图卷积网络模型识别道路正交网格模式

作者：王米琪,艾廷华,晏雄锋,肖屹

摘要：街道网作为城市的骨架,其模式识别对于城市景观分析、市政规划、交通流量分析等都具有重要作用,是综合了道路几何特征、语义特征及上下文关系的智能识别问题。道路网模式识别目前主要是基于边-节点的图结构和道路网眼的多边形群结构两种模型,运用相关几何度量和统计指标通过模式识别规则探测获得。由于道路模式表达受人的空间认知、视觉心理影响,具有一定的不确定性和复杂性,基于规则推理与统计分析的方法很难获得与人工判断相一致的结果。在人工智能技术的驱动下,引入一种图结构上的深度学习模型,即图卷积网络,用于识别道路网正交网格模式。先以道路交叉点作为节点、道路连接作为边构建图结构,并划分出网格和非网格两类,作为模型的标注和预测目标;同时将道路网线性剖分以获取图节点特征,作为模型的输入信息;然后提取两端点都被预测为网格点的路段,实现网格模式的识别。实验结果表明,该方法中,道路网节点分类的准确率达到89.2%,道路段分类的准确率达到86.1%,能有效用于网格模式识别。

发文机构：武汉大学资源与环境科学学院 同济大学测绘与地理信息学院

关键词：道路网图卷积网络模式识别网格模式road networkgraph convolution networkpattern recognitiongrid-pattern

分类号： P208[天文地球—地图制图学与地理信息工程]