[發(fā)明專利]一種基于可達(dá)空間的地理空間模式識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811628342.2
• 申請(qǐng)日: 2018-12-28
• 公開（公告）號(hào): CN109784225B
• 公開（公告）日: 2020-11-24
• 發(fā)明（設(shè)計(jì)）人: 祁毅;徐建剛;張翔;石飛;索南曲珍卓瑪;倪天華;孫平;謝顯傳
• 申請(qǐng)（專利權(quán)）人: 南京大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/34;G06K9/46;G06K9/62
• 代理公司: 北京維正專利代理有限公司 11508
• 代理人: 黃凱

1.一種基于可達(dá)空間的地理空間模式識(shí)別方法，其特征在于：包括如下步驟：

S1、獲取目標(biāo)區(qū)域的空間信息RA及其道路交通信息TA；

S2、將所述空間信息RA所在區(qū)域劃分為N個(gè)子區(qū)域P1,P2…Pn；

S3、根據(jù)所述道路交通信息TA進(jìn)行空間可達(dá)性計(jì)算，獲得每個(gè)子區(qū)域Pi在特定可達(dá)性閾值下的可達(dá)空間范圍ASi；

S4、根據(jù)可達(dá)空間范圍ASi所覆蓋的空間區(qū)域范圍提取對(duì)應(yīng)空間信息RA中的局部信息ARi；

S5、根據(jù)局部信息ARi對(duì)應(yīng)的m個(gè)基本特征元素圖斑的特征向量信息，進(jìn)行求和運(yùn)算，再經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)訓(xùn)練，識(shí)別得到子區(qū)域Pi對(duì)應(yīng)空間模式Ti；

S6、匯總所有子區(qū)域的空間模式Ti，得到目標(biāo)區(qū)域的空間模式ST。

2.根據(jù)權(quán)利要求1所述的地理空間模式識(shí)別方法，其特征在于：步驟S1中，所述空間信息RA是柵格數(shù)據(jù)或通過(guò)轉(zhuǎn)換得到的柵格數(shù)據(jù)，地面分辨率記為第一分辨率r1；步驟S2中，采用固定格網(wǎng)法或不固定格網(wǎng)法，對(duì)所述空間信息RA進(jìn)行劃分，地面分辨率記為第二分辨率r2。

3.根據(jù)權(quán)利要求1所述的地理空間模式識(shí)別方法，其特征在于：步驟S5中，包括如下步驟：

S51、將所述局部信息ARi分割為m個(gè)基本特征元素圖斑SRi1,SRi2…,SRim；并使用具有特定長(zhǎng)度K的特征向量SFVij描述每個(gè)所述基本特征元素圖斑SRij；

S52、對(duì)所有m個(gè)所述基本特征元素圖斑SRij的特征向量SFVij進(jìn)行求和運(yùn)算，獲得特定長(zhǎng)度為K的總特定向量FVi；

S53、應(yīng)用多層神經(jīng)網(wǎng)絡(luò)，將所述總特征向量FVi作為輸入，識(shí)別子區(qū)域Pi的空間模式Ti。

4.根據(jù)權(quán)利要求1所述的地理空間模式識(shí)別方法，其特征在于：步驟S3中，采用空間位置歐氏距離法，或交通路網(wǎng)的歐氏距離、或成本距離法、或甲醛成本距離法，計(jì)算得到設(shè)定閾值情況下的可達(dá)空間范圍ASi，所述可達(dá)空間范圍ASi的分辨率與步驟S2中所述子區(qū)域的分辨率相同，為第二分辨率r2；所述局部信息ARi的分辨率與步驟S1中的所述空間信息RA的分辨率相同，為第一分辨率r1；所述可達(dá)空間范圍ASi的第二分辨率數(shù)值低于或等于所述局部信息ARi的第一分辨率數(shù)值。

5.根據(jù)權(quán)利要求3所述的地理空間模式識(shí)別方法，其特征在于：步驟S51中，所述空間信息RA是柵格數(shù)據(jù)或通過(guò)轉(zhuǎn)換得到的柵格數(shù)據(jù)，地面分辨率記為第一分辨率，將所述局部信息ARi分割為邊長(zhǎng)等于其第一分辨率數(shù)值的網(wǎng)格式基本特征元素圖斑；采用人工判定類型的方式或自動(dòng)編碼器自動(dòng)識(shí)別的方式，確定所述特征向量SFVij的取值。

6.根據(jù)權(quán)利要求3所述的地理空間模式識(shí)別方法，其特征在于：步驟S51中，采用影像分區(qū)技術(shù)，將所述局部信息ARi按照某一特征分割為空間尺度一致或相接近的基本特征元素圖斑；所述某一特征包括空間地物分類劃分、圖斑尺寸。

7.根據(jù)權(quán)利要求3所述的地理空間模式識(shí)別方法，其特征在于：步驟S51中，利用卷積神經(jīng)網(wǎng)絡(luò)計(jì)算獲得每個(gè)所述基本特征元素圖斑SRij的特征向量SFVij。

8.根據(jù)權(quán)利要求3所述的地理空間模式識(shí)別方法，其特征在于：步驟S52中，對(duì)所有m個(gè)所述基本特征元素圖斑SRij的特定長(zhǎng)度為K的特征向量SFVij進(jìn)行求和運(yùn)算，是對(duì)同一維度的特征向量進(jìn)行求和運(yùn)算，從而獲得特定長(zhǎng)度為K的總特定向量Fvi。

9.根據(jù)權(quán)利要求3所述的地理空間模式識(shí)別方法，其特征在于：步驟S53中，通過(guò)具有標(biāo)簽的數(shù)據(jù)集，訓(xùn)練獲得神經(jīng)網(wǎng)絡(luò)模型，將所述總特定向量FVi的各特征向量做為所述神經(jīng)網(wǎng)絡(luò)模型的輸入層，根據(jù)目標(biāo)空間模式，其輸出層的神經(jīng)元個(gè)數(shù)q不同。

10.根據(jù)權(quán)利要求9所述的地理空間模式識(shí)別方法，其特征在于：當(dāng)進(jìn)行空間模式分類時(shí)，所述神經(jīng)元個(gè)數(shù)q等于空間模式類型個(gè)數(shù)；當(dāng)進(jìn)行空間屬性數(shù)量回歸時(shí)，神經(jīng)元個(gè)數(shù)q等于空間模式屬性個(gè)數(shù)。