data collected by volunteers, land use data acquired from OpenStreetMap, and MVR network data downloaded from Gaode Map.

摘要

缺乏将行人网络（即用于非车辆旅行的路径和道路）与语义属性信息相关联的缺乏是许多应用程序的主要弱点，尤其是那些支持准确行人路线的应用程序。研究人员开发了各种算法来基于数据集生成人行道，包括高分辨率图像、现有地图数据库和 GPS 数据；然而，人行道的语义属性往往被忽视。我们研究的目的是从多源空间数据中自动提取语义信息，包括倾斜值和不同类别的行人路径，例如众包 GPS 跟踪数据、土地利用数据和机动车道路 (MVR) 网络。每条行人路径的倾斜值是通过使用小波理论和基于相似性的地图匹配方法通过高程过滤的跟踪数据得出的。为了自动将人行道分为五类，包括人行道、人行横道、入口人行道、室内路径和绿道，我们开发了一种使用土地利用数据和 MVR 网络的空间分析分层策略。使用真实数据集证明了我们提出的方法的有效性，包括志愿者收集的 GPS 跟踪数据、从 OpenStreetMap 获取的土地利用数据以及从高德地图下载的 MVR 网络数据。我们使用土地利用数据和 MVR 网络开发了空间分析的分层策略。使用真实数据集证明了我们提出的方法的有效性，包括志愿者收集的 GPS 跟踪数据、从 OpenStreetMap 获取的土地利用数据以及从高德地图下载的 MVR 网络数据。我们使用土地利用数据和 MVR 网络开发了空间分析的分层策略。使用真实数据集证明了我们提出的方法的有效性，包括志愿者收集的 GPS 跟踪数据、从 OpenStreetMap 获取的土地利用数据以及从高德地图下载的 MVR 网络数据。