城市路网的交叉路口识别在智能交通系统研究中具有重要意义。然而，由于交叉口形态各异、结构复杂且尺度不一，单一数据源难以实现全面而准确的识别。为此，本文提出一种融合车辆轨迹（Vehicle Trajectories, VT）与遥感影像（Remote Sensing images, RS）的多源数据道路交叉口识别方法。具体而言，首先提取车辆轨迹的转向和速度特征，并将其映射为轨迹特征图（trajectory feature images），其中 G 通道和 R 通道分别表示速度和转向特征，用于保留车辆轨迹的矢量信息。随后，本文设计了一个双分支融合网络 DBMFNet，从遥感影像和轨迹特征图中分别提取特征。该网络以轨迹分支为主分支，并通过融合模块将遥感分支的影像特征加入轨迹分支，最终生成交叉口识别图。为了充分发挥多源数据的互补优势，在DBMFNet中引入了门控模块（Gated Module）以过滤冗余信息并提升识别精度，同时设计了通道注意力模块（Channel Attention Module）和空间注意力模块（Spatial Attention Module）以捕获有效特征和关键区域。实验结果表明，DBMFNet 在道路交叉口识别任务中表现优异，能够有效刻画交叉口的形状和位置。在 Chengdu 和 Porto 数据集上，模型的 F1-score 分别达到 80.18% 和 71.71%，均优于现有先进的语义分割方法。本研究为基于多源数据融合的道路交叉口识别提供了一种新的思路。
 

道路交叉口识别；遥感影像；车辆轨迹；数据融合；注意力机制