[發明專利]一種矢量路網的自適應緊湊圖像分割方法

在審

• 申請號: 202010467841.9
• 申請日: 2020-05-28
• 公開（公告）號: CN111815636A
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 賈濤;鄢鵬高
• 申請（專利權）人: 武漢大學
• 主分類號: G06T7/10
• 分類號: G06T7/10
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魯力

本發明提供了一種矢量路網的自適應緊湊圖像分割方法，屬于智能交通系統的應用領域。本發明顧及矢量路網的空間拓撲結構，設計了一種有效的矢量路網的自適應緊湊圖像分割方法。該方法能夠在最大維持空間拓撲關系的前提下，將具有不同結構的矢量路網表達為緊湊的二維圖像，具有自適應性且能使得圖像尺度達到最小等優勢，然后通過設計計算拓撲連接誤差與拓撲方向誤差，并與隨機編碼與規則編碼方式進行比較，達到對圖像表達效果的定量評價。這為基于路網的交通問題研究，尤其是基于深度學習技術的道路流量預測，提供了可靠的路網表達與評價方法。

技術領域

本發明屬于智能交通系統的應用領域，針對城市矢量道路圖像表達方法中拓 撲丟失和低空間分辨率等問題，本發明顧及矢量路網的空間拓撲結構，設計了一 種有效的矢量路網的自適應緊湊圖像表達及評價方法。該方法能夠在最大維持空 間拓撲關系的前提下，將具有不同結構的矢量路網表達為緊湊的二維圖像，并對 圖像轉換效果進行定量評價。這為基于路網的交通問題研究，尤其是基于深度學 習技術的道路流量預測，提供了可靠的路網表達與評價方法。

背景技術

近年來，由于大數據的可獲得性，深度學習技術被用于研究各種交通問題， 并在一定程度上表現出比傳統方法更好的性能。深度學習技術包含數據特征表達 和網絡結構建模。數據是模型的基礎，路網的表達便顯得尤為重要。

在城市道路交通流預測領域，由于路網結構的復雜性，研究者們通常選擇小 范圍的路網進行研究，例如有一些研究學者利用較小區域內道路觀測站點構建圖 網絡，對道路流量進行預測；還有一些學者利用圖表示矢量路網，對道路速度進 行預測。在這些研究中，路網被抽象為節點和邊組成的圖，這種表達方法維持了 路網的拓撲連接關系，但是無法維持道路之間的拓撲方向關系。

為了研究更大尺度范圍的路網，研究者們通常采用格網劃分方式表達路網， 例如一些學者為了預測出行載客點的分布，或者預測城市的道路交通流，他們將 城市的路網劃分為多個方形格網，這些格網的邊長通常在1km以上，空間粒度較 粗。格網劃分法能夠表示大尺度范圍的路網，但是由于格網本身的結構特性，這 種表示方法丟失了路網的空間拓撲關系。此外，它也容易受制于空間分辨率影響， 高空間分辨率容易產生稀疏格網圖像，而低分辨率則局限于較大區域尺度的交通 研究。

因此，本發明旨在設計一種矢量路網的自適應緊湊圖像表達及評價方法，充 分利用路網的空間拓撲特性，在最大維持空間拓撲關系的前提下，將具有不同結 構的矢量路網表達為緊湊的二維圖像。在這項發明中，我們采用逐級分割的思想， 對路網進行自適應的逐級劃分，得到一系列的子路網，然后利用路段間的相對位 置關系，將每個子路網中的路段映射到各自的最小矩陣中，最終通過拼接得到緊 湊的二維圖像，并對圖像表達效果進行定量評價。本發明解決了現存基于深度學 習的路網表達中存在的拓撲丟失和低空間分辨率等問題，實驗證明，該方法具有 良好的適應性和可靠性。

發明內容

本發明針對現有技術的不足，提供一種矢量路網的自適應緊湊圖像表達及評 價方法。該方法在保持空間拓撲關系的前提下，采用自適應層級分割算法，將高 度稀疏的矢量路網轉化緊湊的二維圖像，從而實現壓縮路網結構的空間表達及評 價，包含以下步驟：

一種矢量路網的自適應緊湊圖像表達方法，其特征在于，包括：

步驟1、將路網進行逐級分割，每次分割依次采用三種分割方案，分別為： 將路網按照空間位置關系劃分為2²份、將路網按照空間位置關系劃分為3²份、將 路網按照空間位置關系劃分為5²份；在每種分割方案中，使得劃分后每個子集的 路段數目相同；對分割后的子路網再次進行上述分割，直到滿足分割停止條件；

步驟2、將子路網中的路段分別按照X方向和Y方向進行排序，得到各路段 在兩個方向上的相對位置關系，然后根據相對位置關系將路段一一映射到最小分 割圖像中；