本栏目责任编辑：王力数据库与大数据技术ComputerKnowledgeandTechnology电脑知识与技术第18卷第35期(2022年12月)基于出租车轨迹的道路还原与评价杨沁楼，王飞翔（合肥工业大学资源与环境工程学院，安徽合肥230000）摘要：轨迹数据隐含着城市交通系统的丰富信息，出租车作为城市交通的重要组成部分，其轨迹具有数据源获取容易、成本消耗小、更新快、反馈快等特点，其轨迹信息可以为城市道路网信息的提取和还原提供支持。基于这个背景，开展基于出租车轨迹数据提取道路信息和构建道路模型的研究具备一定的实际意义，通过对道路中心线、道路交叉口等信息的提取，还原道路模型并对还原效果并进行评价，所获得的成果能为基于轨迹路网信息提取的进一步研究提供参考，也能为大众的出行和相关管理部门的工作提供决策支持。关键词：出租车轨迹数据；数学形态学；道路提取；ArcGis中图分类号：G642文献标识码：A文章编号：1009-3044(2022)35-0060-04开放科学（资源服务）标识码（OSID）：1绪论1.1研究背景及意义随着时代的进步，大数据研究成为一股热潮，其目的在于实现数据的“增值”。大数据具有5V特点，即Volume（大量）、Velocity（高速）、Variety（多样）、Val⁃ue（低价值密度）、Veracity（真实性）。大数据可以分为三类：传统企业数据、机器和传感器数据、社交数据。轨迹数据是机器和传感器数据的一部分，蕴含着相当可观的数据信息，对路网信息更新、智慧城市建设等方面起到相当积极的作用。城市路网是城市范围内由不同功能、等级、区位的道路以一定的密度和适当的形式组成的网络结构，是城市居民出行不可或缺的资源；随着GPS仪器、卫星定位、道路监控、便携式定位设备以及传感器技术的迅速发展，对于移动对象的实时追踪已经成了现实，这就使得我们可以在低时间成本和经济成本条件下轻松获得大量的、实时的轨迹数据，进而对城市交通系统进行完善，诸多学者开始着眼于研究轨迹数据，希望能从中提取出可靠有效的路网信息。1.2国内外研究现状从各类数据中提取路网信息是当下数据挖掘的热点方向之一。国外方面，针对道路信息数据，Kim、Kyoungok同时分析了地铁和出租车的数据，以揭示首尔交通工具对人的流动性的影响因素，采用了聚类和分类等数据挖掘技术，确定影响乘客模式的因素[1]。Gong和Car⁃tlidge基于轨迹数据，利用地理感兴趣点（POI）数据和时空聚类相结合的方法，自动识别每个出租车行程的相关活动，并估计行程后的返回行程和后续活动[2]。国...
