[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

本發明提供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，訓練基于深度學習的道路語義匹配模型以適應多樣的道路位置描述和道路或其局部位置的匹配；構建包含道路本體模型的實例和基于ELLGs的簡化的道路之間的定性方位關系的道路語義網絡；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；基于道路語義匹配模型獲取參考道路描述在道路語義網絡中的匹配實例；基于匹配實例和定性方位關系對道路語義網絡進行語義查詢以實現定性方位推理并獲取目標道路。本發明能夠適應從包含定性方位信息的泛在道路描述定位到空間位置的應用。

技術領域

本發明涉及泛在位置信息的定位領域，特別是涉及一種從包含定性方位信息的泛在道路描述中定位空間道路的方法。

背景技術

道路是一類重要的空間基礎設施，對其位置的描述和理解在社會生活、交通運輸、道路規劃等方面具有重要意義。通過自然語言描述的道路位置因更加靈活且符合人們的空間認知習慣而具有更廣闊的應用前景。其中，最簡單的道路位置描述是道路名，而更加復雜的包含了定性方位信息的描述表達了泛在道路位置。并且，道路內部的定性方位信息表達了道路的局部位置。例如，在道路名中蘊含“東”、“西”等方位詞從而將長道路劃分為子道路，或者使用包含方位信息的非標準描述來表達道路的局部位置，如“某某路的西段”。而道路之間的定性方位信息則間接地描述了相對于參考道路的其他道路，從而豐富了道路的語義信息。例如，基于維基百科的語義網DBpedia中，定性方位關系占據了空間位置關聯的語義關系中近乎50％的比例。因此，從包含定性方位信息的泛在道路描述中定位到空間道路是實現智能化的查詢、導航、指令發布等位置服務的重要研究內容。

現有的geocoding技術和定性空間推理的研究為自然語言描述到空間位置的轉換提供了支持。其中，geocoding技術通過將地名、地址等語義信息與包含空間信息的參考數據庫進行匹配來獲得相應的空間位置信息。傳統的geocoding技術采用基于文本比較的匹配方法，通過計算字符串之間轉化所需的編輯操作數(如Levenshtein距離)或者字符串中單詞的重疊程度(如Jaccard相似度系數)來衡量相似度。而近年來的自然語言處理技術的發展表明，將機器學習應用于匹配領域具有巨大的潛力。從而，機器學習的新興分支——深度學習，逐漸被應用于geocoding技術中的匹配過程。基于深度學習的匹配方法強調基于上下文的語義關聯，因此無論待比較文本在字面上是相似的，還是僅具有部分文字重疊，都能夠進行有效的匹配。例如，最先進的深度文本匹配模型之一的增強順序推理模型(ESIM)被應用于實現非結構化的復雜語法的地址匹配。上述匹配過程涉及的道路位置的語義信息僅為標準地址中的道路名，因此現有的geocoding技術的應用能夠有效地實現僅包含道路名的道路位置描述到空間位置的轉換。

然而，道路位置描述有別于標準地址的描述，其中的定性方位信息可以進一步地表達道路的局部位置，從而，將包含內部方位信息的道路位置描述匹配到道路的局部位置更加合理。而上述匹配尚未得到研究和應用。

此外，定性空間推理是從理解空間位置間的定性空間關系的角度實現參考空間位置到目標空間位置的轉換。相較于GeoSPARQL依賴語義查詢過程中的實時計算來實現定性空間推理，通過直接的語義查詢實現的定性空間推理的效率更高。并且，GeoSPARQL主要提供了定性拓撲關系的算子，缺乏對道路的八個方向的定性方位關系的算子的支持。然而，現有的道路之間的顯式的定性方位關系，如DBpedia提供的空間道路之間的八個方向的定性方位關系，并不完善并且有缺陷，從而需要從道路的空間幾何信息中派生出準確的、足夠的定性方位信息以支持通過直接的語義查詢來實現定性方位推理。然而，這帶來了海量的定性方位關系的存儲問題。例如，完整地表達N條道路之間的定性方位信息需要至少表達N²個定性方位關系，即，10000條道路將帶來超過1億個定性方位關系的存儲。因此必須考慮道路之間的海量的定性方位關系的簡化表達。