[發明專利]一種基于深度學習和定性空間推理的泛在道路信息定位方法

在審

• 申請號: 202011055015.X
• 申請日: 2020-09-30
• 公開（公告）號: CN112148894A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 程若楨;陳靜
• 申請（專利權）人: 武漢大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/35;G06F16/33;G06F16/31;G06F16/387;G06F16/29;G06N3/08;G06N3/04
• 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: 王琪

1.一種基于深度學習和定性空間推理的泛在道路信息定位方法，其特征在于，包括以下步驟：

步驟1，基于道路數據集訓練基于深度學習的道路語義匹配模型；所述基于深度學習的道路語義匹配模型包括輸入層，輸入編碼層，局部推理層，推理組合層和預測層；

步驟1的具體實現包括如下子步驟；

步驟a1，利用道路數據集，構建道路實例；

步驟a2，利用道路實例，根據數據集標記策略來制作標記數據集和候選匹配實例；

步驟a3，將標記數據集從文本轉化為向量表達，并獲得候選匹配實例的向量表達；

步驟a4，利用標記數據集，根據基于深度學習的道路語義匹配模型訓練道路數據集上的道路語義匹配模型；

步驟2，基于道路數據集構建道路語義網絡，具體實現包括如下子步驟；

步驟b1，將步驟1中的道路實例作為語義網絡中的節點，將道路實例間的語義關系作為語義網絡中的語義關系；

步驟b2，利用等經緯度全球離散格網ELLGs構造多尺度的聚類關系NE、NW、SE和SW來簡化道路之間的NE，NW，SE，SW，N，S，E，W關系，并將聚類關系作為語義網絡中的語義關系；

步驟b3，定義語義推理規則以建立道路實例和其MBR的NE，NW，SE，SW頂點所在的多尺度網格的直接關聯；

步驟b4，建立道路實例之間的NE，NW，SE，SW，N，S，E，W關系和語義網絡中的語義關系的映射；

相關術語定義如下：NE東北，NW西北，SE東南，SW西南，S南，N北，E東，W西；

步驟3，將泛在道路描述解析為參考道路描述和相對于參考道路的定性方位關系；

步驟4，根據步驟1中的道路數據集上的道路語義匹配模型，將參考道路描述匹配到相似度最高的候選匹配實例；

步驟5，基于步驟3中的定性方位關系和步驟4中的匹配實例構造語義查詢語句，對步驟2中的道路語義網絡進行語義查詢以推理目標道路。

2.如權利要求1所述的基于深度學習和定性空間推理的泛在道路信息定位方法，其特征在于：步驟a1中通過對道路本體模型中的類進行實例化以構建道路實例；

步驟a1中所述道路本體模型中的所有概念被組織成道路、空間范圍和多尺度空間范圍三個類及其子類，道路類描述了現實存在的道路的語義信息和層次化的組成部分，包括道路名、路段、路口和方位道路子類；空間范圍類描述了由MBR表達的空間范圍，包括NE，NW，SE，SW四個頂點子類；多尺度空間范圍類描述了由ELLGs的網格編碼表達的多尺度空間范圍，包括多尺度網格編碼子類，并且其擴展了WGS84本體來繼承經度和緯度兩個數據屬性；將道路類與空間范圍類、多尺度空間范圍類關聯以表達道路和其組成部分的空間信息。

3.如權利要求2所述的基于深度學習和定性空間推理的泛在道路信息定位方法，其特征在于：步驟a1中路段被定義為相鄰路口之間的局部道路，方位道路被定義為由對應于內部方位的路段組成的局部道路，并且只對道路名中不包含方位信息的道路劃分其方位道路，方位道路的劃分依賴于路口，即以路段為基本單元，在W-E方向或S-N方向上為路段分配相對于道路的內方位，劃分道路內部方位的方式如下：

①排除兩類路口：第一類是控制道路空間范圍的路口，第二類是導致路段被截斷的路口；

②基于唯一可用的路口，為路段分配W、E方向或S、N方向；或者在多個可用的路口的情況下，基于最靠近三等分線的路口，為路段分配W、C、E方向或S、C、N方向；

③為路段分配復合方向NE，NW，SE，SW；

相關術語定義如下：NE東北，NW西北，SE東南，SW西南，S南，N北，E東，W西，W-E方向東西方向，S-N方向南北方向，C中。