33、PICT：利用骑行轨迹实现高精度道路交叉口识别

PICT：利用骑行轨迹实现高精度道路交叉口识别

随着骑行逐渐成为人们减少碳排放和缓解城市交通拥堵的热门出行方式，对高质量数字地图以支持精确骑行导航服务的需求也日益增长。准确识别道路交叉口对于提升数字地图质量至关重要，因为它决定了道路段的连通性和道路间的转弯规则。目前，利用车辆轨迹进行道路交叉口识别的问题受到了学术界和工业界的广泛关注，但现有方法主要基于机动车轨迹，在处理骑行轨迹时面临诸多挑战。

现有方法面临的挑战

• 次要交叉口及其相邻路段轨迹稀疏 ：部分骑行者为快速到达目的地，会选择经过次要交叉口，导致这些交叉口及其相邻路段的轨迹非常稀疏。现有方法的识别精度严重依赖机动车轨迹数量，因此难以处理骑行轨迹稀疏的问题，容易误判次要交叉口。
• 不同规模交叉口转弯行为区域不同 ：与机动车相比，骑行者在不同规模交叉口的转弯行为更加复杂和无序。现有方法通常认为机动车的高频转弯行为发生在交叉口中心区域，通过聚类算法确定交叉口中心位置，这不适用于骑行轨迹在交叉口边缘转弯的情况，可能会将主要交叉口误判为多个次要交叉口。

PICT方法的提出

为解决上述挑战，研究人员提出了一种基于骑行轨迹的高精度道路交叉口识别方法——PICT。该方法主要有以下贡献：
- 提出了一种基于深度学习的交叉口识别方法PICT，包括几何特征提取、网格拓扑表示和交叉口推断三个模块。
- 通过构建分层轨迹转移图，将交叉口拓扑信息融入交叉口表示，以正确识别轨迹稀疏的交叉口。
- 基于多尺度学习技术，将交叉口识别转化为目标检测和实例分割任务，准确发现不同规模的交