一种顾及几何特征与语义信息的道路网自动选取方法与流程

本发明属于地图学与地理信息系统技术领域，涉及一种顾及几何特征与语义信息的道路网自动选取方法。

背景技术：

地图自动综合是制图界一个具有挑战性的问题。在数字化环境下，利用地图综合技术将空间数据库中大比例尺地图导出为小比例尺地图，仍然是空间信息科学理论研究的重点和难点。道路网作为基础地理数据，对国民经济、国家安全有着重要意义。道路网自动选取一直以来都是地图综合研究的主要内容之一。

目前，该邻域的成果主要分为两大类：(1)顾及道路网几何特征的选取方法，主要有：利用道路的特征点进行道路网选取；根据良好连续性原理，借助“stroke”模型进行选取；通过考虑道路专题属性，依照道路重要性进行路网选；借助道路的密度特征，通过道路的稀疏程度进行道路选取；将拓扑与全局特征相结合，对道路网进行选取，与传统方法相比，它摆脱了选取工作中连接性和区域性不兼顾的弊端，但在道路网选取工作中没有考虑语义信息。(2)结合语义信息的选取方法，综合考虑道路网的拓扑特征的基础上，引入地理大数据作为语义信息，实现道路网的自动选取，这类方法只使用了单一语义数据，选取结果难以全面反映道路语义信息。

poi数据与出租车轨迹数据是地理信息的重要来源，poi记录了地理信息城市内部重要设施的区位和属性信息，其中道路两侧设施信息与道路重要性认知存在关联。出租车轨迹数据形成的道路交通流量，在一定程度上反应了道路的重要性。为此，本文将poi数据与出租车轨迹数据作为语义信息，提出一种综合考虑道路几何特征和语义信息的道路网自动选取方法。该方法通过分别构建道路网眼、道路stroke与poi数据和出租车轨迹数据之间的关系模型，实现了选取结果充分保持道路网整体结构与局部结构的同时，顾及道路网的语义信息。

技术实现要素：

本发明针对现有的道路网选取方法的不足，提出了顾及几何特征和语义信息的道路网选取方法，该方法结合了网眼模型、stroke模型在道路选取中的优势，弥补了单一模型在道路选取中的不足；在道路选取中加入了poi数据、出租车轨迹数据和空间句法属性，有效地避免了在道路选取中单一语义数据造成的缺陷。本发明方法包括构建网眼和stroke模型、建立模型与语义信息之间的关系模型以及网眼模型与stroke模型选取结果的集成共计三部分，图1为本发明道路网选取方法的总体流程。

构建网眼模型主要是根据道路网的疏密程度划分出一系列小区域，通过确定密度阈值，利用几何等属性，对区域内的路段进行取舍。过程如图2所示。在图2中，密度为0.21的网格是所以网格中最大的，若大于阈值，则将密度是0.21的网眼与周围密度大的网眼进行合并，删除中间路段l，生成密度为0.08的新网眼。按照这种迭代方法，直到所以网格的网眼密度都小于阈值。

构建stroke模型主要是根据gestalt视觉感知中的良好连续性原理，对路段构造网络拓扑结构，生成相对于的边和节点，对边生成的夹角进行顺序排序，判断最小夹角是否小于阈值，如果小于则将生成夹角的两条路段进行合并，作为一个stroke，如图3所示。通过对每条stroke重要性从高到低依次进行排序，选取重要性高的道路。

本发明方法在顾及道路几何特征的同时，将道路语义信息考虑在内，提出了一种新的道路网选取方法。首先，对道路网数据构造道路网眼与道路stroke。其次，建立网眼模型、stroke模型与空间句法、交通流与poi数据之间的关系模型。最后，将网眼模型与stroke模型选取的结果进行逻辑运算，得到最终选取结果。实验结果表明，本发明能够保留主要道路，保持道路整体结构与局部结构，较好地顾及了道路的几何特征和语义信息，选取结果与参考基准道路具有较高一致性。

附图说明

图1基本框架

图2网眼密度构建方法

图3构建道路stroke过程

具体实施方式

为了详细说明本发明的技术内容、选取模型、所实现的目的及所达到的效果，以下结合具体实施方式详细说明。

step1：构造道路网眼并确定网眼密度阈值。通过道路网生成网格区域，网格即为道路网眼。通过对基础道路网与参考道路网的网眼密度进行统计，发现二者存在关联性，确定合适的网眼密度为0.006m/m²。

step2：根据道路网眼密度进行倒序排序。之后，根据排序结果依次判断网眼密度是否小于设定的阈值，如果小于设定阈值即选取出此网眼。

step3：如果道路网眼密度大于设定阈值，则对网眼密度进行降序排序。选择排序集合中最大的网眼与相邻密度最大的网眼进行合并，判断合并后的阈值是否大于设定阈值，如果大于设定阈值则继续与相邻密度最大的网眼合并，直到合并后的阈值小于设定阈值。

step4：计算道路网眼中poi数量，并根据poi数量值进行降序排序，按照排序后的顺序，依次选取满足阈值的网眼。

step5：基于几何感知原理构建道路stroke。

step6：引入出租车轨迹数据，利用出租车轨迹数据表征道路交通流辅助道路网选取。根据空间句法原理与道路交通流形成道路重要性得分进行排序选取道路网。

step7：通过逻辑运算将网眼模型选取结果与stroke模型选取结果进行集成，得到最终选取结果。

综上所述，本发明是一种顾及几何特征与语义信息的道路网自动选取方法。首先，对道路网数据构造道路网眼与道路stroke。其次，建立网眼模型、stroke模型与空间句法、交通流与poi数据之间的关系模型。最后，将网眼模型与stroke模型选取的结果进行逻辑运算，得到最终选取结果。本发明在道路网选取中是有效可行的，其主要优点是：

(1)结合了网眼模型、stroke模型在道路选取中的优势，弥补了单一模型在道路选取中的不足；

(2)在道路选取中加入了poi数据、出租车轨迹数据和空间句法属性，有效地避免了在道路选取中单一语义数据造成的缺陷。

(3)对道路网选取的语义度量提供了一种新途径，同时poi数据与出租车轨迹数据具有时效性，本发明选取的道路网在实际应用中更具价值与科学性。

技术特征：

1.一种顾及几何特征和语义信息的道路网自动选取方法，包括顾及语义信息的mesh模型的道路网选取和顾及语义信息的stroke模型的道路网选取两个部分：

顾及语义信息的mesh模型的道路网选取：

step1：构造道路网眼并根据道路网眼密度阈值选取；

step2：计算道路网眼中poi数量，并根据poi数量值进行降序排序，按照排序后的顺序，依次选取满足阈值的网眼。

顾及语义信息的stroke模型的道路网选取：

step3：基于几何感知原理构建道路stroke；

step4：poi重要设施点缓冲区范围内道路stroke需要选取。

step5：引入出租车轨迹数据，利用出租车轨迹数据表征道路交通流辅助道路网选取。根据空间句法原理与道路交通流形成道路重要性得分进行排序选取道路网。

step6：通过逻辑运算将网眼模型选取结果与stroke模型选取结果进行集成，得到最终选取结果。

2.根据权利要求1所述的一种顾及几何特征和语义信息的道路网自动选取方法，其特征在于，在step2中，运用step1步骤生成的网眼模型建立语义关系模型。

3.根据权利要求1或权利要求2所述的一种顾及几何特征和语义信息的道路网自动选取方法，其特征在于，在步骤step6中，完成对道路网的选取，还包括：如顾及语义信息的mesh模型的道路网选取结果和顾及语义信息的stroke模型的道路网选取结果。

技术总结
本发明公开一种顾及几何特征和语义信息的道路网自动选取方法，包括:首先，构建道路网眼和道路stroke；然后，分别建立道路网眼、道路stroke与POI数据和出租车轨迹数据之间的关系模型；最后，借助逻辑运算将综合考虑语义信息的网眼模型和stroke模型的选取结果进行集成。该方法选取结果充分顾及道路网的语义信息，保持道路整体结构与局部结构，选取结果在实际应用中更具价值与科学性。

技术研发人员：王中辉;余贝贝;崔洁;闫浩文
受保护的技术使用者：兰州交通大学
技术研发日：2020.06.06
技术公布日：2020.09.01