Page 126 - 安防19年7月刊_150dpi

I 智能交通
Intelligent Traffic

行修正，按“东”、“南”、“西”、“北”四个方向及描 在 对 11 0 警情 地 址 解 析 中，针对 5 年 警情 的
述距离修正，从而可以达到米级别精度。 3142553条警情地址数据，能解析出2799073条，并关
高精度坐标解析完成之后按优先级别从高到低， 联到道路交叉口及路段上，解析率达90%。针对事故
以50米为阈值，通过计算两点之间的距离，首先判断 上报的971506条地址数据总量，解析量为878858条，
距离该坐标50米范围内是否有poi兴趣点存在，若有， 解析率达90.5%。针对违法数据总量7091593条，解析
则关联poi兴趣点作为相关交通对象；若没有，再判断 量为5815309，解析率达到82%。
距离该坐标50米范围内是否有道路交叉口存在，若 其中将警情地址解析到经纬度实现定位的效果
包含，则关联该道路交叉口作为交通管理对象；若不 如图5所示：
包含，通过计算点到直线的距离，判断距离该坐标点
50米范围内是否有相关路段，若有，则关联该路段对
象，若没有，则不关联。通过以上交通对象关联方法，

实现将解析出的高精度经纬度坐标关联三类交通对
象。同时，根据坐标结果及辖区管理区域图定位关联
中队、大队辖区。
高架数据处理
高速高架数据按照描述方式分为带“km”的描
述，如“外环高速外侧18km约200米”、带里程桩号的
描述，如“华夏高架路北侧BWP0444约10米”、带立
交匝道的描述，如“龙东大道外环高速龙东立交西向
南上匝道西约5米”、以及其他描述。其中前三类为带
▲图5 经纬度定位实现效果图
关键字类描述，最后一类为其他描述。这几类描述在
高架类数据中都属于规范化描述。根据描述方式的不 总结与展望
同，带关键字类描述通过“高架起、终点方向配置”、 高效、精确的对非结构化语义地理信息进行解
“里程桩号配置”、“POI库配置”进行坐标解析，并 析是大数据时代对空间信息挖掘分析的基础，空间数
将解析结果关联交通对象。其他类描述通过“高架与 据与非空间数据的交叉分析能全方位定位交通态势。

地面交叉口库配置”配置匹配从而定位坐标结果。同 本文针对多类语义地理信息提出了多源语义地理信息
时，将带“km”的描述、带里程桩号的描述及其他文 坐标解析方法，通过构建高精度、标准化离线地址坐
字描述关联至高架上3km路段，带立交匝道的描述关 标库，对各类语义地理信息进行分类解析，从而将空
联至POI兴趣点交通对象。由分类规则得到的高速高 间地理信息无缝转化为非空间统计数据，为后续统计
架类数据可直接关联至高速高架管辖区域。 挖掘奠定了基础。后续研究中应更加完善各类配置模
块，提高离线地址库的准确度，提升高架高速类数据
应用实践 的解析精度，从而提高匹配度及关联精度，更好地为

在针对某地建立的大数据研判系统中，应用本方 关联分析提供基础。
法用于对110警情上报地址，以及违法和事故上报地
址进行解析并关联定位达到了很好的效果。 作者单位：上海电科智能系统股份有限公司

108 第九届深圳国际智能交通与卫星导航位置服务展览会(2020年6月深圳会展中心)www.its-expo.com

ᇆିࢌ๙ JOEE ྒ௹ؽ