城市交通建设是城市发展必不可少的重要组成部分,它和人们的日常生活密切相关。随着电子通信技术、互联网技术及物联网技术的飞速发展,城市路网数据渐渐在城市规划、道路监管及地图增值服务等方面越来越重要。不论城市对外扩张和内部结构优化,都可能导致城市路网的改变。传统的城市路网数据主要通过专业人员测绘和遥感图像数字化两个方式获得,但这两种方法投资成本高、从业人员专业技术要求高和生产周期长,难以满足城市快速发展变化对于网路数据的要求。随着导航定位技术(室外北斗、GPS等,室内蓝牙、WLAN及惯性定位等)、无线传输技术和电子通讯技术的发展,产生了大量的轨迹数据,例如手机信令数据、室内定位数据及浮动车轨迹数据等。其中,浮动车轨迹数据是车辆在道路上行驶时产生的,因此它隐含丰富的道路信息。随着浮动车轨迹数据的逐渐公开,从中提取路网信息已经成为可能。很多学者专家已经对利用浮动车轨迹数据提取路网信息展开了大量研究,并且取得了一些很有价值的研究成果。但大多数算法提取路网时,使用统一的阈值忽略了轨迹数据的密度差异,而且只考虑了轨迹的形态没有考虑轨迹的方向,严重影响了提取结果的几何精确度和拓扑正确度。为此本文:(1)对比较典型的两种算法(基于栅格化的路网提取方法和基于不规则约束三角网的路网提取方法)进行了重现和改进。其中,对基于栅格化的路网提取方法,在栅格化时提出了一种新的栅格化方法,增强了栅格图像的连通性和克服了由于轨迹点密度差异大而导致轨迹点稀疏路段无法提取的困难。同时,引入了NL-means算法对于栅格图像进行去噪优化,有效克服了噪声对路网提取的影响;对基于约束三角网的路网提取方法,提出了新的道路路面多边形提取方法克服了提取阈值难以设定的问题。道路中心线提取时,利用费马点设计了更为合理的交叉口连接方法。此外,对于交叉口合并和细碎边剔除,都设计了新的优化方法,提高了提取路网的现实性。(2)提出了一种自适应半径质心漂移聚类方法,能根据轨迹密度、道路宽度自动调整聚类参数和利用轨迹方向实现道路拓扑连接。首先,通过自适应半径质心漂移聚类方法计算路网骨架点,采用小波聚类算法获取路网骨架点的方向集;然后,根据聚类半径和方向对骨架点进行递归连接,生成路网数据。利用深圳市福田区一天的浮动车轨迹数据进行算法实验验证,将实验结果与栅格化方法、约束三角网方法的进行了定性定量地评价分析。实验结果表明本文算法提取的路网数据在几何精确度及拓扑正确度上都有明显的提高,且适合大数据的处理。