[发明专利]一种基于路划结构与视觉显著度的道路网分层方法

说明书

本发明公开一种基于路划结构与视觉显著度的道路网分层方法，首先，获取可表现道路视觉连续性的路划为基础的感知单元，以捕获典型的视觉神经元的感知特征；其次，对每条路划进行缓冲区操作，从局部的角度计算路划与周边路划相对的几何差异，得到每条路划的初始视觉显著度；再次，从全局的角度，初始视觉显著度结合了尺寸效应与中心效应，以定义路划的综合视觉显著度；最后，所有路划根据其综合视觉显著度由大到小的排序，道路网可根据该排序重新进行层次划分。本发明将人类视觉注意机制引入道路网分层中，模拟人类在处理道路网时基于视觉感知对道路网的层次化，弥补传统道路网分层方法中感知单元仅仅考虑自身特征的不足，符合人类视觉注意机制。

技术领域

本发明涉及道路网分层技术领域，尤其涉及一种基于路划结构与视觉显著度的道路网分层方法。

背景技术

道路网层次化在城市研究的各个领域发挥着重要作用，尤其在制图综合与城市形态领域(Li等，2014；Jiang和Claramunt，2004)。道路网层次化是制图综合的规则之一，表示为实际显著的道路在地图上也应该是视觉上显著的(Jiang，2008)。由于显著的道路更容易被城市居民记住，因此层次化的道路网提供了城市形态的合理表达。另外，从层次化道路中提取的显著性高的道路为城市居民寻路与路径描述构建了共有的认知体系(Tomko等，2008)。道路网层次化也被用于城市规划、地图更新等其他相关领域(Hu等，2017；Lin等，2013；Ye等，2016；Zhao等，2017)。

目前，对道路网分层的指标主要分为：功能性指标与视觉指标，其中功能性指标通常包括：语义度量及中心性度量。语义度量指道路网可以直接根据其语义属性的相对重要性进行分层，例如道路等级、交通流量和道路功能(Chaudhry和Mackaness，2005；Thomson和Richardson，1999；Carvalho和Penn，2004)。中心性度量是指利用道路网构造出的图结构，通过描述图中顶点的重要性来表示该顶点表示的道路的重要性，点度中心性、中间中心性及接近中心性是道路网分层中最常用的三种中心性度量指标(Huang等，2016；Zhou和Li，2016；Touya，2010)。功能性指标对道路的分层主要基于道路等级或功能，不是基于人类的视觉感知。然而，从人类视觉感知的角度来说，显著的道路应该被定义为：视觉上显著且容易引起人们注意的道路。功能性指标与视觉指标两者的侧重点和定义都不同。目前对视觉指标的研究通常以道路的几何特征度量，例如长度越长，视觉效果越突出(Chaudhry和Mackaness，2005；Carvalho和Penn，2004)。这种度量方式仅仅考虑了道路自身的特征，而忽视了道路与周围环境的比较，这可能导致被定义为显著的道路由于没有特点而难以引起人们的注意，例如具有高度中间中心性的格网状道路。

因此，需要进一步发展一种基于相对视觉显著度的方法来进行道路网层次化，定义显著道路。

发明内容

有鉴于此，本发明的实施例提供了一种基于路划结构与视觉显著度的道路网分层方法，基于人类视觉注意机制计算道路对人眼的刺激程度，模拟人类对道路网进行分层，弥补传统道路网分层方法中感知单元仅仅考虑自身特征的不足，符合人类视觉注意机制。

为实现上述目的，本发明采用了一种技术方案：一种基于路划结构与视觉显著度的道路网分层方法，包括如下步骤：

步骤101：获取研究区域的道路网数据，基于路划结构的生成规则将各个路段组织为路划；

步骤102：获取所述研究区域的所有路划，对每条路划进行缓冲区操作，提取每条路划缓冲区中的所有路划作为该路划的候选比较对象；

步骤103：基于提取的每条路划的候选比较对象，从局部的角度，计算每条路划与其候选比较对象之间的几何差异值；

步骤104：基于计算的每条路划与其候选比较对象之间的几何差异值，将该几何差异值转化为候选比较对象对该路划产生的视觉影响，并将每条路划的所有候选比较对象的视觉影响进行综合，计算出每条路划的初始视觉显著度；